KR20230064694A - 환자 정보 등록 장치, 환자 정보 등록 장치와 통신하는 환자 데이터 분석 서버 및 환자 데이터 분석 시스템 - Google Patents

환자 정보 등록 장치, 환자 정보 등록 장치와 통신하는 환자 데이터 분석 서버 및 환자 데이터 분석 시스템 Download PDF

Info

Publication number
KR20230064694A
KR20230064694A KR1020210149893A KR20210149893A KR20230064694A KR 20230064694 A KR20230064694 A KR 20230064694A KR 1020210149893 A KR1020210149893 A KR 1020210149893A KR 20210149893 A KR20210149893 A KR 20210149893A KR 20230064694 A KR20230064694 A KR 20230064694A
Authority
KR
South Korea
Prior art keywords
patient
data
information data
information
doctor
Prior art date
Application number
KR1020210149893A
Other languages
English (en)
Inventor
김종희
홍가령
루카야 알노마니
심소은
안나 캐롤리나 피에자크
황준석
Original Assignee
서울대학교산학협력단
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 서울대학교산학협력단 filed Critical 서울대학교산학협력단
Priority to KR1020210149893A priority Critical patent/KR20230064694A/ko
Publication of KR20230064694A publication Critical patent/KR20230064694A/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
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0487—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser
    • G06F3/0488—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • 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
    • G16H50/50—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
    • 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
    • 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
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • 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
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Veterinary Medicine (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Human Computer Interaction (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Optics & Photonics (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Cardiology (AREA)
  • Evolutionary Computation (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Emergency Medicine (AREA)
  • Ophthalmology & Optometry (AREA)
  • Physiology (AREA)

Abstract

일 실시예는, 상기 환자 정보 등록 장치로부터의 환자의 환자 식별 정보 데이터, 환자 생체 정보 데이터 및 환자 상태 정보 데이터를 상기 네트워크를 통해 수신하여 통합 환자 DB에 저장하는 환자 데이터 수신부, 상기 환자 식별 정보 데이터에 대응되는 환자 병력 정보 데이터를 상기 통합 환자 DB에서 검색하는 환자 데이터 검색부, 상기 환자 생체 정보 데이터, 환자 상태 정보 데이터 및 환자 병력 정보 데이터를 입력 변수로 하는 딥러닝 방식을 통해 환자의 상태를 분석하여 환자 분류를 수행하고, 상기 환자 분류에 따라 생성된 환자 분류 결과 데이터를 상기 통합 환자 DB에 저장함과 동시에 상기 환자 정보 등록 장치로 송신하는 환자 데이터 분류부 및 상기 통합 환자 DB로부터의 상기 환자 생체 정보 데이터, 환자 상태 정보 데이터, 환자 병력 정보 데이터 및 환자 분류 결과 데이터를 입력 변수로 하는 딥러닝 방식을 통해 예비 진단 데이터를 생성하고, 상기 예비 진단 데이터를 통합 진단 DB에 저장함과 동시에 상기 환자 정보 등록 장치로 송신하는 예비 진단 데이터 생성부를 포함하는 환자 데이터 분석 서버를 제공한다.

Description

환자 정보 등록 장치, 환자 정보 등록 장치와 통신하는 환자 데이터 분석 서버 및 환자 데이터 분석 시스템{Patient information enrollment device, server for analyzing data of patient and system for analyzing data of patient}
본 개시는 환자 정보 등록 장치, 환자 정보 등록 장치와 통신하는 환자 데이터 분석 서버 및 환자 데이터 분석 시스템에 관한 것이다.
최근 들어, 코로나-19 바이러스에 의한 전세계적을 이례적인 팬데믹 상황 아래, 응급 환자가 급증함에 따라 응급실을 포함하는 병원 내부의 다양한 공간이 과밀화되고, 병원 내부의 혼잡도가 급격하게 증가하고 있다. 비단 코로나-19 바이러스 뿐만 아니라, 현대인의 잘못된 식습관으로 인한 급성 장애, 교통 사고의 증가, 익스트림 스포츠 사고의 증가 등, 다양한 원인에 의해 응급실을 포함하는 병원 내부의 다양한 공간의 과밀화가 초래되고, 혼잡도가 증가해 왔다. 이처럼, 응급실의 과밀화가 지속되고, 혼잡도가 증가하게 되면, 의료진의 비효율적인 응급 상황 대처에 따라 사고 발생률이 증가할 수 있고, 긴급한 처치가 필요한 응급 환자에 대한 진료가 신속하게 이루어지기 힘들어 응급 환자의 사망률이 증가할 수 있다.
응급실에 응급 환자가 도착하면, 응급 환자에게 적절한 처치가 이루어질 수 있도록, 그 응급 환자의 부상 부위와 통증 정도와 같은 상태 정보, 산소 포화도, 혈압, 체온 등의 다양한 생체 정보, 과거 병력 이력 등의 환자 정보에 기초하여 환자 분류(triage)가 이루어진다. 이 경우, 응급 처치 이전에 이루어지는 환자 분류가 신속하게 이루어지지 않으면, 응급실의 과밀화가 해소되기 힘들고, 응급실의 혼잡도가 증가할 수 있다. 의료 인력의 수가 한정되어 있는 현 상황에서, 응급실의 과밀화를 해소하고 혼잡도를 감소시키기 위해서는 응급실에서의 환자 분류가 보다 효율적이고 신속하게 이루어질 필요가 있다.
본 개시의 일 실시예에 따라, 환자의 상태 정보 데이터, 생체 정보 데이터, 병력 정보 데이터 등을 입력 변수로 하는 딥러닝 방식을 통해 환자의 상태를 분석하여 환자 분류를 수행하는 환자 데이터 분석 서버를 제공하고자 한다.
본 개시의 일 실시예에 따라, 환자의 식별 정보 데이터, 상태 정보 데이터, 생체 정보 데이터 등을 수집하여 환자 데이터 분석 서버로 송신하는 환자 정보 등록 장치를 제공하고자 한다.
본 개시의 일 실시예에 따라, 환자 정보 등록 장치와 환자 데이터 분석 서버를 포함하는 환자 데이터 분석 시스템을 제공하고자 한다.
일 실시예는,
환자 정보 등록 장치와 네트워크를 통해 통신하는 딥러닝 방식 기반 환자 데이터 분석 서버를 제공한다.
상기 환자 데이터 분석 서버는,
상기 환자 정보 등록 장치로부터의 환자의 환자 식별 정보 데이터, 환자 생체 정보 데이터 및 환자 상태 정보 데이터를 상기 네트워크를 통해 수신하여 통합 환자 DB에 저장하는 환자 데이터 수신부, 상기 환자 식별 정보 데이터에 대응되는 환자 병력 정보 데이터를 상기 통합 환자 DB에서 검색하는 환자 데이터 검색부, 상기 환자 생체 정보 데이터, 환자 상태 정보 데이터 및 환자 병력 정보 데이터를 입력 변수로 하는 딥러닝 방식을 통해 환자의 상태를 분석하여 환자 분류를 수행하고, 상기 환자 분류에 따라 생성된 환자 분류 결과 데이터를 상기 통합 환자 DB에 저장함과 동시에 상기 환자 정보 등록 장치로 송신하는 환자 데이터 분류부 및 상기 통합 환자 DB로부터의 상기 환자 생체 정보 데이터, 환자 상태 정보 데이터, 환자 병력 정보 데이터 및 환자 분류 결과 데이터를 입력 변수로 하는 딥러닝 방식을 통해 예비 진단 데이터를 생성하고, 상기 예비 진단 데이터를 통합 진단 DB에 저장함과 동시에 상기 환자 정보 등록 장치로 송신하는 예비 진단 데이터 생성부를 포함할 수 있다.
상기 환자 데이터 분석 서버는, 상기 환자의 환자 생체 정보 데이터, 환자 병력 정보 데이터, 환자 상태 정보 데이터 및 환자 분류 결과 데이터를 입력 변수로 하는 딥러닝 방식을 통해 상기 환자에게 적합한 의사와 관련된 추천 의사 데이터를 생성하고, 상기 추천 의사 데이터를 통합 의사 DB에 저장함과 동시에 상기 환자 정보 등록 장치로 송신하는 의사 추천부를 더 포함할 수 있다.
상기 환자 분류 결과 데이터 생성부는 상기 환자 분류 결과 데이터를 상기 예비 진단 데이터를 상기 의사가 사용하는 의사 단말기로 송신하고, 상기 예비 진단 데이터 생성부는 상기 예비 진단 데이터를 상기 의사 단말기로 송신할 수 있다.
상기 환자 데이터 분석 서버는, 상기 의사 단말기로부터의 상기 환자에 대한 상기 의사의 의사 진단 데이터를 수신하고, 상기 의사 진단 데이터를 통합 의사 DB에 저장함과 동시에 상기 환자 정보 등록 장치로 송신하는 의사 진단 데이터 수신부를 더 포함할 수 있다.
상기 환자 데이터 분석 서버는, 상기 환자 정보 등록 장치의 위치 정보를 기반으로 상기 환자 정보 등록 장치로부터 최단 거리에 있는 병원과 관련된 추천 병원 데이터를 통합 병원 DB에서 검색하고, 상기 추천 병원 데이터를 상기 환자 정보 등록 장치로 송신하는 병원 추천부를 더 포함할 수 있다.
상기 환자 분류 결과 데이터 생성부는 상기 환자 분류 결과 데이터를 상기 환자 또는 보호자가 사용하는 사용자 단말기에 송신하고, 상기 예비 진단 데이터 생성부는 상기 예비 진단 데이터를 상기 환자 또는 보호자가 사용하는 사용자 단말기에 송신할 수 있다.
일 실시예는,
환자 식별 정보 데이터 입력 장치, 환자 생체 정보 데이터 측정 장치, 환자 상태 정보 데이터 수집 장치, 상기 환자 생체 정보 데이터, 환자 상태 정보 데이터를 표시하는 표시 장치 및 상기 환자 식별 정보 데이터, 환자 생체 정보 데이터 및 환자 상태 정보 데이터를 외부 서버로 송신하는 프로세서를 포함하는 환자 정보 등록 장치를 제공한다.
상기 환자 식별 정보 데이터 입력 장치는 터치 스크린, 지문 인식 장치, 및 홍채 인식 장치 중 적어도 어느 하나를 포함할 수 있다.
상기 환자 생체 정보 데이터 측정 장치는, 혈압 측정 장치, 체온 측정 장치, 산소 포화도 측정 장치, 신체 정보 측정 장치, 및 혈당 측정 장치 중 적어도 어느 하나를 포함할 수 있다.
상기 환자 상태 정보 데이터 수집 장치는, 마이크와 상기 마이크에 입력된 환자의 음성을 인식하는 AI 스피커를 포함할 수 있다.
일 실시예는,
환자 식별 정보 데이터 입력 장치, 환자 생체 정보 데이터 측정 장치, 환자 상태 정보 데이터 수집 장치, 상기 환자 생체 정보 데이터, 환자 상태 정보 데이터를 표시하는 디스플레이 장치 및 상기 환자 식별 정보 데이터, 환자 생체 정보 데이터 및 환자 상태 정보 데이터를 외부 서버로 전송하는 프로세서를 포함하는 환자 정보 등록 장치 및 상기 환자 정보 등록 장치로부터의 환자의 환자 식별 정보 데이터, 환자 생체 정보 데이터 및 환자 상태 정보 데이터를 네트워크를 통해 수신하여 통합 환자 DB에 저장하는 환자 데이터 수신부, 상기 환자 식별 정보 데이터에 대응되는 환자 병력 정보 데이터를 상기 통합 환자 DB에서 검색하는 환자 데이터 검색부, 상기 환자 생체 정보 데이터, 환자 상태 정보 데이터 및 상기 환자 병력 정보 데이터를 입력 변수로 하는 딥러닝 방식을 통해 환자의 상태를 분석하여 환자 분류를 수행하고, 상기 환자 분류에 따라 생성된 환자 분류 결과 데이터를 상기 통합 환자 DB에 저장함과 동시에 상기 환자 정보 등록 장치로 송신하는 환자 데이터 분류부 및 상기 통합 환자 DB로부터의 상기 환자 생체 정보 데이터, 환자 상태 정보 데이터, 환자 병력 정보 데이터 및 환자 분류 결과 데이터를 입력 변수로 하는 딥러닝 방식을 통해 예비 진단 데이터를 생성하고, 상기 예비 진단 데이터를 통합 진단 DB에 저장함과 동시에 상기 환자 정보 등록 장치로 송신하는 예비 진단 데이터 생성부를 포함하는 환자 데이터 분석 서버를 포함하는 환자 데이터 분석 시스템을 제공한다.
본 개시의 일 실시예에 따라, 환자의 상태 정보 데이터, 생체 정보 데이터, 병력 정보 데이터 등을 입력 변수로 하는 딥러닝 방식을 통해 환자의 상태를 분석하여 환자 분류를 수행하는 환자 데이터 분석 서버를 제공할 수 있다.
환자 데이터 분석 서버는 딥러닝 방식을 통해 환자의 상태를 분석하여 환자 분류를 수행하므로, 시간이 지나 환자 데이터가 쌓일수록 보다 정확하고 신속하게 환자 분류가 이루어질 수 있다. 이에 따라, 응급실에서의 환자 분류로 인한 환자 적체 현상이 억제될 수 있고, 응급실의 과밀화 및 혼잡도가 해소될 수 있다.
본 개시의 일 실시예에 따라, 환자의 식별 정보 데이터, 상태 정보 데이터, 생체 정보 데이터 등을 수집하여 환자 데이터 분석 서버로 송신하는 환자 정보 등록 장치를 제공할 수 있다.
환자의 다양한 정보 데이터를 환자 정보 등록 장치를 이용하여 수집할 수 있기 때문에, 환자 데이터를 효율적으로 수집할 수 있고, 환자 데이터 수집 인력을 감소시킬 수 있어 의료 인력난을 해소할 수 있다.
도 1은 일 실시예에 환자 데이터 분석 시스템의 예시적인 구성을 간략히 도시한 블록도이다.
도 2는 일 실시예에 환자 데이터 분석 서버의 예시적인 구성을 간략히 도시한 블록도이다.
도 3은 도 2의 환자 데이터 분석 서버에 포함된 환자 데이터 분류부의 동작을 설명하기 위한 것이다.
도 4는 도 2의 환자 데이터 분석 서버에 포함된 예비 진단 데이터 생성부의 동작을 설명하기 위한 것이다.
도 5는 도 1의 환자 정보 등록 장치의 예시적인 구성을 간략히 도시한 블록도이다.
도 6은 도 5의 제1 환자 정보 등록 장치의 예시적인 구성을 간략히 도시한 것이다.
도 7은 도 5의 제2 환자 정보 등록 장치의 다른 예시적인 구성을 간략히 도시한 것이다.
아래에서는 첨부한 도면을 참조하여 다양한 실시예에 따른 환자 정보 등록 장치, 상기 환자 정보 등록 장치와 통신하는 환자 데이터 분석 서버 및 환자 데이터 분석 시스템에 대해 상세히 설명한다. 도면에서 동일한 참조부호는 동일한 구성요소를 지칭하며, 각 구성요소의 크기나 두께는 설명의 명료성을 위하여 과장되어 있을 수 있다. 한편, 이하에 설명되는 실시예들은 단지 예시적인 것에 불과하며, 이러한 실시예들로부터 다양한 변형이 가능하다.
이하에서, "상부" 나 "상"이라고 기재된 것은 접촉하여 바로 위에 있는 것뿐만 아니라 비접촉으로 위에 있는 것도 포함할 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.
“상기”의 용어 및 이와 유사한 지시 용어의 사용은 단수 및 복수 모두에 해당하는 것일 수 있다. 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 한정되는 것은 아니다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성 요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만 사용된다. 또한, 명세서 전체에 걸쳐서 'DB' 는 데이터베이스(Database)의 약어를 의미한다.
도 1은 일 실시예에 환자 데이터 분석 시스템(1000)의 예시적인 구성을 간략히 도시한 블록도이다.
도 1을 참조하면, 환자 데이터 분석 시스템(1000)은 환자의 다양한 정보 데이터를 수집하는 환자 정보 등록 장치(200, 300) 및 환자 정보 등록 장치(200, 300)와 네트워크를 통해 통신하는 딥러닝 방식 기반 환자 데이터 분석 서버(100)를 포함할 수 있다.
환자 정보 등록 장치(200, 300)는 환자의 환자 식별 정보 데이터, 환자 생체 정보 데이터 및 환자 상태 정보 데이터를 수집할 수 있다. 환자 또는 보호자는 환자 정보 등록 장치(200, 300)에 환자 식별 정도 데이터를 입력할 수 있다. 또한, 환자 정보 등록 장치(200, 300)는 환자 생체 정보 데이터를 수집할 수 있는 다양한 종류의 센서들을 구비할 수 있고, 이 센서들을 통해서 환자 생체 정보 데이터가 수집될 수 있다. 나아가, 환자 정보 등록 장치(200, 300)는 환자 등의 음성을 인식할 수 있는 AI 스피커 또는 환자 등에 의해 입력된 텍스트를 인식할 수 있는 챗봇 등을 구비할 수 있다. 환자 정보 등록 장치(200, 300)의 AI 스피커 또는 챗봇에 의해 환자로부터의 환자의 상태에 관한 정보가 데이터화 될 수 있다.
환자 정보 등록 장치(200, 300)는 병원의 임의의 내부 공간에 마련될 수 있는 제1 환자 정보 등록 장치(200)와 응급 현장에 마련될 수 있는 제2 환자 정보 등록 장치(300)를 포함할 수 있다. 예를 들어, 제1 환자 정보 등록 장치(200)는 병원의 응급실에 마련될 수 있다. 제1 환자 정보 등록 장치(200)는 특정 공간에 고정된 형태로 마련될 수 있다. 또한, 제2 환자 정보 등록 장치(300)는 구급차 내부 또는 구조 헬기 내부 등의 응급 현장에 출동하는 운송 수단에 마련될 수 있다. 제2 환자 정보 등록 장치(300)는 제1 환자 정보 등록 장치(200)와 달리, 응급 현장에서 이동이 편리하도록 보다 간소한 구조로 이동 가능하게 형성될 수 있다. 제1 환자 정보 등록 장치(200)와 제2 환자 정보 등록 장치(300)의 예시적인 구조에 대해서는 도 5 내지 도 7을 참조하여 후술한다.
환자 데이터 분석 서버(100)는 환자 정보 등록 장치(200, 300)로부터의 다양한 종류의 환자 데이터를 입력 변수로 하는 딥러닝 방식을 통해 다양한 종류의 데이터를 생성할 수 있다. 이 과정에서, 환자 데이터 분석 서버(100)는 통합 환자 DB(10), 통합 진단 DB(10), 통합 의사 DB(10), 및 통합 병원 DB(10)를 활용하여 다양한 데이터를 검색하고, 저장할 수 있다.
또한, 환자 데이터 분석 시스템(1000)은 복수 개의 사용자 단말기(400, 500)를 포함할 수 있다. 환자 데이터 분석 서버(100)는 네트워크를 통해 복수 개의 사용자 단말기(400, 500)와 통신할 수 있다. 예를 들어, 복수 개의 사용자 단말기(400, 500)는 환자 또는 보호자의 제1 사용자 단말기(400)와 의사의 제2 사용자 단말기(500)를 포함할 수 있다.
이 경우, 상기 네트워크는, 예를 들어, 무선랜(Wireless LAN: WLAN), DLNA(Digital Living Network Alliance), 와이브로(Wireless Broadband: Wibro), 와이맥스(World Interoperability for Microwave Access: Wimax), GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), CDMA2000(Code Division Multi Access 2000), EV-DO(Enhanced Voice-Data Optimized or Enhanced Voice-Data Only), WCDMA(Wideband CDMA), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), IEEE 802.16, 롱 텀 에볼루션(Long Term Evolution: LTE), LTE-A(Long Term Evolution-Advanced), 광대역 무선 이동 통신 서비스(Wireless Mobile Broadband Service: WMBS), 블루투스(Bluetooth), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association: IrDA), UWB(Ultra Wideband), 지그비(ZigBee), 인접 자장 통신(Near Field Communication: NFC), 초음파 통신(Ultra Sound Communication: USC), 가시광 통신(Visible Light Communication: VLC), 와이 파이(Wi-Fi), 와이 파이 다이렉트(Wi-Fi Direct) 등을 포함할 수 있다.
또한, 복수 개의 사용자 단말기(400, 500)는 통신 기능을 구비한 스마트 폰(Smart Phone), 휴대 단말기(Portable Terminal), 이동 단말기(Mobile Terminal), 개인 정보 단말기(Personal Digital Assistant: PDA), PMP(Portable Multimedia Player) 단말기, 텔레매틱스(Telematics) 단말기, 내비게이션(Navigation) 단말기, 개인용 컴퓨터(Personal Computer), 노트북 컴퓨터, 슬레이트 PC(Slate PC), 태블릿 PC(Tablet PC), 울트라북(ultrabook), 웨어러블 디바이스(Wearable Device, 예를 들어, 워치형 단말기(Smartwatch), 글래스형 단말기(Smart Glass), HMD(Head Mounted Display) 등 포함), 와이브로(Wibro) 단말기 등과 같은 다양한 단말기를 포함할 수 있다.
도 2는 일 실시예에 환자 데이터 분석 서버(100)의 예시적인 구성을 간략히 도시한 블록도이다. 도 3은 도 2의 환자 데이터 분석 서버(100)에 포함된 환자 데이터 분류부(23)의 동작을 설명하기 위한 것이다. 도 4는 도 2의 환자 데이터 분석 서버(100)에 포함된 예비 진단 데이터 생성부(24)의 동작을 설명하기 위한 것이다.
도 2를 참조하면, 환자 데이터 분석 서버(100)는 환자 정보 등록 장치(200, 300)로부터의 환자의 환자 식별 정보 데이터, 환자 생체 정보 데이터 및 환자 상태 정보 데이터를 네트워크를 통해 수신하여 통합 환자 DB(10)에 저장하는 환자 데이터 수신부(21), 환자 식별 정보 데이터에 대응되는 환자 병력 정보 데이터를 통합 환자 DB(10)에서 검색하는 환자 데이터 검색부(22), 환자 생체 정보 데이터, 환자 상태 정보 데이터 및 환자 병력 정보 데이터를 입력 변수로 하는 딥러닝 방식을 통해 환자의 상태를 분석하여 환자 분류를 수행하고, 환자 분류에 따라 생성된 환자 분류 결과 데이터를 통합 환자 DB(10)에 저장함과 동시에 환자 정보 등록 장치(200, 300)로 송신하는 환자 데이터 분류부(23) 및 통합 환자 DB(10)로부터의 환자 생체 정보 데이터, 환자 상태 정보 데이터, 환자 병력 정보 데이터 및 환자 분류 결과 데이터를 입력 변수로 하는 딥러닝 방식을 통해 예비 진단 데이터를 생성하고, 예비 진단 데이터를 통합 진단 DB(11)에 저장함과 동시에 환자 정보 등록 장치(200, 300)로 송신하는 예비 진단 데이터 생성부(24)를 포함할 수 있다.
또한, 환자 데이터 분석 서버(100)는 환자에게 적합한 의사와 관련된 추천 의사 데이터를 생성하는 의사 추천부(25), 응급 환자로부터 최단 거리에 위치하는 병원을 추천하는 병원 추천부(26) 및 환자에게 진료를 수행한 의사의 진단 데이터를 수신하는 의사 진단 데이터 수신부(27)를 더 포함할 수 있다.
나아가, 환자 데이터 분석 서버(100)는 환자 데이터 수신부(21), 환자 데이터 검색부(22), 환자 데이터 분류부(23), 예비 진단 데이터 생성부(24), 의사 추천부(25), 병원 추천부(26) 및 의사 진단 데이터 수신부(27) 사이의 상호 동작을 제어하는 프로세서(30)를 더 포함할 수 있다.
환자 데이터 수신부(21)는 환자 또는 보호자 등에 의해 환자 정보 등록 장치(200, 300)에 입력된 환자의 환자 식별 정보 데이터, 환자 생체 정보 데이터 및 환자 상태 정보 데이터를 수신할 수 있다.
환자 식별 정보 데이터는 환자의 이름, 주민번호, 나이, 성별, 주소 등의 환자를 식별할 수 있는 다양한 종류의 정보 데이터 일체를 포함할 수 있다.
환자 생체 정보 데이터는 체온, 혈압, 산소 포화도, 키, 몸무게, 심박수 등의 환자의 생체 정보와 관련된 다양한 종류의 정보 데이터 일체를 포함할 수 있다.
환자 상태 정보 데이터는 환자의 통증 부위, 다친 부위, 통증 정도, 통증의 묘사, 사고 일시, 사고 경위 등 환자가 불편을 느끼는 상태를 표현하는 다양한 종류의 정보 데이터 일체를 포함할 수 있다. 즉, 환자 상태 정보 데이터는 환자 생체 정보 데이터 이외에 환자의 상태를 표현할 수 있는 모든 종류의 정보 데이터 일체를 포함할 수 있는 것으로서, 위에 열거한 예시들 이외의 다양한 종류의 정보 데이터를 포함할 수 있다.
환자 데이터 검색부(22)는 환자 정보 등록 장치(200, 300)로부터의 환자 식별 정보 데이터에 대응되는 환자 병력 정보 데이터를 통합 환자 DB(10)에서 검색할 수 있다. 통합 환자 DB(10)에는 다양한 환자들의 진단 이력, 처방 약품 등과 관련된 병력 정보 데이터가 저장되어 있을 수 있다. 통합 환자 DB(10)에 저장되어 있는 환자 병력 정보 데이터는 병원, 약국, 보건소 등의 다양한 의료 기관으로부터 제공될 수 있다.
환자 데이터 분류부(23)는 환자 정보 등록 장치(200, 300)로부터의 환자 생체 정보 데이터, 환자 상태 정보 데이터와 환자 데이터 검색부(22)로부터의 환자 병력 정보 데이터를 입력 변수로 하는 딥러닝 방식을 통해 환자의 상태를 분석하여 환자 분류를 수행할 수 있다. 예를 들어, 환자 데이터 분류부(23)는 통합 환자 DB(10)에 저장되어 있는 여러 환자의 환자 생체 정보 데이터, 환자 상태 정보 데이터 및 환자 병력 정보 데이터에 대응하는 환자 분류 결과를 딥러닝 방식으로 학습할 수 있다. 도 3에 도시된 바와 같이, 환자 데이터 분류부(23)는 학습된 데이터에 근거하여 환자 생체 정보 데이터, 환자 상태 정보 데이터 및 환자 병력 정보 데이터의 입력 변수에 대응하는 환자 분류 결과 데이터를 생성할 수 있다. 또한, 환자 데이터 분류부(23)는 생성된 환자 분류 결과 데이터를 통합 환자 DB(10)에 저장함과 동시에, 환자 정보 등록 장치(200, 300)로 송신할 수 있다. 나아가, 환자 데이터 분류부(23)는 생성된 환자 분류 결과 데이터를 제1 및 제2 사용자 단말기(400, 500)에 송신할 수도 있다.
예비 진단 데이터 생성부(24)는 환자 정보 등록 장치(200, 300)로부터의 환자 생체 정보 데이터, 환자 상태 정보 데이터와 환자 데이터 검색부(22)로부터의 환자 병력 정보 데이터와 환자 데이터 분류부(23)로부터의 환자 분류 결과 데이터를 입력 변수로 하는 딥러닝 방식을 통해 환자의 상태에 적합한 예비 진단 데이터를 생성할 수 있다. 예를 들어, 예비 진단 데이터 생성부(24)는 통합 환자 DB(10)에 저장되어 있는 여러 환자의 환자 생체 정보 데이터, 환자 상태 정보 데이터 및 환자 병력 정보 데이터에 대응하는 환자 분류 결과와, 환자 분류 결과에 따라 분류된 환자의 상태에 적합하게 대응되며 통합 진단 DB(11)에 저장되어 있는 예비 진단 데이터를 딥러닝 방식으로 학습할 수 있다. 도 4에 도시된 바와 같이, 예비 진단 데이터 생성부(24)는 학습된 데이터에 근거하여 환자 생체 정보 데이터, 환자 상태 정보 데이터, 환자 병력 정보 데이터 및 환자 분류 결과 데이터의 입력 변수에 대응하는 예비 진단 데이터를 생성할 수 있다. 예비 진단 데이터는 환자의 상태를 치료하기에 적절한 치료 방법, 처방 약품, 환자의 병명 등에 관한 예비적인 진단 정보 일체를 포함할 수 있다. 또한, 예비 진단 데이터 생성부(24)는 생성된 예비 진단 데이터를 통합 진단 DB(11)에 저장함과 동시에, 환자 정보 등록 장치(200, 300)로 송신할 수 있다. 나아가, 예비 진단 데이터 생성부(24)는 생성된 예비 진단 데이터를 제1 및 제2 사용자 단말기(400, 500)에 송신할 수도 있다.
의사 추천부(25)는 환자 정보 등록 장치(200, 300)로부터의 환자 생체 정보 데이터, 환자 상태 정보 데이터와 환자 데이터 검색부(22)로부터의 환자 병력 정보 데이터와 환자 데이터 분류부(23)로부터의 환자 분류 결과 데이터를 입력 변수로 하는 딥러닝 방식을 통해 환자에게 적합한 의사를 추천하기 위한 추천 의사 데이터를 생성할 수 있다. 예를 들어, 의사 추천부(25)는 통합 환자 DB(10)에 저장되어 있는 여러 환자의 환자 생체 정보 데이터, 환자 상태 정보 데이터 및 환자 병력 정보 데이터에 대응하는 환자 분류 결과와, 환자 분류 결과에 따라 분류된 환자의 상태를 진단하기에 적합하게 대응되며 통합 의사 DB(12)에 저장되어 있는 추천 의사 데이터를 딥러닝 방식으로 학습할 수 있다. 의사 추천부(25)는 학습된 데이터에 근거하여 환자 생체 정보 데이터, 환자 상태 정보 데이터, 환자 병력 정보 데이터 및 환자 분류 결과 데이터의 입력 변수에 대응하는 추천 의사 데이터를 생성할 수 있다. 추천 의사 데이터는 환자의 상태를 치료하기에 적합한 전공 의사의 이름, 소속 병원, 스케쥴 등에 관한 추천 의사 정보 일체를 포함할 수 있다. 또한, 의사 추천부(25)는 생성된 추천 의사 데이터를 통합 의사 DB(12)에 저장함과 동시에, 환자 정보 등록 장치(200, 300)로 송신할 수 있다. 나아가, 의사 추천부(25)는 생성된 추천 의사 데이터를 환자 또는 보호자가 사용하는 제1 사용자 단말기(400)에 송신할 수도 있다.
병원 추천부(26)는 환자 정보 등록 장치(200, 300)의 위치 정보를 기반으로 환자 정보 등록 장치(200, 300)로부터 최단 거리에 있는 병원을 추천하기 위한 추천 병원 데이터를 생성할 수 있다. 예를 들어, 병원 추천부(26)는 통합 병원 DB(13)에 저장되어 있는 다양한 종류의 병원의 위치 정보 중에서, 환자 정보 등록 장치(200, 300)로부터 최단 거리에 있는 병원의 위치 정보를 검색할 수 있다. 병원 추천부(26)는 검색한 병원과 관련된 추천 병원 데이터를 환자 정보 등록 장치(200, 300)로 송신할 수 있다. 추천 병원 데이터는 해당 병원의 위치, 이름, 응급실 현황 등에 관한 병원 정보 일체를 포함할 수 있다. 또한, 병원 추천부(26)는 추천 병원 데이터를 환자 또는 보호자가 사용하는 제1 사용자 단말기(400)에 송신할 수도 있다.
이러한 병원 추천부(26)가 생성하는 추천 병원 데이터는 응급 현장에 마련될 수 있는 제2 환자 정보 등록 장치(300)에 제공될 경우 유용하게 쓰일 수 있다. 예를 들어, 응급 환자를 이송하는 구급차 내부에서 병원 추천부(26)를 통해 제2 환자 정보 등록 장치(300)에 제공되는 추천 병원 데이터가 활용됨으로써 응급 환자의 이송이 신속하게 이루어질 수 있다.
의사 진단 데이터 수신부(27)는 의사에 의해 환자에 대해 이루어진 진단에 관한 정보를 포함하는 의사 진단 데이터를 의사가 사용하는 제2 사용자 단말기(500)로부터 수신할 수 있다. 의사 진단 데이터 수신부(27)는 의사 진단 데이터를 통합 의사 DB(12)에 저장함과 동시에, 환자 정보 등록 장치(200, 300)로 송신할 수 있다. 또한, 의사 진단 데이터 수신부(27)는 의사 진단 데이터를 환자 또는 보호자가 사용하는 제1 사용자 단말기(400)로 송신할 수도 있다.
이처럼, 딥러닝 방식 기반의 환자 데이터 분석 서버(100)로부터 제공되는 환자 분류 결과 데이터, 예비 진단 데이터, 추천 의사 데이터 등을 활용하면 적은 수의 의료 인력으로도 효율적으로 응급 환자에 대한 처치를 수행할 수 있다. 환자 데이터 분석 서버(100)로부터의 다양한 데이터를 수신할 수 있는 환자 정보 등록 장치(200, 300)를 응급실 내부에 설치하거나, 구급차, 구조 헬기 내부에 설치하면, 보다 빠르고 효율적으로 환자 분류 및 예비 진단을 수행할 수 있으므로, 응급실의 과밀화와 혼잡화를 해소할 수 있다.
도 5는 도 1의 환자 정보 등록 장치(200, 300)의 예시적인 구성을 간략히 도시한 블록도이다. 도 6은 도 5의 제1 환자 정보 등록 장치(200)의 예시적인 구성을 간략히 도시한 것이다. 도 7은 도 5의 제2 환자 정보 등록 장치(300)의 다른 예시적인 구성을 간략히 도시한 것이다.
도 5를 참조하면, 환자 정보 등록 장치(200, 300)는 환자 식별 정보 데이터 입력 장치(40), 환자 생체 정보 데이터 측정 장치(50), 환자 상태 정보 데이터 수집 장치(70)와 환자 생체 정보 데이터, 황자 상태 정보 데이터를 표시하는 표시 장치(60)를 포함할 수 있다. 또한, 환자 정보 등록 장치(200, 300)는 환자 식별 정보 데이터, 환자 생체 정보 데이터 및 환자 상태 정보 데이터를 외부 서버로 송신하는 프로세서(미도시)를 더 포함할 수 있다. 여기서 '외부 서버'는 도 1 내지 도 4를 참조하여 설명한 환자 데이터 분석 서버(100)일 수 있다.
환자 식별 정보 데이터 입력 장치(40)는 터치 스크린(41), 지문 인식 장치(42), 및 홍채 인식 장치(43) 중 적어도 어느 하나를 포함할 수 있다. 환자는 지문 인식 장치(42) 또는 홍채 인식 장치(43)를 통해 지문 정보 또는 홍채 정보 등의 환자 생체 식별 정보를 환자 정보 등록 장치(200, 300)에 입력할 수 있다. 또는, 환자는 터치 스크린(41)에 환자 식별 정보를 직접 입력할 수 있다. 예를 들어, 환자는 터치 스크린(41)에 자신의 이름, 주민번호, 나이, 성별, 주소 등의 환자를 식별할 수 있는 다양한 종류의 정보 일체를 입력할 수 있다. 환자의 상태가 직접 환자 식별 정보를 환자 정보 등록 장치(200, 300)에 입력할 수 없을 정도로 위급한 경우, 보호자 또는 구급 대원이 다양한 종류의 환자 식별 정보 데이터 입력 장치(40)를 통해 환자 식별 정보를 환자 정보 등록 장치(200, 300)에 환자 대신에 입력할 수 있다.
한편, 터치 스크린(41)은 환자 상태 정보를 입력하는 데에도 활용될 수 있다. 예를 들어, 환자는 터치 스크린(41)을 활용하여 환자 상태 정보를 묘사하는 텍스트를 입력할 수 있고, 환자 정보 등록 장치(200, 300)에 내장된 챗봇에 의해 환자로부터의 환자의 상태에 관한 정보가 데이터화 될 수 있다.
환자 생체 정보 데이터 측정 장치(50)는 혈압 측정 장치(51), 체온 측정 장치(52), 산소 포화도 측정 장치(53), 및 신체 정보 측정 장치(54) 중 적어도 어느 하나를 포함할 수 있다. 또한, 환자 생체 정보 데이터 측정 장치(50)는 혈당 측정 장치(미도시)를 더 포함할 수 있다. 이처럼 환자 생체 정보 데이터 측정 장치(50)는 다양한 종류의 생체 정보를 측정할 수 있는 각종 센서들을 포함할 수 있다.
환자 상태 정보 데이터 수집 장치(70)는, 마이크(72)와 마이크(72)에 입력된 환자의 음성을 인식하는 AI 스피커(71)를 포함할 수 있다. 환자는 마이크(72)를 통해 환자의 상태 정보를 묘사하는 음성을 제공할 수 있고, AI 스피커(71)는 환자의 음성을 인식하여 환자로부터의 환자의 상태에 관한 정보를 데이터화 할 수 있다.
표시 장치(60)는 환자의 다양한 정보 데이터를 표시하는 장치로서, OLED, LCD등의 장치를 포함할 수 있다. 그러나 이에 한정되는 것은 아니며, 표시 장치(60)는 OLED, LCD 이외의 다양한 종류의 다른 표시 기능을 가지는 장치를 포함할 수 있다. 예를 들어, 표시 장치(60)는 환자 생체 정보 데이터, 환자 분류 결과 데이터, 환자 병력 정보 데이터, 예비 진단 데이터 등을 시각화하여 환자, 의사, 간호사 등이 시각적으로 인식할 수 있도록 표시할 수 있다.
도 6을 참조하면, 응급실 내부에 마련될 수 있는 제1 환자 정보 등록 장치(200)는 고정형으로 형성될 수 있다. 제1 환자 정보 등록 장치(200)는 몸체(201)의 일면에 마련된 터치 스크린(41), 지문 인식 장치(42), 홍채 인식 장치(43), 체온 측정 장치(52), 산소 포화도 측정 장치(53), AI 스피커(71), 및 마이크(72)를 포함할 수 있다. 이 경우, 터치 스크린(41)은 표시 장치(60)와 일체형으로 구현될 수 있다. 또한, 제1 환자 정보 등록 장치(200)는 몸체(201)의 좌측면에 마련된 사이드부(202) 상에 배치된 혈압 측정 장치(51)를 포함하고, 몸체(201)의 우측면에 마련된 체중계(56)와 신장 측정 장치(55)를 구비하는 신체 정보 측정 장치(54)를 포함할 수 있다. 그러나 이에 한정되는 것은 아니고, 제1 환자 정보 등록 장치(200)에 구비된 다양한 장치의 배치 구성은 필요에 따라 다양하게 변할 수 있다.
도 7을 참조하면, 응급 현장에 마련될 수 있는 제2 환자 정보 등록 장치(300)는 이동형으로 형성될 수 있다. 제2 환자 정보 등록 장치(300)는 몸체(301)의 일면에 마련된 지문 인식 장치(42), 홍채 인식 장치(43), 체온 측정 장치(52), 산소 포화도 측정 장치(53), AI 스피커(71), 및 마이크(72)를 포함할 수 있다. 이 경우, 터치 스크린(41)은 표시 장치(60)와 일체형으로 구현될 수 있다. 또한, 제2 환자 정보 등록 장치(300)는 몸체(301)의 우측면에 마련된 손잡이부(302)와 하단에 마련된 복수 개의 바퀴부(303)를 포함할 수 있다. 나아가, 제2 환자 정보 등록 장치(300)는 몸체(301) 상에 배치된 터치 스크린(41)과 혈압 측정 장치(51)를 포함할 수 있다. 그러나 이에 한정되는 것은 아니고, 제2 환자 정보 등록 장치(300)에 구비된 다양한 장치의 배치 구성은 필요에 따라 다양하게 변할 수 있다.
상기한 다양한 실시예들은 예시적인 것에 불과한 것으로, 당해 기술분야의 통상을 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 것을 이해할 수 있다. 따라서, 예시적인 다양한 실시예에 따른 진정한 기술적 보호범위는 하기의 특허청구범위에 기재된 발명의 기술적 사상에 의해 정해져야만 할 것이다.
10: 통합 환자 DB
11: 통합 진단 DB
12: 통합 의사 DB
13: 통합 병원 DB
21: 환자 데이터 수신부
22: 환자 데이터 검색부
23: 환자 데이터 분류부
24: 예비 진단 데이터 생성부
25: 의사 추천부
26: 병원 추천부
27: 의사 진단 데이터 수신부
100: 환자 데이터 분석 서버
200, 300: 환자 정보 등록 장치
400, 500: 사용자 단말기

Claims (12)

  1. 환자 정보 등록 장치와 네트워크를 통해 통신하는 딥러닝 방식 기반 환자 데이터 분석 서버에 있어서,
    상기 환자 정보 등록 장치로부터의 환자의 환자 식별 정보 데이터, 환자 생체 정보 데이터 및 환자 상태 정보 데이터를 상기 네트워크를 통해 수신하여 통합 환자 DB에 저장하는 환자 데이터 수신부;
    상기 환자 식별 정보 데이터에 대응되는 환자 병력 정보 데이터를 상기 통합 환자 DB에서 검색하는 환자 데이터 검색부;
    상기 환자 생체 정보 데이터, 환자 상태 정보 데이터 및 환자 병력 정보 데이터를 입력 변수로 하는 딥러닝 방식을 통해 환자의 상태를 분석하여 환자 분류를 수행하고, 상기 환자 분류에 따라 생성된 환자 분류 결과 데이터를 상기 통합 환자 DB에 저장함과 동시에 상기 환자 정보 등록 장치로 송신하는 환자 데이터 분류부; 및
    상기 통합 환자 DB로부터의 상기 환자 생체 정보 데이터, 환자 상태 정보 데이터, 환자 병력 정보 데이터 및 환자 분류 결과 데이터를 입력 변수로 하는 딥러닝 방식을 통해 예비 진단 데이터를 생성하고, 상기 예비 진단 데이터를 통합 진단 DB에 저장함과 동시에 상기 환자 정보 등록 장치로 송신하는 예비 진단 데이터 생성부; 를 포함하는 환자 데이터 분석 서버.
  2. 제1 항에 있어서,
    상기 환자의 환자 생체 정보 데이터, 환자 병력 정보 데이터, 환자 상태 정보 데이터 및 환자 분류 결과 데이터를 입력 변수로 하는 딥러닝 방식을 통해 상기 환자에게 적합한 의사와 관련된 추천 의사 데이터를 생성하고, 상기 추천 의사 데이터를 통합 의사 DB에 저장함과 동시에 상기 환자 정보 등록 장치로 송신하는 의사 추천부; 를 더 포함하는, 환자 데이터 분석 서버.
  3. 제2 항에 있어서,
    상기 환자 분류 결과 데이터 생성부는 상기 환자 분류 결과 데이터를 상기 예비 진단 데이터를 상기 의사가 사용하는 의사 단말기로 송신하고, 상기 예비 진단 데이터 생성부는 상기 예비 진단 데이터를 상기 의사 단말기로 송신하는, 환자 데이터 분석 서버.
  4. 제3 항에 있어서,
    상기 의사 단말기로부터의 상기 환자에 대한 상기 의사의 의사 진단 데이터를 수신하고, 상기 의사 진단 데이터를 통합 의사 DB에 저장함과 동시에 상기 환자 정보 등록 장치로 송신하는 의사 진단 데이터 수신부; 를 더 포함하는, 환자 데이터 분석 서버.
  5. 제1 항에 있어서,
    상기 환자 정보 등록 장치의 위치 정보를 기반으로 상기 환자 정보 등록 장치로부터 최단 거리에 있는 병원과 관련된 추천 병원 데이터를 통합 병원 DB에서 검색하고, 상기 추천 병원 데이터를 상기 환자 정보 등록 장치로 송신하는 병원 추천부; 를 더 포함하는, 환자 데이터 분석 서버.
  6. 제1 항에 있어서,
    상기 환자 분류 결과 데이터 생성부는 상기 환자 분류 결과 데이터를 상기 환자 또는 보호자가 사용하는 사용자 단말기에 송신하고, 상기 예비 진단 데이터 생성부는 상기 예비 진단 데이터를 상기 환자 또는 보호자가 사용하는 사용자 단말기에 송신하는, 환자 데이터 분석 서버.
  7. 환자 식별 정보 데이터 입력 장치;
    환자 생체 정보 데이터 측정 장치;
    환자 상태 정보 데이터 수집 장치;
    상기 환자 생체 정보 데이터, 황자 상태 정보 데이터를 표시하는 표시 장치; 및
    상기 환자 식별 정보 데이터, 환자 생체 정보 데이터 및 환자 상태 정보 데이터를 외부 서버로 송신하는 프로세서; 를 포함하는 환자 정보 등록 장치.
  8. 제7 항에 있어서,
    상기 환자 식별 정보 데이터 입력 장치는 터치 스크린, 지문 인식 장치, 및 홍채 인식 장치 중 적어도 어느 하나를 포함하는, 환자 정보 등록 장치.
  9. 제7 항에 있어서,
    상기 환자 생체 정보 데이터 측정 장치는, 혈압 측정 장치, 체온 측정 장치, 산소 포화도 측정 장치, 신체 정보 측정 장치, 및 혈당 측정 장치 중 적어도 어느 하나를 포함하는, 환자 정보 등록 장치.
  10. 제7 항에 있어서,
    상기 환자 상태 정보 데이터 수집 장치는, 마이크와 상기 마이크에 입력된 환자의 음성을 인식하는 AI 스피커를 포함하는, 환자 정보 등록 장치.
  11. 환자 식별 정보 데이터 입력 장치, 환자 생체 정보 데이터 측정 장치, 환자 상태 정보 데이터 수집 장치, 상기 환자 생체 정보 데이터, 황자 상태 정보 데이터를 표시하는 디스플레이 장치 및 상기 환자 식별 정보 데이터, 환자 생체 정보 데이터 및 환자 상태 정보 데이터를 외부 서버로 전송하는 프로세서를 포함하는 환자 정보 등록 장치; 및
    상기 환자 정보 등록 장치로부터의 환자의 환자 식별 정보 데이터, 환자 생체 정보 데이터 및 환자 상태 정보 데이터를 네트워크를 통해 수신하여 통합 환자 DB에 저장하는 환자 데이터 수신부, 상기 환자 식별 정보 데이터에 대응되는 환자 병력 정보 데이터를 상기 통합 환자 DB에서 검색하는 환자 데이터 검색부, 상기 환자 생체 정보 데이터, 환자 상태 정보 데이터 및 상기 환자 병력 정보 데이터를 입력 변수로 하는 딥러닝 방식을 통해 환자의 상태를 분석하여 환자 분류를 수행하고, 상기 환자 분류에 따라 생성된 환자 분류 결과 데이터를 상기 통합 환자 DB에 저장함과 동시에 상기 환자 정보 등록 장치로 송신하는 환자 데이터 분류부 및 상기 통합 환자 DB로부터의 상기 환자 생체 정보 데이터, 환자 상태 정보 데이터, 환자 병력 정보 데이터 및 환자 분류 결과 데이터를 입력 변수로 하는 딥러닝 방식을 통해 예비 진단 데이터를 생성하고, 상기 예비 진단 데이터를 통합 진단 DB에 저장함과 동시에 상기 환자 정보 등록 장치로 송신하는 예비 진단 데이터 생성부를 포함하는 환자 데이터 분석 서버; 를 포함하는 환자 데이터 분석 시스템.
  12. 제11 항에 있어서,
    상기 환자의 환자 생체 정보 데이터, 환자 병력 정보 데이터, 환자 상태 정보 데이터 및 환자 분류 결과 데이터를 입력 변수로 하는 딥러닝 방식을 통해 상기 환자에게 적합한 의사와 관련된 추천 의사 데이터를 생성하고, 상기 추천 의사 데이터를 통합 의사 DB에 저장함과 동시에 상기 환자 정보 등록 장치로 송신하는 의사 추천부; 를 더 포함하는, 환자 데이터 분석 시스템.
KR1020210149893A 2021-11-03 2021-11-03 환자 정보 등록 장치, 환자 정보 등록 장치와 통신하는 환자 데이터 분석 서버 및 환자 데이터 분석 시스템 KR20230064694A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210149893A KR20230064694A (ko) 2021-11-03 2021-11-03 환자 정보 등록 장치, 환자 정보 등록 장치와 통신하는 환자 데이터 분석 서버 및 환자 데이터 분석 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210149893A KR20230064694A (ko) 2021-11-03 2021-11-03 환자 정보 등록 장치, 환자 정보 등록 장치와 통신하는 환자 데이터 분석 서버 및 환자 데이터 분석 시스템

Publications (1)

Publication Number Publication Date
KR20230064694A true KR20230064694A (ko) 2023-05-11

Family

ID=86379283

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210149893A KR20230064694A (ko) 2021-11-03 2021-11-03 환자 정보 등록 장치, 환자 정보 등록 장치와 통신하는 환자 데이터 분석 서버 및 환자 데이터 분석 시스템

Country Status (1)

Country Link
KR (1) KR20230064694A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116825265A (zh) * 2023-08-29 2023-09-29 先临三维科技股份有限公司 就诊记录处理方法、装置、电子设备及存储介质
KR102637640B1 (ko) * 2023-06-19 2024-02-19 (주)유신씨앤씨 환자의 상태에 따른 의사 매칭 방법 및 이를 수행하는 장치

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102637640B1 (ko) * 2023-06-19 2024-02-19 (주)유신씨앤씨 환자의 상태에 따른 의사 매칭 방법 및 이를 수행하는 장치
CN116825265A (zh) * 2023-08-29 2023-09-29 先临三维科技股份有限公司 就诊记录处理方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
US9300925B1 (en) Managing multi-user access to controlled locations in a facility
Chen et al. A smart machine learning model for the detection of brain hemorrhage diagnosis based internet of things in smart cities
KR20230064694A (ko) 환자 정보 등록 장치, 환자 정보 등록 장치와 통신하는 환자 데이터 분석 서버 및 환자 데이터 분석 시스템
US20200126660A1 (en) Systems and methods for transitions of care
Mandava et al. Cyber-healthcare for public healthcare in the developing world
CN107092799B (zh) 一种基于云计算的生命体征数据管理系统及方法
KR102479692B1 (ko) 빅데이터 및 클라우드 시스템 기반 인공지능 응급의료 의사결정 및 응급환자 이송 시스템과 그 방법
CN105162880A (zh) 一种acs区域化协同救治网络系统及其辅助决策方法
US11328815B2 (en) Physical measurement of empirical indicators of patient-related outcome value using time and motion sensor results
Dridi et al. A smart IoT platform for personalized healthcare monitoring using semantic technologies
US20220157474A1 (en) Automated susceptibility identification and alerting in infectious disease outbreaks
KR102234025B1 (ko) 전세계 통합 헬스케어 서비스 제공 시스템
Khowaja et al. VIRFIM: an AI and Internet of Medical Things-driven framework for healthcare using smart sensors
Singh et al. Stress recognition with multi‐modal sensing using bootstrapped ensemble deep learning model
Awotunde et al. An enhanced cloud-IoMT-based and machine learning for effective COVID-19 diagnosis system
Khowaja et al. Internet of Everything enabled solution for COVID-19, its new variants and future pandemics: Framework, Challenges, and Research Directions
KR102345215B1 (ko) 진단을 통한 건강 관리 정보 제공 장치, 시스템 및 방법
WO2024035376A1 (en) Artificial intelligence based triage system and working method thereof
Noubiap et al. Local innovation for improving primary care cardiology in resource-limited African settings: an insight on the Cardio Pad® project in Cameroon
US20220189639A1 (en) Healthcare device, system, and method
Isravel et al. A novel framework for quality care in assisting chronically impaired patients with ubiquitous computing and ambient intelligence technologies
Singhal et al. Context awareness for healthcare service delivery with intelligent sensors
KR20190066138A (ko) 사용자 활동을 모델링하는 방법, 장치 및 컴퓨터 프로그램
Pandey et al. Cloud computing methods based on IoT for better patient data planning: A research
Misra et al. i-avr: Iot-based ambulatory vitals monitoring and recommender system