KR20230075753A - 사용자의 치매 정도 결정 방법 및 장치 - Google Patents
사용자의 치매 정도 결정 방법 및 장치 Download PDFInfo
- Publication number
- KR20230075753A KR20230075753A KR1020210162244A KR20210162244A KR20230075753A KR 20230075753 A KR20230075753 A KR 20230075753A KR 1020210162244 A KR1020210162244 A KR 1020210162244A KR 20210162244 A KR20210162244 A KR 20210162244A KR 20230075753 A KR20230075753 A KR 20230075753A
- Authority
- KR
- South Korea
- Prior art keywords
- dementia
- degree
- user
- value
- determining
- Prior art date
Links
- 206010012289 Dementia Diseases 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 title claims description 26
- 239000000090 biomarker Substances 0.000 claims abstract description 20
- 108090000623 proteins and genes Proteins 0.000 claims description 16
- 210000000476 body water Anatomy 0.000 claims description 5
- 235000013861 fat-free Nutrition 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 2
- 101150037123 APOE gene Proteins 0.000 claims 2
- 102100029470 Apolipoprotein E Human genes 0.000 claims 2
- 238000004891 communication Methods 0.000 description 11
- 208000024827 Alzheimer disease Diseases 0.000 description 9
- 208000010877 cognitive disease Diseases 0.000 description 8
- 208000027061 mild cognitive impairment Diseases 0.000 description 8
- 238000012360 testing method Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000013399 early diagnosis Methods 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- TVEXGJYMHHTVKP-UHFFFAOYSA-N 6-oxabicyclo[3.2.1]oct-3-en-7-one Chemical compound C1C2C(=O)OC1C=CC2 TVEXGJYMHHTVKP-UHFFFAOYSA-N 0.000 description 1
- 206010010144 Completed suicide Diseases 0.000 description 1
- 101710204837 Envelope small membrane protein Proteins 0.000 description 1
- 101710088839 Replication initiation protein Proteins 0.000 description 1
- 238000000692 Student's t-test Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000003920 cognitive function Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 206010027175 memory impairment Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007106 neurocognition Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 238000013102 re-test Methods 0.000 description 1
- 238000012353 t test Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
- A61B5/0537—Measuring body composition by impedance, e.g. tissue hydration or fat content
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4869—Determining body composition
- A61B5/4872—Body fat
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4869—Determining body composition
- A61B5/4875—Hydration status, fluid retention of the body
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Neurology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Physiology (AREA)
- Neurosurgery (AREA)
- Psychology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Psychiatry (AREA)
- Hospice & Palliative Care (AREA)
- Developmental Disabilities (AREA)
- Child & Adolescent Psychology (AREA)
- Eye Examination Apparatus (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
일 예에 따른, 치매 정도를 결정하기 위해, 사용자가 미리 설정된 바이오 마커를 보유하고 있는지 여부를 결정하고, 사용자가 바이오 마커를 보유한 경우, 사용자의 생체 임피던스의 값을 측정하고, 생체 임피던스의 값에 기초하여 사용자의 치매 정도를 결정하고, 결정된 치매 정도를 출력할 수 있다.
Description
기술 분야는 사용자의 치매 레벨을 결정하는 기술에 관한 것으로, 특히, 특정 유전자를 보유하고 있는 검사자에 대한 치매 레벨을 결정하는 장치 및 방법에 관한 것이다.
치매는 사회 고령화와 함께 노년기 삶의 가장 심각한 질환으로 지난 10년간 급격한 증가세를 보이고 있으며 사회·경제적 비용도 급증하는 추세이다. 또한 환자가 독립적으로 생활할 수 없고, 실종, 자살 등 본인의 삶 뿐만 아니라 돌보는 가족에게도 큰 고통을 주는 질환이다. 치매는 조기진단과 적절한 치료로 추가적인 인지기능의 저하를 막거나 늦출 수 있으나 이 질환의 기존 조기진단에는 문제점이 있다. 기존에는 병원 등 전문의료기관을 방문해야 하므로, 건망증이 심해졌다고 느끼고 내원하는 환자 중 이미 경도인지장애(MCI) 또는 알츠하이머병(AD)으로 진행된 사람이 많고, 진단을 위한 신경인지기능검사(SNSB-II, CERAD-K 등)는 충분한 경험과 노하우를 갖춘 의료진을 통해야 높은 신뢰도를 기대할 수 있으며, 자기공명검사(MRI)나 단일광자방출촬영(SPECT), 양전자단층촬영(PET), 뇌척수액검사 등은 진단 비용이 고가일 뿐만 아니라 진단을 받는 환자의 불편도 크다.
일 실시예는 사용자의 치매 정도를 결정하는 장치 및 방법을 제공할 수 있다.
일 실시예는 사용자의 생체 임피던스에 기초하여 사용자의 치매 정도를 결정하는 장치 및 방법을 제공할 수 있다.
다만, 기술적 과제는 상술한 기술적 과제들로 한정되는 것은 아니며, 또 다른 기술적 과제들이 존재할 수 있다.
일 실시 예에 따른, 전자 장치에 의해 수행되는 치매 정도를 결정하는 방법은, 사용자가 미리 설정된 바이오 마커를 보유하고 있는지 여부를 결정하는 동작, 상기 사용자가 상기 바이오 마커를 보유한 경우, 상기 사용자의 생체 임피던스의 값을 측정하는 동작, 상기 생체 임피던스의 값에 기초하여 상기 사용자의 치매 정도를 결정하는 동작, 및 상기 결정된 치매 정도를 출력하는 동작을 포함할 수 있다.
상기 바이오 마커는 APOE(apolipop roteinE) ε4/ε4 유전자일 수 있다.
상기 생체 임피던스의 값은, 상기 사용자의 왼쪽 팔의 임피던스 정보 및 오른쪽 팔의 임피던스 정보를 포함할 수 있다.
상기 생체 임피던스의 값에 기초하여 상기 사용자의 치매 정도를 결정하는 동작은, 상기 생체 임피던스의 값을 입력으로 하는 치매 정도 결정 모델을 이용하여 상기 사용자의 상기 치매 정도를 결정하는 동작을 포함할 수 있다.
상기 치매 정도 결정 모델은 상기 사용자의 총수분량(total body water: TBW) 대비 제지방체중(fat-free mass: FFM)의 값을 더 이용하여 상기 사용자의 상기 치매 정도를 결정할 수 있다.
상기 치매 정도 결정 모델은 상기 사용자의 인구학적 정보를 더 이용하여 상기 사용자의 상기 치매 정도를 결정할 수 있다.
상기 치매 정도 결정 방법은, 상기 결정된 치매 정도가 미리 설정된 제1 범위인 경우, 상기 사용자에게 정밀 검진을 제안하는 메시지를 출력하는 동작을 더 포함할 수 있다.
상기 치매 정도 결정 방법은, 상기 결정된 치매 정도가 미리 설정된 제2 범위인 경우, 상기 사용자에게 미리 설정된 제1 기간 이후에 재검사를 제안하는 메시지를 출력하는 동작을 더 포함할 수 있다.
상기 치매 정도 결정 방법은, 상기 결정된 치매 정도가 미리 설정된 제3 범위인 경우, 상기 사용자에게 미리 설정된 제2 기간 이후에 재검사를 제안하는 메시지를 출력하는 동작을 더 포함할 수 있다. ε
일 실시 예에 따른, 전자 장치는, 사용자의 치매 정도를 결정하는 프로그램이 기록된 메모리, 및 상기 프로그램을 수행하는 프로세서를 포함하고, 상기 프로그램은, 사용자가 미리 설정된 바이오 마커를 보유하고 있는지 여부를 결정하는 동작, 상기 사용자가 상기 바이오 마커를 보유한 경우, 상기 사용자의 생체 임피던스의 값을 측정하는 동작, 상기 생체 임피던스의 값에 기초하여 상기 사용자의 치매 정도를 결정하는 동작, 및 상기 결정된 치매 정도를 출력하는 동작을 수행할 수 있다.
상기 바이오 마커는 APOE(apolipop roteinE) ε4/ε4 유전자일 수 있다.
상기 생체 임피던스의 값은, 상기 사용자의 왼쪽 팔의 임피던스 정보 및 오른쪽 팔의 임피던스 정보를 포함할 수 있다.
상기 생체 임피던스의 값에 기초하여 상기 사용자의 치매 정도를 결정하는 동작은, 상기 생체 임피던스의 값을 입력으로 하는 치매 정도 결정 모델을 이용하여 상기 사용자의 상기 치매 정도를 결정하는 동작을 포함할 수 있다.
상기 치매 정도 결정 모델은 상기 사용자의 총수분량(total body water: TBW) 대비 제지방체중(fat-free mass: FFM)의 값 및 상기 사용자의 인구학적 정보를 더 이용하여 상기 사용자의 상기 치매 정도를 결정할 수 있다.
사용자의 치매 정도를 결정하는 장치 및 방법이 제공될 수 있다.
사용자의 생체 임피던스에 기초하여 사용자의 치매 정도를 결정하는 장치 및 방법이 제공될 수 있다.
도 1은 일 예에 따른 치매 정도 결정 시스템을 도시한다.
도 2는 일 실시 예에 따른 전자 장치의 구성도이다.
도 3은 일 실시 예에 따른 치매 정도 결정 방법의 흐름도이다.
도 4는 일 예에 따른 치매 정도 결정 모델의 ROC 커브를 도시한다.
도 5는 일 예에 치매 위험도 예측 방법의 개념도를 도시한다.
도 2는 일 실시 예에 따른 전자 장치의 구성도이다.
도 3은 일 실시 예에 따른 치매 정도 결정 방법의 흐름도이다.
도 4는 일 예에 따른 치매 정도 결정 모델의 ROC 커브를 도시한다.
도 5는 일 예에 치매 위험도 예측 방법의 개념도를 도시한다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 구현될 수 있다. 따라서, 실제 구현되는 형태는 개시된 특정 실시예로만 한정되는 것이 아니며, 본 명세서의 범위는 실시예들로 설명한 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 일 예에 따른 치매 정도 결정 시스템을 도시한다.
알려진 통계에 따르면, APOE(apolipop roteinE) 유전자를 보유한 사람의 치매 비율은 아래의 [표 1]과 같다.
| gene | 정상 | MCI | AD | 비율(%) |
| ε2/ε3 | 48 | 11 | 1 | 20 |
| ε2/ε4 | 27 | 7 | 1 | 22.86 |
| ε3/ε3 | 247 | 115 | 5 | 32.70 |
| ε3/ε4 | 393 | 169 | 11 | 31.41 |
| ε4/ε4 | 13 | 18 | 1 | 15.38 |
이에 따라, 치매 위험도가 높은 유전자로 알려진 APOE ε4/ε4 유전자를 보유하고 있는 사람은 자신에게 치매가 진행되고 있는지를 쉽게 알기를 원할 수 있다.
아래에서는, 피검사자의 치매 정도를 결정하기 위해 피검사자의 생체 임피던스를 이용하는 방법이 상세하게 설명된다. 피검사자는 비교적 간단한 방법인 생체 임피던스를 측정함으로써 치매 정도가 어느 정도인지를 수치적으로 모니터링할 수 있다.
일 실시 예에 따르면, 치매 정도 결정 시스템은 전자 장치(120) 및 디스플레이(130)를 더 포함할 수 있다. 예를 들어, 치매 정도 결정 시스템은 사용자(110)의 생체 정보를 수신하고, 생체 정보에 기초하여 사용자의 치매 정도를 결정하고, 결정된 치매 정도를 디스플레이(130)를 통해 사용자 또는 시스템의 관리자에게 출력할 수 있다.
일 실시 예에 따르면, 치매 정도는 미리 결정된 복수의 레벨들 중 어느 하나의 레벨로 결정될 수 있다. 예를 들어, 미리 결정된 복수의 레벨들은 정상, 경도인지장애(MCI) 및 알츠하이머병(AD)을 포함할 수 있다.
일 실시 예에 따르면, 치매 정도는 미리 결정 범위(예: 0 내지 1) 내의 값일 수 있다. 예를 들어, 치매 정도가 1에 가까울수록 AD가 우려되는 상태일 수 있다.
일 실시 예에 따르면, 전자 장치(120)는 수신된 사용자(110)의 생체 정보를 입력으로 하는 치매 정도 결정 모델에 기초하여 사용자(110)의 치매 정도를 결정할 수 있다. 예를 들어, 치매 정도 결정 모델은 신경망에 기반하여 미리 훈련된 모델일 수 있다. 다른 예로, 치매 정도 결정 모델은 수신된 입력들을 미리 설정된 계산 알고리즘에 입력하고, 그 결과로서 치매 정도를 출력할 수 있다.
아래에서는 도 2 내지 도 4를 참조하여 사용자의 치매 정도를 결정하는 방법에 대해 상세히 설명된다.
도 2는 일 실시 예에 따른 전자 장치의 구성도이다.
일 측면에 따른, 전자 장치(200)(예: 도 1의 전자 장치(120))는 통신부(210), 프로세서(220), 및 메모리(230)를 포함한다. 추가적으로 전자 장치(200)는 디스플레이(예: 도 1의 디스플레이(130))를 더 포함할 수 있다.
통신부(210)는 프로세서(220), 및 메모리(230))와 연결되어 데이터를 송수신한다. 통신부(210)는 외부의 다른 장치와 연결되어 데이터를 송수신할 수 있다. 이하에서 "A"를 송수신한다라는 표현은 "A를 나타내는 정보(information) 또는 데이터"를 송수신하는 것을 나타낼 수 있다.
통신부(210)는 전자 장치(200) 내의 회로망(circuitry)으로 구현될 수 있다. 예를 들어, 통신부(210)는 내부 버스(internal bus) 및 외부 버스(external bus)를 포함할 수 있다. 다른 예로, 통신부(210)는 전자 장치(200)와 외부의 장치를 연결하는 요소일 수 있다. 통신부(210)는 인터페이스(interface)일 수 있다. 통신부(210)는 외부의 장치로부터 데이터를 수신하여, 프로세서(220) 및 메모리(230)에 데이터를 전송할 수 있다.
프로세서(220)는 통신부(210)가 수신한 데이터 및 메모리(230)에 저장된 데이터를 처리한다. "프로세서"는 목적하는 동작들(desired operations)을 실행시키기 위한 물리적인 구조를 갖는 회로를 가지는 하드웨어로 구현된 데이터 처리 장치일 수 있다. 예를 들어, 목적하는 동작들은 프로그램에 포함된 코드(code) 또는 인스트럭션들(instructions)을 포함할 수 있다. 예를 들어, 하드웨어로 구현된 데이터 처리 장치는 마이크로프로세서(microprocessor), 중앙 처리 장치(central processing unit), 프로세서 코어(processor core), 멀티-코어 프로세서(multi-core processor), 멀티프로세서(multiprocessor), ASIC(Application-Specific Integrated Circuit), FPGA(Field Programmable Gate Array)를 포함할 수 있다.
프로세서(220)는 메모리(예를 들어, 메모리(230))에 저장된 컴퓨터로 읽을 수 있는 코드(예를 들어, 소프트웨어) 및 프로세서(220)에 의해 유발된 인스트럭션들을 실행한다.
메모리(230)는 통신부(210)가 수신한 데이터 및 프로세서(220)가 처리한 데이터를 저장한다. 예를 들어, 메모리(230)는 프로그램(또는 어플리케이션, 소프트웨어)을 저장할 수 있다. 저장되는 프로그램은 이미지를 생성할 수 있도록 코딩되어 프로세서(220)에 의해 실행 가능한 신텍스(syntax)들의 집합일 수 있다.
일 측면에 따르면, 메모리(230)는 하나 이상의 휘발성 메모리, 비휘발성 메모리 및 RAM(Random Access Memory), 플래시 메모리, 하드 디스크 드라이브 및 광학 디스크 드라이브를 포함할 수 있다.
메모리(230)는 전자 장치(200)를 동작 시키는 명령어 세트(예를 들어, 소프트웨어)를 저장한다. 전자 장치(200)를 동작 시키는 명령어 세트는 프로세서(220)에 의해 실행된다.
통신부(210), 프로세서(220), 및 메모리(230)에 대해, 아래에서 도 3 내지 도 4를 참조하여 상세히 설명된다.
도 3은 일 실시 예에 따른 치매 정도 결정 방법의 흐름도이다.
아래의 동작들 310 내지 340은 도 2를 참조하여 전술된 전자 장치(200)에 의해 수행될 수 있다.
동작 310에서, 전자 장치(200)는 사용자가 미리 설정된 바이오 마커를 보유하고 있는지 여부를 결정할 수 있다. 예를 들어, 미리 설정된 바이오 마커는 APOE ε4/ε4 유전자일 수 있다.
일 실시 예에 따르면, 전자 장치(200)는 사용자의 DNA 내에 APOE ε4/ε4 유전자가 존재하는지 여부를 결정할 수 있는 장치로부터 사용자가 바이오 마커를 보유하고 있는지 여부를 수신할 수 있다.
일 실시 예에 따르면, 전자 장치(200)는 사용자 또는 관리자로부터 사용자가 바이오 마커를 보유하고 있는지 여부를 수신할 수 있다.
동작 320에서, 전자 장치(200)는 사용자가 바이오 마커를 보유한 경우 사용자의 생체 임피던스 값을 측정할 수 있다.
일 실시 예에 따르면, 생체 임피던스 값은 사용자의 왼쪽 팔(left arm: LA), 오른쪽 팔(right arm: RA), 왼쪽 다리(left leg: LL) 및 오른쪽 다리(right leg: RL)의 임피던스 정보들을 포함할 수 있다. 예를 들어, 1KHz, 5KHz, 50KHz, 250KHz, 500KHz, 및 1MHz 각각의 전류에 대한 임피던스 정보들이 측정될 수 있다.
일 실시 예에 따르면, 생체 임피던스 값은 사용자의 총수분량(total body water: TBW) 대비 제지방체중(fat-free mass: FFM)의 값을 더 포함할 수 있다.
아래의 [표 2]는 APOE ε4/ε4 유전자의 정상군과 MCI군에 대한 t-test 결과를 나타낸다.
 |
p.value란 관찰된 데이터의 검정 통계량이 귀무가설을 지지하는 정도를 확률로 표현한 것이라 할 수 있다. 즉, p.value는 귀무가설이 옳다는 가정하에 얻어진 검정 통계량보다 더 극단적인 결과가 나올 확률이다. 따라서 p.value가 작을수록 귀무가설을 지지하는 정도가 약하므로 귀무가설을 기각하게 되며, p.value가 클수록 귀무가설을 지지하는 정도가 커짐으로 귀무가설을 채택하게 된다. 귀무가설은 귀무가정 또는 영가설이라고도 한다. 가설의 검정을 할 때에 비교되는 2개의 표본집단의 결과차가 확실히 조건차가 있다고 생각되는 경우 또는 동일 모집단에 귀속하고 있지 않다고 생각되는 경우 그 추측과는 반대의 가설을 설정하는 것일 수 있다.
동작 330에서, 전자 장치(200)는 생체 임피던스 값에 기초하여 사용자의 치매 정도를 결정할 수 있다.
일 실시 예에 따르면, 전자 장치(200)는 생체 임피던스의 값을 입력으로 하는 치매 정도 결정 모델을 이용하여 사용자의 치매 정도를 결정할 수 있다. 예를 들어, 치매 정도 결정 모델은 로지스틱 회귀 모델일 수 있다. 아래에서 도 4를 참조하여 로지스틱 회귀 모델의 ROC(receiver operation characteristic) 커브에 대해 상세히 설명된다.
일 실시 예에 따르면, 치매 정도 결정 모델은 APOE ε4/ε4 유전자의 정상인들의 생체 임피던스 값들, MCI 환자들의 생체 임피던스 값들 및 AD 환자들의 생체 임피던스 값들에 기초하여 미리 훈련된 모델일 수 있다. 예를 들어, 치매 정도 결정 모델에 의해 출력되는 치매 정도의 값이 미리 결정 범위(예: 0 내지 1) 내의 값일 수 있다. 예를 들어, 치매 정도가 1에 가까울수록 AD가 우려되는 상태일 수 있다.
추가적으로, 치매 정도 결정 모델은 인구학적 정보를 더 이용하여 미리 훈련될 수 있다. 예를 들어, 인구학적 정보는 APOE ε4/ε4 유전자의 정상인들의 인구학적 정보, MCI 환자들의 인구학적 정보 및 AD 환자들의 인구학적 정보를 포함할 수 있다. 인구학적 정보는 해당 사람의 키, 몸무게, 나이, BMI(body mass index) 등을 포함할 수 있다. 치매 정도 결정 모델이 인구학적 정보에 기초하여 훈련된 경우, 사용자의 인구학적 정보가 생체 임피던스의 값과 함께 치매 정도 결정 모델에 입력될 수 있다.
동작 340에서, 전자 장치(200)는 결정된 치매 정도를 출력할 수 있다.
일 실시 예에 따르면, 전자 장치(200)는 결정된 치매 정도와 함께 해당 치매 정도와 관련된 정보를 추가로 출력하는 동작이 수행될 수 있다.
예를 들어, 전자 장치(200)는 결정된 치매 정도가 미리 설정된 제1 범위(예: 0.7 이상이고, 1 미만)인 경우, 상기 사용자에게 정밀 검진을 제안하는 메시지를 출력할 수 있다. 정밀 검진을 제안 받은 사용자는 자기 공명 영상장치를 이용한 진단 방법을 통해 의료 기관에서 치매 진단을 위한 정밀 검진을 수행할 수 있다.
다른 예로, 전자 장치(200)는 결정된 치매 정도가 미리 설정된 제2 범위(예: 0.5 이상이고, 0.7 미만)인 경우, 사용자에게 미리 설정된 제1 기간 이후(예: 6개월 이내)에 재검사를 제안하는 메시지를 출력할 수 있다. 제1 시간 이후에 재검사를 제안 받은 사용자는 치매 정도가 변화하는 것을 모니터링하기 위해 상기의 동작들을 재수행할 수 있다.
또 다른 예로, 전자 장치(200)는 결정된 치매 정도가 미리 설정된 제3 범위(예: 0.5 미만)인 경우, 사용자에게 미리 설정된 제2 기간 이후(예: 6개월 이후 1년 이내)에 재검사를 제안하는 메시지를 출력할 수 있다. 제2 시간 이후에 재검사를 제안 받은 사용자는 치매 정도가 변화하는 것을 모니터링하기 위해 상기의 동작들을 재수행할 수 있다.
도 4는 일 예에 따른 치매 정도 결정 모델의 ROC 커브를 도시한다.
일 실시 예에 따른, APOE ε4/ε4 유전자의 보유군의 생체 임피던스 값 및 인구학적 정보에 기초하여 생성된 치매 정도 결정 모델의 ROC 커브가 도시된다. 예를 들어, 도시된 치매 정도 결정 모델의 AUC(area under the ROC)의 값은 0.885를 나타낼 수 있다. AUC의 값이 0.885인 경우 해당 모델은 중등도의 예측 정확도를 가진 것으로 평가될 수 있다.
도 5는 일 예에 치매 위험도 예측 방법의 개념도를 도시한다.
도 1 내지 도 4를 참조하여 전술된 치매 정도 결정 시스템은 치매 정도 결정 시스템과 관련된 추가의 장치 또는 기관과 연계될 수 있다.
일 실시 예에 따르면, 치매 정도 결정 시스템은 사용자가 APOE ε4/ε4 유전자를 보유하고 있는지 여부를 검사할 수 있는 장치 또는 시설과 연계될 수 있다.
일 실시 예에 따르면, 치매 정도 결정 시스템은 사용자의 생체 임피던스를 직접적으로 측정할 수 있는 센싱 장치 또는 시설과 연계될 수 있다.
일 실시 예에 따르면, 치매 정도 결정 시스템은 결정된 사용자의 치매 정도가 제1 범위(예: 0.7 이상이고, 1 미만)에 해당하는 경우, 자기 공명 영상장치를 제공할 수 있는 기관과 연계하여 사용자가 치매 진단을 위한 정밀 검진을 수행할 수 있도록 할 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
Claims (15)
- 전자 장치에 의해 수행되는, 치매 정도를 결정하는 방법은,
사용자가 미리 설정된 바이오 마커를 보유하고 있는지 여부를 결정하는 동작;
상기 사용자가 상기 바이오 마커를 보유한 경우, 상기 사용자의 생체 임피던스의 값을 측정하는 동작;
상기 생체 임피던스의 값에 기초하여 상기 사용자의 치매 정도를 결정하는 동작; 및
상기 결정된 치매 정도를 출력하는 동작
을 포함하는,
치매 정도 결정 방법.
- 제1항에 있어서,
상기 바이오 마커는 APOE(apolipop roteinE) ε4/ε4 유전자인,
치매 정도 결정 방법.
- 제1항에 있어서,
상기 생체 임피던스의 값은,
상기 사용자의 왼쪽 팔의 임피던스 정보 및 오른쪽 팔의 임피던스 정보를 포함하는,
치매 정도 결정 방법.
- 제1항에 있어서,
상기 생체 임피던스의 값에 기초하여 상기 사용자의 치매 정도를 결정하는 동작은,
상기 생체 임피던스의 값을 입력으로 하는 치매 정도 결정 모델을 이용하여 상기 사용자의 상기 치매 정도를 결정하는 동작
을 포함하는,
치매 정도 결정 방법.
- 제4항에 있어서,
상기 치매 정도 결정 모델은 상기 사용자의 총수분량(total body water: TBW) 대비 제지방체중(fat-free mass: FFM)의 값을 더 이용하여 상기 사용자의 상기 치매 정도를 결정하는,
치매 정도 결정 방법.
- 제5항에 있어서,
상기 치매 정도 결정 모델은 상기 사용자의 인구학적 정보를 더 이용하여 상기 사용자의 상기 치매 정도를 결정하는,
치매 정도 결정 방법.
- 제1항에 있어서,
상기 결정된 치매 정도가 미리 설정된 제1 범위인 경우, 상기 사용자에게 정밀 검진을 제안하는 메시지를 출력하는 동작
을 더 포함하는,
치매 정도 결정 방법.
- 제1항에 있어서,
상기 결정된 치매 정도가 미리 설정된 제2 범위인 경우, 상기 사용자에게 미리 설정된 제1 기간 이후에 재검사를 제안하는 메시지를 출력하는 동작
을 더 포함하는,
치매 정도 결정 방법.
- 제1항에 있어서,
상기 결정된 치매 정도가 미리 설정된 제3 범위인 경우, 상기 사용자에게 미리 설정된 제2 기간 이후에 재검사를 제안하는 메시지를 출력하는 동작
을 더 포함하는,
치매 정도 결정 방법.
- 하드웨어와 결합되어 제1항 내지 제9항의 방법 중 어느 하나를 실행시키기 위하여 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.
- 전자 장치는,
사용자의 치매 정도를 결정하는 프로그램이 기록된 메모리; 및
상기 프로그램을 수행하는 프로세서
를 포함하고,
상기 프로그램은,
사용자가 미리 설정된 바이오 마커를 보유하고 있는지 여부를 결정하는 동작;
상기 사용자가 상기 바이오 마커를 보유한 경우, 상기 사용자의 생체 임피던스의 값을 측정하는 동작;
상기 생체 임피던스의 값에 기초하여 상기 사용자의 치매 정도를 결정하는 동작; 및
상기 결정된 치매 정도를 출력하는 동작
을 수행하는,
전자 장치.
- 제11항에 있어서,
상기 바이오 마커는 APOE(apolipop roteinE) ε4/ε4 유전자인,
전자 장치.
- 제11항에 있어서,
상기 생체 임피던스의 값은,
상기 사용자의 왼쪽 팔의 임피던스 정보 및 오른쪽 팔의 임피던스 정보를 포함하는,
전자 장치.
- 제11항에 있어서,
상기 생체 임피던스의 값에 기초하여 상기 사용자의 치매 정도를 결정하는 동작은,
상기 생체 임피던스의 값을 입력으로 하는 치매 정도 결정 모델을 이용하여 상기 사용자의 상기 치매 정도를 결정하는 동작
을 포함하는,
전자 장치.
- 제11항에 있어서,
상기 치매 정도 결정 모델은 상기 사용자의 총수분량(total body water: TBW) 대비 제지방체중(fat-free mass: FFM)의 값 및 상기 사용자의 인구학적 정보를 더 이용하여 상기 사용자의 상기 치매 정도를 결정하는,
전자 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210162244A KR102601131B1 (ko) | 2021-11-23 | 2021-11-23 | 사용자의 치매 정도 결정 방법 및 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210162244A KR102601131B1 (ko) | 2021-11-23 | 2021-11-23 | 사용자의 치매 정도 결정 방법 및 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230075753A true KR20230075753A (ko) | 2023-05-31 |
| KR102601131B1 KR102601131B1 (ko) | 2023-11-13 |
Family
ID=86543934
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210162244A KR102601131B1 (ko) | 2021-11-23 | 2021-11-23 | 사용자의 치매 정도 결정 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102601131B1 (ko) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190048298A (ko) * | 2017-10-31 | 2019-05-09 | 한국 한의학 연구원 | 다중 주파수 생체임피던스 측정을 이용한 건강정보 획득 장치 및 방법 |
| KR20190119859A (ko) * | 2018-04-13 | 2019-10-23 | 사회복지법인 삼성생명공익재단 | 알츠하이머성 치매가 발병될 가능성 평가방법 |
| KR20200031496A (ko) * | 2018-09-14 | 2020-03-24 | 주식회사 아이메디신 | 인지 장애 진단 방법 및 컴퓨터 프로그램 |
| JP6871362B2 (ja) * | 2017-04-28 | 2021-05-12 | マクセル株式会社 | 脳波データ分析システム、情報処理端末、電子機器、及び認知症検査のための情報の呈示方法 |
| KR20210119299A (ko) * | 2020-03-24 | 2021-10-05 | (주)메그노시스 | 두뇌 임피던스 패턴을 이용하는 치매 진단 방법 및 시스템 |
-
2021
- 2021-11-23 KR KR1020210162244A patent/KR102601131B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6871362B2 (ja) * | 2017-04-28 | 2021-05-12 | マクセル株式会社 | 脳波データ分析システム、情報処理端末、電子機器、及び認知症検査のための情報の呈示方法 |
| KR20190048298A (ko) * | 2017-10-31 | 2019-05-09 | 한국 한의학 연구원 | 다중 주파수 생체임피던스 측정을 이용한 건강정보 획득 장치 및 방법 |
| KR20190119859A (ko) * | 2018-04-13 | 2019-10-23 | 사회복지법인 삼성생명공익재단 | 알츠하이머성 치매가 발병될 가능성 평가방법 |
| KR20200031496A (ko) * | 2018-09-14 | 2020-03-24 | 주식회사 아이메디신 | 인지 장애 진단 방법 및 컴퓨터 프로그램 |
| KR20210119299A (ko) * | 2020-03-24 | 2021-10-05 | (주)메그노시스 | 두뇌 임피던스 패턴을 이용하는 치매 진단 방법 및 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102601131B1 (ko) | 2023-11-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Marrouche et al. | Effect of MRI-guided fibrosis ablation vs conventional catheter ablation on atrial arrhythmia recurrence in patients with persistent atrial fibrillation: the DECAAF II randomized clinical trial | |
| KR102237449B1 (ko) | 환자 진단 학습 방법, 서버 및 프로그램 | |
| Nasrallah et al. | Association of intensive vs standard blood pressure control with magnetic resonance imaging biomarkers of alzheimer disease: secondary analysis of the SPRINT MIND randomized trial | |
| Corden et al. | Association of titin-truncating genetic variants with life-threatening cardiac arrhythmias in patients with dilated cardiomyopathy and implanted defibrillators | |
| Alavi et al. | Audible handheld Doppler ultrasound determines reliable and inexpensive exclusion of significant peripheral arterial disease | |
| Yang et al. | A strategy to reduce bias of entropy estimates in resting-state fMRI signals | |
| US20190214147A1 (en) | Systems and methods for mining of medical data | |
| US20080287823A1 (en) | Index Determination | |
| JP2013513845A (ja) | 画像の医療データ及び非画像の医療データの両者の連続的な記憶及び統合された分析のための診断技術 | |
| Gallagher et al. | Clinimetric properties and minimal clinically important differences for a battery of gait, balance, and cognitive examinations for the tap test in idiopathic normal pressure hydrocephalus | |
| JP2020185382A (ja) | 診断支援装置 | |
| Singla et al. | Role of carotid corrected flow time and peak velocity variation in predicting fluid responsiveness: a systematic review and meta-analysis | |
| Mukli et al. | Gait variability predicts cognitive impairment in older adults with subclinical cerebral small vessel disease | |
| Margolis et al. | Further evidence that wound size and duration are strong prognostic markers of diabetic foot ulcer healing | |
| KR20190036356A (ko) | 생체 임피던스를 이용하여 잔뇨를 모니터링하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체 | |
| McNett et al. | A national trial on differences in cerebral perfusion pressure values by measurement location | |
| KR20230075753A (ko) | 사용자의 치매 정도 결정 방법 및 장치 | |
| Berg et al. | Implantable cardioverter defibrillator specific rehabilitation improves health cost outcomes: Findings from the COPE-ICD randomized controlled trial | |
| JP7394133B2 (ja) | 心臓の虚血および冠動脈疾患を診断するためのシステム、および方法 | |
| Sendelbach et al. | Correlates of neurocognitive function of patients after off-pump coronary artery bypass surgery | |
| Ozsoy et al. | Optimal cut-off points of 4-meter gait speed to discriminate functional exercise capacity and health status in older patients with chronic obstructive pulmonary disease | |
| KR20220082869A (ko) | 진단 툴 | |
| KR102106907B1 (ko) | 피부상태 관리 시스템 및 방법 | |
| JP2017021725A (ja) | 健康管理支援装置、健康管理支援システム及び健康管理支援方法 | |
| JP2021058467A (ja) | 診断支援装置及び診断支援プログラム |
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 |