KR20230134264A - 인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법 - Google Patents
인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법 Download PDFInfo
- Publication number
- KR20230134264A KR20230134264A KR1020220031351A KR20220031351A KR20230134264A KR 20230134264 A KR20230134264 A KR 20230134264A KR 1020220031351 A KR1020220031351 A KR 1020220031351A KR 20220031351 A KR20220031351 A KR 20220031351A KR 20230134264 A KR20230134264 A KR 20230134264A
- Authority
- KR
- South Korea
- Prior art keywords
- face
- user
- information
- symptom
- avatar
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 208000024891 symptom Diseases 0.000 claims abstract description 76
- 201000010099 disease Diseases 0.000 claims abstract description 50
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 50
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 43
- 208000002193 Pain Diseases 0.000 claims description 15
- 230000006870 function Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 8
- 230000015654 memory Effects 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000003862 health status Effects 0.000 description 6
- 230000000306 recurrent effect Effects 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 208000004998 Abdominal Pain Diseases 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 208000025721 COVID-19 Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 210000002784 stomach Anatomy 0.000 description 2
- 206010000087 Abdominal pain upper Diseases 0.000 description 1
- 208000035473 Communicable disease Diseases 0.000 description 1
- 206010012735 Diarrhoea Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 206010025482 malaise Diseases 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 210000001991 scapula Anatomy 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
- A61B5/744—Displaying an avatar, e.g. an animated cartoon character
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- 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
- 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)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Molecular Biology (AREA)
- Tourism & Hospitality (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
본 발명은 인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법에 관한 것이다.
보다 상세하게는 본 발명의 일 실시예에 따라 장치에 의하여 수행되는 인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법은 사용자로부터 사용자의 개인신체정보를 입력받는 단계, 인공지능 아바타를 기반으로 상기 사용자에게 예비문진을 위한 증상입력정보를 요청하는 단계, 상기 사용자로부터 채팅 또는 음성으로 증상입력정보를 입력받는 단계, 상기 증상입력정보를 기반으로 사용자의 질환을 매칭하여 예상질환정보를 생성하는 단계, 상기 예상질환정보를 기반으로 기등록된 의료기관과의 비대면진료를 매칭하는 단계 및 상기 예상질환정보 및 매칭된 의료기관정보를 사용자에게 제공하는 단계를 포함할 수 있다.
보다 상세하게는 본 발명의 일 실시예에 따라 장치에 의하여 수행되는 인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법은 사용자로부터 사용자의 개인신체정보를 입력받는 단계, 인공지능 아바타를 기반으로 상기 사용자에게 예비문진을 위한 증상입력정보를 요청하는 단계, 상기 사용자로부터 채팅 또는 음성으로 증상입력정보를 입력받는 단계, 상기 증상입력정보를 기반으로 사용자의 질환을 매칭하여 예상질환정보를 생성하는 단계, 상기 예상질환정보를 기반으로 기등록된 의료기관과의 비대면진료를 매칭하는 단계 및 상기 예상질환정보 및 매칭된 의료기관정보를 사용자에게 제공하는 단계를 포함할 수 있다.
Description
본 발명은 인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법에 관한 것이다. 보다 상세하게는 인공지능 아바타와 자연어 기반의 대화 또는 채팅으로 사용자의 건강상태를 문진하여 의료기관과의 비대면 진료를 매칭할 수 있는 기술에 관한 것이다.
본 명세서에서 달리 표시되지 않는 한, 이 섹션에 설명되는 내용들은 이 출원의 청구항들에 대한 종래 기술이 아니며, 이 섹션에 포함된다고 하여 종래 기술이라고 인정되는 것은 아니다.
대부분 일반 환자들이 찾는 병원은 일차 의료기관이다. 일차 의료기관의 보편적인 진료시간은 평일 오전 9시~오후 6시이다. 하지만 모든 환자들이 이 시간대에 병원을 방문할 수 있는 것은 아니다. 또한 점심시간은 최소 1시간 휴진이며 토요일은 오전 진료만 보는 곳이 많다. 만약 공휴일에 증상이 발생한다면 제시간에 병원에 방문하는 것이 더욱 어려워진다.
2020년 경증환자 대형병원 진료비 부담이 높아졌고, 공공의료와 일차 의료기관 부족으로 의료비가 증가하였다. 지난 20년간의 연도별 건강보험 진료비 추이를 살펴보면 해가 갈수록 진료비가 증가하는 경향을 알 수 있다. 뿐만 아니라 65세 이상 노인 진료비 또한 꾸준히 증가해 진료비 부담으로 인한 환자들의 병원 방문이 어려운 경우를 보여준다.
이처럼 병원 방문 시간과 맞지 않거나 진료비 부담, 코로나로 인한 병원 방문 걱정, 경미한 증상이라는 생각 등 여러 요인으로 인해 환자가 제때 병원에 가지 못하는 경우가 많다. 필요할 때 병원에 가지 못하면 시간이 지나면서 증세가 심각해지고 조기 발견이 필요한 질병들이 악화될 위험이 있다. 따라서 와이파이 통신을 이용해 스마트폰으로 시간과 장소의 제약 없이 진단 받을 수 있게 된다면 환자들의 편의가 증가하고 악화 위험을 줄일 수 있을 것이다.
추가적으로, 환자는 병원을 방문할 때 자신의 주요 증상에 따라 해당 증상을 다루는 과에 찾아가서 진료를 받는다. 이 과정에서 자신이 실제로 앓고 있는 병과 맞지 않는 과를 찾아가서 정확하지 못한 진단을 받거나, 여러 과를 옮겨 다니며 진료과정이 번거로운 경우가 발생할 수도 있다. 그러나 환자가 의사와 대면하지 않고 간단하게 진단을 받을 수 있다면, 본인의 질병 분류 범위를 알게 되어 다음 병원 방문에 도움이 될 것이다.
또한, 인포데믹(Infodemic)에 대한 문제도 있다. 인포데믹은 정보(information)와 전염병(epidemic)의 합성어로, 잘못된 정보가 미디어·인터넷 등의 매체를 통해 급속하게 퍼져나가는 것이 전염병과 유사하다는 데서 생겨난 용어이다. 최근 코로나 19로 인해 많은 사람이 알게된 '인포데믹'이라는 용어는 2003년 5월 미국 전략분석기관 인텔리브리지(Intellibridge)의 창립자 데이비드 로스코프(David Rothkopf)가 워싱턴포스트에 기고한 글에서 처음으로 '정보전염병(인포데믹)'이라는 용어를 사용하면서 알려졌다.
특히, 전문성이 필요한 의학정보의 인포데믹은 심각하다. 한국에서 가장 유명한 포털사이트인 네이버에만 하더라도 출처가 불분명한 잘못된 의학정보들이 널리 퍼져 있고, 가짜 정보 및 잘못된 의학정보로 인한 사례, 각종 SNS에서 검증되지 않은 정보가 다수의 '좋아요'를 받으며 사실로 인식되는 경우도 어렵지 않게 찾아볼 수 있다.
정보화 시대에는 잘못된 정보도 대량으로 생산되기 때문에 전문적인 지식 없이는 잘못된 정보를 의심없이 사실로 받아들이는 경우가 많아 '인포데믹'이 가속화되고 있다. 환자가 잘못된 정보를 믿고 의사에게 진단을 받으러 오면 오히려 의사를 불신하고 여러가지 검사를 요구하여 정확한 진단을 방해하고 의료자원의 낭비를 초래하는 문제 또한 발생한다.
환자가 잘못된 의료정보를 접하게 되는 가장 큰 이유는 병에 대한 두려움 때문이다. 병에 대한 두려움이 환자의 조바심으로 이어져 검색으로 획득한 불분명한 출처의 정보를 사실로 받아들이는 것이다. 부정확한 정보확산을 예방하기 위해서는 신뢰성 있는 정보를 환자가 손쉽게 제공받는 환경이 마련되어야 한다. 따라서 환자에게 전문성 있는 진단 결과와 질환 정보를 제공하는 시스템이 필요해지고 있다.
개시된 실시 예는 사용자가 몰입할 수 있는 인공지능 아바타를 통해 사용자의 건강상태에 대한 예비문진을 제공하는 것이다.
또한, 개시된 실시 예는 음성이나 직관적인 사용자아바타를 통해 용이하게 자신의 증상을 입력하도록 하는 것이다.
또한, 개시된 실시 예는 증상확인과 비대면 진료예약을 한번에 처리하도록 하는 것이다.
본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상술한 목적을 달성하기 위하여, 본 발명의 일 실시예에 따른 장치에 의하여 수행되는 인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법은 사용자로부터 사용자의 개인신체정보를 입력받는 단계, 인공지능 아바타를 기반으로 상기 사용자에게 예비문진을 위한 증상입력정보를 요청하는 단계, 상기 사용자로부터 채팅 또는 음성으로 증상입력정보를 입력받는 단계, 상기 증상입력정보를 기반으로 사용자의 질환을 매칭하여 예상질환정보를 생성하는 단계, 상기 예상질환정보를 기반으로 기등록된 의료기관과의 비대면진료를 매칭하는 단계 및 상기 예상질환정보 및 매칭된 의료기관정보를 사용자에게 제공하는 단계를 포함할 수 있다.
또한, 본 발명의 일 실시예에 따른 장치에 의하여 수행되는 인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법은 상기 사용자에게 예비문진을 위한 사용자아바타를 제공하는 단계, 상기 사용자로부터 아픈 부위에 대응하는 사용자아바타의 하나 이상의 신체위치정보 및 통증강도정보를 입력받는 단계 및 상기 신체위치정보 및 상기 통증강도정보를 기반으로 상기 증상입력정보를 생성하는 단계를 더 포함할 수 있다.
또한, 본 발명의 일 실시예에 따른 장치에 의하여 수행되는 인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법은 상기 사용자아바타와 상기 예상질환정보 및 상기 증상입력정보에 대응되고 식별되는 표식을 중첩하여 상기 사용자에게 제공하는 단계를 더 포함할 수 있다.
이 때, 상기 예상질환정보를 생성하는 단계는, 상기 증상입력정보를 기반으로 증상키워드를 추출하는 단계, 상기 증상키워드를 토큰화하는 단계, 토큰화된 상기 증상키워드를 표준화하여 증상표준키워드를 추출하는 단계, 상기 증상표준키워드를 기반으로 질환과 매칭하는 단계 및 매칭결과를 기반으로 예상질환정보를 생성하는 단계를 포함할 수 있다.
이 때, 상기 토큰화하는 단계는, Soynlp, koNLpy 또는 토크나이저 중 적어도 하나 이상을 이용하여 토큰화할 수 있다.
이 때, 상기 예상질환정보를 생성하는 단계는, 상기 증상표준키워드 중에서 질환 매칭을 위한 필수항목의 존재여부를 확인하는 단계 및 상기 증상표준키워드 중에서 상기 필수항목이 존재하지 않은 경우, 기설정된 추가문진매뉴얼을 상기 사용자에게 제공하는 단계를 더 포함할 수 있다.
개시된 실시 예에 따르면, 사용자가 몰입할 수 있는 인공지능 아바타를 통해 사용자의 건강상태에 대한 예비문진을 제공할 수 있다.
또한, 개시된 실시 예에 따르면, 음성이나 직관적인 사용자아바타를 통해 용이하게 자신의 증상을 입력하도록 할 수 있다.
또한, 개시된 실시 예는 증상확인과 비대면 진료예약을 한번에 처리할 수 있다.
본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명의 특정한 바람직한 실시예들의 상기에서 설명한 바와 같은 또한 다른 측면들과, 특징들 및 이득들은 첨부 도면들과 함께 처리되는 하기의 설명으로부터 보다 명백하게 될 것이다.
도 1은 본 발명의 일 실시예에 따른 인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법의 흐름도이다.
도 2는 본 발명의 일 실시예에 따른 인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법의 예시도이다.
도 3은 본 발명의 일 실시예에 따라 인공지능 아바타 기반의 예비문진에 대한 예시도이다.
도 4는 본 발명의 일 실시예에 따라 사용자아바타를 통해 증상을 입력하는 예시도이다.
도 5 및 도 6은 본 발명의 일 실시예에 따라 비대면 진료를 예약하는 예시도이다.
도 7은 본 발명의 일 실시예에 따라 사용자아바타를 통해 증상을 표시하는 예시도이다.
도 8은 본 발명의 일 실시예에 따라 자연어 기반의 채팅 및 음성을 분석하여 증상입력정보를 생성하는 흐름도이다.
도 9는 본 발명의 일 실시예에 따른 인공지능 아바타의 동작을 나타내는 흐름도이다.
도 10은 본 발명의 일실시예에 따른 컴퓨터 시스템을 나타낸 도면이다.
상기 도면들을 통해, 유사 참조 번호들은 동일한 혹은 유사한 엘리먼트들과, 특징들 및 구조들을 도시하기 위해 사용된다는 것에 유의해야만 한다.
도 1은 본 발명의 일 실시예에 따른 인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법의 흐름도이다.
도 2는 본 발명의 일 실시예에 따른 인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법의 예시도이다.
도 3은 본 발명의 일 실시예에 따라 인공지능 아바타 기반의 예비문진에 대한 예시도이다.
도 4는 본 발명의 일 실시예에 따라 사용자아바타를 통해 증상을 입력하는 예시도이다.
도 5 및 도 6은 본 발명의 일 실시예에 따라 비대면 진료를 예약하는 예시도이다.
도 7은 본 발명의 일 실시예에 따라 사용자아바타를 통해 증상을 표시하는 예시도이다.
도 8은 본 발명의 일 실시예에 따라 자연어 기반의 채팅 및 음성을 분석하여 증상입력정보를 생성하는 흐름도이다.
도 9는 본 발명의 일 실시예에 따른 인공지능 아바타의 동작을 나타내는 흐름도이다.
도 10은 본 발명의 일실시예에 따른 컴퓨터 시스템을 나타낸 도면이다.
상기 도면들을 통해, 유사 참조 번호들은 동일한 혹은 유사한 엘리먼트들과, 특징들 및 구조들을 도시하기 위해 사용된다는 것에 유의해야만 한다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 도면부호는 동일 구성 요소를 지칭한다.
본 발명의 실시 예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들을 본 발명의 실시 예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
이때, 처리 흐름도 도면들의 각 블록과 흐름도 도면들의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수 있음을 이해할 수 있을 것이다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 흐름도 블록(들)에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 흐름도 블록(들)에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 흐름도 블록(들)에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 각 블록은 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실행 예들에서는 블록들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
이 때, 본 실시 예에서 사용되는 '~부'라는 용어는 소프트웨어 또는 FPGA(field-Programmable Gate Array) 또는 ASIC(Application Specific Integrated Circuit)과 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
본 발명의 실시예들을 구체적으로 설명함에 있어서, 특정 시스템의 예를 주된 대상으로 할 것이지만, 본 명세서에서 청구하고자 하는 주요한 요지는 유사한 기술적 배경을 가지는 여타의 통신 시스템 및 서비스에도 본 명세서에 개시된 범위를 크게 벗어나지 아니하는 범위에서 적용 가능하며, 이는 당해 기술분야에서 숙련된 기술적 지식을 가진 자의 판단으로 가능할 것이다.
이하에서, 첨부된 도면을 참조하여 본 발명의 일 실시예에 따른 인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법에 대해 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법의 흐름도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법 사용자로부터 사용자의 개인신체정보를 입력받을 수 있다(S101).
사용자의 현재 건강상태를 정확하게 판단하기 위해서는 성별, 체중, 키, 음주여부, 흡연여부, 가족력 등의 건강상태를 진단하기 위한 기본적인 정보가 필요하다. 이를 통해, 본 발명의 일 실시예는 상기 개인신체정보를 입력받아, 후술하는 질환을 매칭할 때 활용될 수 있다.
또한, 본 발명의 일 실시예에 따른 인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법은 인공지능 아바타를 기반으로 상기 사용자에게 예비문진을 위한 증상입력정보를 요청할 수 있다(S103).
이와 관련하여 도 2를 참조하면, 도 2에 도시된바와 같이, 본 발명의 일 실시예에 따른 인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법은 스마트폰의 어플리케이션으로 실시될 수 있고, 화면상에 인공지능 아바타가 예비문진을 안내하고 이끌도록 실시될 수 있다.
또한, 본 발명의 일 실시예에 따른 인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법은 상기 사용자로부터 채팅 또는 음성으로 증상입력정보를 입력받을 수 있다(S105).
상기 인공지능 아바타의 안내에 따라 사용자는 채팅 또는 음성으로 증상입력정보를 입력할 수 있다. 자연어 기반으로 입력되어 사용자친화적으로 사용될 수 있다.
이 때, 음성으로 상기 증상입력정보를 입력받은 경우, 음성인식모듈을 통하여 문자로 변경할 수 있다. 음성인식은 STT(Speech to Text)라고 불리며, 대표적인 알고리즘으로 HMM(Hidden Markov Model)을 사용할 수 있다.
도 3을 참조하면, 사용자는 인공지능 아바타의 안내에 따라 자신의 건강상태에 대한 내용을 음성으로 제공할 수 있으며, 이를 상기 증상입력정보로 입력받을 수 있다.
상기 증상입력정보를 채팅이나 음성으로 입력하는 경우, 사용자가 아픈 위치를 정확하게 지칭하지 못하는 경우가 발생할 수 있다. 예를 들어, 견갑골이 아픈 경우, 견갑골이라는 명칭을 알고 있다면 쉽게 설명이 가능할 수 있으나, 명칭을 모르는 사람은 어깨쪽이라는 부정확한 표현으로밖에 설명할 수 없다.
이에, 아픈 위치를 정확하게 제시하기 위하여, 시각적으로 사용자의 아바타를 제공하여, 아픈 위치를 지시할 수 있도록 하는 구성이 필요하다.
이에, 도 4를 참조하면, 사용자는 사용자아바타에 아픈 부위를 터치하고, 해당 부위의 통증강도를 직관적으로 선택하여, 자신의 상태를 정확하게 입력할 수 있다.
보다 상세하게 살펴보면, 본 발명의 일 실시예에 따른 인공지능 아바타 기반의 예비문진 및 의료기관 매칭서비스 제공방법은 상기 사용자에게 예비문진을 위한 사용자아바타를 제공할 수 있고, 상기 사용자로부터 아픈 부위에 대응하는 사용자아바타의 하나 이상의 신체위치정보 및 통증강도정보를 입력받을 수 있으며, 상기 신체위치정보 및 상기 통증강도정보를 기반으로 상기 증상입력정보를 생성할 수 있다.
또한, 본 발명의 일 실시예에 따른 인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법은 상기 증상입력정보를 기반으로 사용자의 질환을 매칭하여 예상질환정보를 생성할 수 있다(S107). 이와 관련하여서는 도 8 내지 도 9를 참조하여 보다 상세하게 후술하도록 한다.
또한, 본 발명의 일 실시예에 따른 인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법은 상기 예상질환정보를 기반으로 기등록된 의료기관과의 비대면진료를 매칭할 수 있다(S109).
사용자는 매칭된 의료기관과 비대면 진료를 예약할 수 있다. 도 5 및 도 6은 본 발명의 일 실시예에 따라 비대면 진료를 예약하는 예시도이다. 예약하는 방식은 일반적으로 시간 및 날짜를 정하고, 유선, 화상통화 등의 진료 방식도 선택하여 예약할 수 있다.
또한, 본 발명의 일 실시예에 따른 인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법은 상기 예상질환정보 및 매칭된 의료기관정보를 사용자에게 제공할 수 있다(S111).
또한, 본 발명의 일 실시예에 따른 인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법은 상기 사용자아바타와 상기 예상질환정보 및 상기 증상입력정보에 대응되고 식별되는 표식을 중첩하여 상기 사용자에게 제공할 수 있다.
이와 관련해서는 도 7을 참조하여 살펴보면, 사용자아바타에는 아픈 부위에 다른부위와 식별될 수 있는 표식을 중첩하여 표시될 수 있으며, 예상질환정보 및 증상입력정보도 사용자아바타에 함께 표시될 수도 있다. 또는 예상질환정보 및 증상입력정보는 사용자아바타와는 별개로 표시될 수도 있다.
도 8은 본 발명의 일 실시예에 따라 자연어 기반의 채팅 및 음성을 분석하여 증상입력정보를 생성하는 흐름도이다.
도 8을 참조하면, 본 발명의 일 실시예는, 사용자로부터 자연어 기반의 증상입력정보를 입력받을 수 있다(S201).
이 때, 상기 증상입력정보는 사용자의 성별, 나이, 키, 몸무게, 병력 등에 관한 정보 및 현재 증상에 관한 정보를 포함할 수 있다. 현재 증상에 관한 정보는 자연어를 기반으로 입력받을 수 있다. 예를 들어, '지금 속이 매우 더부룩해요' 또는 '설사가 3시간째 나오고 있어요' 등으로 입력받을 수 있다.
또한, 본 발명의 일 실시예는 상기 증상입력정보를 기반으로 증상키워드를 추출할 수 있다(S203).
예를 들면, '제가 오늘 아까부터 배가 아파서요 밥을 못먹었어요' 를 입력받은 경우, 질환과 관련된 키워드만을 '오늘, 배가, 아프다 등' 으로 추출할 수 있다.
또한, 본 발명의 일 실시예는 상기 증상키워드를 토큰화할 수 있다(S205).
이 때, 상기 S205 단계는 Soynlp, koNLpy 또는 토크나이저 중 적어도 하나 이상을 이용하여 토큰화할 수 있다. soynlp는 한국어 처리를 위한 파이썬 패키지 중 하나다. koNLPy에서 제공하는 형태소분석기는 형태소 기반으로 문서를 토큰화할 수 있는 기능을 제공하지만 새롭게 만들어진 미등록 단어들은 인식이 잘 되지 않는 단점을 가지고 있다. 이를 해결하기 위해서는 사용자 사전에 단어를 등록하는 절치를 거쳐야 한다. soynlp는 이러한 과정을 돕기 위해 사용자 사전과 형태소분석 없이 cohesion 기반으로 토큰화를 할 수 있는 기능을 제공한다. KoNLPy는 파이썬으로 한국어 정보처리를 할 수 있게 하는 패키지이다. 꼬꼬마, 한나눔, MeCab-ko 등 국내외에서 개발된 여러 형태소 분석기를 포함하고, 자연어처리에 필요한 각종 사전, 말뭉치, 도구 및 다양한 튜토리얼을 포함하여 누구나 손쉽게 한국어 분석을 할 수 있도록 만들었다. 토크나이저 또한, Soynlp와 koNLpy와 마찬가지로 자연어에서 단어 또는 서브워드 단위로 쪼개어 사전에 등록된 표준단어 등으로 변환해주는 라이브러리를 의미한다.
또한, 본 발명의 일 실시예는 토큰화된 상기 증상키워드를 표준화하여 증상표준키워드를 추출할 수 있다(S207).
예를 들면, '배가 아픈데/아파서/아푸다/완전아프네/아프네 등' 으로 추출된 증상키워드를 '아프다' 라는 표준화된 키워드로 변환하여 증상표준키워드로 추출할 수 있다.
또한, 본 발명의 일 실시예는 상기 증상표준키워드를 기반으로 질환과 매칭할 수 있다(S209).
또한, 본 발명의 일 실시예는 상기 증상표준키워드 중에서 질환 매칭을 위한 필수항목의 존재여부를 확인할 수 있다.
사용자가 자신의 상태에 대하여 자연어로 입력하다보면 질환과 매칭하기에 필요한 최소한의 정보를 놓치는 경우가 생길 수 있다. 이 때, 입력된 정보만을 가지고 질환을 매칭하는 것은 매칭정확도를 저하시키고, 불확실한 진단으로 인해 약물 오용 등의 문제가 발생할 수 있어, 질환 매칭을 위한 필수항목의 존재여부를 확인하는 것이 바람직하다.
따라서, 필수항목의 존재여부를 확인해본 결과 상기 증상표준키워드 중에서 상기 필수항목이 존재하지 않은 경우, 기설정된 추가문진매뉴얼을 상기 사용자에게 제공할 수 있다.
이는 사용자에게 질환 매칭을 위해서 필요한 정보가 무엇인지 안내를 함과 동시에, 정확한 매칭을 위하여 필요한 정보를 보다 구체적으로 사용자에게 입력받기 위함이다. 이는 인공지능 아바타를 기반으로 입력받을 수 있다.
이 때, 상기 추가문진매뉴얼은 'OLD CoEx CAFE 약사가외과' 와 환자의 기본 정보(Sex/Age/Height/Weight), 환자의 주요 호소 증상(Chief complaint)을 포함할 수 있다.
또한, 본 발명의 일 실시예는 질환 매칭을 위하여 제1 기계학습모델을 통하여 상기 증상표준키워드마다 상기 증상표준키워드에 대응하는 가중치를 출력할 수 있다.
이는 증상표준키워드마다 질환과의 상관관계가 높은 키워드가 있고, 상관관계가 낮은 키워드가 있으므로 이에 대한 차등을 주기 위함이다. 예를 들어, '오늘', '복통', '3시간' 이란 증상표준키워드가 추출되었다면, '복통'이란 키워드가 질환 매칭에 가장 적합한 키워드일 수 있다. 따라서, '복통'이란 키워드가 가중치가 높도록 상기 제1 기계학습모델을 학습시킬 수 있다.
또한, 본 발명의 일 실시예는 상기 매칭하는 단계에서 상기 증상표준키워드 및 상기 가중치를 입력으로 매칭되는 질환 및 질환가능성을 출력하는 제2 기계학습모델을 통하여 질환과 매칭할 수 있다.
이 때, 본 발명의 일 실시예의 장치는 상기 제1 기계학습모델 및 상기 제2 기계학습모델을 생성하고 학습하는 인공지능모듈을 포함할 수 있다.
이 때, 인공지능모듈은 딥러닝을 통하여 상기 함수에서의 복수 개의 입력들의 가중치(weight)를 학습을 통하여 산출할 수 있다. 또한, 이러한 학습을 위하여 활용되는 인공지능망 모델로는 RNN(Recurrent Neural Network), DNN(Deep Neural Network) 및 DRNN(Dynamic Recurrent Neural Network) 등 다양한 모델들을 활용할 수 있을 것이다.
여기서 RNN은 현재의 데이터와 과거의 데이터를 동시에 고려하는 딥러닝 기법으로서, 순환 신경망(RNN)은 인공 신경망을 구성하는 유닛 사이의 연결이 방향성 사이클(directed cycle)을 구성하는 신경망을 나타낸다. 나아가, 순환 신경망(RNN)을 구성할 수 있는 구조에는 다양한 방식이 사용될 수 있는데, 예컨대, 완전순환망(Fully Recurrent Network), 홉필드망(Hopfield Network), 엘만망(Elman Network), ESN(Echo state network), LSTM(Long short term memory network), 양방향(Bi-directional) RNN, CTRNN(Continuous-time RNN), 계층적 RNN, 2차 RNN 등이 대표적인 예이다. 또한, 순환 신경망(RNN)을 학습시키기 위한 방법으로서, 경사 하강법, Hessian Free Optimization, Global Optimization Method 등의 방식이 사용될 수 있다.
또한, 본 발명의 일 실시예는 매칭된 예상질환정보를 사용자에게 제공할 수 있다(S211).
도 9는 본 발명의 일 실시예에 따른 인공지능 아바타의 동작을 나타내는 흐름도이다.
도 9를 참조하면, 본 발명의 일 실시예에 따른 인공지능 아바타는 아래와 같이 동작할 수 있다.
1. 채팅 또는 음성 메시지 내용 수집
(1-1) 사용자로부터 질문에 따라 자연어형/선택지형/단답형으로 입력을 받음
(1-2) 음성인 경우, 문자데이터로 변환함
2. 자연어가 있다면, 수집한 채팅 대화내용에서 핵심 키워드를 추출
(2-1) 제가 오늘 아까부터 배가 아파서요 밥을 못먹었어요 
오늘, 배가, 아프다 등
3. 키워드의 토큰화(Tokenize) 및 표준어화 진행
(3-1) 배가 아픈데/아파서/아푸다/완전아프네/아프네 등 
아프다
4. 추출한 키워드 DB에 저장
(4-1) 각 증상별로 데이터의 집합을 만들기 - 증상명, 시간, 강도, 빈도, 약 복용 여부 등
(4-2) 증상의 갯수 = 데이터 집합의 갯수
5. 사전에 정의한 형태로 DB 내용 저장
6. 저장한 내용을 증상 - 질환 매칭 모델에 적용
7. 가장 높은 확률로 나타나는 진단명 세 가지를 사용자에게 알림
또한, 본 명세서와 도면에 개시된 본 발명의 실시예들은 본 발명의 기술 내용을 쉽게 설명하고 본 발명의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 즉 본 발명의 기술적 사상에 바탕을 둔 다른 변형예들이 실시 가능하다는 것은 본 발명의 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다. 또한 상기 각각의 실시예는 필요에 따라 서로 조합되어 운용할 수 있다.
또한, 본 발명의 일 실시예에 따른 증강현실 기반의 마케팅 시스템의 동작 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다.
도 10은 본 발명의 일실시예에 따른 컴퓨터 시스템을 나타낸 도면이다.
도 10에 도시된 바와 같이 본 발명의 다양한 실시예들은 특정 관점에서 컴퓨터 리드 가능 기록 매체(computer readable recording medium)에서 컴퓨터 리드 가능 코드(computer readable code)로서 구현될 수 있다. 컴퓨터 리드 가능 기록 매체는 컴퓨터 시스템에 의해 리드될 수 있는 데이터를 저장할 수 있는 임의의 데이터 저장 디바이스이다. 컴퓨터 리드 가능 기록 매체의 예들은 읽기 전용 메모리(read only memory: ROM)와, 랜덤-접속 메모리(random access memory: RAM)와, 컴팩트 디스크- 리드 온니 메모리(compact disk-read only memory: CD-ROM)들과, 마그네틱 테이프(magnetic tape)들과, 플로피 디스크(floppy disk)들과, 광 데이터 저장 디바이스들, 및 캐리어 웨이브(carrier wave)들(인터넷을 통한 데이터 송신 등)을 포함할 수 있다. 컴퓨터 리드 가능 기록 매체는 또한 네트워크 연결된 컴퓨터 시스템들을 통해 분산될 수 있고, 따라서 컴퓨터 리드 가능 코드는 분산 방식으로 저장 및 실행된다. 또한, 본 발명의 다양한 실시예들을 성취하기 위한 기능적 프로그램들, 코드, 및 코드 세그먼트(segment)들은 본 발명이 적용되는 분야에서 숙련된 프로그래머들에 의해 쉽게 해석될 수 있다.
또한 본 발명의 다양한 실시예들에 따른 장치 및 방법은 하드웨어, 소프트웨어 또는 하드웨어 및 소프트웨어의 조합의 형태로 실현 가능하다는 것을 알 수 있을 것이다. 이러한 소프트웨어는 예를 들어, 삭제 가능 또는 재기록 가능 여부와 상관없이, ROM 등의 저장 장치와 같은 휘발성 또는 비휘발성 저장 장치, 또는 예를 들어, RAM, 메모리 칩, 장치 또는 집적 회로와 같은 메모리, 또는 예를 들어 콤팩트 디스크(compact disk: CD), DVD, 자기 디스크 또는 자기 테이프 등과 같은 광학 또는 자기적으로 기록 가능함과 동시에 기계(예를 들어, 컴퓨터)로 읽을 수 있는 저장 매체에 저장될 수 있다. 본 발명의 다양한 실시예들에 따른 방법은 제어부 및 메모리를 포함하는 컴퓨터 또는 휴대 단말에 의해 구현될 수 있고, 이러한 메모리는 본 발명의 실시예들을 구현하는 명령들을 포함하는 프로그램 또는 프로그램들을 저장하기에 적합한 기계로 읽을 수 있는 저장 매체의 한 예임을 알 수 있을 것이다.
따라서, 본 발명은 본 명세서의 청구항에 기재된 장치 또는 방법을 구현하기 위한 코드를 포함하는 프로그램 및 이러한 프로그램을 저장하는 기계(컴퓨터 등)로 읽을 수 있는 저장 매체를 포함한다. 또한, 이러한 프로그램은 유선 또는 무선 연결을 통해 전달되는 통신 신호와 같은 임의의 매체를 통해 전자적으로 이송될 수 있고, 본 발명은 이와 균등한 것을 적절하게 포함한다.
본 명세서와 도면에 개시된 본 발명의 실시 예들은 본 발명의 기술 내용을 쉽게 설명하고, 본 발명의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 또한 앞서 설명된 본 발명에 따른 실시예들은 예시적인 것에 불과하며, 당해 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 범위의 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 다음의 특허청구범위에 의해서 정해져야 할 것이다.
Claims (5)
- 장치에 의하여 수행되는 인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법에 있어서,
사용자로부터 사용자의 개인신체정보를 입력받는 단계;
인공지능 아바타를 기반으로 상기 사용자에게 예비문진을 위한 증상입력정보를 요청하는 단계;
상기 사용자로부터 채팅 또는 음성으로 증상입력정보를 입력받는 단계;
상기 증상입력정보를 기반으로 사용자의 질환을 매칭하여 예상질환정보를 생성하는 단계;
상기 예상질환정보를 기반으로 기등록된 의료기관과의 비대면진료를 매칭하는 단계; 및
상기 예상질환정보 및 매칭된 의료기관정보를 사용자에게 제공하는 단계; 를 포함하는 인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법. - 청구항 1에 있어서,
상기 사용자에게 예비문진을 위한 사용자아바타를 제공하는 단계;
상기 사용자로부터 아픈 부위에 대응하는 사용자아바타의 하나 이상의 신체위치정보 및 통증강도정보를 입력받는 단계; 및
상기 신체위치정보 및 상기 통증강도정보를 기반으로 상기 증상입력정보를 생성하는 단계; 를 더 포함하는 것을 특징으로 하는 인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법. - 청구항 2에 있어서,
상기 사용자아바타와 상기 예상질환정보 및 상기 증상입력정보에 대응되고 식별되는 표식을 중첩하여 상기 사용자에게 제공하는 단계; 를 더 포함하는 것을 특징으로 하는 인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법. - 청구항 3에 있어서,
상기 예상질환정보를 생성하는 단계는,
상기 증상입력정보를 기반으로 증상키워드를 추출하는 단계;
상기 증상키워드를 토큰화하는 단계;
토큰화된 상기 증상키워드를 표준화하여 증상표준키워드를 추출하는 단계;
상기 증상표준키워드를 기반으로 질환과 매칭하는 단계; 및
매칭결과를 기반으로 예상질환정보를 생성하는 단계; 를 포함하는 것을 특징으로 하는 인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법. - 청구항 4에 있어서,
상기 토큰화하는 단계는,
Soynlp, koNLpy 또는 토크나이저 중 적어도 하나 이상을 이용하여 토큰화하고,
상기 예상질환정보를 생성하는 단계는,
상기 증상표준키워드 중에서 질환 매칭을 위한 필수항목의 존재여부를 확인하는 단계; 및
상기 증상표준키워드 중에서 상기 필수항목이 존재하지 않은 경우, 기설정된 추가문진매뉴얼을 상기 사용자에게 제공하는 단계; 를 더 포함하는 것을 특징으로 하는 인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220031351A KR20230134264A (ko) | 2022-03-14 | 2022-03-14 | 인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220031351A KR20230134264A (ko) | 2022-03-14 | 2022-03-14 | 인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230134264A true KR20230134264A (ko) | 2023-09-21 |
Family
ID=88189413
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220031351A KR20230134264A (ko) | 2022-03-14 | 2022-03-14 | 인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230134264A (ko) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109524582A (zh) | 2017-09-19 | 2019-03-26 | 郑州宇通客车股份有限公司 | 内置独立散热通道的电池箱及其电池箱箱体 |
| KR102125748B1 (ko) | 2018-08-23 | 2020-06-23 | 전자부품연구원 | 4d 아바타를 이용한 동작가이드장치 및 방법 |
| KR102262278B1 (ko) | 2018-12-03 | 2021-06-08 | 고려대학교 산학협력단 | 챗봇에 기반한 문진 정보 서비스 방법 및 이를 지원하는 사용자 단말 |
-
2022
- 2022-03-14 KR KR1020220031351A patent/KR20230134264A/ko unknown
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109524582A (zh) | 2017-09-19 | 2019-03-26 | 郑州宇通客车股份有限公司 | 内置独立散热通道的电池箱及其电池箱箱体 |
| KR102125748B1 (ko) | 2018-08-23 | 2020-06-23 | 전자부품연구원 | 4d 아바타를 이용한 동작가이드장치 및 방법 |
| KR102262278B1 (ko) | 2018-12-03 | 2021-06-08 | 고려대학교 산학협력단 | 챗봇에 기반한 문진 정보 서비스 방법 및 이를 지원하는 사용자 단말 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220020495A1 (en) | Methods and apparatus for providing guidance to medical professionals | |
| Ghosh et al. | Quro: facilitating user symptom check using a personalised chatbot-oriented dialogue system | |
| Meystre et al. | Natural language processing to extract medical problems from electronic clinical documents: performance evaluation | |
| US20210280301A1 (en) | Intelligent triage method and device | |
| CN112786194A (zh) | 基于人工智能的医学影像导诊导检系统、方法及设备 | |
| Chan et al. | Deep learning algorithms to identify documentation of serious illness conversations during intensive care unit admissions | |
| US20030120458A1 (en) | Patient data mining | |
| Menger et al. | Machine learning approach to inpatient violence risk assessment using routinely collected clinical notes in electronic health records | |
| Sethi et al. | Use of artificial intelligence in healthcare systems: state-of-the-art survey | |
| Thompson et al. | Bayes’ theorem and its application to cardiovascular nursing | |
| Sierra et al. | Suicide risk factors: a language analysis approach in social media | |
| dos Santos et al. | Fall detection in ehr using word embeddings and deep learning | |
| Kotevski et al. | Evaluation of an automated Presidio anonymisation model for unstructured radiation oncology electronic medical records in an Australian setting | |
| Sharma et al. | The future of quality improvement in breast cancer: patient-reported outcomes | |
| Pradhan et al. | ‘K-Bot’Knowledge Enabled Personalized Healthcare Chatbot | |
| KR20230134264A (ko) | 인공지능 아바타 기반의 예비문진 및 비대면 진료 매칭서비스 제공방법 | |
| Weeks et al. | medExtractR: A medication extraction algorithm for electronic health records using the R programming language | |
| Shah et al. | Extracting modifiable risk factors from narrative preventive healthcare guidelines for EHR integration | |
| Kocabiyikoglu et al. | A spoken drug prescription dataset in french for spoken language understanding | |
| Suman et al. | Leveraging Natural Language Processing in Conversational AI Agents to Improve Healthcare Security | |
| Khalid et al. | Exploring the potential for secondary uses of dementia care mapping (DCM) data for improving the quality of dementia care | |
| Florczak | Qualitative synthesis: ontological care please | |
| Kumar et al. | The Scope and Applications of Artificial Intelligence in the Medical Sector | |
| Budiarti et al. | Symptoms identification of ICD-11 based on clinical NLP mobile apps for diagnosing the disease (ICD-11) | |
| Zielonka et al. | Machine Learning Tools Match Physician Accuracy in Multilingual Text Annotation |