KR20220149927A - 머신러닝을 활용한 복약순응 위험도 예측 시스템 및 방법 - Google Patents

머신러닝을 활용한 복약순응 위험도 예측 시스템 및 방법 Download PDF

Info

Publication number
KR20220149927A
KR20220149927A KR1020210056369A KR20210056369A KR20220149927A KR 20220149927 A KR20220149927 A KR 20220149927A KR 1020210056369 A KR1020210056369 A KR 1020210056369A KR 20210056369 A KR20210056369 A KR 20210056369A KR 20220149927 A KR20220149927 A KR 20220149927A
Authority
KR
South Korea
Prior art keywords
patient
medication compliance
consultation
voice
unit
Prior art date
Application number
KR1020210056369A
Other languages
English (en)
Other versions
KR102483538B1 (ko
Inventor
오봉근
진옥진
Original Assignee
아우름케어매니지먼트 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 아우름케어매니지먼트 주식회사 filed Critical 아우름케어매니지먼트 주식회사
Priority to KR1020210056369A priority Critical patent/KR102483538B1/ko
Publication of KR20220149927A publication Critical patent/KR20220149927A/ko
Application granted granted Critical
Publication of KR102483538B1 publication Critical patent/KR102483538B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G10L25/66—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for extracting parameters related to health condition
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Pathology (AREA)
  • Acoustics & Sound (AREA)
  • Databases & Information Systems (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Business, Economics & Management (AREA)
  • Chemical & Material Sciences (AREA)
  • Medicinal Chemistry (AREA)
  • Signal Processing (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Manipulator (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

본 발명은 환자 또는 보호자에게 음성상담서비스를 제공함과 동시에 음성상담으로부터 환자의 복약순응 위험도 추출에 필요한 유의미한 정보인 유효정보를 추출한 후, 학습된 머신러닝 알고리즘인 복약순응 위험도 추출 알고리즘을 이용하여 추출된 유효정보 및 수집된 마이데이터(금융거래, 통신비납입 등)를 분석하여 해당 환자의 복약순응 위험도를 출력하며, 출력된 복약순응 위험도 정보를 기반으로 복약순응 리포트를 생성하여 이를 의료진에게 제공함으로써 의료진이 복약순응 리포트를 참조하여 진료상담을 수행함에 따라 환자의 복약순응도를 획기적으로 높일 수 있을 뿐만 아니라 종래에 낮은 복약순응도로 인한 의료비용 소모를 절감시킬 수 있으며, 동일 진료상담시간 대비 상담 집중력, 효율성 및 효과를 극대화시킬 수 있으며, 보험사의 불필요한 예산 소모를 절감시킬 수 있는 머신러닝을 활용한 복약순응 위험도 예측 시스템 및 방법에 관한 것이다.

Description

머신러닝을 활용한 복약순응 위험도 예측 시스템 및 방법{System and method for predicting adaptability of taking medicine using machine learning}
본 발명은 머신러닝을 활용한 복약순응 위험도 예측 시스템 및 방법에 관한 것으로서, 상세하게로는 환자 또는 보호자에게 음성상담서비스를 제공함과 동시에 음성상담으로부터 환자의 복약순응 위험도 추출에 필요한 유의미한 정보인 유효정보를 추출한 후, 학습된 머신러닝 알고리즘을 이용하여 추출된 유효정보 및 수집된 마이데이터(금융거래, 통신비납입 등)를 분석하여 해당 환자의 복약순응 위험도를 출력하며, 출력된 복약순응 위험도 정보를 기반으로 복약순응 리포트를 생성하여 이를 의료진에게 제공함으로써 의료진이 복약순응 리포트를 참조하여 진료상담을 수행함에 따라 환자의 복약순응도를 획기적으로 높일 수 있을 뿐만 아니라 종래에 낮은 복약순응도로 인한 의료비용 소모를 절감시킬 수 있으며, 동일 진료상담시간 대비 상담 집중력, 효율성 및 효과를 극대화시킬 수 있으며, 보험사의 불필요한 예산 소모를 현저히 절감시킬 수 있는 머신러닝을 활용한 복약순응 위험도 예측 시스템 및 방법에 관한 것이다.
최근 들어, 의학 수준, 의료 기술 및 장비가 발달하고, 건강에 대한 관심이 급증함에 따라, 병원, 약국 등의 의료시설과 의료시설을 이용하는 이용자 수가 기하급수적으로 증가하였고, 이에 따라 의료서비스의 편의성 및 신뢰도를 높이기 위한 다양한 연구가 진행되고 있다.
통상적으로, 의료진은 방문한 환자의 진료를 통해, 환자의 병력에 적합한 약을 처방하고 있고, 이러한 처방약은 동일한 질환의 환자라고 하더라도, 환자 병력, 증상, 부작용 등의 다양한 조건에 따라 종류, 복용량, 복용주기, 농도 등이 다르게 처방이 이루어지게 되고, 환자는 의사의 처방전에 따라 약물을 복용하고 있다.
이때 환자가 얼마나 의료진의 지시에 따라 처방약을 복용하였는지를 나타내는 복약순응(Compliance)에 따라 치료효과가 현저히 달라지기 때문에 의료진은 약 처방 시, 복용량, 복용주기, 지시 및 조언 등에 대한 안내를 환자에게 세밀하게 안내하고 있다.
그러나 종래에는 건강 상식 부족, 약물 지식 부족, 인지기능 저하, 다약제 처방에 따른 복잡성, 질병에 대한 인식 저하, 기억력 저하 또는 바쁜 일상으로 인한 투약시기 지연, 생활 습관 등의 다양한 원인으로 인해 환자의 복약순응도가 매우 떨어지는 문제점이 발생하였다.
일례로, 2020년 07월 한국정보기술학회 논문지에 따르면, ‘주요 선진국의 복약순응도가 전체 약제복용인구 중 50%에 불과하고, 당뇨 환자의 복약순응도가 77%, 고혈압 환자의 복약순응도가 45%, 고지혈증 환자의 복약순응도가 35%에 미치지 않는다.’라는 연구 결과가 기재되어 있다.
즉 복약순응이 환자 치료 성공의 선결 조건임에도 불구하고, 아직까지 전체 환자의 절반정도가 복약순응도가 낮은 실정이고, 이에 따라 병원 입원률 및 사망률이 증가하여 전반적인 의료비가 증가하는 문제점이 발생하고 있다.
이러한 환자의 복약순응도를 높이기 위해서는 우선, 1)의료진이 환자의 현재 복약순응 상태를 정확하게 인지하여 진료 상담 시, 부족한 부분에 대한 집중적인 지시 및 안내가 이루어져야 함과 동시에 2)의료진이 진료상담 시, 처방약 종류, 복용량, 복용주기, 지시 및 조언 등의 복약상세정보를 환자에게 자세하게 안내해주어야만 한다.
그러나 한정된 의료시설에 반해, 의료시설을 이용하는 이용자 수가 증가함에 따라, 의료진의 환자 1인당 진료시간이 제한되게 운영되고 있고, 의료진은 짧은 진료 상담 시간 동안 환자의 복약순응 상태를 정확하게 인지하거나 또는 환자에게 복약상세정보를 자세하게 안내하기가 현실적으로 쉽지 않은 문제점이 발생한다.
즉 환자의 치료 성공 및 의료비용에 직결되는 복약순응도를 개선하기 위한 연구가 매우 시급하나, 아직 이에 대한 연구는 매우 미흡한 실정이다.
일반적으로 보험사는 보험 상품에 가입된 환자에 한해, 발생된 의료비용(진료, 처방 등)에 대해 보상을 지원해주고 있는데, 종래에는 보험사가 환자의 복약순응도를 인지하기 위한 별도의 기술 및 방법이 전혀 고려되지 않고 있을 뿐만 아니라 환자의 복약순응도와 상관없이 모든 환자에게 균등하게 보험료 책정 및 보험금 지급이 이루어지고 있기 때문에 보험사의 불필요한 예산소모가 증가할 뿐만 아니라 환자의 복약순응도 개선에 대한 자발성이 떨어지는 문제점이 발생한다. 예를 들어, 보험사의 보험료 책정이나 보험금 지급이 환자의 복약순응도에 따라 차등 적용된다고 가정할 때, 환자는 자발적으로 자신의 복약순응도를 높이기 위해 노력하게 되고, 이러한 복약순응도의 개선은 보험사의 예산 소모를 절감시킬 뿐만 아니라 환자 치료율을 높이는 효과를 창출할 수 있게 된다.
도 1은 국내등록특허 제10-1510512호(발명의 명칭 : 개인 식별 RFID 태그를 이용한 경구 약물 복약 순응도 감시 시스템 및 방법)에 개시된 경구 약물 복약 순응도 감시 시스템을 나타내는 구성도이다.
도 1의 경구 약물 복약 순응도 감시 시스템(이하 종래기술이라고 함)(100)은 경구 약물의 이름, 복약 방법, 복약 기간, 일일 복약 횟수 및 복약 시간, 복약 시 주의사항, 약물 부작용, 정기적인 약물 처방 여부에 대한 정보를 미리 저장하는 메모리 모듈(110)과, 경구 약물의 표면에 부착되어 상기 경구 약물의 고유 정보 및 사용자 식별용 DNA 정보가 저장된 RFID 태그(120)와, 경구 약물 복용 전에는 RFID 태그(120)를 감싸도록 구비되어 RF의 방사를 차단하고 사용자가 경구 약물을 복용하여 경구 약물이 위에 도달하면 위산에 의해 제거되는 RFID 보호막(130)과, RFID 보호막이 제거되어 경구 약물의 고유 정보 및 사용자 식별용 DNA 정보를 포함하는 RFID 신호가 방사되면, 경구 약물의 고유 정보 및 사용자 식별용 DNA 정보를 포함하는 RFID 신호를 수신하는 RF 모듈(140)과, RF 모듈(140)에서 수신된 RFID 신호를 처리하고 경구 약물의 고유 정보 및 사용자 식별용 DNA 정보를 인식하여 사용자의 경구 약물 복약을 계속적으로 모니터링하는 복약 순응도 확인 모듈(170)로 이루어진다.
이때 복약 순응도 확인 모듈(170)에 적용되는 사용자 식별용 DNA 정보는 개인을 식별할 수 있는 STR 마커(short tandem repeat marker)이고, RFID 보호막은 pH 1.5 내지 3.5의 산(acid)에 의해 제거되며 소정 온도 범위의 열에 녹지 않는 내열성과 물에 녹지 않는 내수성을 갖도록 구성된다.
또한 복약 순응도 확인 모듈(170)은 경구 약물 복약의 모니터링 결과, 경구 약물이 일시에 과다 복용 시 사망 위험이 있는 기성 수면제인 경우, 자동 문자 메시지 또는 자동 호출 정보를 응급 센터나 경찰서로 자동 송신하도록 구성된다.
또한 복약 순응도 확인 모듈(170)은 사용자가 메모리 모듈(110)에 미리 저장된 복약 기간 내 복약 시간에 정해진 복약 방법대로 경구 약물을 복약하는지 분석하고, 분석 결과 상기 정해진 복약 시간에 경구 약물을 복약하지 않거나 경구 약물의 복약에 이상이 있는 경우에는 디스플레이 모듈(150)을 통해 사용자에게 알리고, 통신 모듈(160)을 통해 주치의의 휴대 단말(180)로 알람 메시지를 송신하거나 또는 병원의 서버(190)로 분석 결과를 백업하도록 구성된다.
이와 같이 구성되는 종래기술(100)은 경구 약물에 RFID 태그를 부착하여 사용자가 정확한 약물 복용 방법에 따라 경구 약물을 복용하는지를 객관적으로 모니터링 할 수 있는 장점을 갖는다.
그러나 종래기술(100)은 단순히 RFID 태그(120)를 이용하여 복용 여부를 모니터링 하는 것이기 때문에 약물 복용에 대한 환자의 자발적인 참여도를 높이지 못하는 구조적 한계를 갖는다.
또한 종래기술(100)은 경구 약물에 RFID 태그를 부착하는 구성과, RFID 보호막이 pH 1.5 SOWL 3.5의 산에 의해 제거되도록 하는 구성을 구비해야하기 때문에 처방약 제조가 복잡하고 번거로울 뿐만 아니라 오히려 처방약 제조비용이 증가하는 문제점이 발생한다.
또한 종래기술(100)은 환자 스스로 자가 주사를 해야 하는 인슐린 제제나 자가면역질환 등에 널리 사용되는 주사제에는 적용되기 어려운 단점을 갖는다. 이러한 주사제 형태로 제조된 생물학적 제제는 신약 출시 및 사용량 측면에서 지속적인 증가세를 보이고 있다.
일반적으로, 환자가 의료진이 제시한 바에 따라 정확하게 약물을 복용한다고 하더라도, 환자(복용자)의 신체적 특성, 컨디션, 생활 패턴 등의 다양한 조건에 따라 효과 및 부작용이 각기 다르게 발생할 수 있고, 이러한 환자의 상태를 정확하게 습득하기 위한 가장 좋은 방법은 환자와의 상담을 통해 환자에 대한 다양한 정보를 획득하는 것이다.
그러나 종래기술(100)은 단순히 경구 약물의 복용 여부만을 인지하도록 구성되어, 환자의 약물 복용으로 인한 효과 및 부작용에 대한 정보 획득이 불가능하고, 이에 따라 의료진이 제한된 진료 상담시간 동안 환자의 상태를 세밀하고 정확하게 파악하기가 어려워 진료 효과 및 효율성이 떨어지는 단점을 갖는다.
특히 고령, 뇌수술, 정신질환 등과 같이 인지 저하 기능을 동반한 환자의 경우, 의사의 질문에 대한 정확한 답변을 하지 않거나 또는 질문과 무방한 대화를 하는 등의 이유로 인해 환자와의 대화 및 소통이 더욱 어렵기 때문에 진료상담의 효율성이 더욱 떨어지게 된다.
본 발명은 이러한 문제를 해결하기 위한 것으로, 본 발명의 해결과제는 환자 또는 보호자에게 음성상담서비스를 제공함과 동시에 음성상담으로부터 환자의 복약순응 위험도 추출에 필요한 유의미한 정보인 유효정보를 추출한 후, 학습된 머신러닝 알고리즘인 복약순응 위험도 추출 알고리즘을 이용하여 추출된 유효정보 및 수집된 마이데이터(금융거래, 통신비납입 등)를 분석하여 해당 환자의 복약순응 위험도를 출력하며, 출력된 복약순응 위험도 정보를 기반으로 복약순응 리포트를 생성하여 이를 의료진에게 제공함으로써 의료진이 복약순응 리포트를 참조하여 진료상담을 수행함에 따라 환자의 복약순응도를 획기적으로 높일 수 있을 뿐만 아니라 종래에 낮은 복약순응도로 인한 의료비용 소모를 절감시킬 수 있으며, 동일 진료상담시간 대비 상담 집중력, 효율성 및 효과를 극대화시킬 수 있는 머신러닝을 활용한 복약순응 위험도 예측 시스템 및 방법을 제공하기 위한 것이다.
또한 본 발명의 또 다른 해결과제는 상담 서비스 관리서버가 환자와의 음성상담 서비스를 제공함에 따라 환자의 재발이나 악화가 줄어들어 환자의 진료비용을 현저히 절감시킬 수 있을 뿐만 아니라 환자가 시간 및 공간의 제약 없이 진료상담이 가능하여 진료 편의성을 높일 수 있는 머신러닝을 활용한 복약순응 위험도 예측 시스템 및 방법을 제공하기 위한 것이다.
또한 본 발명의 또 다른 해결과제는 상담 서비스 관리서버가 환자의 마이데이터를 수집한 후, 수집된 마이데이터를 복약순응 위험도 추출 알고리즘의 입력데이터로 활용하여, 환자의 복약순응 위험도 추출의 정확성 및 신뢰도를 더욱 높일 수 있는 머신러닝을 활용한 복약순응 위험도 예측 시스템 및 방법을 제공하기 위한 것이다.
또한 본 발명의 또 다른 해결과제는 복약순응 위험도 추출 알고리즘이 학습 시, 지도 학습(Supervised learning) 및 비지도 학습(Unsupervised learning)을 동시에 개별적으로 진행하여, 각 방식에 따른 모델의 단점을 상호 보완하도록 구성됨으로써 복약순응 위험도를 더욱 정밀하게 추출할 수 있는 머신러닝을 활용한 복약순응 위험도 예측 시스템 및 방법을 제공하기 위한 것이다.
또한 본 발명의 또 다른 해결과제는 상담등급 설정부가 환자의 음성데이터 중 무의미한 정보로 이루어지는 소모타임(t2)을 산출한 후, 산출된 소모타임(t2)에 따라 해당 환자의 상담등급(L)을 검출하고, AI 챗봇이 상담등급(L)별로 대화의 난이도 또는 속도를 다르게 진행함으로써 진료상담의 효율성 및 효과를 더욱 높일 수 있는 복약순응 위험도 예측 시스템 및 방법을 제공하기 위한 것이다.
또한 본 발명의 또 다른 해결과제는 보험사 서버가 상담 서비스 관리서버로부터 전송받은 복약순응 리포트를 참조하여, 보험 가입 시, 복약순응 위험도에 따라 보험료를 차등 책정하거나 또는 보험금 보상 시, 복약순응 위험도에 따라 보험금을 차등 지급함으로써 보험사의 불필요한 예산소모를 획기적으로 절감시킴과 더불어 복약순응도 개선에 대한 환자의 자발성 및 참여율을 높여 질환 치료율을 높일 수 있는 복약순응 위험도 예측 시스템 및 방법을 제공하기 위한 것이다.
상기 과제를 해결하기 위한 본 발명의 해결수단은 환자측 단말기와, 상담 서비스 관리서버를 포함하는 복약순응 위험도 예측 시스템: 상기 상담 서비스 관리서버는 환자의 복약순응 위험도 추출에 필요한 체크항목들과, 각 체크항목에 대한 답변을 유도하기 위한 질의어들, 각 체크항목에 관련된 단어로 판단할 수 있는 키워드들이 기 설정되어 저장되고, 환자의 말뭉치로부터 복약순응 위험도 추출에 필요한 유의미한 정보인 유효정보를 추출하는 유효정보 추출 알고리즘과, 추출된 유효정보를 분석하여 해당 환자의 복약순응 위험도를 출력하는 복약순응 위험도 추출 알고리즘이 저장되는 데이터베이스부; 기 설정된 주기(T) 마다 실행되며, 유효정보 및 복약순응 위험도 간의 상관관계를 학습할 수 있는 학습데이터를 생성하고 생성된 학습데이터를 활용하여 유효정보 및 복약순응 위험도 간의 상관관계에 대한 파라미터 값들의 집합인 추출 모델을 도출함으로써 상기 복약순응 위험도 추출 알고리즘의 학습을 수행하는 인공지능 학습부; 상기 환자측 단말기의 요청에 따라 상기 환자측 단말기와 접속하여 음성상담을 실행하는 음성상담 서비스부; 상기 음성상담 서비스부로부터 입력된 환자의 음성데이터를 인식한 후, 말뭉치(Corpus)를 생성한 후, 상기 유효정보 추출 알고리즘을 이용하여 생성된 환자 말뭉치로부터 유효정보를 추출한 후, 추출된 유효정보를 상기 인공지능 학습부에 의해 학습된 복약순응 위험도 추출 알고리즘의 입력데이터로 하여, 해당 환자의 복약순응 위험도를 출력하는 인공지능 기반 복약순응 위험도 추출부; 상기 인공지능 기반 복약순응 위험도 추출부에 의해 추출된 복약순응 위험도 정보를 기반으로 복약순응 리포트를 생성하는 복약순응 리포트 생성부; 상기 복약순응 리포트 생성부에 의해 생성된 복약순응 리포트를 해당 환자의 의료진 단말기로 전송하는 제어부를 포함하는 것이다.
또한 본 발명에서 상기 복약순응 위험도 예측 시스템은 상기 상담 서비스 관리서버로부터 요청받은 환자에 대하여, 과거 건강검진 결과, 계좌정보, 대출납입정보, 자동차보험계약 및 납입정보, 보험대출상품 정보, 카드이용정보, 통신비납입정보, 보증보험정보, 국세납입정보, 지방세 납입정보 및 4대 보험 납입정보 중 적어도 하나 이상을 포함하는 마이데이터를 수집하는 마이데이터 수집서버를 더 포함하고, 상기 상담 서비스 관리서버는 상기 음성상담 서비스부에 의해 음성상담이 시작될 때 실행되며, 상기 마이데이터 수집서버로 해당 환자에 대한 마이데이터를 요청한 후, 상기 마이데이터 수집서버로부터 해당 환자의 마이데이터를 수신 받는 마이데이터 수집부를 더 포함하고, 상기 복약순응 위험도 추출 알고리즘은 상기 유효정보 추출부에 의해 추출된 유효정보와, 상기 마이데이터 수집서버에 의해 수집된 마이데이터를 입력데이터로 하여, 복약순응 위험도를 출력하는 것이 바람직하다.
또한 본 발명에서 상기 인공지능 학습부는 상기 복약순응 위험도 추출 알고리즘의 학습 시, 지도 학습(Supervised learning)과 비지도 학습(Unsupervised learning)을 동시에 개별적으로 진행하여, 각 방식에 따른 모델의 단점을 상호 보완하도록 하는 것이 바람직하다.
또한 본 발명에서 상기 인공지능 기반 복약순응 위험도 추출부는 상기 인공지능 기반 유효정보 추출부는 상기 음성상담 서비스부로부터 환자의 음성데이터를 입력받는 음성데이터 입력모듈; 상기 마이데이터 수집부로부터 마이데이터를 입력받는 마이데이터 입력모듈; 상기 음성데이터 입력모듈에 의해 입력된 음성데이터를 분석하여 음성을 인식하며, 인식된 환자의 음성데이터에 대한 말뭉치(Corpus)를 생성하는 음성인식 및 말뭉치 생성모듈; 상기 유효정보 추출 알고리즘을 이용하여, 상기 음성인식 및 말뭉치 생성모듈에 의해 생성된 환자 말뭉치를 분석하여, 환자 말뭉치로부터 유효정보를 추출하는 유효정보 추출모듈; 상기 유효정보 추출모듈 및 상기 마이데이터 입력모듈로부터 유효정보 및 마이데이터를 입력받으면, 입력된 유효정보 및 마이데이터를 학습된 복약순응 위험도 추출 알고리즘의 입력데이터로 하여, 해당 환자에 대한 복약순응 위험도를 출력하는 AI 기반 복약순응 위험도 출력모듈을 포함하는 것이 바람직하다.
또한 본 발명에서 상기 복약순응 위험도 예측 시스템은 보험사 서버를 더 포함하고, 상기 보험사 서버는 기 설계된 보험 상품들을 제공하며, 환자의 보험 상품 가입 또는 보상금 지급 시, 해당 환자의 식별정보를 포함하는 리포트 요청데이터를 상기 상담 서비스 관리서버로 전송한 후, 상기 상담 서비스 관리서버로부터 전송받은 복약순응 리포트의 복약순응 위험도에 따라 가입된 보험 상품의 보험료를 차등 책정하거나 또는 보상금을 차등 지급하고, 상기 상담 서비스 관리서버는 상기 보험사 서버로부터 리포트 요청데이터를 전송받으면, 해당 환자의 복약순응 리포트를 상기 보험사 서버로 전송하는 것이 바람직하다.
또한 본 발명에서 상기 복약순응 위험도 추출 알고리즘에 의해 출력되는 복약순응 위험도는 해당 환자의 복약순응도와 기 설정된 카테고리별 복약순응 등급들을 포함하고, 상기 복약순응 리포트는 해당 환자에 대하여, 복약순응도를 백분율로 표시함과 동시에 각 카테고리의 복약순응 등급들을 표시하는 것이 바람직하다.
또한 본 발명에서 상기 환자측 단말기에는 상담 어플리케이션이 설치되고, 상기 상담 어플리케이션은 사용자(환자)로부터 상담을 요청받을 때, 상기 상담 서비스 관리서버로 상담 요청데이터를 전송함과 동시에 사용자(환자)와 상기 상담 서비스 관리서버의 음성상담 서비스에 대한 인터페이스를 제공하는 그래픽 사용자 인터페이스(GUI, Graphic User Interface)인 상담용 인터페이스를 상기 환자측 단말기의 모니터에 디스플레이 하는 것이 바람직하다.
또한 본 발명에서 상기 상담 어플리케이션은 최초 실행 시, 사용자(환자)로부터 개인정보, 질환종류, 이전 진료를 수행하였던 의료진 정보, 진료를 희망하는 의료진 정보를 포함하는 기본정보를 입력받으면, 입력된 기본정보를 상기 상담 서비스 관리서버로 전송하고, 상기 상담 서비스 관리서버는 상기 상담 어플리케이션으로부터 기본정보를 전송받으면, 전송받은 기본정보를 상기 데이터베이스부에 저장함과 동시에 기본정보에 포함된 이전 진료를 수행하였던 의료진 또는 진료를 희망하는 의료진을 해당 환자를 진료할 의료진으로 매칭시키는 의료진 매칭부를 더 포함하는 것이 바람직하다.
또한 본 발명에서 상기 상담 서비스 관리서버는 상기 음성상담 서비스부에서 음성상담이 종료될 때 실행되며, 상기 음성상담 서비스부를 통해 실행된 환자의 음성데이터를 입력받으면, 입력된 환자의 음성데이터를 기 설정된 등급부여절차에 따라 분석하여 환자의 커뮤니케이션 능력 수준에 따른 상담등급(L)을 설정한 후, 상기 데이터베이스부에 저장하는 상담등급 설정부를 더 포함하고, 상기 음성상담 서비스부는 상담을 요청한 환자의 상담등급(L)이 상기 데이터베이스부에 저장되어 있을 때, 해당 환자의 상담등급(L)별로 대화의 난이도 또는 속도를 다르게 진행하는 것이 바람직하다.
또한 본 발명에서 상기 상담등급 설정부는 상기 음성상담 서비스부를 통해 실행된 환자의 음성데이터와, 상기 유효정보 추출모듈에 의해 추출된 유효정보를 입력받는 데이터 입력모듈; 상기 데이터 입력모듈을 통해 입력된 음성데이터를 타임라인에 따라 비트열로 정렬시키며, 입력된 유효정보를 참조 및 활용하여, 비트열로 정렬된 음성데이터를 유효정보가 출력되는 구간 및 유효정보가 출력되지 않는 구간으로 분류하는 음성데이터 분류모듈; 상기 데이터 입력모듈에 의해 입력된 음성데이터의 전체 출력시간인 전체 출력타임(t)을 산출하는 전체 출력타임(t) 산출모듈; 상기 음성데이터 분류모듈에 의해 유효정보가 출력되지 않는 구간들을 합산한 출력시간인 소모타임(t2)을 산출하는 소모타임(t2) 산출모듈; 상기 소모타임(t2) 산출모듈에 의해 산출된 소모타임(t2)과 전체 출력타임(t) 산출모듈에 의해 산출된 전체 출력타임(t)의 백분율인 소모율(R)을 산출하는 소모율(R) 산출모듈; 소모율(R)의 구간별로 상담등급(L)이 매칭된 기준테이블을 활용하여, 상기 소모율(R) 산출모듈에 의해 산출된 소모율(R)에 대응하는 상담등급(L)을 검출하며, 검출된 상담등급(L)을 해당 환자의 상담등급(L)으로 결정한 후, 상기 데이터베이스부에 저장하는 상담등급 결정모듈을 포함하는 것이 바람직하다.
또한 본 발명에서 상기 데이터베이스부에는 상담등급(L) 별로 환기멘트 출력주기(T1)가 매칭된 제2 기준테이블이 더 저장되고, 상기 제2 기준테이블의 환기주기 출력주기(T1)는 상담등급(L)이 높을수록 상위레벨(또는 하위레벨)이라고 가정할 때, 상담등급(L)에 비례(또는 반비례)하도록 설정되고, 상기 상담 서비스 관리서버는 상기 상담등급 설정부에 의해 상담등급이 결정될 때 실행되며, 상기 제2 기준테이블을 활용하여, 상기 상담등급 설정부에 결정된 해당 환자의 상담등급(L)에 매칭되는 환기멘트 출력주기(T1)를 검출한 후, 상기 데이터베이스부에 저장하는 환기멘트 출력주기(T1) 검출부; 상기 음성상담 서비스부에 의한 음성상담이 시작될 때 실행되되, 음성상담이 종료될 때 종료되는 환기멘트 출력여부 판단부를 더 포함하고, 상기 환기멘트 출력여부 판단부는 최초 실행 시, 상기 데이터베이스부를 탐색하여, 해당 환자에 대한 환기멘트 출력주기(T1)를 탐색하는 데이터 탐색 및 추출모듈; 상기 데이터 탐색 및 추출모듈에 의해 해당 환자에 대한 환기멘트 출력주기(T1)가 추출될 때 실행되며, 상기 음성상담 서비스부 및 상기 유효정보 추출모듈을 모니터링 하는 모니터링 모듈; 상기 모니터링 모듈에 의해 모니터링 시, 상기 음성상담 서비스부가 질의어의 질문시점부터 유효정보가 추출되지 않은 상태가 지속되는 현재까지의 경과시간(△t)을 산출하는 경과시간(△t) 산출모듈; 상기 경과시간(△t) 산출모듈에 의해 산출된 경과시간(△t)과, 상기 데이터 탐색 및 추출모듈에 의해 추출된 환기멘트 출력주기(T1)를 비교하는 비교모듈; 상기 비교모듈에서 경과시간(△t)이 환기멘트 출력주기(T1) 이상(△t≥T1)이면, 환기멘트를 도달(△t<T1)이면, AI 챗봇에서 환기멘트를 출력해야 한다고 결정한 후, 상기 음성상담 서비스부로 출력제어신호를 출력하는 환기멘트 출력 결정모듈을 포함하고, 상기 음성상담 서비스부는 상기 환기멘트 출력여부 판단부로부터 출력제어신호가 입력되면, 환자의 대화를 끊고 이전 질의어를 다시 묻기 위한 반복 멘트를 의미하는 환기멘트를 출력하는 것이 바람직하다.
상기 과제와 해결수단을 갖는 본 발명에 따르면 환자 또는 보호자에게 음성상담서비스를 제공함과 동시에 음성상담으로부터 환자의 복약순응 위험도 추출에 필요한 유의미한 정보인 유효정보를 추출한 후, 학습된 머신러닝 알고리즘인 복약순응 위험도 추출 알고리즘을 이용하여 추출된 유효정보 및 수집된 마이데이터(금융거래, 통신비납입 등)를 분석하여 해당 환자의 복약순응 위험도를 출력하며, 출력된 복약순응 위험도 정보를 기반으로 복약순응 리포트를 생성하여 이를 의료진에게 제공함으로써 의료진이 복약순응 리포트를 참조하여 진료상담을 수행함에 따라 환자의 복약순응도를 획기적으로 높일 수 있을 뿐만 아니라 종래에 낮은 복약순응도로 인한 의료비용 소모를 절감시킬 수 있으며, 동일 진료상담시간 대비 상담 집중력, 효율성 및 효과를 극대화시킬 수 있게 된다.
또한 본 발명에 의하면 상담 서비스 관리서버가 환자와의 음성상담 서비스를 제공함에 따라 환자의 재발이나 악화가 줄어들어 환자의 진료비용을 현저히 절감시킬 수 있을 뿐만 아니라 환자가 시간 및 공간의 제약 없이 진료상담이 가능하여 진료 편의성을 높일 수 있다.
또한 본 발명에 의하면 상담 서비스 관리서버가 환자의 마이데이터를 수집한 후, 수집된 마이데이터를 복약순응 위험도 추출 알고리즘의 입력데이터로 활용하여, 환자의 복약순응 위험도 추출의 정확성 및 신뢰도를 더욱 높일 수 있게 된다.
또한 본 발명에 의하면 복약순응 위험도 추출 알고리즘이 학습 시, 지도 학습(Supervised learning) 및 비지도 학습(Unsupervised learning)을 동시에 개별적으로 진행하여, 각 방식에 따른 모델의 단점을 상호 보완하도록 구성됨으로써 복약순응 위험도를 더욱 정밀하게 추출할 수 있다.
또한 본 발명에 의하면 상담등급 설정부가 환자의 음성데이터 중 무의미한 정보로 이루어지는 소모타임(t2)을 산출한 후, 산출된 소모타임(t2)에 따라 해당 환자의 상담등급(L)을 검출하고, AI 챗봇이 상담등급(L)별로 대화의 난이도 또는 속도를 다르게 진행함으로써 진료상담의 효율성 및 효과를 더욱 높일 수 있게 된다.
또한 본 발명에 의하면 보험사 서버가 상담 서비스 관리서버로부터 전송받은 복약순응 리포트를 참조하여, 보험 가입 시, 복약순응 위험도에 따라 보험료를 차등 책정하거나 또는 보험금 보상 시, 복약순응 위험도에 따라 보험금을 차등 지급함으로써 보험사의 불필요한 예산소모를 획기적으로 절감시킴과 더불어 복약순응도 개선에 대한 환자의 자발성 및 참여율을 높여 질환 치료율을 높일 수 있게 된다.
도 1은 국내등록특허 제10-1510512호(발명의 명칭 : 개인 식별 RFID 태그를 이용한 경구 약물 복약 순응도 감시 시스템 및 방법)에 개시된 경구 약물 복약 순응도 감시 시스템을 나타내는 구성도이다.
도 2는 본 발명의 일실시예인 복약순응 위험도 예측 시스템을 나타내는 구성도이다.
도 3은 도 2의 관계도이다.
도 4는 도 2의 상담 서비스 관리서버에서 생성되는 복약순응 리포트를 나타내는 예시도이다.
도 5는 도 4의 다른 예시도이다.
도 6은 도 2의 상담 서비스 관리서버를 나타내는 블록도이다.
도 7은 도 6을 설명하기 위한 개념도이다.
도 8은 도 6의 AI 챗봇 기반 음성상담 서비스부를 나타내는 블록도이다.
도 9는 도 6의 인공지능 기반 복약순응 위험도 추출부를 나타내는 블록도이다.
도 10은 본 발명의 일실시예인 복약순응 위험도 예측 시스템의 동작 과정을 설명하기 위한 플로차트이다.
도 11은 도 6의 상담 서비스 관리서버의 제2 실시예를 나타내는 블록도이다.
도 12는 도 11의 환기멘트 출력여부 판단부를 나타내는 블록도이다.
도 13은 도 11의 상담등급 설정부를 나타내는 블록도이다.
도 14는 도 13의 전체 출력타임(t), 유효타임(t1) 및 소모타임(t2)을 설명하기 위한 예시도이다.
도 15는 도 10의 제2 실시예를 나타내는 플로차트이다.
이하, 첨부된 도면을 참조하여 본 발명의 일실시예를 설명한다.
도 2는 본 발명의 일실시예인 복약순응 위험도 예측 시스템을 나타내는 구성도이고, 도 3은 도 2의 관계도이다.
본 발명의 일실시예인 복약순응 위험도 예측 시스템(1)은 환자 또는 보호자에게 음성상담서비스를 제공함과 동시에 음성상담으로부터 환자의 복약순응 위험도 추출에 필요한 유의미한 정보인 유효정보를 추출한 후, 학습된 머신러닝 알고리즘을 이용하여 추출된 유효정보 및 수집된 마이데이터(금융거래, 통신비납입 등)를 분석하여 해당 환자의 복약순응 위험도 정보를 출력하며, 출력된 복약순응 위험도 정보를 기반으로 복약순응 리포트를 생성하여 이를 의료진에게 제공함으로써 의료진이 복약순응 리포트를 참조하여 진료상담을 수행함에 따라 환자의 복약순응도를 획기적으로 높일 수 있을 뿐만 아니라 종래에 낮은 복약순응도로 인한 의료비용 소모를 절감시킬 수 있으며, 동일 진료상담시간 대비 상담 집중력, 효율성 및 효과를 극대화시키기 위한 것이다.
또한 본 발명의 복약순응 위험도 예측 시스템(1)은 도 2와 3에 도시된 바와 같이, 접속된 사용자(User)에게 상담 서비스를 제공함과 동시에 접속된 사용자와 음성상담을 통한 음성데이터로부터 복약순응 위험도 추출에 관련된 유의미한 정보(이하 유효정보라고 함)를 추출한 후, 머신러닝 알고리즘을 이용하여 추출된 유효정보를 분석하여 복약순응 위험도를 추출하여 이를 기반으로 복약순응 리포트를 생성하는 상담 서비스 관리서버(3)와, 환자 또는 환자 보호자가 소지한 단말기인 환자측 단말기(5-1), ..., (5-N)들과, 의사가 소지한 단말기인 의료진 단말기(9)와, 환자측 단말기(5-1), ..., (5-N)들 각각에 설치되어 상담 서비스 관리서버(3)와의 연동을 지원하는 상담 어플리케이션(7)과, 상담 서비스 관리서버(3)의 요청에 따라 특정 환자에 대한 마이데이터(금융거래정보, 통신비납부내역정보 등)를 수집하여 제공하는 마이데이터 수집서버(11)와, 보험 상품들을 제공하며 가입된 환자의 보험료 책정 및 보험금 지급을 지원하는 보험사 서버(13)와, 의료진 단말기(9), 마이데이터 수집서버(11), 보험사 서버(13) 및 환자측 단말기(5-1), ..., (5-N)들 사이의 데이터 이동경로를 제공하는 통신망(10)으로 이루어진다.
이때 본 발명에서는 설명의 편의를 위해 환자측 단말기(5) 및 상담 서비스 관리서버(3)가 별도의 상담전용 어플리케이션(7)을 통해 음성상담을 수행하는 것으로 예를 들어 설명하였으나, 환자측 단말기(5) 및 상담 서비스 관리서버(3)의 음성상담 방식은 이에 한정되지 않으며, 통상의 전화망을 통한 음성통화를 기반으로 운영되는 것으로 구성될 수 있음은 당연하다.
또한 본 발명에서는 설명의 편의를 위해, AI 챗봇이 인공지능(AI, Artificial Intelligence)을 활용하여 환자와의 상담서비스를 수행하는 것으로 예를 들어 설명하였으나, 상담 서비스 관리서버(3)의 상담서비스는 전문 상담원과의 통화를 통해 이루어질 수 있다.
통신망(10)은 상담 서비스 관리서버(3), 의료진 단말기(9), 마이데이터 수집서버(11), 보험사 서버(13) 및 환자측 단말기(5-1), ..., (5-N)들 사이의 데이터 통신을 지원하며, 상세하게로는 LAN(local area network)망, VAN(Value Added Network)망, 광역 통신망(WAN), 이동통신망, 와이파이(Wi-fi), 3G/4G, LTE 등으로 구현될 수 있다.
마이데이터 수집서버(11)는 환자의 대출 납입내역, 보험료 납입내역, 통신비 납입내역 등의 정보(이하 마이데이터라고 함)를 수집한다. 이때 마이데이터 수집서버(11)는 마이데이터 수집에 동의한 환자에 한해서 마이데이터를 수집한다.
예를 들어, 마이데이터는 ‘과거 건강검진 결과’, ‘계좌정보’, ‘대출납입정보‘, ’자동차보험계약 및 납입정보’, ‘보험대출상품 정보’, ‘카드이용정보(일별 카드 이용정보 포함’, ‘카드대출정보’, ‘기타 금융투자정보’, ‘통신비납입정보’, ‘보증보험정보’, ‘공공정보(국세, 지방세, 4대 보험)’ 등으로 이루어질 수 있고, 이러한 마이데이터 수집 기술 및 방법은 금융거래 시스템에서 통상적으로 널리 사용되는 기술 및 방법이기 때문에 상세한 설명은 생략하기로 한다.
또한 마이데이터 수집서버(11)는 상담 서비스 관리서버(3)의 요청에 따라 특정 환자의 마이데이터를 추출한 후, 추출된 마이데이터를 상담 서비스 관리서버(3)로 전송한다.
이러한 마이데이터는 환자의 생활 습관이나 경제 상황을 나타내는 지표로 활용될 수 있고, 일반적으로 환자의 생활 습관이나 경제 상황은 환자의 복약순응과도 밀접한 관계를 갖는다. 예를 들어, 매달 납부해야할 비용을 연체하는 생활 습관을 갖는 환자의 경우, 약물의 복용주기 또한 미루는 경우가 많고, 경제 상황이 매우 좋지 않은 경우, 투약의 지속성이 떨어지는 경우가 많다.
본 발명은 이러한 마이데이터의 특성을 감안하여, 상담 서비스 관리서버(3)가 환자의 마이데이터를 별도로 수집한 후, 수집된 마이데이터를 해당 환자의 복약순응 위험도 추출에 활용함으로써 분석의 정확성 및 신뢰도를 현저히 높이도록 하였다.
의료진 단말기(9)는 의료진이 소지하거나 또는 의료진의 집무공간에 배치되는 단말기이며, 상세하게로는 데스크톱-PC(Desktop-PC), 스마트폰(Smart phone), 노트북(Notebook), 태블릿-PC(Tablet-PC) 등으로 구성될 수 있다. 그 밖에 불가피한 경우, 인쇄된 형태의 문서로도 구성될 수 있음은 당연하다.
또한 의료진 단말기(9)는 상담 서비스 관리서버(3)로부터 특정 환자의 복약순응 리포트를 전송받으면, 사용자(User, 의료진)의 요청에 따라 전송받은 복약순응 리포트를 모니터에 디스플레이 한다.
일반적으로, 의료진은 제한된 진료 상담 시간 동안, 환자가 의료진의 지시 및 안내에 따라 약을 복용하였는지를 파악할 필요가 있기 때문에 이에 대한 대화를 환자와 수행할 뿐만 아니라 복약 불순응이 높은 환자인 경우, 그 원인을 파악하여 환자의 복약순응을 높이기 위한 노력(대화, 안내, 지시 등)을 하고 있다.
특히 환자의 복약순응은 이에 대한 의료진과의 상담시간이 높을수록 증가하는 특성을 갖기 때문에 의료진의 충분한 진료상담 시간이 필요하나, 종래에는 제한된 진료시간 때문에 의료진이 짧은 진료상담 시간 동안 환자의 처방약 복용 상태를 정확하게 파악하거나 처방약에 대한 충분한 설명을 하거나 또는 환자의 복약순응도를 높이기 위한 안내하기가 불가능한 문제점이 발생하였다.
즉 본 발명은 이러한 문제점을 해결하기 위한 것으로, 의료진은 의료진 단말기(9)를 통해 상담 서비스 관리서버(3)로부터 전송받은 복약순응 리포트의 내용을 참조하여, 해당 환자의 복약순응에 관련된 기본적인 정보를 사전에 파악할 수 있어 제한된 진료상담 시간 동안 환자에게 부족한 부분이나 심층적 분석이 필요한 부분에 대하여 집중적인 상담이 이루어질 수 있기 때문에 환자에 대한 심층적 분석이 가능할 뿐만 아니라 환자와의 상담 내용 중 대화 방해요소(무의미한 대화)를 현저히 절감시켜 환자의 복약순응도, 상담효율성 및 치료효율성을 현저히 높일 수 있고, 이에 따른 의료비용 소모를 효과적으로 절감시킬 수 있게 된다.
환자측 단말기(5-1), ..., (5-N)들은 환자 또는 환자 보호자가 소지하며, 통신망(10)과의 접속을 지원하는 디지털 디바이스이며, 상세하게로는 스마트폰(Smart phone), 데스크톱-PC(Desktop-PC), 노트북(Notebook), 태블릿-PC(Tablet-PC) 등으로 구성될 수 있다.
또한 환자측 단말기(5-1), ..., (5-N)들은 사용자로부터 문자를 입력받기 위한 키보드, 터치패널 등의 입력수단(51)과, 사운드가 출력되는 스피커 등의 음성출력수단(52)과, 음성신호를 수집하는 마이크 등의 음성수집수단(53)과, 문자, 숫자, 사진, 영상 콘텐츠 등이 전시되는 디스플레이 수단(54)과, 통신망(10)과의 접속을 지원하는 통신수단(55)을 포함하여 후술되는 도 5의 상담 서비스 관리서버(3)의 AI 챗봇(Chat-bot)과의 음성상담을 지원한다.
또한 환자측 단말기(5-1), ..., (5-N)들에는 후술되는 상담 어플리케이션(7)이 설치된다.
상담 어플리케이션(7)은 환자측 단말기(5)에 설치되어 상담 서비스 관리서버(3)와 연동하여 사용자(환자)에게 AI 챗봇과의 음성상담 서비스를 제공하기 위한 소프트웨어(Software), 어플리케이션(Application) 또는 응용프로그램(Application program)이다.
또한 상담 어플리케이션(7)은 최초 실행 시, 환자(User)로부터 기본정보를 입력받는다. 이때 기본정보는 환자(User)의 개인정보와, 질환종류, 이전 진료를 수행하였던 의료시설 및 의료진 정보, 진료를 희망하는 의료시설 및 의료진 정보 중 적어도 하나 이상을 포함할 수 있다.
또한 상담 어플리케이션(7)은 환자로부터 기본정보를 입력받으면, 입력된 기본정보를 상담 서비스 관리서버(3)로 전송한다. 이때 상담 서비스 관리서버(3)는 상담 어플리케이션(7)으로부터 전송받은 기본정보를 기반으로, 해당 환자의 진료를 수행할 의료진 단말기(9)를 매칭시킨다.
또한 상담 어플리케이션(7)은 환자로부터 음성상담을 요청받으면, 상담 서비스 관리서버(3)로 상담 요청데이터를 전송함과 동시에 상담 서비스 관리서버(3)의 AI 챗봇과의 음성상담을 수행하기 위한 그래픽 사용자 인터페이스(GUI, Graphic User Interface)인 상담용 인터페이스를 환자측 단말기(5)의 디스플레이 수단(54)에 전시한다. 이때 상담용 인터페이스는 사용자(환자 또는 환자보호자)와 상담 서비스 관리서버(3)의 AI 챗봇 사이의 음성상담 서비스에 대한 인터페이스를 제공한다.
보험사 서버(13)는 다양한 보험 상품들을 제공하는 통상의 보험 회사의 서버이며, 보험 상품에 가입된 환자의 보험료를 책정함과 동시에 보상 시, 보험금을 지급하는 서비스를 제공한다.
이때 보험료는 가입자가 매달 보험사에 납부하는 비용을 의미하고, 보험금은 보험사가 가입자에게 지급하는 보상금을 의미한다.
또한 보험사 서버(13)는 환자 가입 또는 보상 시, 해당 환자의 식별정보(개인정보 등)를 포함하는 리포트 요청데이터를 상담 서비스 관리서버(3)로 전송한다. 이때 상담 서비스 관리서버(3)는 보험사 서버(13)로부터 리포트 요청데이터를 전송받으면, 해당 환자의 복약순응 리포트를 보험사 서버(13)로 전송한다.
또한 보험사 서버(13)는 상담 서비스 관리서버(3)로부터 복약순응 리포트를 전송받으면, 1)환자 가입 시, 복약순응 리포트의 복약순응 위험도에 따라, 보험료를 차등 책정하고, 2)환자 보상 시, 복약순응 리포트의 복약순응 위험도에 따라, 보험금을 차등 지급한다.
즉 본 발명은 보험사 서버(13)가 환자 가입 또는 보상 시, 상담 서비스 관리서버(3)로부터 전송받은 복약순응 리포트를 참조하여, 복약순응 위험도에 따라 보험료 책정 또는 보험금 지급을 차등 적용시킴으로써 보험사의 불필요한 예산소모를 획기적으로 절감시킴과 더불어 복약순응도 개선에 대한 환자의 자발성 및 참여율을 높여 질환 치료율을 높일 수 있게 된다.
상담 서비스 관리서버(3)는 환자 또는 환자 보호자에게 상담 서비스를 제공함과 동시에 의료진에게 환자의 복약순응 위험도를 포함하는 복약순응 리포트를 제공하기 위한 서버이다.
또한 상담 서비스 관리서버(3)는 상담 어플리케이션(7)으로부터 기본정보를 전송받으면, 전송받은 기본정보를 저장함과 동시에 전송받은 기본정보에 포함된 내용(질환종류, 이전 진료를 수행하였던 의료시설 및 의료진 정보, 진료를 희망하는 의료시설 및 의료진 정보)을 활용하여, 해당 환자를 진료한 의사를 매칭시킨다.
이때 매칭 방식은 환자가 희망하는 의료시설 및 의료진이 선택되거나 또는 환자가 이전에 진료하였던 의료시설 및 의료진이 선택되는 방식으로 운용될 수 있고, 매칭정보는 제어부(30)의 제어에 따라 데이터베이스부(31)에 저장된다.
또한 상담 서비스 관리서버(3)는 상담 어플리케이션(7)으로부터 상담을 요청받으면, 인공지능 기반의 AI 챗봇을 실행시켜, AI 챗봇을 통해 해당 환자와의 음성상담을 수행한다.
이때 본 발명에서는 설명의 편의를 위해 환자와의 음성상담이 AI 챗봇에 의하여 이루어지는 것으로 예를 들어 설명하였으나, 상담 서비스 관리서버(3)의 음성상담은 통상의 전문 상담원과의 통화를 통해 이루어질 수 있다.
다음의 표 1은 도 2의 상담 서비스 관리서버의 AI 챗봇 또는 문진표를 통해 파악 가능한 기본체크항목 및 질의어를 나타내는 표이다.
[표 1]
Figure pat00001
표 1의 기본체크항목은 의료진이 환자의 진료 상담 시, 기본적으로 필요한 체크항목을 의미하고, 각 기본체크항목의 질의어는 해당 기본체크항목에 대한 정보를 환자로부터 유도하기 위한 질문들을 의미한다.
또한 이러한 기본체크항목은 도 2의 상담 서비스 관리서버(3)의 AI 챗봇의 음성상담을 통해 획득되거나 또는 문진표(예진표)를 통해 획득될 수 있다.
즉 상담 서비스 관리서버(3)의 AI 챗봇은 환자와 일상적인 대화를 수행하되, 표 1에 도시된 바와 같이, 기본체크항목들에 대한 정보를 환자로부터 유도하기 위한 질의어들을 상황에 맞게 자연스럽게 환자에게 질문한다.
다음의 표 2는 도 2의 상담 서비스 관리서버의 AI 챗봇의 음성상담을 통해 파악 가능한 필수체크항목 및 질의어를 나타내는 표이다.
[표 2]
Figure pat00002
표 2의 필수체크항목은 환자의 복약순응 위험도를 추출하는데 필요한 체크항목을 의미하고, 각 기본체크항목의 질의어는 해당 필수체크항목에 대한 정보를 환자로부터 유도하기 위한 질문들을 의미한다.
또한 이러한 필수체크항목은 상담 서비스 관리서버(3)의 AI 챗봇의 음성상담을 통해 획득된다.
즉 상담 서비스 관리서버(3)의 AI 챗봇은 환자와 일상적인 대화를 수행하되, 표 2에 도시된 바와 같이, 필수체크항목들에 대한 정보를 환자로부터 유도하기 위한 질의어들을 상황에 맞게 자연스럽게 환자에게 질문한다.
이때 필수체크항목은 환자의 증상 및 병력 등에 따라 그 내용이 다르게 구성됨에 따라, 본 발명의 상담 서비스 관리서버(3)에 적용되는 AI 챗봇에는 환자의 증상 및 병력에 따른 필수체크항목들 및 이에 따른 질의어들이 미리 세팅(설정)되어 저장된다.
이때 필수체크항목들은 전문가 및 의료진으로부터 사전에 정보를 제공받아 설정될 수 있다.
또한 상담 서비스 관리서버(3)에는 환자의 대화로부터, 각 필수체크항목에 관련된 단어로 판단할 수 있는 키워드들이 기 설정되어 저장된다.
이때 필수체크항목들은 환자의 질환종류, 병력 및 증상 등에 따라 달라질 수 있기 때문에 키워드들 또한 환자의 질환종류, 병력 및 증상 등에 따라 다른 구성으로 이루어질 수 있고, 필수체크항목들과 마찬가지로, 전문가 및 의료진으로부터 사전에 정보를 제공받아 설정될 수 있다.
또한 상담 서비스 관리서버(3)는 AI 챗봇의 음성상담이 시작되면, 해당 환자가 마이데이터 수집에 동의한 환자인지 동의하지 않은 환자인지를 판별한 후, 만약 해당 환자가 마이데이터 수집에 동의한 환자인 경우, 마이데이터 수집서버(11)로 마이데이터를 요청하며, 마이데이터 수집서버(11)로부터 해당 환자의 마이데이터를 전송받는다.
또한 상담 서비스 관리서버(3)는 AI 챗봇의 음성상담이 시작되면, 음성상담 동안 환자의 말뭉치(Corpus)로부터 기본체크항목 및 필수체크항목에 관련된 유효정보(키워드 및 문장)를 추출하며, 기 학습된 복약순응 위험도 추출 알고리즘을 이용하여 추출된 유효정보 및 수집된 마이데이터를 분석하여, 해당 환자의 복약순응 위험도를 추출한 후, 추출된 복약순응 위험도를 활용하여 복약순응 리포트를 생성한다.
이때 복약순응 위험도 추출 알고리즘은 유효정보 및 마이데이터를 입력데이터로 하여, 환자의 복약순응 위험도를 추출하는 머신러닝 알고리즘이고, 후술되는 도 6과 9에서 학습 및 분석 방법에 대해 상세하게 설명하기로 한다.
또한 상담 서비스 관리서버(3)는 복약순응 리포트가 생성되면, 생성된 복약순응 리포트를 해당 의료진 단말기(9)로 전송한다. 이때 상담 서비스 관리서버(3)의 복약순응 리포트의 전송 방식은 암호화된 이-메일, 문자메시지, 전용프로그램, 우편 발송 등의 공지된 다양한 방식이 적용될 수 있다.
또한 상담 서비스 관리서버(3)는 보험사 서버(13)로부터 리포트 요청데이터를 전송받으면, 해당 환자에 대한 복약순응 리포트를 보험사 서버(13)로 전송한다.
도 4는 도 2의 상담 서비스 관리서버에서 생성되는 복약순응 리포트를 나타내는 예시도이고, 도 5는 도 4의 다른 예시도이다.
복약순응 리포트(900)는 도 4와 5에 도시된 바와 같이, 해당 환자의 복약순응도가 백분율로 표시되고, ‘환자의 병식’, ‘보호자의 질환 관리 지식‘, ’보호자의 환자 통제‘, ’의료 체계에 대한 신뢰도’, ‘마이데이터 기반 생활 습관’ 등의 기 설정된 카테고리별로 복약순응 등급(매우 좋음, 보통, 나쁨, 매우 나쁨)들이 표시된다.
이때 본 발명에서는 복약순응 리포트(900)의 형식 및 구성을 도 4와 5로 예를 들어 설명하였으나, 복약순응 리포트(900)의 형식 및 구성은 이에 한정되지 않으며, 다양한 형식 및 구성으로 이루어질 수 있다.
즉 의사는 해당 환자와의 실제 진료 상담 이전에, 상담 서비스 관리서버(3)로부터 전송받은 복약순응 리포트(900)를 열람 및 참조하여 진료 상담을 수행함에 따라, 해당 복약순응 리포트(900)에 부족한 항목이나 또는 심층적인 분석이 필요한 항목 등을 집중적으로 상담할 수 있고, 이에 따라 제한된 진료상담시간 대비 환자의 복약순응도를 극대화시켜 진단 및 처방의 효과를 높일 수 있게 된다.
또한 보험사 서버(13)는 환자 가입 또는 보험금 지급 시, 상담 서비스 관리서버(3)로부터 전송받은 복약순응 리포트(900)를 참조하여, 복약순응 리포트의 복약순응 위험도에 따라 보험료를 차등 책정하거나 또는 보험금을 차등 지급함으로써 보험사의 불필요한 예산소모를 획기적으로 절감시킴과 더불어 복약순응도 개선에 대한 환자의 자발성 및 참여율을 높여 질환 치료율을 높일 수 있게 된다.
도 6은 도 2의 상담 서비스 관리서버를 나타내는 블록도이고, 도 7은 도 6을 설명하기 위한 개념도이다.
상담 서비스 관리서버(3)는 도 6과 7에 도시된 바와 같이, 제어부(30)와, 데이터베이스부(31), 통신 인터페이스부(32), 인공지능 학습부(33), 의료진 매칭부(34), AI 챗봇 기반 음성상담 서비스부(35), 마이데이터 수집부(36), 인공지능 기반 복약순응 위험도 추출부(37), 복약순응 리포트 생성부(38), 부가서비스부(39)로 이루어진다.
제어부(30)는 상담 서비스 관리서버(3)의 O.S(Operating System)이며, 제어대상(31), (32), (33), (34), (35), (36), (37), (38), (39)들을 관리 및 제어한다.
또한 제어부(30)는 기 설정된 주기(T) 마다 인공지능 학습부(33)를 실행시킨다.
또한 제어부(30)는 통신 인터페이스부(32)를 통해 접속된 상담 어플리케이션(7)으로부터 기본정보를 전송받으면, 전송받은 기본정보를 데이터베이스부(31)에 저장함과 동시에 의료진 매칭부(34)로 입력하고, 의료진 매칭부(34)에 의해 생성된 매칭정보를 데이터베이스부(31)에 저장한다.
또한 제어부(30)는 통신 인터페이스부(32)를 통해 상담 어플리케이션(7)으로부터 상담 요청데이터를 전송받으면, AI 챗봇 기반 음성상담 서비스부(35)를 실행시킨다.
또한 제어부(30)는 AI 챗봇 기반 음성상담 서비스부(35)에 의해 음성상담이 시작되면, 마이데이터 수집부(36) 및 인공지능 기반 복약순응 위험도 추출부(37)를 마이데이터 수집부(36)에 의해 수집된 마이데이터를 인공지능 기반 복약순응 위험도 추출부(37)로 입력한다.
또한 제어부(30)는 AI 챗봇 기반 음성상담 서비스부(35)에 의해 음성상담이 종료되면, 인공지능 기반 복약순응 위험도 추출부(37)에 의해 출력된 복약순응 위험도를 복약순응 리포트 생성부(38)로 입력한다.
또한 제어부(30)는 복약순응 리포트 생성부(38)에 의해 복약순응 리포트가 생성되면, 생성된 복약순응 리포트가 해당 의료진 단말기(9)로 전송되도록 통신 인터페이스부(32)를 제어한다.
또한 제어부(30)는 보험사 서버(13)로부터 리포트 요청데이터를 전송받으면, 해당 환자의 복약순응 리포트를 추출한 후, 통신 인터페이스부(32)를 통해 추출된 복약순응 리포트가 보험사 서버(13)로 전송되도록 한다.
데이터베이스부(31)에는 각 상담전용 어플리케이션(7)으로부터 전송받은 각 환자의 기본정보가 저장된다.
또한 데이터베이스부(31)에는 의료진 매칭부(34)에 의해 생성된 환자 및 의료진의 매칭정보가 저장된다.
또한 데이터베이스부(31)에는 각 질환종류별 기본체크항목 및 필수체크항목들과, 각 기본/필수체크항목의 질의어들, 각 기본/필수체크항목의 키워드들이 기 설정되어 저장된다. 이때 키워드들은 각 기본/필수체크항목에 관련된 대화라고 판단할 수 있는 단어로 정의된다.
또한 데이터베이스부(31)에는 인공지능 학습부(33)에 의해 학습된 복약순응 위험도 추출 알고리즘이 저장된다.
이때 복약순응 위험도 추출 알고리즘은 기 설정된 주기(T) 마다 인공지능 학습부(33)에 의해 학습화하며, 환자의 말뭉치로부터 추출된 유효정보와 마이데이터 수집부에 의해 수집된 마이데이터를 입력데이터로 하여, 해당 환자의 복약순응 위험도를 출력하는 인공지능 알고리즘이다.
또한 데이터베이스부(31)에는 상담을 요청한 상담 어플리케이션(7)과 접속하여, 해당 환자와 인공지능 기반 음성상담 서비스를 수행하는 AI 챗봇이 저장된다.
이러한 AI 챗봇은 딥-러닝 알고리즘을 활용하여 인공지능을 기반으로 접속된 환자와 음성 대화를 수행함과 동시에 해당 환자의 질환종류에 따른 기본/필요체크항목들 및 질의어들을 질문하여 환자로부터 유효정보를 듣기 위한 대화를 유도하고, 상세하게로는 음성인식, 자연어 처리 기술(NLP, Natural Language Processing) 등에 대한 딥-러닝 알고리즘을 활용하여 입력 문장과 출력 문장을 하나의 쌍으로 두고 가장 적합한 표현 결과를 추출한다. 이때 자연어 처리 기술(NLP, Natural Language Processing)은 워드 임베딩(Word Embedding)의 5개 알고리즘인 CBoW(Continuous Bag-of-Words), RN(Relation Network), CNN(Convolutional Neural Network), Self-Attention, RNN(Recurrent Neural Network)의 조합을 통해 진행하였고, 감성분석(Opinion Mining)을 위해, SentiWordNet어휘사전(긍정, 부정, 중립으로 나누어지는 단어의 극성으로 수치로 부여) 및 NLTK(Natural Language Toolkit, 자연어처리의 라이브러리)을 활용한 반지도 학습(Semi-Supervised Learning) 알고리즘도 활용하였다.
또한 데이터베이스부(31)에는 AI 챗봇 기반 음성상담 서비스부(35)에서 수행된 챗봇 및 환자의 음성상담의 내용인 음성데이터가 저장된다.
또한 데이터베이스부(31)에는 복약순응 리포트 생성부(38)에서 생성된 복약순응 리포트가 저장된다.
통신 인터페이스부(32)는 의료진 단말기(9), 마이데이터 수집서버(11) 및 환자측 단말기(5-1), ..., (5-N)들과 데이터를 송수신한다.
인공지능 학습부(33)는 제어부(30)의 제어에 따라 기 설정된 주기(T) 마다 실행되며, 후술되는 인공지능 기반 복약순응 위험도 추출부(37)에서 활용되는 복약순응 위험도 추출 알고리즘을 학습화 한다.
이때 복약순응 위험도 추출 알고리즘은 환자측 말뭉치로부터 추출된 유효정보(입력데이터1)와 마이데이터 수집부(36)에 의해 수집된 마이데이터(입력데이터2)를 입력데이터로 하여, 복약순응 위험도를 출력하기 위한 머신러닝 알고리즘이고, 상세하게로는 도 4에서 예를 들어 설명하였던 바와 같이, 해당 환자의 복약순응도를 백분율로 출력함과 동시에 기 설정된 카테고리별로 복약순응 등급을 출력한다.
이러한 복약순응 위험도 추출 알고리즘의 학습은 ‘지도 학습(Supervised learning)’과 ‘비지도 학습(Unsupervised learning)’이 동시에 독립적으로 진행되고, 이러한 본 발명의 ‘지도 학습’ 및 ‘비지도 학습’의 특징은 다음과 같다.
- 지도 학습(Supervised learning)
복약순응 위험도 추출 알고리즘의 지도 학습은 입력된 유효정보(환자 말뭉치로부터 추출)를 분석하여, 기 설정된 카테고리들 각각에 대한 복약순응 등급을 출력하기 위한 추출 모델을 학습시킨다.
또한 복약순응 위험도 추출 알고리즘의 지도 학습은 최근접 이웃(KNN, K-Nearest Neighbors) 알고리즘을 활용하여 새로운 데이터가 입력되면, 그 주변의 데이터를 살펴본 뒤 기 설정된 레이블(Label)로 분류(Classification)하고, 상세하게로는 좌표평면에 입력데이터가 표시되면 주변 K개의 데이터를 분석하여 어느 레이블(Label)이 가장 많은지 판단하여 해당 입력데이터에 대한 레이블링(Labeling)을 수행한다.
예를 들어, 환자가 ‘제약사는 돈을 벌기 위해 병을 만들고 있다’라는 의료 체계에 대한 불신을 표현할 경우, 이는 병원이나 의료진 또는 제약사에 대한 신뢰도가 낮은 환자들이 모여 있는 그룹으로 분류하며, 결과적으로 복약순응 위험도를 높게 도출하게 된다.
즉 복약순응 위험도 추출 알고리즘은 지도 학습 시, 유효정보(환자의 말뭉치로부터 추출) 및 기 설정된 레이블들을 활용하여, 유효정보 및 레이블들 간의 상관관계를 학습할 수 있는 학습데이터를 생성하고 생성된 학습데이터를 활용하여 유효정보 및 레이블들 간의 상관관계에 대한 파라미터 값들의 집합인 추출 모델을 도출하고, 테스트 데이터 셋을 도출된 추출모델에 적용하여 정확성(Accuracy)을 측정하여 추출 모델을 검증한다.
다시 말하면, 본 발명의 복약순응 위험도 추출 알고리즘의 지도 학습은 기 설정된 카테고리들을 복수개로 설정함과 아울러 각 카테고리의 복약순응 등급(매우 좋음, 보통, 나쁨, 매우 나쁨)들을 복수개로 구분하고, 모델을 학습시킴으로써 환자의 말뭉치로부터 추출된 유효정보들을 통해 환자의 카테고리별 복약순응 등급들을 출력할 수 있게 된다.
- 비지도 학습(Unsupervised learning)
복약순응 위험도 추출 알고리즘의 비지도 학습은 입력된 유효정보(환자 말뭉치로부터 추출) 및 마이데이터를 분석하여, 기 설정된 카테고리들 각각에 대한 해당 환자의 복약순응 등급을 출력하기 위한 추출 모델을 학습시킨다.
또한 복약순응 위험도 추출 알고리즘의 비지도 학습은 군집화(Clustering) 기법을 활용하며, 나이, 성별, 투약기간, 이상반응여부, 의사와의 관계, 마이데이터 등의 특징을 기준으로 환자를 자동 그룹화 하여, 그 특징을 파악하며, 상세하게로는 파이썬 사이킷런 패키지 중 K-Means 클래스를 이용하여 군집화 개수 설정 및 훈련을 진행할 수 있다.
이때 비지도 학습 시 활용되는 나이, 성별, 투약기간, 이상반응여부, 의사와의 관계 등의 특징들은 독립적으로 구성된다.
예를 들어, 신규 30대 여성 환자에 대한 데이터가 등록될 때, 연령, 거주지, 병력, 생활 습관, 투약에 대한 태도, 의료 체계에 대한 신뢰도, 건강 및 질환 관리 상식 수준 등과 함께 금융거래 연체 상황 및 카드, 통신비 납부 현황 등의 마이데이터를 활용하여, 해당 환자와 유사하게 묶일 수 있는 그룹을 생성할 수 있고, 해당 환자가 속한 그룹의 특성이 무엇인지를 파악할 수 있고, 상세하게로는 30대 여성 중 카드비 연체가 있는 환자들의 그룹은 복약순응 위험도가 상대적으로 높다는 등의 시사점을 도출할 수 있게 된다.
이와 같이 본 발명의 복약순응 위험도 추출 알고리즘은 지도 학습 및 비지도 학습을 동시에 진행하여, 각 방식에 따른 모델의 단점을 상호 보완하여 활용함으로써 더욱 정확하고 정교한 모델 도출이 가능하게 된다.
이때 인공지능 학습부(33)에 의해 학습되는 복약순응 위험도 추출 알고리즘으로는 이미 공지되었거나 향후 개발되는 다양한 모델이 적용될 수 있다.
의료진 매칭부(34)는 통신 인터페이스부(32)를 통해 상담 어플리케이션(7)으로부터 전송받은 기본정보를 입력받는다.
또한 의료진 매칭부(34)는 입력된 기본정보에 포함된 질환종류, 이전 진료를 수행하였던 의료시설 및 의료진 정보 또는 진료를 희망하는 의료시설 및 의료진 정보를 활용하여, 해당 환자의 진료를 수행할 의사를 매칭시킨다.
이때 의료진 매칭부(34)는 입력된 기본정보에 포함된 환자가 희망하는 의료시설 및 의료진을 해당 환자와 매칭하거나 또는 입력된 기본정보에 포함된 환자가 이전에 진료하였던 의료시설 및 의료진을 해당 환자와 매칭하는 방식으로 운영할 수 있다.
또한 의료진 매칭부(34)에 의해 생성된 매칭정보는 제어부(30)의 제어에 따라 데이터베이스부(31)에 저장된다.
도 8은 도 6의 AI 챗봇 기반 음성상담 서비스부를 나타내는 블록도이다.
AI 챗봇 기반 음성상담 서비스부(35)는 도 8에 도시된 바와 같이, 상담 요청데이터 입력모듈(351)과, 데이터 추출모듈(352), 접속모듈(353), AI 챗봇 기반 음성대화모듈(354)로 이루어진다.
이때 전술하였던 바와 같이, 상담 서비스 관리서버(3)의 음성상담 서비스부(35)는 전문 상담원과의 통화를 통해 이루어질 수 있다.
상담 요청데이터 입력모듈(351)은 통신 인터페이스부(32)를 통해 상담 어플리케이션(7)으로부터 전송받은 상담 요청데이터를 입력받는다.
데이터 추출모듈(352)은 데이터베이스부(31)를 탐색하여, 해당 상담을 요청한 환자의 질환종류와, 해당 질환종류에 대응하는 기 설정된 질의어 및 키워드 정보들을 데이터베이스부(31)로부터 추출한다.
접속모듈(353)은 AI 챗봇이 상담 서비스 관리서버(3)로 상담을 요청한 상담 어플리케이션(7)과의 접속을 확인한다.
AI 챗봇 기반 음성대화모듈(354)은 AI 챗봇이 접속된 환자와 인공지능 기반 음성상담을 수행한다.
이때 AI 챗봇은 전술하였던 바와 같이, 인공지능을 기반으로 접속된 환자와 음성대화를 수행하되, 해당 환자의 질환종류에 따른 각 필요체크항목에 대응하는 질의어들을 질문하여 환자로부터 복약순응도 추출에 관련된 대화를 유도한다.
마이데이터 수집부(36)는 AI 챗봇 기반 음성상담 서비스부(35)에 의해 음성상담이 시작될 때 실행되며, 해당 환자가 마이데이터 수집에 동의한 환자인지 미동의한 환자인지를 판별하며, 만약 해당 환자가 마이데이터 수집에 동의한 환자이면, 마이데이터 수집서버(11)로 해당 환자의 식별정보를 전송하여 마이데이터를 요청한 후, 마이데이터 수집서버(11)로부터 해당 환자의 마이데이터를 전송받는 방식으로 마이데이터를 수집한다.
도 9는 도 6의 인공지능 기반 복약순응 위험도 추출부를 나타내는 블록도이다.
도 9의 인공지능 기반 복약순응 위험도 추출부(37)는 환자의 음성데이터로부터 복약순응 위험도 추출에 필요한 유효정보를 추출한 후, 전술하였던 인공지능 학습부(33)에서 학습된 복약순응 위험도 추출 알고리즘을 기반으로 추출된 유효정보 및 수집된 마이데이터를 분석하여 해당 환자의 복약순응 위험도를 출력한다.
이때 유효정보는 환자와의 대화 중, 복약순응 위험도 추출에 필요한 유의미한 정보를 의미한다.
또한 인공지능 기반 복약순응 위험도 추출부(37)는 도 9에 도시된 바와 같이, 음성데이터 입력모듈(371)과, 마이데이터 입력모듈(372), 음성인식 및 말뭉치 생성모듈(373), 유효정보 추출모듈(374), AI 기반 복약순응 위험도 추출모듈(375)로 이루어진다.
음성데이터 입력모듈(371)은 전술하였던 도 8의 AI 챗봇 기반 음성대화모듈(354)로부터 음성데이터를 입력받는다.
마이데이터 입력모듈(372)은 마이데이터 수집부(36)에 의해 수집된 마이데이터를 입력받는다.
음성인식 및 말뭉치 생성모듈(373)은 음성데이터 입력모듈(371)에 의해 입력된 음성데이터를 분석하여 음성을 인식하며, 인식된 환자의 음성데이터에 대한 말뭉치(Corpus)를 생성한다.
유효정보 추출모듈(374)은 기 설정된 유효정보 추출 알고리즘을 이용하여, 음성인식 및 말뭉치 생성모듈(373)에 의해 생성된 환자 말뭉치를 분석하여, 환자 말뭉치로부터 유효정보를 추출한다. 이때 유효정보 추출 알고리즘은 입력된 말뭉치를 분석하여 환자의 복약순응 위험도 추출에 필요한 유의미한 정보인 유효정보를 추출하기 위한 알고리즘이다.
또한 유효정보 추출모듈(374)은 도면에는 도시되지 않았으나, 텍스트 전처리 모듈과 특징 벡터화 모듈을 포함한다.
이때 텍스트 전처리모듈(미도시)은 비정형 텍스트 데이터를 특징으로 변환하기 이전에 용도에 맞게 전처리 작업, 상세하게로는 토큰화, 정체 및 정규화, 어간 추출 및 표제어 추출, 불용어 제거, 데이터 분리 등의 전처리를 수행하고, 특징 벡터화 모듈(미도시)은 텍스트 전처리모듈에 의해 전처리된 텍스트의 특징을 숫자형 값인 벡터 값으로 변환한다.
일반적으로, 머신러닝 알고리즘은 숫자형의 특징을 데이터로 받아 동작하기 때문에 특징 벡터화 작업이 필요하다. 이때 특징 벡터화는 Word2Vec, LDA, FastText 등의 범용적으로 활용되는 알고리즘을 사용할 수 있고, 1)Word2Vec은 다시 CBOW 방식과 Skip-Gram 방식이 있는데, 본 발명은 두 가지 모두가 활용 가능하다. 이때 널리 알려진 바와 같이, CBOW는 전체적인 맥락에서 단어를 예상하는 방식이고, Skip-gram은 단어로부터 주변 단어를 유추하는 방식이고, 2)LDA(Latent Dirichlet Allocation)는 문서의 집합에서 토픽을 찾아내는 프로세스인 토픽 모델링의 대표적인 알고리즘으로서, 말뭉치로부터 숨겨진 주제를 찾고 키워드별로 주제를 묶어주는 비지도 학습 및 확률 알고리즘을 활용한다.
또한 유효정보 추출모듈(374)은 특징 벡터화된 세트에, 기 설정된 유효정보 추출 알고리즘을 적용하여, 환자 말뭉치로부터 유효정보를 추출한다.
이때 유효정보 추출모듈(374)에 의해 추출된 유효정보는 AI 기반 복약순응 위험도 출력모듈(375)로 입력된다.
AI 기반 복약순응 위험도 출력모듈(375)은 유효정보 추출모듈(374) 및 마이데이터 입력모듈(372)로부터 유효정보 및 마이데이터를 입력받는다.
또한 AI 기반 복약순응 위험도 출력모듈(375)은 입력된 유효정보 및 마이데이터를 인공지능 학습부(33)에 의해 학습된 복약순응 위험도 추출 알고리즘의 입력데이터로 하여, 해당 환자에 대한 복약순응 위험도를 출력한다.
이때 AI 기반 복약순응 위험도 추출 알고리즘은 해당 환자의 복약순응도(백분율)를 출력함과 동시에 기 설정된 각 카테고리별 복약순응 등급들을 출력한다.
복약순응 리포트 생성부(38)는 인공지능 기반 복약순응 위험도 추출부(37)에 의해 추출된 환자의 복약순응도 및 각 카테고리별 복약순응 등급들을 활용하여, 기 설정된 복약순응 리포트(900)의 포맷 및 타입에 따라 변환한 후, 이를 해당하는 공란에 기입시키는 방식으로 복약순응 리포트를 생성한다.
이때 제어부(30)는 복약순응 리포트 생성부(38)에 의해 복약순응 리포트가 생성되면, 해당 환자의 매칭정보를 활용하여, 해당 환자에 매칭된 의료진 단말기(9)로 생성된 복약순응 리포트가 전송되도록 통신 인터페이스부(32)를 제어한다.
한편, 상담 서비스 관리서버(3)의 복약순응 리포트의 제공 방식은 암호화된 이-메일, 문자메시지, 전용프로그램, 우편 발송 등의 공지된 다양한 방식이 적용될 수 있다.
도 10은 본 발명의 일실시예인 복약순응 위험도 예측 시스템의 동작 과정을 설명하기 위한 플로차트이다.
본 발명의 복약순응 위험도 예측 방법(S1)은 도 10에 도시된 바와 같이, 인공지능 학습단계(S10), 의료진 매칭단계(S20), 상담 요청단계(S30)와, AI 챗봇 접속단계(S40), AI 챗봇 기반 음성상담 단계(S50), 마이데이터 수집단계(S60), 유효정보 추출단계(S70), 인공지능 기반 복약순응 위험도 추출단계(S80), 복약순응 리포트 생성단계(S90), 복약순응 리포트 전송단계(S100)로 이루어진다.
인공지능 학습단계(S10)는 상담 서비스 관리서버(3)가 환자 말뭉치로부터 추출된 유효정보 및 마이데이터를 입력데이터로 하여, 환자의 복약순응 위험도를 출력하기 위한 머신러닝 알고리즘인 복약순응 위험도 추출 알고리즘을 기 설정된 주기(T) 마다 학습시키는 단계이다.
이때 인공지능 학습단계(S10)의 학습 기술 및 방법은 전술하였던 도 6의 인공지능 학습부(33)에서 설명하였기 때문에 상세한 설명은 생략하리고 한다.
또한 인공지능 학습단계(S10)에 의해 학습된 복약순응 위험도 추출 알고리즘은 인공지능 기반 복약순응 위험도 추출단계(S80)에서 활용된다.
의료진 매칭단계(S20)는 상담 서비스 관리서버(3)가 상담 어플리케이션(7)으로부터 기본정보를 전송받으면, 전송받은 기본정보를 활용하여, 해당 환자를 진료할 의사를 매칭시키는 단계이다.
또한 의료진 매칭단계(S20)는 매칭된 환자 및 의료진 단말기의 매칭정보를 데이터베이스부(31)에 저장한다.
상담 요청단계(S30)는 상담 어플리케이션(7)이 사용자(환자 또는 환자 보호자)의 요청에 따라 상담 서비스 관리서버(3)로 상담 요청데이터를 전송하는 단계이다.
AI 챗봇 접속단계(S40)는 상담 서비스 관리서버(3)의 AI 챗봇이 해당 상담 어플리케이션(7)과 접속하는 단계이다.
AI 챗봇 기반 음성상담 단계(S50)는 AI 챗봇 접속단계(S40) 이후에 진행되어 AI 챗봇이 상담 어플리케이션(7)을 통해 환자와 인공지능 기반 음성상담 서비스를 진행하는 단계이다.
마이데이터 수집단계(S60)는 AI 챗봇 접속단계(S40) 이후에 진행되어 해당 환자에 관련된 마이데이터를 수집하는 단계이다.
유효정보 추출단계(S70)는 AI 챗봇 기반 음성상담 단계(S50)로부터 입력된 음성데이터를 분석하여 음성을 인식한 후, 검출된 인식정보를 활용하여 환자의 말뭉치(Corpus)를 생성하며, 생성된 말뭉치의 비정형 텍스트 데이터를 특징으로 변환하기 이전에 전처리한 후, 전처리된 텍스트의 특징을 숫자형 값인 벡터 값으로 변환하며, 특징 벡터화된 세트에, 유효정보 추출 알고리즘을 적용하여, 환자 말뭉치로부터 유효정보를 추출하는 단계이다.
이때 유효정보는 환자와의 대화 중, 복약순응 위험도 추출에 필요한 유의미한 정보를 의미한다.
인공지능 기반 복약순응 위험도 추출단계(S80)는 유효정보 추출단계(S70)에 의해 추출된 유효정보와, 마이데이터 수집단계(S60)에 의해 수집된 마이데이터를 입력받으면, 입력된 유효정보 및 마이데이터를 인공지능 학습단계(S10)에 의해 학습된 복약순응 위험도 추출 알고리즘의 입력데이터로 하여, 해당 환자의 복약순응 위험도를 출력한다. 이때 출력되는 복약순응 위험도는 해당 환자의 복약순응도(백분율)와 각 카테고리별 복약순응 등급 정보를 포함한다.
복약순응 리포트 생성단계(S90)는 상담 서비스 관리서버(3)가 인공지능 기반 복약순응 위험도 추출단계(S80)에 의해 출력된 복약순응도 및 각 카테고리의 복약순응 등급 정보들을 기 설정된 복약순응 리포트의 포맷 및 타입에 따라 변환한 후, 이를 해당하는 공란에 기입시키는 방식으로 복약순응 리포트를 생성하는 단계이다.
복약순응 리포트 전송단계(S100)는 상담 서비스 관리서버(3)가 복약순응 리포트 생성단계(S90)에 의해 생성된 복약순응 리포트를 해당 환자의 상담 어플리케이션(7)과 해당 환자에 매칭된 의료진 단말기(9)로 전송하는 단계이다.
이하, 본 발명의 상담 서비스 관리서버의 제2 실시예에 대해 설명하기로 한다.
일반적으로, 진료 상담 시, 의사의 질문에 필요한 대답을 하는 환자의 경우도 있으나, 고령 또는 정신건강의학과 같이 인지 기능의 저하를 동반하는 관련 질환 환자의 경우, 기본적으로 보유한 이해력 및 표현력이 상대적으로 낮기 때문에 의사의 질문과 무방한 대화를 하거나 또는 매우 느린 속도로 대화를 하는 등의 이유로 진료상담시간에서 무의미한 대화시간(이하 소모타임(t2)이라고 함)이 증가하는 문제점이 발생한다.
다음의 표 3은 통상의 인지 기능 저하를 동반한 환자와의 진료 상담 시, 환자의 이해력 및 표현력에 따른 대화 패턴을 예시적으로 나타내는 표이다.
[표 3]
Figure pat00003
표 3을 참조하여, 인지 기능 저하를 동반한 환자의 대화 패턴을 살펴보면, 인지 기능 저하를 동반한 환자의 경우, 이해력 및 표현력이 높고 낮음에 상관없이, 일반 환자보다는 소모타임(t2)이 증가하고, 특히 이해력이나 또는 표현력이 낮은 환자의 경우, 소모타임(t2)이 현저히 증가하는 것을 알 수 있다.
도 11은 도 6의 상담 서비스 관리서버의 제2 실시예를 나타내는 블록도이다.
도 11의 제2 상담 서비스 관리서버(23)는 본 발명의 상담 서비스 관리서버의 제2 실시예이고, AI 챗봇의 음성상담 시, 전술하였던 소모타임(t2)을 절감시켜 상담효율성을 높이기 위한 것이다.
또한 제2 상담 서비스 관리서버(23)는 도 11에 도시된 바와 같이, 전술하였던 도 6과 동일한 구성 및 동작으로 이루어지는 통신 인터페이스부(32), 인공지능 학습부(33), 의료진 매칭부(34), 마이데이터 수집부(36), 인공지능 기반 복약순응 위험도 추출부(37), 복약순응 리포트 생성부(38), 부가서비스부(39)를 포함한다.
또한 제2 상담 서비스 관리서버(23)는 제2 제어부(230)와, 제2 데이터베이스부(231), 제2 AI 챗봇 기반 음성상담 서비스부(235), 환기멘트 출력여부 판단부(237), 상담등급 설정부(238), 환기멘트 출력주기(T1) 검출부(239)를 더 포함한다.
제2 제어부(230)는 전술하였던 도 6의 제어부(30)와 동일한 동작을 수행하되, 제2 AI 챗봇 기반 음성상담 서비스부(235)에서 음성상담이 시작되면, 환기멘트 출력여부 판단부(237)를 실행시키되, 음성상담이 종료되면, 상담등급 설정부(238)를 실행시킨다.
또한 제2 제어부(230)는 상담등급 설정부(238)에 의해 해당 환자의 상담등급이 설정되면, 환기멘트 출력주기(T1) 검출부(239)를 실행시킨다.
제2 데이터베이스부(231)에는 전술하였던 도 6의 데이터베이스부(31)와 동일한 데이터들이 저장되되, 소모율(R) 구간별로 상담등급(L)이 매칭된 기준테이블이 저장된다. 이때 소모율(R)은 환자의 음성상담 중 질문과 무방한 대화가 차지하는 백분율을 의미하고, 후술되는 도 13과 14에서 상세하게로 설명하기로 한다.
또한 제2 데이터베이스부(231)에는 상담등급(L)별로 환기멘트 출력주기(T1)가 매칭된 제2 기준테이블이 저장된다. 이때 환기멘트는 AI 챗봇이 환자의 대화를 자연스럽게 끊고 질의어를 다시 묻기 위한 반복 멘트를 의미하고, 환기멘트 출력주기(T1)는 연속되는 소모타임(t2)의 최대값을 의미한다.
또한 제2 데이터베이스부(231)에는 상담등급 설정부(238)에서 설정된 해당 환자의 상담등급 정보가 저장된다.
또한 상담등급(L)이 높을수록 상위레벨이라고 가정할 때, 제2 기준테이블의 환기주기 출력주기(T1)는 상담등급(L)에 비례하도록 설정된다. 즉 제2 기준테이블의 환기주기 출력주기(T1)는 상담등급(L)이 높을수록 길게 설정되고, 낮을수록 짧게 설정된다.
예를 들어, 상담등급(L)이 높을수록 상위레벨이라고 하고, 상담등급(L)의 레벨이 ‘1’부터 ‘10’까지 분류된다고 가정할 때, 레벨 10의 우수한 상담등급(L)을 갖는 환자(A)의 환기멘트 출력주기(T1)는 길게 설정되고, 레벨 1의 저조한 상담등급(L)을 갖는 환자(B)의 환기멘트 출력주기(T1)는 짧게 설정될 수 있다.
일반적으로, 고령, 정신질환 등과 같이 인지 저하 기능을 동반한 환자의 경우, 음성상담 중 무의미한 내용인 소모타임(t2)이 증가하는 특성을 갖고, 이러한 특성은 상담의 효율성을 떨어뜨릴 뿐만 아니라 전체 대화시간의 증가로 인한 프로세서들의 불필요한 연산처리량이 증가하는 문제점을 발생시킨다. 본 발명은 이러한 문제점을 해결하기 위한 것으로서, 환자의 이전 음성상담을 기반으로 산출된 상담등급과, 상담등급(L)에 따른 환기멘트 출력주기(T1)를 검출하도록 구성되고, 제2 AI 챗봇 기반 음성상담 서비스부(235)가 환자의 소모타임(t2)이 지속될 때, 환기멘트를 출력하도록 구성됨으로써 자연스럽게 환자의 집중력을 환기시켜 원하는 질문에 대한 대답을 유도할 수 있을 뿐만 아니라 소모타임(t2)을 현저히 절감시킬 수 있게 된다.
제2 AI 챗봇 기반 음성상담 서비스부(235)는 전술하였던 도 6의 AI 챗봇 기반 음성상담 서비스부(35)와 동일한 동작을 수행하되, 후술되는 상담등급 설정부(238)에 의해 해당 환자에게 부여된 상담등급(L)에 따라 대화의 난이도 또는 속도를 다르게 진행할 수 있다.
예를 들어, 제2 AI 챗봇 기반 음성상담 서비스부(235)는 후술되는 도 12의 환기멘트 출력여부 판단부(237)로부터 출력제어신호를 입력받으면, 기 설정된 환기멘트 음성데이터를 환자에게 출력한다.
이때 환기멘트 출력주기(T1)는 해당 환자의 이전 상담내역에 따른 상담등급(L)에 따라 길이가 결정되기 때문에 환자의 소모타임(t2)을 현저히 절감시킬 수 있게 된다.
도 12는 도 11의 환기멘트 출력여부 판단부를 나타내는 블록도이다.
도 12의 환기멘트 출력여부 판단부(237)는 제2 AI 챗봇 기반 음성상담 서비스부(235)를 통해 AI 챗봇의 음성상담이 시작될 때 실행된다.
또한 환기멘트 출력여부 판단부(237)는 도 12에 도시된 바와 같이, 데이터 탐색 및 추출모듈(2371)과, 모니터링모듈(2372), 경과시간(△t) 산출모듈(2373), 비교모듈(2374), 환기멘트 출력 결정모듈(2375)로 이루어진다.
데이터 탐색 및 추출모듈(2371)은 제2 데이터베이스부(231)를 탐색하여, 해당 환자에 대한 환기멘트 출력주기(T1)를 탐색한다.
또한 데이터 탐색 및 추출모듈(2371)은 1)해당 환자에 대한 환기멘트 출력주기(T1)가 탐색되면, 해당 환기멘트 출력주기(T1)를 추출하되, 2)해당 환자에 대한 환기멘트 출력주기(T1)가 탐색되지 않으며, 해당 환자를 신규 환자로 판단하여 이후 별도의 동작을 수행하지 않는다.
모니터링 모듈(2372)은 데이터 탐색 및 추출모듈(2371)에 의해 해당 환자에 대한 환기멘트 출력주기(T1)가 추출될 때 실행되며, 제2 AI 챗봇 기반 음성상담 서비스부(235) 및 전술하였던 도 9의 유효정보 추출모듈(374)을 모니터링 한다.
경과시간(△t) 산출모듈(2373)은 모니터링 모듈(2372)에 의해 모니터링 시, AI 챗봇이 질의어의 질문시점부터 유효정보가 추출되지 않은 상태가 연속되는 현재까지의 경과시간(△t)을 산출한다.
비교모듈(2374)은 경과시간(△t) 산출모듈(2373)에 의해 산출된 경과시간(△t)과, 데이터 탐색 및 추출모듈(2371)에 의해 추출된 환기멘트 출력주기(T1)를 비교하며, 상세하게로는 경과시간(△t)이 환기멘트 출력주기(T1)에 도달하는지를 비교(△t≥T1)한다.
환기멘트 출력 결정모듈(2375)은 비교모듈(2374)에서, 1)경과시간(△t)이 환기멘트 출력주기(T1) 미만(△t<T1)이면, AI 챗봇에서 아직 환기멘트가 출력되지 않아도 무방하다고 판단하되, 2)경과시간(△t)이 환기멘트 출력주기(T1) 이상(△t≥T1)이면, AI 챗봇에서 환기멘트를 출력해야 한다고 결정한다.
또한 환기멘트 출력 결정모듈(2375)은 AI 챗봇의 환기멘트 출력을 결정하면, 제2 AI 챗봇 기반 음성상담 서비스부(235)로 출력제어신호를 출력한다.
이때 제2 AI 챗봇 기반 음성상담 서비스부(235)는 환기멘트 출력여부 판단부(237)로부터 출력제어신호가 입력되면, 기 설정된 환기멘트 음성데이터를 출력한다.
도 13은 도 11의 상담등급 설정부를 나타내는 블록도이고, 도 14는 도 13의 전체 출력타임(t), 유효타임(t1) 및 소모타임(t2)을 설명하기 위한 예시도이다.
상당등급 설정부(238)는 도 13에 도시된 바와 같이, 데이터 입력모듈(2381)과, 음성데이터 분류모듈(2382), 전체 출력타임(t) 산출모듈(2383), 유효타임(t1) 산출모듈(2384), 소모타임(t2) 산출모듈(2385), 소모율(R) 산출모듈(2386), 상담등급 결정모듈(2387)로 이루어진다.
데이터 입력모듈(2381)은 제2 AI 챗봇 기반 음성상담 서비스부(235)에서 실행된 음성상담의 음성데이터와, 전술하였던 도 9의 유효정보 추출모듈(374)에 의해 추출된 유효정보를 입력받는다.
음성데이터 분류모듈(2382)은 입력된 음성데이터를 타임라인에 따라 비트열로 정렬시키며, 입력된 유효정보를 참조 및 활용하여, 도 14에 도시된 바와 같이, 비트열로 정렬된 음성데이터를 유효정보가 출력되는 구간 및 유효정보가 출력되지 않는 구간으로 분류한다.
전체 출력타임(t) 산출모듈(2383)은 음성데이터의 전체 출력시간인 전체 출력타임(t)을 산출한다.
유효타임(t1) 산출모듈(2384)은 음성데이터 분류모듈(2382)에 의해 유효정보가 출력되는 구간들을 합산한 출력시간인 유효타임(t1)을 산출한다.
소모타임(t2) 산출모듈(2385)은 음성데이터 분류모듈(2382)에 의해 유효정보가 출력되지 않는 구간들을 합산한 출력시간인 소모타임(t2)을 산출한다.
소모율(R) 산출모듈(2386)은 소모타임(t2) 산출모듈(2385)에 의해 산출된 소모타임(t2)과 전체 출력타임(t) 산출모듈(2383)에 의해 산출된 전체 출력타임(t)의 백분율인 소모율(R)을 산출한다.
즉 환자가 음성상담 시, 질문과 무관한 불필요한 대화를 많이 할수록, 소모율(R)이 증가하게 되고, 질문에 필요한 대답을 많이 할수록, 소모율(R)은 낮아지게 된다.
상담등급 결정모듈(2387)은 데이터베이스부(31)에 저장된 기준테이블을 탐색하여, 소모율(R) 산출모듈(2386)에 의해 산출된 소모율(R)에 대응하는 상담등급(L)을 검출하고, 검출된 상담등급(L)을 해당 환자의 상담등급(L)으로 결정한다.
이때 기준테이블은 소모율(R)의 구간별로 상담등급(L)이 매칭된 데이터이다.
또한 상담등급 결정모듈(2387)에 의해 결정된 상담등급(L)은 제어부(30)의 제어에 따라 데이터베이스부(31)에 저장된다.
다시 도 11로 돌아가서 환기멘트 출력주기(T1) 검출부(239)를 살펴보면, 환기멘트 출력주기(T1) 검출부(239)는 상담등급 설정부(238)에 의해 설정된 해당 환자의 상담등급(L)을 입력받으면, 제2 데이터베이스부(231)에 저장된 제2 기준테이블을 참조 및 활용하여, 해당 환자의 상담등급(L)에 매칭되는 환기멘트 출력주기(T1)를 검출한다.
이때 환기멘트 출력주기(T1)는 전술하였던 바와 같이, 상담등급(L)이 높을수록 상위 레벨일 때, 상담등급(L)이 높을수록 길이가 길게 설정되고, 낮을수록 짧게 설정된다.
도 15는 도 10의 제2 실시예를 나타내는 플로차트이다.
도 15의 제2 복약순응 위험도 예측 방법(S200)은 인공지능 학습단계(S210), 의료진 매칭단계(S220), 상담 요청단계(S230)와, AI 챗봇 접속단계(S240), AI 챗봇 기반 음성상담 단계(S250), 마이데이터 수집단계(S260), 유효정보 추출단계(S270), 인공지능 기반 복약순응 위험도 추출단계(S280), 모니터링 단계(S290), 음성상담 종료여부 판별단계(S300), 환기멘트 출력여부 판단단계(S310), 출력제어신호 출력단계(S320), 복약순응 리포트 생성단계(S330), 상담등급 설정단계(S340), 환기멘트 출력주기(T1) 검출단계(S350), 복약순응 리포트 전송단계(S360)로 이루어진다.
이때 도 15의 인공지능 학습단계(S210), 의료진 매칭단계(S220), 상담 요청단계(S230), AI 챗봇 접속단계(S240), 마이데이터 수집단계(S260), 유효정보 추출단계(S270), 인공지능 기반 복약순응 위험도 추출단계(S280), 복약순응 리포트 생성단계(S330) 및 복약순응 리포트 전송단계(S360)는 전술하였던 도 10의 인공지능 학습단계(S10), 의료진 매칭단계(S20), 상담 요청단계(S30), AI 챗봇 접속단계(S40), 마이데이터 수집단계(S60), 유효정보 추출단계(S70), 인공지능 기반 복약순응 위험도 추출단계(S80), 복약순응 리포트 생성단계(S90) 및 복약순응 리포트 전송단계(S100)와 동일한 과정으로 진행되기 때문에 상세한 설명은 생략하기로 한다.
AI 챗봇 기반 음성상담 단계(S250)는 AI 챗봇 접속단계(S240)에 의해 AI 챗봇 및 상담 어플리케이션(7)의 접속이 이루어진 이후 진행되며, 전술하였던 도 10의 AI 챗봇 기반 음성상담 단계(S250)와 동일하게 진행되되, AI 챗봇이 후술되는 출력제어신호 출력단계(320)로부터 출력제어신호가 전송되면, 기 설정된 환기멘트 음성데이터를 출력한다.
모니터링 단계(S290)는 AI 챗봇 기반 음성상담 단계(S250) 및 인공지능 기반 유효정보 추출단계(S270)를 모니터링 하는 단계이다.
또한 모니터링 단계(S290)는 제2 데이터베이스부(231)를 탐색하여, 해당 환자에 대한 환기멘트 출력주기(T1)를 탐색한다.
또한 모니터링 단계(S290)는 AI 챗봇 기반 음성상담 단계(S250)에서 AI 챗봇이 질의어를 한 시점부터 유효정보가 추출되지 않은 상태가 연속되는 현재까지의 경과시간(△t)을 산출한다.
음성상담 종료여부 판별단계(S300)는 모니터링 단계(S290)를 통해 AI 챗봇 기반 음성상담 단계(S250)에서 음성상담이 종료되었는지를 판단하는 단계이다.
또한 음성상담 종료여부 판별단계(S300)는 1)만약 AI 챗봇의 음성상담이 종료되면, 다음 단계로 복약순응 리포트 생성단계(S330) 및 상담등급 설정단계(S340)를 진행하고, 2)만약 AI 챗봇의 음성상담이 진행 중이면, 다음 단계로 환기멘트 출력여부 판단단계(S310)를 진행한다.
환기멘트 출력여부 판단단계(S310)는 음성상담 종료여부 판별단계(S280)에서 AI 챗봇의 음성상담이 진행 중이라고 판단될 때 진행되며, 모니터링 단계(S270)에서 산출된 경과시간(△t) 및 해당 환자의 환기멘트 출력주기(T1)를 비교한다.
또한 환기멘트 출력여부 판단단계(S290)는 1)경과시간(△t)이 환기멘트 출력주기(T1) 미만(△t<T1)이면, 다음 단계로 모니터링 단계(S290)를 진행하되, 2)경과시간(△t)이 환기멘트 출력주기(T1) 이상(△t≥T1)이면, 다음 단계로 출력제어신호 출력단계(S320)를 진행한다.
출력제어신호 출력단계(S320)는 환기멘트 출력여부 판단단계(S310)에서 경과시간(△t)이 환기멘트 출력주기(T1) 이상(△t≥T1)일 때 진행되며, AI 챗봇으로 출력제어신호를 출력하는 단계이다.
상담등급 설정단계(S340)는 음성상담 종료여부 판별단계(S300)에서 AI 챗봇의 음성상담이 종료되었다고 판단될 때 진행되며, AI 챗봇 기반 음성상담 단계(S250)에서 진행된 음성상담의 음성데이터와, 인공지능 기반 유효정보 추출단계(S270)에 의해 추출된 유효정보를 활용하여, 환자 음성데이터의 전체 출력타임(t), 유효타임(t1) 및 소모타임(t2)을 산출한 후, 이들을 이용하여 소모율(R)을 산출한다.
또한 상담등급 설정단계(S340)는 산출된 소모율(R) 및 기준테이블을 활용하여, 해당 환자의 상담등급(L)을 결정하며, 결정된 상담등급(L)을 데이터베이스부(31)에 저장한다.
환기멘트 출력주기(T1) 검출단계(S350)는 상담등급 설정단계(S340) 이후에 진행되며, 상담 서비스 관리서버(3)가 기 설정된 제2 기준테이블을 탐색하여, 상담등급 결정단계(S340)에 의해 결정된 해당 환자의 상담등급(L)에 매칭된 환기멘트 출력주기(T1)를 검출하며, 검출된 환기멘트 출력주기(T1)를 데이터베이스부에 저장하는 단계이다.
이와 같이 본 발명의 일실시예인 복약순응 위험도 예측 시스템(1)은 환자 또는 보호자에게 음성상담서비스를 제공함과 동시에 음성상담으로부터 환자의 복약순응 위험도 추출에 필요한 유의미한 정보인 유효정보를 추출한 후, 학습된 머신러닝 알고리즘을 이용하여 추출된 유효정보 및 수집된 마이데이터(금융거래, 통신비납입 등)를 분석하여 해당 환자의 복약순응 위험도를 출력하며, 출력된 복약순응 위험도 정보를 기반으로 복약순응 리포트를 생성하여 이를 의료진 및 보험사 서버에게 제공함으로써 의료진이 복약순응 리포트를 참조하여 진료상담을 수행함에 따라 환자의 복약순응도를 획기적으로 높일 수 있을 뿐만 아니라 종래에 낮은 복약순응도로 인한 의료비용 소모를 절감시킬 수 있으며, 동일 진료상담시간 대비 상담 집중력, 효율성 및 효과를 극대화시킬 수 있는 장점을 갖는다.
또한 본 발명의 복약순응 위험도 예측 시스템(1)은 상담 서비스 관리서버가 환자와의 음성상담 서비스를 제공함에 따라 환자의 재발이나 악화가 줄어들어 환자의 진료비용을 현저히 절감시킬 수 있을 뿐만 아니라 환자가 시간 및 공간의 제약 없이 진료상담이 가능하여 진료 편의성을 높일 수 있게 된다.
또한 본 발명의 복약순응 위험도 예측 시스템(1)은 상담 서비스 관리서버가 환자의 마이데이터를 수집한 후, 수집된 마이데이터를 복약순응 위험도 추출 알고리즘의 입력데이터로 활용하여, 환자의 복약순응 위험도 추출의 정확성 및 신뢰도를 더욱 높일 수 있게 된다.
또한 본 발명의 복약순응 위험도 예측 시스템(1)은 복약순응 위험도 추출 알고리즘이 학습 시, 지도 학습(Supervised learning) 및 비지도 학습(Unsupervised learning)을 동시에 개별적으로 진행하여, 각 방식에 따른 모델의 단점을 상호 보완하도록 구성됨으로써 복약순응 위험도를 더욱 정밀하게 추출할 수 있다.
또한 본 발명의 복약순응 위험도 예측 시스템(1)은 상담등급 설정부가 환자의 음성데이터 중 무의미한 정보로 이루어지는 소모타임(t2)을 산출한 후, 산출된 소모타임(t2)에 따라 해당 환자의 상담등급(L)을 검출하고, AI 챗봇이 상담등급(L)별로 대화의 난이도 또는 속도를 다르게 진행함으로써 진료상담의 효율성 및 효과를 더욱 높일 수 있게 된다.
또한 본 발명의 복약순응 위험도 예측 시스템(1)은 보험사 서버가 상담 서비스 관리서버로부터 전송받은 복약순응 리포트를 참조하여, 보험 가입 시, 복약순응 위험도에 따라 보험료를 차등 책정하거나 또는 보험금 보상 시, 복약순응 위험도에 따라 보험금을 차등 지급함으로써 보험사의 불필요한 예산소모를 획기적으로 절감시킴과 더불어 복약순응도 개선에 대한 환자의 자발성 및 참여율을 높여 질환 치료율을 높일 수 있게 된다.
1:복약순응 위험도 예측 시스템 3:상담 서비스 관리서버
5-1, ..., 5-N:환자측 단말기들 7:상담 어플리케이션
9:의료진 단말기 10:통신망
11:마이데이터 수집 서버 30:제어부
31:데이터베이스부 32:통신 인터페이스부
33:인공지능 학습부 34:의료진 매칭부
35:AI 챗봇 기반 음성상담 서비스부 36:마이데이터 수집부
37:인공지능 기반 복약순응 위험도 추출부
38:복약순응 리포트 생성부 39부가서비스부
51:입력수단 52:음성출력수단
53:음성수집수단 54:디스플레이 수단
55:통신수단 351:상담 요청데이터 입력모듈
352:데이터 추출모듈 353:접속모듈
354:AI 챗봇 기반 음성대화모듈 371:음성데이터 입력모듈
372:마이데이터 입력모듈 373:음성인식 및 말뭉치 생성모듈
374:유효정보 추출모듈 375:AI기반 복약순응 위험도 출력모듈

Claims (11)

  1. 환자측 단말기와, 상담 서비스 관리서버를 포함하는 복약순응 위험도 예측 시스템:
    상기 상담 서비스 관리서버는
    환자의 복약순응 위험도 추출에 필요한 체크항목들과, 각 체크항목에 대한 답변을 유도하기 위한 질의어들, 각 체크항목에 관련된 단어로 판단할 수 있는 키워드들이 기 설정되어 저장되고, 환자의 말뭉치로부터 복약순응 위험도 추출에 필요한 유의미한 정보인 유효정보를 추출하는 유효정보 추출 알고리즘과, 추출된 유효정보를 분석하여 해당 환자의 복약순응 위험도를 출력하는 복약순응 위험도 추출 알고리즘이 저장되는 데이터베이스부;
    기 설정된 주기(T) 마다 실행되며, 유효정보 및 복약순응 위험도 간의 상관관계를 학습할 수 있는 학습데이터를 생성하고 생성된 학습데이터를 활용하여 유효정보 및 복약순응 위험도 간의 상관관계에 대한 파라미터 값들의 집합인 추출 모델을 도출함으로써 상기 복약순응 위험도 추출 알고리즘의 학습을 수행하는 인공지능 학습부;
    상기 환자측 단말기의 요청에 따라 상기 환자측 단말기와 접속하여 음성상담을 실행하는 음성상담 서비스부;
    상기 음성상담 서비스부로부터 입력된 환자의 음성데이터를 인식한 후, 말뭉치(Corpus)를 생성한 후, 상기 유효정보 추출 알고리즘을 이용하여 생성된 환자 말뭉치로부터 유효정보를 추출한 후, 추출된 유효정보를 상기 인공지능 학습부에 의해 학습된 복약순응 위험도 추출 알고리즘의 입력데이터로 하여, 해당 환자의 복약순응 위험도를 출력하는 인공지능 기반 복약순응 위험도 추출부;
    상기 인공지능 기반 복약순응 위험도 추출부에 의해 추출된 복약순응 위험도 정보를 기반으로 복약순응 리포트를 생성하는 복약순응 리포트 생성부;
    상기 복약순응 리포트 생성부에 의해 생성된 복약순응 리포트를 해당 환자의 의료진 단말기로 전송하는 제어부를 포함하는 것을 특징으로 하는 복약순응 위험도 예측 시스템.
  2. 제1항에 있어서, 상기 복약순응 위험도 예측 시스템은
    상기 상담 서비스 관리서버로부터 요청받은 환자에 대하여, 과거 건강검진 결과, 계좌정보, 대출납입정보, 자동차보험계약 및 납입정보, 보험대출상품 정보, 카드이용정보, 통신비납입정보, 보증보험정보, 국세납입정보, 지방세 납입정보 및 4대 보험 납입정보 중 적어도 하나 이상을 포함하는 마이데이터를 수집하는 마이데이터 수집서버를 더 포함하고,
    상기 상담 서비스 관리서버는
    상기 음성상담 서비스부에 의해 음성상담이 시작될 때 실행되며, 상기 마이데이터 수집서버로 해당 환자에 대한 마이데이터를 요청한 후, 상기 마이데이터 수집서버로부터 해당 환자의 마이데이터를 수신 받는 마이데이터 수집부를 더 포함하고,
    상기 복약순응 위험도 추출 알고리즘은
    상기 유효정보 추출부에 의해 추출된 유효정보와, 상기 마이데이터 수집서버에 의해 수집된 마이데이터를 입력데이터로 하여, 복약순응 위험도를 출력하는 것을 특징으로 하는 복약순응 위험도 예측 시스템.
  3. 제2항에 있어서, 상기 인공지능 학습부는 상기 복약순응 위험도 추출 알고리즘의 학습 시, 지도 학습(Supervised learning)과 비지도 학습(Unsupervised learning)을 동시에 개별적으로 진행하여, 각 방식에 따른 모델의 단점을 상호 보완하도록 하는 것을 특징으로 하는 복약순응 위험도 예측 시스템.
  4. 제3항에 있어서, 상기 인공지능 기반 복약순응 위험도 추출부는
    상기 인공지능 기반 유효정보 추출부는
    상기 음성상담 서비스부로부터 환자의 음성데이터를 입력받는 음성데이터 입력모듈;
    상기 마이데이터 수집부로부터 마이데이터를 입력받는 마이데이터 입력모듈;
    상기 음성데이터 입력모듈에 의해 입력된 음성데이터를 분석하여 음성을 인식하며, 인식된 환자의 음성데이터에 대한 말뭉치(Corpus)를 생성하는 음성인식 및 말뭉치 생성모듈;
    상기 유효정보 추출 알고리즘을 이용하여, 상기 음성인식 및 말뭉치 생성모듈에 의해 생성된 환자 말뭉치를 분석하여, 환자 말뭉치로부터 유효정보를 추출하는 유효정보 추출모듈;
    상기 유효정보 추출모듈 및 상기 마이데이터 입력모듈로부터 유효정보 및 마이데이터를 입력받으면, 입력된 유효정보 및 마이데이터를 학습된 복약순응 위험도 추출 알고리즘의 입력데이터로 하여, 해당 환자에 대한 복약순응 위험도를 출력하는 AI 기반 복약순응 위험도 출력모듈을 포함하는 것을 특징으로 하는 복약순응 위험도 예측 시스템.
  5. 제4항에 있어서, 상기 복약순응 위험도 예측 시스템은 보험사 서버를 더 포함하고,
    상기 보험사 서버는
    기 설계된 보험 상품들을 제공하며, 환자의 보험 상품 가입 또는 보상금 지급 시, 해당 환자의 식별정보를 포함하는 리포트 요청데이터를 상기 상담 서비스 관리서버로 전송한 후, 상기 상담 서비스 관리서버로부터 전송받은 복약순응 리포트의 복약순응 위험도에 따라 가입된 보험 상품의 보험료를 차등 책정하거나 또는 보상금을 차등 지급하고,
    상기 상담 서비스 관리서버는 상기 보험사 서버로부터 리포트 요청데이터를 전송받으면, 해당 환자의 복약순응 리포트를 상기 보험사 서버로 전송하는 것을 특징으로 하는 복약순응 위험도 예측 시스템.
  6. 제4항에 있어서, 상기 복약순응 위험도 추출 알고리즘에 의해 출력되는 복약순응 위험도는 해당 환자의 복약순응도와 기 설정된 카테고리별 복약순응 등급들을 포함하고,
    상기 복약순응 리포트는
    해당 환자에 대하여, 복약순응도를 백분율로 표시함과 동시에 각 카테고리의 복약순응 등급들을 표시하는 것을 특징으로 하는 복약순응 위험도 예측 시스템.
  7. 제4항에 있어서, 상기 환자측 단말기에는 상담 어플리케이션이 설치되고,
    상기 상담 어플리케이션은
    사용자(환자)로부터 상담을 요청받을 때, 상기 상담 서비스 관리서버로 상담 요청데이터를 전송함과 동시에 사용자(환자)와 상기 상담 서비스 관리서버의 음성상담 서비스에 대한 인터페이스를 제공하는 그래픽 사용자 인터페이스(GUI, Graphic User Interface)인 상담용 인터페이스를 상기 환자측 단말기의 모니터에 디스플레이 하는 것을 특징으로 하는 복약순응 위험도 예측 시스템.
  8. 제4항에 있어서, 상기 상담 어플리케이션은
    최초 실행 시, 사용자(환자)로부터 개인정보, 질환종류, 이전 진료를 수행하였던 의료진 정보, 진료를 희망하는 의료진 정보를 포함하는 기본정보를 입력받으면, 입력된 기본정보를 상기 상담 서비스 관리서버로 전송하고,
    상기 상담 서비스 관리서버는
    상기 상담 어플리케이션으로부터 기본정보를 전송받으면, 전송받은 기본정보를 상기 데이터베이스부에 저장함과 동시에 기본정보에 포함된 이전 진료를 수행하였던 의료진 또는 진료를 희망하는 의료진을 해당 환자를 진료할 의료진으로 매칭시키는 의료진 매칭부를 더 포함하는 것을 특징으로 하는 복약순응 위험도 예측 시스템.
  9. 제2항 내지 8항 중 어느 한 항에 있어서,
    상기 상담 서비스 관리서버는
    상기 음성상담 서비스부에서 음성상담이 종료될 때 실행되며, 상기 음성상담 서비스부를 통해 실행된 환자의 음성데이터를 입력받으면, 입력된 환자의 음성데이터를 기 설정된 등급부여절차에 따라 분석하여 환자의 커뮤니케이션 능력 수준에 따른 상담등급(L)을 설정한 후, 상기 데이터베이스부에 저장하는 상담등급 설정부를 더 포함하고,
    상기 음성상담 서비스부는
    상담을 요청한 환자의 상담등급(L)이 상기 데이터베이스부에 저장되어 있을 때, 해당 환자의 상담등급(L)별로 대화의 난이도 또는 속도를 다르게 진행하는 것을 특징으로 하는 복약순응 위험도 예측 시스템.
  10. 제9항에 있어서, 상기 상담등급 설정부는
    상기 음성상담 서비스부를 통해 실행된 환자의 음성데이터와, 상기 유효정보 추출모듈에 의해 추출된 유효정보를 입력받는 데이터 입력모듈;
    상기 데이터 입력모듈을 통해 입력된 음성데이터를 타임라인에 따라 비트열로 정렬시키며, 입력된 유효정보를 참조 및 활용하여, 비트열로 정렬된 음성데이터를 유효정보가 출력되는 구간 및 유효정보가 출력되지 않는 구간으로 분류하는 음성데이터 분류모듈;
    상기 데이터 입력모듈에 의해 입력된 음성데이터의 전체 출력시간인 전체 출력타임(t)을 산출하는 전체 출력타임(t) 산출모듈;
    상기 음성데이터 분류모듈에 의해 유효정보가 출력되지 않는 구간들을 합산한 출력시간인 소모타임(t2)을 산출하는 소모타임(t2) 산출모듈;
    상기 소모타임(t2) 산출모듈에 의해 산출된 소모타임(t2)과 전체 출력타임(t) 산출모듈에 의해 산출된 전체 출력타임(t)의 백분율인 소모율(R)을 산출하는 소모율(R) 산출모듈;
    소모율(R)의 구간별로 상담등급(L)이 매칭된 기준테이블을 활용하여, 상기 소모율(R) 산출모듈에 의해 산출된 소모율(R)에 대응하는 상담등급(L)을 검출하며, 검출된 상담등급(L)을 해당 환자의 상담등급(L)으로 결정한 후, 상기 데이터베이스부에 저장하는 상담등급 결정모듈을 포함하는 것을 특징으로 하는 복약순응 위험도 예측 시스템.
  11. 제10항에 있어서, 상기 데이터베이스부에는 상담등급(L) 별로 환기멘트 출력주기(T1)가 매칭된 제2 기준테이블이 더 저장되고,
    상기 제2 기준테이블의 환기주기 출력주기(T1)는 상담등급(L)이 높을수록 상위레벨(또는 하위레벨)이라고 가정할 때, 상담등급(L)에 비례(또는 반비례)하도록 설정되고,
    상기 상담 서비스 관리서버는
    상기 상담등급 설정부에 의해 상담등급이 결정될 때 실행되며, 상기 제2 기준테이블을 활용하여, 상기 상담등급 설정부에 결정된 해당 환자의 상담등급(L)에 매칭되는 환기멘트 출력주기(T1)를 검출한 후, 상기 데이터베이스부에 저장하는 환기멘트 출력주기(T1) 검출부;
    상기 음성상담 서비스부에 의한 음성상담이 시작될 때 실행되되, 음성상담이 종료될 때 종료되는 환기멘트 출력여부 판단부를 더 포함하고,
    상기 환기멘트 출력여부 판단부는
    최초 실행 시, 상기 데이터베이스부를 탐색하여, 해당 환자에 대한 환기멘트 출력주기(T1)를 탐색하는 데이터 탐색 및 추출모듈;
    상기 데이터 탐색 및 추출모듈에 의해 해당 환자에 대한 환기멘트 출력주기(T1)가 추출될 때 실행되며, 상기 음성상담 서비스부 및 상기 유효정보 추출모듈을 모니터링 하는 모니터링 모듈;
    상기 모니터링 모듈에 의해 모니터링 시, 상기 음성상담 서비스부가 질의어의 질문시점부터 유효정보가 추출되지 않은 상태가 지속되는 현재까지의 경과시간(△t)을 산출하는 경과시간(△t) 산출모듈;
    상기 경과시간(△t) 산출모듈에 의해 산출된 경과시간(△t)과, 상기 데이터 탐색 및 추출모듈에 의해 추출된 환기멘트 출력주기(T1)를 비교하는 비교모듈;
    상기 비교모듈에서 경과시간(△t)이 환기멘트 출력주기(T1) 이상(△t≥T1)이면, 환기멘트를 도달(△t<T1)이면, AI 챗봇에서 환기멘트를 출력해야 한다고 결정한 후, 상기 음성상담 서비스부로 출력제어신호를 출력하는 환기멘트 출력 결정모듈을 포함하고,
    상기 음성상담 서비스부는
    상기 환기멘트 출력여부 판단부로부터 출력제어신호가 입력되면, 환자의 대화를 끊고 이전 질의어를 다시 묻기 위한 반복 멘트를 의미하는 환기멘트를 출력하는 것을 특징으로 하는 의사-환자의 진료상담 지원 시스템.
KR1020210056369A 2021-04-30 2021-04-30 머신러닝을 활용한 복약순응 위험도 예측 시스템 및 방법 KR102483538B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210056369A KR102483538B1 (ko) 2021-04-30 2021-04-30 머신러닝을 활용한 복약순응 위험도 예측 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210056369A KR102483538B1 (ko) 2021-04-30 2021-04-30 머신러닝을 활용한 복약순응 위험도 예측 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20220149927A true KR20220149927A (ko) 2022-11-10
KR102483538B1 KR102483538B1 (ko) 2023-01-03

Family

ID=84101704

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210056369A KR102483538B1 (ko) 2021-04-30 2021-04-30 머신러닝을 활용한 복약순응 위험도 예측 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102483538B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102615328B1 (ko) * 2023-01-06 2023-12-19 박상근 디지털 콘텐츠 산업분야별 특성에 따라 3d소프트웨어 활용에 대한 특화 컨설팅이 구비된 교육플랫폼시스템의 제어방법
WO2024128398A1 (ko) * 2022-12-14 2024-06-20 서울대학교산학협력단 인공지능을 이용한 응급질환 판단 시스템 및 방법

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180108400A (ko) * 2017-03-23 2018-10-04 삼성전자주식회사 전자 장치, 그의 제어 방법 및 비일시적 컴퓨터 판독가능 기록매체
KR20180126911A (ko) * 2017-05-19 2018-11-28 (주)오상헬스케어 건강 관리 방법 및 장치
KR20190068937A (ko) * 2017-12-11 2019-06-19 한국전자통신연구원 환자의 복약 순응도를 높이기 위한 질병관리 시스템
KR20190099901A (ko) * 2018-02-20 2019-08-28 한국전자통신연구원 환자 정보 기반의 복약 관리 장치 및 방법
KR20200049254A (ko) * 2018-10-31 2020-05-08 박해유 채팅로봇이 탑재되어 고객의 니즈에 따라 의료상담이 가능한 채팅 서비스 제공 시스템
KR20200061097A (ko) * 2018-11-23 2020-06-02 주식회사 굿모닝 지능형 의료 컨설팅 서비스 시스템 및 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180108400A (ko) * 2017-03-23 2018-10-04 삼성전자주식회사 전자 장치, 그의 제어 방법 및 비일시적 컴퓨터 판독가능 기록매체
KR20180126911A (ko) * 2017-05-19 2018-11-28 (주)오상헬스케어 건강 관리 방법 및 장치
KR20190068937A (ko) * 2017-12-11 2019-06-19 한국전자통신연구원 환자의 복약 순응도를 높이기 위한 질병관리 시스템
KR20190099901A (ko) * 2018-02-20 2019-08-28 한국전자통신연구원 환자 정보 기반의 복약 관리 장치 및 방법
KR20200049254A (ko) * 2018-10-31 2020-05-08 박해유 채팅로봇이 탑재되어 고객의 니즈에 따라 의료상담이 가능한 채팅 서비스 제공 시스템
KR20200061097A (ko) * 2018-11-23 2020-06-02 주식회사 굿모닝 지능형 의료 컨설팅 서비스 시스템 및 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024128398A1 (ko) * 2022-12-14 2024-06-20 서울대학교산학협력단 인공지능을 이용한 응급질환 판단 시스템 및 방법
KR102615328B1 (ko) * 2023-01-06 2023-12-19 박상근 디지털 콘텐츠 산업분야별 특성에 따라 3d소프트웨어 활용에 대한 특화 컨설팅이 구비된 교육플랫폼시스템의 제어방법

Also Published As

Publication number Publication date
KR102483538B1 (ko) 2023-01-03

Similar Documents

Publication Publication Date Title
US10818397B2 (en) Clinical content analytics engine
US7814035B2 (en) Large-scale information collection and mining
Ng et al. The role of artificial intelligence in enhancing clinical nursing care: A scoping review
CN112700838A (zh) 基于大数据的用药方案推荐方法、装置及相关设备
CN110442732A (zh) 一种智能导医方法、系统及存储介质
US20070112598A1 (en) Tools for health and wellness
CN114758739A (zh) 计算机系统实现的方法及系统以及存储装置
KR102483538B1 (ko) 머신러닝을 활용한 복약순응 위험도 예측 시스템 및 방법
Song et al. A health social network recommender system
KR102546422B1 (ko) 인공지능 기반 음성상담을 활용한 환자 맞춤형 케어서비스 관리시스템 및 방법
Walters et al. Virtualized care systems, medical artificial intelligence, and real-time clinical monitoring in COVID-19 diagnosis, screening, surveillance, and prevention
Singha et al. Healthcare analytics: A techno-functional perspective
Lilhore et al. Prevalence and risk factors analysis of postpartum depression at early stage using hybrid deep learning model
CN115579153A (zh) 问诊评价方法、问诊评价装置、电子设备和可读存储介质
Kumar et al. NATURAL LANGUAGE PROCESSING: HEALTHCARE ACHIEVING BENEFITS VIA NLP
Uke et al. Chatbot for Medicine at Your Fingertips Using TextMining
Verma et al. An Approach to Medical Diagnosis Using Smart Chatbot
Choudhary et al. NLP applications for big data analytics within healthcare
Patil et al. Multiple Disease Prognostication Based On Symptoms Using Machine Learning Techniques
KR20220052417A (ko) 인공지능 및 전문가 큐레이션을 이용한 양방향 개인 맞춤형 건강관리 솔루션 플랫폼 및 양방향 건강관리 솔루션 제공방법
CN113870974B (zh) 基于人工智能的风险预测方法、装置、电子设备及介质
KR102567404B1 (ko) 면담 내용을 이용하여 검사 세트를 제공하는 처방 보조 방법
US20230125785A1 (en) Systems and methods for weakly-supervised reportability and context prediction, and for multi-modal risk identification for patient populations
US20230352127A1 (en) Method and System for Automatic Electronic Health Record Documentation
US20240062858A1 (en) Electronic health records reader

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant