KR20230031097A - A method and apparatus for student health management based on mydata - Google Patents
A method and apparatus for student health management based on mydata Download PDFInfo
- Publication number
- KR20230031097A KR20230031097A KR1020210113541A KR20210113541A KR20230031097A KR 20230031097 A KR20230031097 A KR 20230031097A KR 1020210113541 A KR1020210113541 A KR 1020210113541A KR 20210113541 A KR20210113541 A KR 20210113541A KR 20230031097 A KR20230031097 A KR 20230031097A
- Authority
- KR
- South Korea
- Prior art keywords
- health
- data
- information
- consent
- personal
- Prior art date
Links
- 230000036541 health Effects 0.000 title claims abstract description 210
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000012790 confirmation Methods 0.000 claims abstract description 24
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 17
- 238000013480 data collection Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 238000007726 management method Methods 0.000 claims description 31
- 238000009223 counseling Methods 0.000 claims description 13
- 230000010354 integration Effects 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 2
- 230000003862 health status Effects 0.000 claims description 2
- 238000012552 review Methods 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 8
- 208000008589 Obesity Diseases 0.000 description 7
- 235000020824 obesity Nutrition 0.000 description 7
- 230000008821 health effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 5
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 4
- 206010012601 diabetes mellitus Diseases 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013523 data management Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 235000012000 cholesterol Nutrition 0.000 description 2
- 235000013410 fast food Nutrition 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 235000012054 meals Nutrition 0.000 description 2
- 235000013372 meat Nutrition 0.000 description 2
- 230000004622 sleep time Effects 0.000 description 2
- 235000013311 vegetables Nutrition 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 238000009534 blood test Methods 0.000 description 1
- 235000021152 breakfast Nutrition 0.000 description 1
- 235000019577 caloric intake Nutrition 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000000378 dietary effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 235000006694 eating habits Nutrition 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000013058 risk prediction model Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G16H50/70—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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- G16H50/50—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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/06—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols the encryption apparatus using shift registers or memories for block-wise or stream coding, e.g. DES systems or RC4; Hash functions; Pseudorandom sequence generators
- H04L9/0643—Hash functions, e.g. MD5, SHA, HMAC or f9 MAC
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/50—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using hash chains, e.g. blockchains or hash trees
Abstract
Description
본 발명은 컴퓨터 및 스마트 기기를 활용하여 학생들의 건강을 효과적으로 관리하는 장치 및 방법에 관한 것이다. 보다 상세하게는, 특정 기관에서 보관하고 있는 마이데이터 기반의 학생 개인의 건강검사 데이터와 라이프로그 데이터를 통합연계하여 인공지능 예측 모델을 통해 위험군의 학생을 선정하여 최적의 맞춤형 건강 관리를 제공하는 학생 건강관리 장치 및 방법에 관한 것이다.The present invention relates to an apparatus and method for effectively managing the health of students using computers and smart devices. More specifically, students who provide optimal customized health care by selecting students in the risk group through an artificial intelligence prediction model by integrating and linking individual student health examination data and lifelog data based on My Data stored in a specific institution. It relates to a health management device and method.
학교보건법 제7조에는 학생들의 건강 관리를 위해 정기적으로 학생들에 대한 건강검사를 수행하여 건강 데이터를 생성하고, 이를 관리하여야 한다고 규정하고 있다.
또한, 학교건강검사 규칙 제4조 내지 제5조에 건강검사 항목 및 절차를 규정하고 있는데, 건강검사는 신체의 발달 상황, 신체의 능력, 정신건강 상태 검사 및 건강검진으로 구분되며, 학교와 지정된 건강검진 기관에서 실시하고, 검사 방법과 생성되는 데이터의 종류(이하, 건강검사 데이터)가 지정되어 있다. In addition, Articles 4 to 5 of the School Health Examination Regulations stipulate the items and procedures for health examinations. It is conducted by the examination institution, and the examination method and the type of generated data (hereafter referred to as health examination data) are specified.
상기의 법규에 따르면, 건강검사 데이터에는 키, 몸무게, 비만도 등 신체발달상황, 식습관 및 생활습관 관련 건강조사, 혈액검사 등 건강검진 데이터와 기타 보건 전문가의 면담 및 조사자료 등이 포함된다. According to the above laws and regulations, health examination data includes physical development such as height, weight, and obesity, health surveys related to eating habits and lifestyles, health examination data such as blood tests, and interviews and survey data with other health experts.
이러한 건강검사 데이터와는 별개로 최근에는 IoT 기술이 발전함에 따라 스마트 건강기기로부터 생성되는 개인의 다양한 라이프로그 데이터도 생성되고 있으며, 이를 실시간으로 수집하여 모니터링하는 빅데이터 기술도 급속하게 발전하고 있다. Apart from these health examination data, various personal lifelog data generated from smart health devices are also being generated as IoT technology has recently developed, and big data technology that collects and monitors them in real time is also rapidly developing.
기존 건강검사 데이터와 라이프로그 데이터는 별도로 분석되어도 의미가 있지만 연계통합하면 고차원의 건강관리 서비스가 가능하다. Existing health examination data and lifelog data are meaningful even if they are analyzed separately, but high-level health management services are possible if they are linked and integrated.
예를 들어, 심뇌혈관 관련 질환자의 건강검사 데이터와 스마트 기기에서 실시간으로 생성되는 혈압데이터를 연계통합하여 분석하면 컴퓨터가 뇌졸중이나 심근경색 등의 위험을 미리 예측할 수도 있어 개인의 건강을 획기적으로 증진할 뿐 아니라 의료비 절감과 스마트 헬스케어 산업발전에 기여할 수 있다. For example, by integrating and analyzing health examination data of patients with cardiovascular and cerebrovascular diseases and blood pressure data generated in real time from smart devices, the computer can predict the risk of stroke or myocardial infarction in advance, which can dramatically improve individual health. In addition, it can contribute to reducing medical costs and developing the smart healthcare industry.
그러나, 현행 법적, 제도적 환경에서 개인의 건강검사 데이터와 라이프로그 데이터는 수집하여 연계통합 및 활용하는 데는 상당한 제약이 있으며, 개인정보보호법이나 의료법 등이 대표적인 걸림돌이다. However, in the current legal and institutional environment, there are significant limitations in collecting, linking, integrating, and utilizing personal health examination data and lifelog data, and the Personal Information Protection Act and the Medical Act are representative obstacles.
이에 따라 양질의 개인 건강검사 데이터와 라이프로그 데이터를 수집할 수 있고, 이를 활용하여 가치를 창출할 수 있음에도 불구하고 활용되지 못하고 있어 개인의 건강증진은 물론 스마트 헬스케어 산업발전에도 저해요인이 되고 있다. Accordingly, although it is possible to collect high-quality personal health examination data and lifelog data and create value by using them, they are not utilized, which hinders personal health promotion as well as the development of the smart healthcare industry. .
이러한 문제점을 해결하기 위해 정부 주도로 추진되고 있는 마이데이터는 개인이 생성한 데이터(예를 들면, 금융, 의료, 통신 등에서 개인 활동으로 생성된 데이터)를 개인이 주도적으로 관리할 수 있도록 하는 제도이며, 본격적인 시행을 앞두고 있어 현행 제한적인 데이터 기반 서비스를 혁신하는 계기가 될 것으로 보인다. My Data, which is being promoted by the government to solve these problems, is a system that allows individuals to proactively manage data generated by individuals (for example, data generated by individual activities in finance, medical care, and telecommunications). However, it is expected to serve as an opportunity to innovate the current limited data-based service as it is about to be implemented in earnest.
본 발명은 마이데이터 기반으로 학생 개인의 건강검사 데이터와 라이프로그 데이터를 수집하여 연계통합하고, 이를 분석하여 개인에게 지속적으로 맞춤형 건강정보를 제공하며, 스마트폰으로 건강관리 교사와 상호 교감을 강화함으로써 건강 위험군 학생들의 건강관리를 획기적으로 개선할 수 있도록 하는 것이다. The present invention collects and integrates health examination data and lifelog data of individual students based on My Data, analyzes them, continuously provides customized health information to individuals, and strengthens mutual communication with health care teachers through smartphones. It is to be able to drastically improve the health management of students in the health risk group.
특히, 매년 방대한 양의 학생 건강검사 정보가 각급 학교에서 생성되고 있으나 대부분 1회성 이벤트에 그치고 있어 예산 대비 실효성이 낮은 상황에서 본 발명은 건강관리 교사와 위험군 학생의 지속적인 데이터 기반 상호작용 강화를 통해 청소년들이 건강한 생활습관을 갖추어 나가는데 기여할 것이다. In particular, in a situation where a vast amount of student health examination information is generated at each school every year, but most of it is only a one-time event, and the effectiveness against the budget is low, the present invention is to strengthen the continuous data-based interaction between health care teachers and students in the risk group. It will help them develop a healthy lifestyle.
한국등록특허 제10-2050558호는 성장기의 어린이 및 청소년의 건강 정보를 이용하여 맞춤형 운동프로그램을 제공하는 회원 관리 시스템으로 본 발명에서의 마이데이터 관리 및 건강 위험 측정 수단에 대한 기술적 특징은 개시되어 있지 않다Korean Patent Registration No. 10-2050558 is a member management system that provides a customized exercise program using health information of children and adolescents in their growing period. not
한국공개특허 제10-2021-0077360호는 블록체인 기반의 의료 마이데이터를 서비스를 제공하는 시스템에 관한 발명으로, 단순히 마이데이터를 블록체인으로 저장하는 수단만 개시하고 있을 뿐 본 발명의 특징인 마이데이터 확인서를 블록체인으로 저장하는 점에서 기술적 차이가 있다.Korean Patent Publication No. 10-2021-0077360 is an invention related to a system that provides a blockchain-based medical my data service. There is a technical difference in storing the data confirmation as a blockchain.
본 발명은 상기와 같은 문제를 해결하기 위한 것으로서, 마이데이터 기반으로 학생 개인의 건강검사 데이터와 라이프로그 데이터를 수집하여 연계통합하고, 이를 분석하여 개인에게 지속적으로 맞춤형 건강정보를 제공하며, 스마트폰으로 건강관리 교사와 상호 교감을 강화함으로써 건강 위험군 학생들의 건강관리를 획기적으로 개선하는 것을 목적으로 한다.The present invention is intended to solve the above problems, and collects and integrates health examination data and lifelog data of individual students based on My Data, analyzes them, continuously provides customized health information to individuals, and provides smart phone The goal is to dramatically improve the health care of students in the health risk group by strengthening mutual communication with health care teachers.
본 발명에서는 개인의 건강검사 데이터와 라이프로그 데이터를 마이데이터 방식으로 개인이 주도적으로 수집, 관리, 활용할 수 있도록 서비스하는 장치 및 방법에 관한 것으로, 현행 개인정보보호법 등 데이터 활용의 제약을 극복하고, 개인의 건강을 지속적으로 개선할 뿐 아니라 학생들로 하여금 건강한 생활습관이 자리잡도록 유도하며, 빅데이터와 인공지능기술을 헬스케어 분야에 적용하여 헬스케어 산업발전에 기여하고자 한다. The present invention relates to a device and method for providing services so that individuals can proactively collect, manage, and utilize personal health examination data and lifelog data in the My Data method, and overcome limitations in data utilization such as the current Personal Information Protection Act, It not only continuously improves individual health, but also induces students to establish healthy lifestyles, and applies big data and artificial intelligence technology to the healthcare field to contribute to the development of the healthcare industry.
상기에서 언급한 본 발명의 목적과 장점 뿐만 아니라 언급되지 않은 다른 목적 및 장점들은 하기의 설명에 의해 이해될 수 있고, 본 발명의 실시 예에 의해 보다 분명하게 이해될 것이다. Other objects and advantages not mentioned as well as the objects and advantages of the present invention mentioned above can be understood by the following description and will be more clearly understood by the embodiments of the present invention.
또한, 본 발명의 목적과 장점들은 특허청구범위에서 기술한 수단과 그 조합에 의해 충분히 실현될 수 있음을 알 수 있을 것이다.In addition, it will be appreciated that the objects and advantages of the present invention can be sufficiently realized by the means and combinations described in the claims.
이러한 목적을 달성하기 위한 본 발명의 마이데이터 기반 학생 개인의 건강을 관리하는 장치는, 개인 단말로부터 개인정보 및 동의 수준을 입력받고 라이프로그 데이터를 주기적으로 수집하거나 업로딩을 통해 입력받는 개인정보 수집부와 기관 서버로부터 건강검사 데이터를 수집하는 건강검사 정보 수집부, 관리자 단말로부터 학생의 상담 및 설문 데이터를 입력받는 상담정보 수집부, 상기 개인정보, 건강검사 데이터 및 상담정보를 개인 휴대전화번호를 키로하여 통합하는 건강정보 통합부, 개인의 동의 수준과 동의에 따른 서비스 내역을 확인서 형태로 발급하는 마이데이터 확인서 발급부, 상기 건강정보 통합부에서 생성된 건강 데이터를 기초로 기계학습 기반의 인공지능 모델을 통해 건강 위험군을 분류하는 인공지능 예측부, 상기 건강 위험군으로 분류된 개인에 대한 맞춤형 건강관리 프로그램을 제공하는 건강정보 제공부 및 건강 상태를 점수로 계산하는 건강점수 계산부를 포함하는 것을 특징으로 한다.To achieve this object, the device for managing personal health of a student based on My Data of the present invention is a personal information collection unit that receives personal information and consent level from a personal terminal and periodically collects or uploads lifelog data. A health examination information collection unit that collects health examination data from the institution's server, a counseling information collection unit that receives student counseling and survey data from the administrator's terminal, and the personal information, health examination data, and consultation information as a key to personal mobile phone numbers Health Information Integration Unit, My Data Confirmation Issuance Unit, which issues individual consent levels and service details according to consent in the form of a confirmation, Machine learning-based artificial intelligence model based on the health data generated by the Health Information Integration Unit It is characterized in that it includes an artificial intelligence prediction unit that classifies the health risk group through a health risk group, a health information providing unit that provides a customized health management program for individuals classified into the health risk group, and a health score calculation unit that calculates the health condition as a score. .
또한, 상기의 건강정보는 개인의 동의 위임을 기반으로 수집되며, 상기 마이데이터 확인서는 위변조를 방지하기 위한 암호화 및 블록체인에 의한 저장 구조를 갖는 것을 특징으로 한다.In addition, the above health information is collected based on the individual's consent delegation, and the My Data confirmation is characterized in that it has a storage structure by encryption and block chain to prevent forgery and alteration.
실시예의 또 다른 측면에 따르면, 본 발명의 마이데이터 기반 학생 건강 관리 방법은 회원 가입을 통해 개인의 신상정보를 수집하고 개인의 동의 수준을 입력받는 단계, 상기 개인의 동의 수준에 기초하여 API 호출 프로그램을 사용하여 건강검사 데이터를 보유한 기관 서버로부터 자동 혹은 주기적으로 동의 위임한 건강검진 데이터를 수집하거나 혹은 개인이 기관 서버로부터 직접 다운 받은 건강검사 정보를 입력받는 단계, 관리자 단말로부터 학생의 상담 및 설문데이터를 수집하는 단계; 수집된 건강 관련 데이터와 개인 단말에서 주기적으로 수집되는 라이프로그 데이터를 통합한 건강정보를 생성하는 단계, 상기 통합된 건강정보를 사용하여 인공지능 기반의 예측 모델을 통해 위험군을 분류하는 단계 및 상기 건강정보를 분석하여 개인별 맞춤형 건강관리 프로그램과 건강 점수를 제공하는 단계를 포함하는 것을 특징으로 한다.According to another aspect of the embodiment, the My Data-based student health management method of the present invention includes the steps of collecting personal information of an individual through membership registration and receiving an input level of consent of the individual, and an API calling program based on the level of consent of the individual. The step of automatically or periodically collecting consent-delegated health checkup data from the institution server that holds the health check data, or receiving input of health check information downloaded directly from the institution server by the individual, student counseling and survey data from the administrator's terminal Collecting; Generating health information by integrating the collected health-related data and lifelog data periodically collected from personal terminals, classifying a risk group through an artificial intelligence-based prediction model using the integrated health information, and It is characterized in that it includes the step of providing a personalized health management program and health score by analyzing the information.
이상에서 설명한 바와 같이, 본 발명에 의하면 개인의 건강정보를 바탕으로 첨단 ICT 기술을 이용하여 개인과 조직이 지속적으로 건강증진을 위한 상호작용이 일어나고, 이를 통해 개인의 건강을 개선할 뿐 아니라 개인의 건강생활 습관이 정착되도록 지원하는데 효과가 있다. As described above, according to the present invention, based on personal health information, interaction for health promotion is continuously occurring between individuals and organizations using advanced ICT technology, and through this, not only personal health is improved, but also personal health It is effective in helping to establish healthy lifestyle habits.
또한, 위험군을 선정할 때 키와 몸무게 기반의 단순 BMI 수치를 이용하는 기존 방식의 경우 정상체중 비만을 방치하게 되는 문제가 있으며, 이를 해결하기 위해 본 발명에서는 학생의 생활습관 데이터까지 포함하는 인공지능 예측모델을 사용하여 비만을 방지하고, 생활습관까지 개선하는 효과가 있다. In addition, in the case of the existing method using simple BMI values based on height and weight when selecting a risk group, there is a problem of neglecting normal weight obesity, and to solve this problem, the present invention predicts artificial intelligence including lifestyle data of students. It is effective in preventing obesity and improving lifestyle by using the model.
한편, 개인의 건강검사 데이터를 마이데이터 원칙에 따라 저장하고 관리함으로써 개인이 자신의 데이터에 대한 충분한 통제와 관리가 가능하고, 따라서 개인정보보호법 등 현행 규제의 제한점을 극복할 수 있고, 기존 건강검사 데이터에 라이프로그 데이터와 상담 데이터, 인터넷/스마트폰 사용행태 데이터 등 관련 데이터를 추가로 연계하여 분석함으로써 비만인 개인에게는 운동량을 높이고 고열량 식사를 줄이며, 당뇨 위험군 개인에게는 당뇨식 등을 권고하며, 인터넷/스마트폰 중독자는 그에 맞는 적절한 통제를 가하는 등 통합적이고 개인 상황에 적합한 건강서비스가 제공되어 실질적인 건강 증진과 건강생활습관을 증진하는 효과를 기대할 수 있다. On the other hand, by storing and managing personal health examination data according to the My Data principle, it is possible for individuals to have sufficient control and management of their own data, thus overcoming the limitations of current regulations such as the Personal Information Protection Act, and existing health examinations By linking and analyzing additional data such as lifelog data, counseling data, and internet/smartphone usage behavior data, it is possible to increase the amount of exercise and reduce high-calorie meals for obese individuals, and to recommend diabetic meals to individuals at risk of diabetes. Phone addicts are provided with health services that are integrated and suitable for their individual circumstances, such as appropriate control, so that they can expect the effect of promoting actual health and healthy living habits.
또한, 건강점수를 산정하여 주기적으로 제공함으로써 학생들 간에 건전한 건강 활동을 위한 경쟁을 유도하고, 건강관리자와의 상호 교감을 통해 건강한 생활을 체득하여 평생건강으로 이어지는 효과가 있다. In addition, by calculating and providing health scores periodically, it induces competition for healthy health activities among students, and leads to lifelong health by learning a healthy life through mutual communication with health managers.
도 1은 학생 개인의 건강을 관리하는 건강 관리 장치를 포함하는 시스템 구조를 나타낸 도면이다
도 2는 본 발명의 일 실시예에 따른 건강 관리 장치를 구성하는 기능 모듈을 나타낸 도면이다.
도 3(A)는 본 발명의 일 실시예에 따른 개인의 동의 내역과 수준을 확인하는 동의내역 확인서를 나타낸 도면이고, 도 3(B)는 본 발명의 일 실시예에 따른 마이데이터 수집 현황과 데이터 이용과 서비스 내역을 확인하는 데이터 수집 확인서를 나타낸 도면이다.
도 4는 본 발명의 일 실시예에 따른 개인에게 발급되는 확인서를 블록체인으로 저장하는 구조를 나타낸 도면이다.
도 5는 본 발명의 일 실시예에 따른 개인 활동량을 위험군 전체 학생의 평균활동량과 함께 개인에게 그래프 형태로 제공하는 도면이다.
도 6은 본 발명의 일 실시예에 따른 건강 관리 방법의 흐름을 나타낸 도면이다.1 is a diagram showing a system structure including a health management device for managing the health of individual students;
2 is a diagram showing functional modules constituting a health management device according to an embodiment of the present invention.
Figure 3 (A) is a diagram showing the consent history confirmation document confirming the individual's consent history and level according to an embodiment of the present invention, Figure 3 (B) is a view of the current status of my data collection according to an embodiment of the present invention It is a diagram showing a data collection confirmation document confirming data usage and service details.
4 is a diagram showing a structure for storing a confirmation issued to an individual in a block chain according to an embodiment of the present invention.
5 is a diagram in which the amount of individual activity according to an embodiment of the present invention is provided in the form of a graph to individuals together with the average amount of activity of all students in the risk group.
6 is a diagram showing the flow of a health management method according to an embodiment of the present invention.
이하 첨부된 도면을 참조하여 본원 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 쉽게 실시할 수 있는 실시예를 상세히 설명한다. Hereinafter, an embodiment in which a person skilled in the art can easily practice the present invention will be described in detail with reference to the accompanying drawings.
다만, 본 발명의 바람직한 실시예에 대한 동작 원리를 상세하게 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다.However, in the detailed description of the operating principle of the preferred embodiment of the present invention, if it is determined that a detailed description of a related known function or configuration may unnecessarily obscure the subject matter of the present invention, the detailed description will be omitted.
또한, 명세서 전체에서, 어떤 부분이 다른 부분과 연결되어 있다고 할 때, 이는 직접적으로 연결되어 있는 경우뿐만 아니라, 그 중간에 다른 수단을 사이에 두고, 간접적으로 연결되어 있는 경우도 포함한다. In addition, throughout the specification, when a part is said to be connected to another part, this includes not only the case where it is directly connected but also the case where it is indirectly connected through other means in between.
또한, 어떤 구성요소를 포함한다는 것은 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라, 다른 구성요소를 더 포함할 수 있는 것을 의미한다.In addition, including a certain component does not exclude other components unless otherwise stated, but means that other components may be further included.
이하 본 발명을 보다 자세히 설명한다.Hereinafter, the present invention will be described in more detail.
도 1은 본 발명에서 학생 개인의 건강을 관리하는 건강 관리 장치, 개인 단말, 관리자 단말 및 기관 서버를 포함하는 시스템의 구조를 나타낸 도면이다. 도 1을 참조하면, 개인 단말(100)은 학생 개인의 건강데이터를 생성하는 PC, 노트북, 스마트폰 혹은 웹패드와 같은 컴퓨팅 장치일 수 있고, 추가적으로 개인의 라이프로그 데이터를 실시간으로 수집 가능한 스마트 건강기기, 예로, 스마트 워치, 스마트 밴드, 스마트 체중계와 같은 홈 건강 디바이스, IoT 센서가 부착된 운동기구, 웨어러블 건강 디바이스, 미세먼지 센서 등 다양한 형태의 센서나 디바이스들을 포함할 수 있고, 또한, 예시하지 않은 새로운 디바이스도 디지털 건강 데이터를 생성하는 경우에 본 발명의 개인 단말에 포함될 수 있다. 1 is a diagram showing the structure of a system including a health management device, a personal terminal, an administrator terminal, and an institution server for managing the health of individual students in the present invention. Referring to FIG. 1 , the
상기의 개인 단말(100)에서 수집된 건강 데이터는 인터넷에 연결되어 있는 건강 관리 장치(200)로 실시간 혹은 주기적으로 전송될 수 있다. Health data collected by the
도 1을 참조하면, 건강 관리 장치(200)는 개인의 건강 데이터 및 개인의 라이프로그 데이터를 포함한 통합 건강 데이터를 저장하고 관리하는 일종의 서버와 같은 장치일 수 있다.Referring to FIG. 1 , the
상기 건강 관리 장치(200)에서 서비스하는 학생수가 많아지고 라이프로그 데이터가 실시간으로 유입되는 경우 실시간 대용량 빅데이터 기술이 필요할 수 있으며, 이 경우 기존 컴퓨터 서버와 함께 클러스터 구조를 가지는 빅데이터 플랫폼으로 설계될 수도 있다.When the number of students served by the
도 1을 참조하면, 기관 서버(300)는 학생의 건강 관련 데이터를 저장하고 있는 특정 기관의 서버를 의미하며, 본 발명의 일 실시예에서는 학생의 건강검진 데이터를 보관하는 교육행정정보시스템(NEIS)의 서버이나, 이에 제한하지 않고, 병의원 서버나 건강보험공단 또는 건강보험심사평가원의 서버 등 다양한 건강 관련 정보를 보관하는 기관의 서버일 수 있다.Referring to FIG. 1, the
상기의 기관 서버(300)는 정기적으로 수행되는 학생 건강검사 결과를 저장하고 있으며, 이를 개인에게 서면이나 파일 등을 통해 제공할 수 있다.The
도 1을 참조하면, 관리자 단말(400)은 학생들과 건강관리 상담 및 지도를 담당하는 건강관리 교사(양호 교사일 수 있음)의 단말이다.Referring to FIG. 1 , an
상기 관리자 단말(400)은 학생들 중 특히, 위험군으로 분류되는 학생들을 중점 관리하기 위해 상담 내역, 건강 관리 목표 및 수행 정도를 면담을 통해 건강 데이터를 생성하여 건강 관리 장치 (200)로 전송하는 기능을 수행한다. The
도 2는 건강 관리 장치 (200)를 구성하는 기능 모듈들을 나타낸 도면이다.2 is a diagram illustrating functional modules constituting the
도 2를 참조하면, 개인정보 수집부(201)는 개인 단말(100)로부터 학생들의 동의를 기반으로 개인의 신상정보 및 건강 관련 데이터와 스마트 기기와 같은 단말을 통해 라이프로그 데이터를 수집하여 축적하거나, 개인이 개인 단말(100)을 통해 직접적으로 건강 데이터를 수집할 수도 있다. Referring to FIG. 2, the personal
특히, 라이프로그 데이터는 실시간으로 생성되는 데이터로 라이프로그 데이터 수집기를 사용하여 실시간 혹은 주기적으로 추출할 수 있고, 수집 범위와 주기는 건강 관리자가 개인의 건강데이터를 참고하여 개인과 협의하여 결정할 수 있다.In particular, lifelog data is data generated in real time and can be extracted in real time or periodically using a lifelog data collector. .
본 발명에서의 마이데이터 관리는 개인의 동의 내용을 언제든지 변경할 수 있고, 변경 시에 즉시 시스템에 적용되어 효력이 발생하며, 개인 데이터 사용 내역이 투명하게 관리된다는 점에서 기존의 플랫폼과는 다른 역동적 동의 체계를 갖추고 있다.My data management in the present invention is a dynamic consent that is different from existing platforms in that the individual's consent can be changed at any time, the change is immediately applied to the system and takes effect, and the personal data usage history is managed transparently. have a system.
도 2를 참조하면, 상담정보 수집부(202)는 건강관리 교사가 개별적으로 상담과 설문 조사를 통해 개인의 건강 상태를 판단하는 데이터 세트를 생성한다.Referring to FIG. 2 , the counseling information collection unit 202 generates a data set for determining the health status of individuals through individual counseling and surveys by health care teachers.
상기의 데이터 세트로는 라면, 패스트푸드, 육류, 야채 등의 섭취 빈도와 아침식사 빈도, 수면시간, 스트레스 수준 등의 데이터를 추가로 조사하여 생성될 수 있다.The above data set may be generated by additionally examining data such as frequency of intake of ramen, fast food, meat, vegetables, etc., frequency of breakfast, sleep time, and stress level.
도 2를 참조하면, 건강검사 정보 수집부(203)는 개인의 위임 동의를 기반으로 기관 서버로(300)부터 데이터를 자동 추출하는 기능을 담당하는 것으로, 교육행정정보시스템(NEIS)에서 제공하는 건강검사 데이터는 년1회 신체검사나 건강검진 데이터로 생성되어 개인에게 제공되므로 개인이 직접 건강 관리 장치(200)로 전송(혹은 업로드)하거나 위임 동의를 기반으로 건강 관리 장치(200)가 기관 서버(300)로부터 API를 통해 자동으로 추출하는 두가지 방식을 사용할 수 있다.Referring to FIG. 2, the health examination
도 2를 참조하면, 건강정보 통합부(204)는 수집된 개인의 신상정보, 건강검사 데이터, 개인의 상담이나 설문 데이터 및 라이프로그 데이터를 연계통합하여 활용하는 역할을 담당한다. Referring to FIG. 2 , the
상기 수집된 데이터는 학생 개인의 스마트폰 번호를 키(key)와 마이데이터 원칙에 따른 개인의 동의 수준을 기초하여 통합되고 데이터베이스 형태로 저장 및 관리 된다.The collected data is integrated based on the individual student's smartphone number and the individual's consent level according to the My Data principle, and is stored and managed in the form of a database.
도 2를 참조하면, 마이데이터 확인서 발급부(205)는 개인의 건강 데이터 수집에 관한 개인의 동의 여부 및 동의 수준에 따른 제공 서비스 범위를 개인에게 확인서 형식으로 발급하는 기능을 담당한다.Referring to FIG. 2 , the My Data
도 3(A), 3(B)는 이를 실현하기 위해 본 발명의 일 실시예에 따른 개인 동의 및 사용 내역 확인서의 형식을 나타낸 도면으로 통상의 기술자 수준에서 다양한 변형이 가능하다.3(A) and 3(B) are diagrams showing a format of a personal consent and use details confirmation document according to an embodiment of the present invention to realize this, and various modifications are possible at the level of a person skilled in the art.
도 3(A)는 개인의 동의 내역과 수준을 확인하는 동의 내역 확인서를 도시하고 있고, 도 3(B)는 개인 데이터 수집 현황과 서비스 내역을 확인하는 데이터 수집 확인서를 도시하고 있다.FIG. 3(A) shows a consent detail confirmation document confirming the individual's consent details and level, and FIG. 3(B) shows a data collection confirmation document confirming the personal data collection status and service details.
상기의 확인서들은 개인 데이터 수집 및 이용(동의, 내려받기, 공유 등)에 관한 내역을 이해하기 쉬운 방식으로 실시간 확인이 가능하고, 동의 및 활용에 대한 구체적인 내역을 기재하여 기관과 개인간에 분쟁의 소지를 미연에 제거할 수 있다.The above confirmation documents can be checked in real time in an easy-to-understand manner on the details of personal data collection and use (agreement, download, sharing, etc.) can be removed in advance.
특히, 본 발명에서는 제3자에게 제공하는 공유의 경우에 더욱 엄격히 관리되고, 외부로부터의 위변조를 방지하기 위한 별도의 보안 체계와 블록체인에 의한 저장 구조를 갖는다.In particular, in the present invention, in the case of sharing provided to a third party, it is more strictly managed, and has a separate security system and a blockchain-based storage structure to prevent forgery and alteration from the outside.
도 4는 개인에게 발급되는 확인서를 블록체인으로 저장하는 구조를 나타낸 도면이다.4 is a diagram showing a structure for storing a confirmation issued to an individual in a blockchain.
상기의 확인서는 안전하고 투명한 개인 데이터 관리를 위해 발급한 확인서로, 블록체인 분산원장에 기록하는 것을 포함하여 일방에 의해 변경되는 것을 막는 안전한 저장장치에 보관한다. The above confirmation is a confirmation issued for safe and transparent personal data management, and is stored in a safe storage device that prevents modification by one party, including recording in a blockchain distributed ledger.
상기 블록의 구조는 헤드와 트랜잭션으로 구분되면, 헤드에는 머클루트와 블록간 연결과 새로 생성되는 블록의 유효성을 검증하기 위해 이전 블록 해시값을 저장하고, 상기 트랜잭션 수행결과를 요약한 동의 내역 및 데이터 수집 확인서 정보를 블록에 순차적으로 저장한다. If the structure of the block is divided into a head and a transaction, the head stores the previous block hash value to verify the connection between the merkle root and the block and the validity of the newly created block, and the consent history and data summarizing the transaction result Collection confirmation information is stored sequentially in blocks.
도 2를 참조하면, 인공지능 예측부(206)는 상기 건강정보 통합부(204)에서 생성된 통합데이터를 이용하여 건강 위험군에 속하는 학생을 인공지능 기법의 알고리즘을 통해 분류하는 기능을 담당한다.Referring to FIG. 2 , the artificial
기존의 방식은 키와 몸무게 데이터를 가지고 계산한 BMI 지수를 사용하여 비만 위험군 학생을 선정하며, 통상 BMI 값이 25 이상인 학생을 위험군으로 선정하고 있으나 이 경우 건강 위험성이 크지만 키와 몸무게는 정상인‘정상체중 비만’학생을 위험군에서 누락시키는 문제점을 내포하고 있다.The existing method selects students in the risk group for obesity using the BMI index calculated with height and weight data, and students with a BMI value of 25 or more are usually selected as the risk group. It has a problem of omitting 'normal weight obese' students from the risk group.
본 발명의 일 실시예에 따르면, 정상체중 비만의 문제점을 개선하기 위해 BMI 지수와 함께 건강검사 데이터에 포함된 라이프로그 데이터를 추가하여 위험군 예측 데이터세트을 만들고, 인공지능 분류 기법을 활용하여 위험군 학생들 선정한다.According to an embodiment of the present invention, in order to improve the problem of normal weight obesity, a risk group prediction dataset is created by adding lifelog data included in health examination data along with the BMI index, and students in the risk group are selected using artificial intelligence classification techniques. do.
본 발명에서 채택하는 신경망 기반의 기계학습 알고리즘은 입력층, 은닉층 및 출력층의 다층구조의 신경망을 갖는 딥러닝 모델을 이용하여 정상군과 위험군을 분류한다. The neural network-based machine learning algorithm adopted in the present invention classifies the normal group and the risk group by using a deep learning model having a multi-layered neural network of an input layer, a hidden layer, and an output layer.
본 발명에서 일 실시예로 사용한 위험군 예측 데이터세트는 총 18개로, 키, 몸무게, 콜레스테롤 지수, 라면 빈도, 음료수 빈도, 패스트푸드 빈도, 육류 빈도, 우유 빈도, 과일 빈도, 채소 빈도, 아침 빈도, 신체활동 빈도, 수면시간, 인터넷 사용시간, 걱정 수준, 음주 빈도, 담배 빈도, 스트레스 수준으로 구성된다.A total of 18 risk group prediction datasets used as an example in the present invention are height, weight, cholesterol index, ramen frequency, beverage frequency, fast food frequency, meat frequency, milk frequency, fruit frequency, vegetable frequency, morning frequency, body It consists of activity frequency, sleep time, Internet usage time, worry level, drinking frequency, cigarette frequency, and stress level.
상기의 데이터세트는 일반인들의 건강 정보와는 상이한 것으로 청소년의 고유한 일상 생활 특징을 기준으로 추출하였다.The above data set is different from the general public's health information, and was extracted based on the unique daily life characteristics of adolescents.
이중에서 빈도와 시간을 수치적으로 표현 가능한 입력값은 변경하여야 되는데, 아래 (식 1)과 같은 최소최대(MinMax) 스케일링 값을 통해 0 내지 1 사이의 입력값(
특히, 수치적으로 표현하기 어려운 수준(예로, 상,중,하 등)도 0 내지 1 범위의 값으로 할당할 수 있다.In particular, levels that are difficult to express numerically (eg, high, middle, low, etc.) can be assigned as values in the range of 0 to 1.
상기의 18개의 데이터 세트는 입력층에 학습데이터로 제공되며, 위험 정도를 지도 학습을 통해 학습을 진행되며, 18개의 데이터는 필요에 따라 삭제 및 추가가 가능하다. The above 18 data sets are provided as learning data to the input layer, and the degree of risk is learned through supervised learning, and the 18 data sets can be deleted and added as needed.
그리고, 분류기법으로는 Logistic Regression, Random Forest, KNN, Decision Tree, Gradient Boosting Machine, Na
학습을 통해 생성된 위험도 예측모델을 사용하여 위험군 학생을 분류할 때 학교예산 등을 감안하여 위험군 학생의 범위를 조절할 필요가 있으며, 이 경우 조절인자(threshold)를 사용하는 방안을 포함한다. 조절인자를 사용하면 정확도(accuracy), 정밀도(precision), 재현율(recall)을 예산 등을 감안하여 원하는 규모로 변경하면서 위험군 학생을 분류할 수 있다. When classifying students in the risk group using the risk prediction model generated through learning, it is necessary to adjust the range of students in the risk group in consideration of the school budget, and in this case, a method of using a threshold is included. Using a moderator, it is possible to classify students in the risk group while changing the accuracy, precision, and recall to the desired size in consideration of the budget.
또한, 딥러닝 신경망에 의한 학습 과정은 통상의 기술자 수준에서 구현 가능하므로 구체적인 실시예의 기재는 생략한다.In addition, since the learning process by the deep learning neural network can be implemented at the level of a person skilled in the art, description of specific embodiments will be omitted.
도 2를 참조하면, 건강정보 제공부(207)는 건강정보 통합부(204)에서 생성된 통합 건강 데이터와 개인의 건강 특성을 반영하여 맞춤형 건강정보를 제공하고, 건강점수 계산부(208)에서는 수치적인 건강 점수를 제공하는 기능을 담당한다.Referring to FIG. 2, the health
상기의 건강 점수는 통합 건강 데이터로부터 회원가입 및 동의 이후 축적된 라이프로그 데이터와 기 설정한 건강 활동 목표치를 기반으로 점수화하는 것으로 기간은 임의로 설정가능하다.The health score is scored based on lifelog data accumulated after membership registration and consent from integrated health data and a predetermined health activity target value, and the period can be arbitrarily set.
특히, 건강점수는 스마트폰 앱을 사용하여 건강 관리 교사와 학생이 대면 혹은 비대면으로 지속적으로 데이터 기반 상호작용을 강화하는데 활용할 수 있으며, 학생과 교사가 함께 협의하여 설정한 건강 활동 목표에 도달하는 과정을 점수화하여 건강점수로 표시할 수 있다. In particular, the health score can be used to continuously strengthen data-based interactions between health care teachers and students face-to-face or non-face-to-face using smartphone apps, and the process of reaching health activity goals set in consultation with students and teachers can be scored and displayed as a health score.
또한, 개인의 건강한 생활습관 형성을 강화하기 위해 나의 건강점수와 전체 학생들의 평균 건강점수를 공유, 비교하는 방식으로 경쟁심을 유발하도록 지원한다. In addition, in order to strengthen the formation of individual healthy lifestyles, it supports inducing a sense of competition by sharing and comparing my health score and the average health score of all students.
예를 들면, 콜레스테롤을 관리하는 학생이 건강활동 목표치를 1만보/일로 설정한 경우, 1주일의 건강 점수는 7일간의 총 걸음수를 일평균으로 나누면 다음과 같이 계산되어 일평균 8,286보이며, 건강점수는 백분율로 표시하면 82.86이 된다. For example, if a student managing cholesterol sets the health activity goal as 10,000 steps/day, the health score for a week is calculated as follows by dividing the total number of steps for 7 days by the daily average, and the daily average is 8,286 steps. The score, expressed as a percentage, is 82.86.
(5,600+5,400+8,700+15,000+4,500+5,800+13,000)/7 = 8,286(5,600+5,400+8,700+15,000+4,500+5,800+13,000)/7 = 8,286
상기 걸음수를 활용한 건강점수 계산은 일실시 예이며, 실제로는 개인마다 상이한 스마트 기기로 인해 건강정보가 상이하게 생성될 수 있고, 선호하는 운동도 다를 수 있으므로 (자전거나 근력운동 등) 다양한 방식으로 나타날 수 있다. The calculation of the health score using the number of steps is an example, and in reality, health information may be generated differently for each individual due to different smart devices, and the preferred exercise may be different (biking or strength training, etc.) in various ways. can appear as
도 5는 본 발명의 일 실시예로, 1주일간 개인 활동량을 위험군 전체 학생의 평균활동량과 함께 개인에게 그래프 형태로 제공하는 도면이다.FIG. 5 is an embodiment of the present invention, which provides individual activity amounts for a week together with average activity amounts of all students in a risk group in the form of a graph to individuals.
추가적으로, 라이프로그 데이터에서 미리 정해진 목표에 미달한다면 이를 건강관리 교사와 개인에게 알리고, 적절한 안내 메시지를 보내거나, 그 정도가 심한 경우 건강관리자가 온라인 (혹은 오프라인) 상담을 수행하는 방식을 통해 고위험군에 속한 개인과 건강관리 교사 간에 맞춤식 상호작용을 증진시킬 수 있다.In addition, if the lifelog data does not meet the predetermined goal, health care teachers and individuals are notified of this, appropriate guidance messages are sent, or if the degree is severe, the health manager conducts online (or offline) counseling to high-risk groups. Personalized interaction between the individual and the health care teacher can be promoted.
또한, 상기의 건강활동 목표치는 상기 인공지능 예측부(206)에서 고위험군 학생으로 분류되면, 건강관리 교사 또는 건강 전문가와의 상담을 통해 설정되는 것으로, 이를 통합건강 데이터에 포함시켜 향후 맞춤형 건강 관리를 위한 중요 관리포인트로 활용할 수 있다.In addition, the health activity target is set through consultation with a health care teacher or health expert when classified as a high-risk student by the artificial
예를 들어, 비만인 경우 걸음수, 걷거나 뛰는 거리, 칼로리 소모량 등을 목표치로 정할 수 있으며, 당뇨인 경우 식단 준수 여부나 혈당수치를 목표치로 정할 수 있고, 개인의 건강상태에 따라 다양한 형태로 정할 수 있다. For example, in the case of obesity, the number of steps, walking or running distance, calorie consumption, etc. can be set as target values, and in the case of diabetes, dietary compliance or blood sugar level can be set as target values, and various forms can be set according to the individual's health condition. .
도 6은 본 발명의 일 실시예에 따른 건강 관리 장치에서 개인의 건강을 관리하는 동작 흐름을 나타낸 도면이다.6 is a diagram illustrating an operation flow of managing personal health in a health management device according to an embodiment of the present invention.
도 6에서, 단계 S601는 회원가입과 동의 수준을 선택하는 단계로서, 동의 수준 선택은 마이데이터 관리방식의 핵심 요소들 중 하나로 개인이 제공하는 데이터의 범위를 개인이 직접 선택하도록 하는 것이다.In FIG. 6 , step S601 is a step of signing up for membership and selecting a consent level. The consent level selection is one of the core elements of the My Data management method and allows individuals to directly select the range of data provided by the individual.
본 발명의 일 실시예에서는 동의 수준을 3단계로 정하였으나 이는 학교 특성이나 관리하고자 하는 건강 요소에 따라 더욱 세분화할 수도 있다.In one embodiment of the present invention, the consent level is set to three levels, but it can be further subdivided according to school characteristics or health factors to be managed.
본 발명에서 동의 수준1은 신체검사 정보를 제공하는 단계로 건강에 관한 일반적인 정보만 제공받으며, 동의 수준 2는 건강검진 정보를 제공하는 단계로 비만, 당뇨 등 위험질환 관련 맞춤식 정보를 제공받고, 동의 수준 3은 라이프로그 데이터까지 제공하는 단계로 관리교사의 모니터링과 상호작용이 강화된 맞춤식 건강정보를 제공받게 된다. In the present invention, consent level 1 is a step to provide physical examination information, and only general information about health is provided, and
개인이 상기의 동의 수준 중 하나를 선택하면 건강 관리 장치에서는 개인의 요청에 따라 동의 내역을 포함한 동의 내역 확인서를 전송하고, 이를 블록 체인과 같은 신뢰할 수 있는 저장장치에 별도로 보관하여 의도적인 삭제나 위변조를 사전에 차단할 수 있다. When an individual selects one of the above consent levels, the health management device transmits a consent history confirmation document including consent history upon request of the individual, and stores it separately in a reliable storage device such as a block chain to prevent intentional deletion or falsification. can be blocked in advance.
단계 S602는 동의 수준에 따라 개인의 건강 데이터를 수집하는 단계로, 개인이 건강 데이터를 직접 입력할 수 있고, 기관 서버에 저장되어 있는 개인의 건강검사 데이터를 API를 통해 주기적으로 자동 추출할 수 있으며, 또한, 관리자 단말을 통해 건강 관리 교사가 상담이나 설문 조사를 통해 생성한 개인의 건강 상태 정보를 수집할 수 있다.Step S602 is a step of collecting personal health data according to the level of consent. The individual can directly input the health data, and the personal health examination data stored in the institution server can be periodically and automatically extracted through API. In addition, through the manager terminal, the health management teacher can collect personal health condition information generated through consultation or survey.
단계 S603은 스마트 기기를 통해 라이프로그 데이터를 실시간 혹은 주기적으로 수집하는 단계이다. Step S603 is a step of collecting lifelog data in real time or periodically through a smart device.
단계 S604는 개인의 신상정보, 건강검사 데이터, 개인의 상담이나 설문 데이터 및 라이프로그 데이터를 연계하여 통합하는 단계로, 개인의 스마트폰 번호를 키(key)로하여 연계통합하는 방식이며, 이를 위해 각 데이터소스에는 개인의 스마트폰 번호가 부착되도록 생성하고, 마이데이터 원칙에 따라 개인이 연계작업을 직접 수행하거나 동의과정에서 사업자에게 위임할 수 있다.Step S604 is a step of linking and integrating personal information, health examination data, personal consultation or survey data, and lifelog data, and is a method of linking and integrating the individual's smartphone number as a key. Each data source is created so that the individual's smartphone number is attached, and according to the My Data principle, the individual can perform the linkage work directly or delegate it to the business operator in the consent process.
단계 S605는 단계 S504에서 통합된 건강 데이터를 인공지능 예측 모델에 입력하여 위험군 학생을 선별하고, 위험 정도에 따라 개인별 건강 활동 목표치를 설정한다. In step S605, the health data integrated in step S504 is input into the artificial intelligence prediction model to select students in the risk group, and individual health activity targets are set according to the degree of risk.
단계 S606은 통합건강 데이터를 기반으로 개인의 건강특성을 반영하여 수집한 데이터를 정리하여 제공하고, 이를 감안하여 맞춤형 건강정보를 제공하며, 건강점수를 제공한다. Step S606 organizes and provides collected data by reflecting personal health characteristics based on the integrated health data, provides customized health information, and provides health scores in consideration of this.
이상으로 본 발명 내용의 특정한 부분을 상세히 기술하였는 바, 이 기술 분야에서 통상의 지식을 가진 자에게, 이러한 구체적 기술은 단지 바람직한 실시 양태일 뿐이며, 이에 의해 본 발명의 범위가 제한되는 것은 아니며, 본 발명의 범주 및 기술 사상 범위 내에서 다양한 변경 및 수정이 가능함은 통상의 기술자에게 있어서 명백한 것이며, 이러한 변형 및 수정이 첨부된 특허청구범위에 속하는 것도 당연하다.As above, specific parts of the present invention have been described in detail, and to those skilled in the art, these specific descriptions are only preferred embodiments, and the scope of the present invention is not limited thereby, and the present invention It is obvious to those skilled in the art that various changes and modifications are possible within the scope and scope of the technical idea of, and it is natural that such changes and modifications fall within the scope of the appended claims.
100 : 개인 단말
200 : 건강 관리 장치
201 : 개인정보 수집부 202 : 상담정보 수집부
203 : 건강검사 데이터 수집부 204 : 건강정보 통합부
205 : 마이데이터 확인서 발급부 206 : 인공지능 예측부
207 : 건강정보 제공부 208 : 건강점수 계산부
300 : 기관 서버
400 : 관리자 단말100: personal terminal
200: health management device
201: personal information collection unit 202: consultation information collection unit
203: health test data collection unit 204: health information integration unit
205: My Data confirmation issuance unit 206: AI prediction unit
207: health information provision unit 208: health score calculation unit
300: institutional server
400: administrator terminal
Claims (8)
기관 서버로부터 건강검사 데이터를 수집하는 건강검사 데이터 수집부;
관리자 단말로부터 학생과의 상담 및 설문조사 데이터를 입력받는 상담정보 수집부;
상기 개인정보, 건강검사 데이터 및 상담정보를 개인 휴대전화번호를 키로하여 통합하는 건강정보 통합부;
개인의 동의 수준과 동의에 따른 서비스 내역을 확인서로 발급하는 마이데이터 확인서 발급부;
상기 건강정보 통합부에서 생성된 건강 데이터를 기초로 기계학습 기반의 인공지능 모델을 통해 건강 위험군을 분류하는 인공지능 예측부;
상기 건강 위험군으로 분류된 개인에 대한 맞춤형 건강관리 프로그램을 제공하는 건강정보 제공부; 및
건강 상태를 점수로 계산하는 건강점수 계산부를 포함하는 것을 특징으로 하는 마이데이터 기반의 학생 건강 관리 장치.
A health information collection unit that receives personal information and consent level of My Data from the student's personal terminal and periodically collects or uploads lifelog data;
Health examination data collection unit for collecting health examination data from the institution server;
Counseling information collection unit for receiving counseling and survey data with students from the administrator's terminal;
a health information integration unit that integrates the personal information, health examination data, and counseling information using a personal mobile phone number as a key;
My Data confirmation issuance unit that issues the individual's consent level and service details according to consent as a confirmation;
an artificial intelligence predictor for classifying a health risk group through a machine learning-based artificial intelligence model based on the health data generated by the health information integration unit;
a health information providing unit that provides a customized health management program for individuals classified as the health risk group; and
My data-based student health management device comprising a health score calculation unit for calculating the health status as a score.
상기의 건강정보는 개인의 동의 위임을 기반으로 수집되며, 상기 마이데이터 확인서의 위변조를 방지하기 위한 암호화 및 블록체인에 의한 저장 구조를 갖는 것을 특징으로 하는 마이데이터 기반의 학생 건강 관리 장치.
According to claim 1,
The health information is collected based on the individual's consent delegation, and has a storage structure by encryption and block chain to prevent forgery and falsification of the My Data confirmation.
상기의 개인 단말은 PC, 노트북, 웹패드 중 적어도 하나이고, 부가적으로 스마트워치, 스마트밴드, 홈 건강 디바이스, 사물인터넷(IoT) 센서가 부착된 운동기구 중 적어도 하나 이상을 더 포함하는 것을 특징으로 하는 마이데이터 기반의 학생 건강 관리 장치.
According to claim 1,
The personal terminal is at least one of a PC, a laptop, and a web pad, and additionally includes at least one or more of a smart watch, a smart band, a home health device, and an exercise device with an Internet of Things (IoT) sensor attached. My data-based student health management device.
상기의 기관 서버는 개인의 건강정보를 수집하여 관리하는 교육행정정보시스템(NEIS), 병원, 건강보험공단 또는 건강보험심사평가원 중 적어도 하나 이상의 서버이고, 마이데이터 동의 수준을 기반으로 상기 기관 서버에 저장된 데이터베이스로부터 API 방식으로 자동 수집되는 것을 특징으로 하는 마이데이터 기반의 학생 건강 관리 장치.
According to claim 1,
The institutional server above is at least one server of the Education Administration Information System (NEIS), hospital, health insurance corporation, or health insurance review and assessment service that collects and manages personal health information, and provides information to the institutional server based on the consent level of My Data. My data-based student health management device, characterized in that automatically collected by API method from the stored database.
상기의 인공지능 예측부는 딥러닝 기반의 다층신경망으로 구성되고, 상기의 건강정보 통합부에 저장된 개인의 건강 데이터 중 적어도 2 이상의 데이터를 최소최대(MinMax)기법을 통해 0 내지 1 범위의 값으로 변환한 후 상기 다층신경망의 입력값으로 제공되고, 건강의 위험도를 출력하는 것을 특징으로 하는 마이데이터 기반의 학생 건강 관리 장치.
According to claim 1,
The artificial intelligence prediction unit is composed of a deep learning-based multilayer neural network, and converts at least two or more of the personal health data stored in the health information integration unit into a value in the range of 0 to 1 through the MinMax technique. After that, it is provided as an input value of the multilayer neural network and outputs a health risk.
(b) 상기 개인의 동의 수준에 기초하여 API 호출 프로그램을 사용하여 건강검사 데이터를 보유한 기관 서버로부터 자동 혹은 주기적으로 동의 위임한 건강검사 데이터를 수집하거나 혹은 개인이 기관 서버로부터 직접 다운 받은 건강검사 데이터를 입력받는 단계;
(c) 관리자 단말로부터 개인의 상담 및 설문데이터를 수집하는 단계;
(d) 상기 단계 (a) 내지 단계 (c)에서 수집된 건강 관련 데이터와 개인 단말에서 주기적으로 수집되는 라이프로그 데이터를 통합한 건강정보를 생성 단계;
(e) 상기 통합된 건강정보를 사용하여 인공지능 기반의 예측 모델을 통해 위험군을 분류하는 단계; 및
(f) 상기 건강정보를 분석하여 개인별 맞춤식 건강관리 프로그램과 건강점수를 제공하는 단계를 포함하는 것을 특징으로 하는 마이데이터 기반의 학생 건강 관리 방법.
(a) collecting individual personal information through membership registration and receiving an input level of individual consent;
(b) Based on the consent level of the individual, the API call program is used to automatically or periodically collect health examination data with consent delegated from the institution server holding the health examination data, or the health examination data that the individual directly downloads from the institution server Receiving an input;
(c) collecting personal counseling and survey data from an administrator's terminal;
(d) generating health information by integrating the health-related data collected in steps (a) to (c) and the lifelog data periodically collected from the personal terminal;
(e) classifying a risk group through an artificial intelligence-based predictive model using the integrated health information; and
(f) My data-based student health management method comprising the step of analyzing the health information and providing a personalized health management program and health score.
상기 단계(a)에서 상기 동의 수준 여부를 확인하기 위해 개인의 동의 내용 수준과 동의에 따른 서비스 내용을 확인서 형태로 개인 단말에 제공하는 것을 더 포함하는 것을 특징으로 하는 마이데이터 기반의 학생 건강 관리 방법.
According to claim 6,
My data-based student health management method, characterized in that further comprising providing the individual's consent level and service contents according to the consent to the personal terminal in the form of a confirmation letter in order to check the level of consent in the step (a). .
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210113541A KR102605697B1 (en) | 2021-08-26 | 2021-08-26 | A method and apparatus for student health management based on mydata |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210113541A KR102605697B1 (en) | 2021-08-26 | 2021-08-26 | A method and apparatus for student health management based on mydata |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230031097A true KR20230031097A (en) | 2023-03-07 |
| KR102605697B1 KR102605697B1 (en) | 2023-11-29 |
Family
ID=85513592
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210113541A KR102605697B1 (en) | 2021-08-26 | 2021-08-26 | A method and apparatus for student health management based on mydata |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102605697B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116884611A (en) * | 2023-07-11 | 2023-10-13 | 浙江万航信息科技有限公司 | Teenager physical health intervention method and device, storage medium and electronic equipment |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101510600B1 (en) * | 2014-11-11 | 2015-04-08 | 국민건강보험공단 | Bigdata health record system |
| JP2015187764A (en) * | 2014-03-26 | 2015-10-29 | 住友商事株式会社 | Server, program, and system for providing health information |
| KR102050558B1 (en) | 2019-03-27 | 2019-12-03 | 주식회사 마이베네핏 | Member management system for children and adolescents using physical measurement and growth curve |
| KR20210039920A (en) * | 2019-10-02 | 2021-04-12 | 주식회사 디젠트아이디 | Mobile communication terminal for personal authentification, personal authentification system and personal authentification method using the mobile communication terminal |
| KR20210077360A (en) | 2019-12-17 | 2021-06-25 | 주식회사 에이아이플랫폼 | System for providing medical mydata service based on blockchain |
| KR20210084224A (en) * | 2019-12-27 | 2021-07-07 | 주식회사 라이프시맨틱스 | A disease prediction system for planning insurance |
-
2021
- 2021-08-26 KR KR1020210113541A patent/KR102605697B1/en active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015187764A (en) * | 2014-03-26 | 2015-10-29 | 住友商事株式会社 | Server, program, and system for providing health information |
| KR101510600B1 (en) * | 2014-11-11 | 2015-04-08 | 국민건강보험공단 | Bigdata health record system |
| KR102050558B1 (en) | 2019-03-27 | 2019-12-03 | 주식회사 마이베네핏 | Member management system for children and adolescents using physical measurement and growth curve |
| KR20210039920A (en) * | 2019-10-02 | 2021-04-12 | 주식회사 디젠트아이디 | Mobile communication terminal for personal authentification, personal authentification system and personal authentification method using the mobile communication terminal |
| KR20210077360A (en) | 2019-12-17 | 2021-06-25 | 주식회사 에이아이플랫폼 | System for providing medical mydata service based on blockchain |
| KR20210084224A (en) * | 2019-12-27 | 2021-07-07 | 주식회사 라이프시맨틱스 | A disease prediction system for planning insurance |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116884611A (en) * | 2023-07-11 | 2023-10-13 | 浙江万航信息科技有限公司 | Teenager physical health intervention method and device, storage medium and electronic equipment |
| CN116884611B (en) * | 2023-07-11 | 2024-02-13 | 浙江万航信息科技有限公司 | Teenager physical health intervention method and device, storage medium and electronic equipment |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102605697B1 (en) | 2023-11-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Avati et al. | Improving palliative care with deep learning | |
| Malik et al. | Data mining and predictive analytics applications for the delivery of healthcare services: a systematic literature review | |
| Walsh et al. | Stigma, biomarkers, and algorithmic bias: recommendations for precision behavioral health with artificial intelligence | |
| Raghupathi et al. | An overview of health analytics | |
| VanSuch et al. | Effect of discharge instructions on readmission of hospitalised patients with heart failure: do all of the Joint Commission on Accreditation of Healthcare Organizations heart failure core measures reflect better care? | |
| CN101526980B (en) | For generation of the system and method for real-time health care alerts | |
| US20180181719A1 (en) | Virtual healthcare personal assistant | |
| TW201508688A (en) | Systems and methods for administering health care systems | |
| Deckro et al. | Big data in the veterans health administration: a nursing informatics perspective | |
| KR20200113954A (en) | System and method for providing user-customized health information service | |
| Burgermaster et al. | A new approach to integrating patient-generated data with expert knowledge for personalized goal setting: A pilot study | |
| Rabie et al. | A decision support system for diagnosing diabetes using deep neural network | |
| Chung et al. | Knowledge-based block chain networks for health log data management mobile service | |
| Junqueira et al. | A machine learning model for predicting ICU readmissions and key risk factors: analysis from a longitudinal health records | |
| KR102605697B1 (en) | A method and apparatus for student health management based on mydata | |
| Rudd et al. | A global perspective on data powering responsible AI solutions in health applications | |
| Srinivasa et al. | Analytics on medical records collected from a distributed system deployed in the Indian rural demographic | |
| KR20230082740A (en) | A system and method for senior citizen health management based on my-data | |
| Sulaiman et al. | AI-enabled proactive mHealth: a review | |
| George et al. | Proactive diabetes management: research directions | |
| Abusham et al. | Smartphone application for Self-Management Diabetes: A review | |
| Temdee et al. | Smart Care Environment with Food Recognition for Personalization Support: A Case Study of Thai Seniors | |
| US20030018240A1 (en) | Chronic heart failure patient identification system | |
| Wang et al. | A feature-oriented analysis of developers’ descriptions and user reviews of top mHealth applications for diabetes and hypertension | |
| Yahav et al. | Outcomes matter: estimating pre-transplant survival rates of kidney-transplant patients using simulator-based propensity scores |
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 |