KR20230137274A

KR20230137274A - 심박 정보를 기초로 사용자의 질환을 모니터링하는방법 및 이를 수행하는 서버

Info

Publication number: KR20230137274A
Application number: KR1020230084405A
Authority: KR
Inventors: 박재민; 신규보
Original assignee: 주식회사 타이로스코프
Priority date: 2022-03-21
Filing date: 2023-06-29
Publication date: 2023-10-04
Also published as: KR20230137273A; KR20230137223A; KR102462245B1; WO2023182774A1

Abstract

본 출원은 웨어러블 디바이스에서 획득된 심박 정보를 기초로 사용자의 질환을 모니터링하는 방법에 관한 것으로, 일 실시예에 따른 방법은, 웨어러블 디바이스의 타입 정보 및 심박 정보를 획득하는 단계; 상기 타입 정보가 기준 타입에 대응하면, 질환 모니터링 모듈을 통해 상기 심박 정보를 이용하여 질환 모니터링 정보를 생성하는 단계; 상기 타입 정보가 상기 기준 타입에 대응하지 않으면, 심박 정보 표준화 모듈을 통해 상기 심박 정보를 이용하여 표준화된 심박 정보를 생성하고, 상기 질환 모니터링 모듈을 통해 상기 표준화된 심박 정보를 이용하여 상기 질환 모니터링 정보를 생성하는 단계; 및 상기 질환 모니터링 정보를 출력하는 단계를 포함한다.

Description

심박 정보를 기초로 사용자의 질환을 모니터링하는 방법 및 이를 수행하는 서버{METHOD OF MONITORING USER'S DISEASE BASED ON HEART RATE INFORMATION AND SERVER PERFORMING THE SAME}

본 출원은 표준화된 심박 정보를 이용하여 사용자의 질환을 모니터링하는 방법 및 이를 수행하는 서버에 관한 것이다.

웨어러블 디바이스의 발전 및 의료 분야에서의 기술 발전에 따라 웨어러블 디바이스를 이용하여 질환을 모니터링하는 기술이 개발되고 있다.

그러나, 여러 제조사에서 다양한 모델의 웨어러블 디바이스를 출시하고 있어, 웨어러블 디바이스별로 탑재된 센서의 종류가 상이하거나 센싱 데이터의 처리 방식이 상이함에 따라 웨어러블 디바이스에 따라 질환 모니터링을 수행할 때에 동일한 상태에 대하여 상이한 결과가 나타나는 문제가 발생하였고, 결과적으로 정확도 높은 질환 모니터링을 제공하기 어려웠다.

이에 따라, 다양한 타입의 웨어러블 디바이스에 호환 가능한 질환 모니터링의 개발이 필요한 상황이다.

본 출원에서 해결하고자 하는 일 과제는 웨어러블 디바이스의 타입에 상관없이 사용자의 질환을 정확하게 모니터링하는 것에 있다.

본 출원에서 해결하고자 하는 과제가 상술한 과제로 제한되는 것은 아니며, 언급되지 아니한 과제들은 본 출원으로부터 본 출원이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

일 실시예에 따르면, 웨어러블 디바이스에서 획득된 심박 정보를 기초로 사용자의 질환을 모니터링하는 방법에 있어서, 상기 웨어러블 디바이스의 타입 정보 및 상기 심박 정보를 획득하는 단계; 상기 타입 정보가 기준 타입에 대응하면, 질환 모니터링 모듈을 통해 상기 심박 정보를 이용하여 질환 모니터링 정보를 생성하는 단계; 상기 타입 정보가 상기 기준 타입에 대응하지 않으면, 심박 정보 표준화 모듈을 통해 상기 심박 정보를 이용하여 표준화된 심박 정보를 생성하고, 상기 질환 모니터링 모듈을 통해 상기 표준화된 심박 정보를 이용하여 상기 질환 모니터링 정보를 생성하는 단계; 및 상기 질환 모니터링 정보를 출력하는 단계를 포함하는 방법이 제공될 수 있다.

상기 심박 정보 표준화 모듈은 심박 정보 표준화 모델을 이용하여 구현될 수 있고, 상기 심박 정보 표준화 모델은 학습용 심박 정보 및 상기 학습용 심박 정보에 대응하는 기준 심박 정보를 이용하여 학습된 모델일 수 있고, 상기 학습용 심박 정보는 제1 시간 동안 상기 기준 타입이 아닌 웨어러블 디바이스에서 획득된 심박 정보일 수 있고, 상기 기준 심박 정보는 상기 제1 시간 동안 상기 기준 타입인 웨어러블 디바이스에서 획득된 심박 정보일 수 있다.

상기 질환 모니터링 모듈은 제1 질환 모니터링 모델을 이용하여 구현될 수 있고, 상기 심박 정보를 이용하여 상기 질환 모니터링 정보를 생성하는 단계는, 상기 심박 정보를 상기 제1 질환 모니터링 모델에 입력하여 상기 질환 모니터링 정보를 생성하는 단계를 포함할 수 있고, 상기 표준화된 심박 정보를 이용하여 상기 질환 모니터링 정보를 생성하는 단계는, 상기 표준화된 심박 정보를 상기 제1 질환 모니터링 모델에 입력하여 상기 질환 모니터링 정보를 생성하는 단계를 포함할 수 있다.

상기 질환 모니터링 모듈은 제2 질환 모니터링 모델을 이용하여 구현될 수 있고, 상기 심박 정보를 이용하여 상기 질환 모니터링 정보를 생성하는 단계는, 상기 심박 정보로부터 제1 휴지기 심박수를 생성하는 단계; 및 상기 제1 휴지기 심박수를 상기 제2 질환 모니터링 모델에 입력하여 상기 질환 모니터링 정보를 생성하는 단계를 포함할 수 있고, 상기 표준화된 심박 정보를 이용하여 상기 질환 모니터링 정보를 생성하는 단계는, 상기 표준화된 심박 정보로부터 제2 휴지기 심박수를 생성하는 단계; 및 상기 제2 휴지기 심박수를 상기 제2 질환 모니터링 모델에 입력하여 상기 질환 모니터링 정보를 생성하는 단계를 포함할 수 있다.

상기 질환 모니터링 모듈은 휴지기 심박수 생성 모델을 더 이용하여 구현될 수 있고, 상기 제1 휴지기 심박수 및 상기 제2 휴지기 심박수는, 각각 상기 심박 정보 및 상기 표준화된 심박 정보를 상기 휴지기 심박수 생성 모델에 입력하여 생성될 수 있다.

상기 심박 정보는 서로 다른 시점에 대응하는 복수의 심박수를 포함할 수 있고, 상기 표준화된 심박 정보는 서로 다른 시점에 대응하는 복수의 표준화된 심박수를 포함할 수 있다.

상기 방법은, 상기 복수의 심박수로부터 하나 이상의 심박수 결측치를 생성하여 상기 복수의 심박수 및 상기 심박수 결측치를 포함하는 결측치 예측 심박 정보를 생성하는 단계를 더 포함할 수 있고, 상기 심박 정보 표준화 모듈을 통해 상기 결측치 예측 심박 정보를 이용하여 상기 표준화된 심박 정보를 생성할 수 있다.

상기 심박 정보 표준화 모듈은 심박 정보 표준화 모델을 이용하여 구현될 수 있고, 상기 심박 정보를 상기 심박 정보 표준화 모델에 입력하여 상기 표준화된 심박 정보를 생성할 수 있다.

상기 심박 정보 표준화 모듈은 제1 타입 모델 및 제2 타입 모델을 이용하여 구현될 수 있고, 상기 타입 정보가 상기 기준 타입이 아닌 제1 타입에 대응하면, 상기 심박 정보 및 상기 제1 타입 모델을 이용하여 상기 표준화된 심박 정보를 생성할 수 있고, 상기 타입 정보가 상기 기준 타입이 아닌 제2 타입에 대응하면, 상기 심박 정보 및 상기 제2 타입 모델을 이용하여 상기 표준화된 심박 정보를 생성할 수 있다.

상기 심박 정보 표준화 모듈은 수면 모델 및 비수면 모델을 이용하여 구현될 수 있고, 상기 심박 정보가 수면 시 획득한 심박 정보이면, 상기 수면 시 획득한 심박 정보 및 상기 수면 모델을 이용하여 상기 표준화된 심박 정보를 생성할 수 있고, 상기 심박 정보가 비수면 시 획득한 심박 정보이면, 상기 비수면 시 획득한 심박 정보 및 상기 비수면 모델을 이용하여 상기 표준화된 심박 정보를 생성할 수 있다.

일 실시예에 따르면, 웨어러블 디바이스에서 획득된 심박 정보를 기초로 사용자의 질환을 모니터링하는 방법에 있어서, 상기 웨어러블 디바이스의 타입 정보 및 상기 심박 정보를 획득하는 단계; 심박 정보 표준화 모듈을 통해 상기 타입 정보 및 상기 심박 정보를 이용하여 표준화된 심박 정보를 생성하는 단계; 질환 모니터링 모듈을 통해 상기 표준화된 심박 정보를 이용하여 질환 모니터링 정보를 생성하는 단계; 및 상기 질환 모니터링 정보를 출력하는 단계를 포함하는 방법이 제공될 수 있다.

상기 심박 정보 표준화 모듈은 심박 정보 표준화 모델을 이용하여 구현될 수 있고, 상기 심박 정보 표준화 모델은 학습용 심박 정보 및 상기 학습용 심박 정보에 대응하는 기준 심박 정보를 이용하여 학습된 모델일 수 있고, 상기 학습용 심박 정보는 제1 시간 동안 웨어러블 디바이스에서 획득된 심박 정보일 수 있고, 상기 기준 심박 정보는 상기 제1 시간 동안 심박 정보 측정 기기에서 획득된 심박 정보일 수 있다.

상기 질환 모니터링 모듈은 제1 질환 모니터링 모델을 이용하여 구현될 수 있고, 상기 질환 모니터링 정보를 생성하는 단계는, 상기 표준화된 심박 정보를 상기 제1 질환 모니터링 모델에 입력하여 상기 질환 모니터링 정보를 생성하는 단계를 포함할 수 있다.

상기 질환 모니터링 모듈은 제2 질환 모니터링 모델을 이용하여 구현될 수 있고, 상기 질환 모니터링 정보를 생성하는 단계는, 상기 표준화된 심박 정보로부터 휴지기 심박수를 생성하는 단계; 및 상기 휴지기 심박수를 상기 제2 질환 모니터링 모델에 입력하여 상기 질환 모니터링 정보를 생성하는 단계를 포함할 수 있다.

상기 질환 모니터링 모듈은 휴지기 심박수 생성 모델을 더 이용하여 구현될 수 있고, 상기 휴지기 심박수는, 상기 표준화된 심박 정보를 상기 휴지기 심박수 생성 모델에 입력하여 생성될 수 있다.

상기 방법은, 상기 복수의 심박수로부터 하나 이상의 심박수 결측치를 생성하여 상기 복수의 심박수 및 상기 심박수 결측치를 포함하는 결측치 예측 심박 정보를 생성하는 단계를 더 포함할 수 있고, 상기 심박 정보 표준화 모델을 통해 상기 결측치 예측 심박 정보를 이용하여 상기 표준화된 심박 정보를 생성할 수 있다.

상기 심박 정보 표준화 모듈은 심박 정보 표준화 모델을 이용하여 구현될 수 있고, 상기 표준화된 심박 정보를 생성하는 단계는, 상기 타입 정보 및 상기 심박 정보를 상기 심박 정보 표준화 모델에 입력하여 상기 표준화된 심박 정보를 생성하는 단계를 포함할 수 있다.

상기 심박 정보 표준화 모듈은 제1 타입 모델 및 제2 타입 모델을 이용하여 구현될 수 있고, 상기 타입 정보가 제1 타입에 대응하면, 상기 심박 정보 및 상기 제1 타입 모델을 이용하여 상기 표준화된 심박 정보를 생성할 수 있고, 상기 타입 정보가 제2 타입에 대응하면, 상기 심박 정보 및 상기 제2 타입 모델을 이용하여 상기 표준화된 심박 정보를 생성할 수 있다.

일 실시예에 따르면, 하나 이상의 인스트럭션을 저장하는 비일시적 컴퓨터 판독 가능 매체로써, 상기 하나 이상의 인스트럭션은, 디바이스/서버의 하나 이상의 프로세서들에 의해 실행될 때, 상기 디바이스/서버로 하여금, 일 실시예에 따른 방법을 수행하게 하는 비일시적 컴퓨터 판독 가능 매체가 제공될 수 있다.

일 실시예에 따르면, 웨어러블 디바이스에서 획득된 심박 정보를 기초로 사용자의 질환을 모니터링하는 서버에 있어서, 통신부; 하나 이상의 인스트럭션을 저장하는 저장부; 및 상기 저장부에 저장된 상기 하나 이상의 인스트럭션을 실행하는 제어부를 포함하고, 상기 제어부는, 상기 하나 이상의 인스트럭션을 실행함으로써, 상기 웨어러블 디바이스의 타입 정보 및 상기 심박 정보를 획득하고, 상기 타입 정보가 기준 타입에 대응하면, 질환 모니터링 모듈을 통해 상기 심박 정보를 이용하여 질환 모니터링 정보를 생성하고, 상기 타입 정보가 상기 기준 타입에 대응하지 않으면, 심박 정보 표준화 모듈을 통해 상기 심박 정보를 이용하여 표준화된 심박 정보를 생성하고, 상기 질환 모니터링 모듈을 통해 상기 표준화된 심박 정보를 이용하여 상기 질환 모니터링 정보를 생성하고, 상기 질환 모니터링 정보를 출력하는 서버가 제공될 수 있다.

본 출원의 과제의 해결 수단이 상술한 해결 수단들로 제한되는 것은 아니며, 언급되지 아니한 해결 수단들은 본 출원으로부터 본 출원이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

일 실시예에 따르면, 웨어러블 디바이스에서 획득된 정보를 웨어러블 디바이스의 타입 정보를 고려하여 표준화하고 표준화된 정보를 이용하여 사용자의 질환을 모니터링함으로써 웨어러블 디바이스의 타입에 상관없이 사용자의 질환을 정확하게 모니터링할 수 있다.

본 출원의 발명의 효과가 상술한 효과로 제한되는 것은 아니며, 언급되지 아니한 효과들은 본 출원으로부터 본 출원이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.

도 1은 웨어러블 디바이스에 따른 심박 정보 측정 데이터의 차이에 대한 일 예이다.
도 2는 일 실시예에 따른 질환 모니터링 시스템에 관한 도면이다.
도 3은 일 실시예에 따른 질환 모니터링 서버에 관한 도면이다.
도 4는 일 실시예에 따른 질환 모니터링 방법에 관한 흐름도이다.
도 5는 일 실시예에 따른 심박 정보 표준화 모델을 이용하여 표준화된 심박 정보를 생성하는 것에 관한 도면이다.
도 6은 일 실시예에 따른 복수의 타입 모델을 이용하여 표준화된 심박 정보를 생성하는 것에 관한 도면이다.
도 7은 일 실시예에 따른 수면 모델 및 비수면 모델을 이용하여 표준화된 심박 정보를 생성하는 것에 관한 도면이다.
도 8은 일 실시예에 따른 질환 모니터링 모델을 이용하여 질환 모니터링 정보를 생성하는 것에 관한 도면이다.
도 9는 일 실시예에 따른 대표 심박수를 획득하는 것에 관한 도면이다.
도 10은 일 실시예에 따른 결측치가 존재하는 심박 정보를 이용한 표준화된 심박 정보 생성에 관한 도면이다.
도 11은 다른 실시예에 따른 질환 모니터링 방법에 관한 흐름도이다.
도 12는 일 실시예에 따른 질환 모니터링 시스템에서 질환 모니터링 방법을 수행하는 제1 예시에 관한 흐름도이다.
도 13은 일 실시예에 따른 질환 모니터링 시스템에서 질환 모니터링 방법을 수행하는 제2 예시에 관한 흐름도이다.
도 14는 일 실시예에 따른 질환 모니터링 시스템에서 질환 모니터링 방법을 수행하는 제3 예시에 관한 흐름도이다.
도 15는 일 실시예에 따른 질환 모니터링 시스템에서 질환 모니터링 방법을 수행하는 제4 예시에 관한 흐름도이다.
도 16은 일 실시예에 따른 사용자 등록 단계에 관한 흐름도이다.
도 17은 애플 워치와 핏빗을 통해 특정 사용자의 심박 정보를 측정한 결과에 대한 그래프이다.
도 18은 핏빗이 기준 타입인 경우에 웨어러블 디바이스의 타입 정보에 따라 심박 정보를 표준화하는 것에 대한 그래프이다.
도 19는 애플 워치가 기준 타입인 경우에 웨어러블 디바이스의 타입 정보에 따라 심박 정보를 표준화하는 것에 대한 그래프이다.
도 20은 도 18 및 도 19의 표준화된 심박 정보를 함께 나타낸 그래프이다.

본 출원에 기재된 실시예는 본 출원이 속하는 기술 분야에서 통상의 지식을 가진 자에게 본 출원의 사상을 명확히 설명하기 위한 것이므로, 본 출원에 기재된 실시예에 의해 한정되는 것은 아니며, 본 출원의 범위는 본 출원의 사상을 벗어나지 아니하는 수정예 또는 변형예를 포함하는 것으로 해석되어야 한다.

본 출원에서 사용되는 용어는 본 출원에서의 기능을 고려하여 가능한 현재 널리 사용되고 있는 일반적인 용어를 선택하였으나 이는 본 출원이 속하는 기술 분야에서 통상의 지식을 가진 자의 의도, 관례 또는 새로운 기술의 출현 등에 따라 달라질 수 있다. 다만, 이와 달리 특정한 용어를 임의의 의미로 정의하여 사용하는 경우에는 그 용어의 의미에 관하여 별도로 기재할 것이다. 따라서 본 출원에서 사용되는 용어는 단순한 용어의 명칭이 아닌 그 용어가 가진 실질적인 의미와 본 출원의 전반에 걸친 내용을 토대로 해석되어야 한다.

본 출원의 도면은 본 출원을 용이하게 설명하기 위한 것으로 도면에 도시된 형상은 본 출원의 이해를 돕기 위하여 필요에 따라 과장되어 표시된 것일 수 있으므로 본 출원이 도면에 의해 한정되는 것은 아니다.

본 출원에서 본 출원에 관련된 공지의 구성 또는 기능에 대한 구체적인 설명이 본 출원의 요지를 흐릴 수 있다고 판단되는 경우에 이에 관한 자세한 설명은 필요에 따라 생략하기로 한다. 또한, 본 출원의 설명 과정에서 이용되는 숫자(예를 들어, 제1, 제2 등)는 별도의 언급이 없는 한 하나의 구성요소를 다른 구성요소와 구분하기 위한 식별 기호에 불과하다.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "구성되다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

이하, 본 출원에 따른 사용자의 질환을 모니터링하는 방법, 그를 이용하는 서버 및 시스템에 대해 설명한다. 설명의 편의를 위해 갑상선 질환인 갑상선 기능 이상(예: 갑상선 기능 항진증, 갑상선 기능 저하증)을 모니터링하는 것에 대해 주로 설명하나, 본 출원에 따른 질환 모니터링이 이에 한정되는 것은 아니다.

본 명세서에서, 심박 정보는 심박수값들의 집합을 의미할 수 있다. 예를 들어, 상기 심박 정보는 소정의 시간동안 측정된 심박수값들의 집합을 의미할 수 있다.

본 명세서에서, 심박 정보를 표준화한다는 것은 심박 정보를 측정한 기기에 따른 측정 데이터 사이의 편차나 오차를 줄이기 위한 목적으로 수행되는 동작이나 단계를 의미한다.

본 명세서에서, 표준화된 심박 정보는 심박 정보를 표준화하여 생성된 심박 정보를 의미한다. 여기서, 표준화라는 것은 본 명세서의 일 실시예에 따라 표준화하는 것을 의미할 수 있다. 다시 말해, 단순히 심박 정보라고 한다면 이는 본 명세서의 일 실시예에 따른 표준화가 수행되지 않거나 본 명세서의 일 실시예에 따른 표준화가 수행되기 전의 심박 정보를 의미할 수 있다.

도 1은 웨어러블 디바이스에 따른 심박 정보 측정 데이터의 차이에 대한 일 예로, 사용자에게 애플 워치(Apple Watch)와 핏빗(FitBit)을 동일한 손목에 동시에 착용하게 하고 심박수를 측정한 결과를 나타낸 그래프이다. 도 1의 x축은 시간, y축은 심박수를 나타낸다.

도 1을 참고하면, 동일한 시점이라도 애플 워치가 측정한 심박수와 핏빗이 측정한 심박수가 서로 다른 것을 확인할 수 있다. 이에 비추어 확인할 수 있는 해결 과제는 애플 워치로 획득된 심박수를 기초로 질환 모니터링을 수행한 결과와, 핏빗 워치로 획득된 심박수를 기초로 질환 모니터링을 수행하는 결과가 다를 수 있다는 것이고, 이 결과 질환 모니터링 결과의 정확도에 영향을 미칠 수 있다는 뜻이다.

이에 더해, 핏빗은 1분에 1번씩 심박수를 측정하는 반면, 애플 워치는 불규칙적으로 약 5~8분에 한 번씩 심박수를 측정한다. 다시 말해, 웨어러블 디바이스에 따라 동일한 시점이라도 심박수가 다르게 측정될 수 있고, 심박수를 측정하는 시점도 달라질 수 있다.

따라서, 다양한 타입의 웨어러블 디바이스에 적용 가능한 질환 모니터링 방법이 요구된다.

도 2는 일 실시예에 따른 질환 모니터링 시스템(10)에 관한 도면이다.

도 2를 참고하면, 네트워크(300)는, 예를 들어, 사용자 단말(200), 데이터 저장 서버(400) 및 질환 모니터링 서버(500) 중 임의의 2개 이상을 통신 가능하게(직접 또는 간접적으로) 연결할 수 있다.

도 2에서, 웨어러블 디바이스(100)는 직접 네트워크(300)에 연결되지 않고 사용자 단말(200)을 통해 네트워크(300)와 연결되는 것으로 도시되어 있지만, 일부 실시예에서, 웨어러블 디바이스(100)는 네트워크(300)에 직접 연결될 수 있다.

웨어러블 디바이스(100)는 사용자의 심박 정보를 감지할 수 있다. 웨어러블 디바이스(100)는 사용자의 신체에 착용된 상태에서 심박 정보를 획득할 수 있다. 여기서, 사용자는 웨어러블 디바이스(100)를 착용한 사람을 의미할 수 있다.

웨어러블 디바이스(100)는 예시적으로 스마트 워치, 스마트 밴드, 스마트 링 또는 이들의 조합일 수 있으나, 이에 한정되는 것은 아니다.

사용자 단말(200)은 웨어러블 디바이스(100)로부터 심박 정보를 획득할 수 있다. 사용자 단말(200)은 심박 정보를 데이터 저장 서버(400)로 제공할 수 있다.

사용자 단말(200)은 예시적으로 스마트폰, 태블릿 디바이스, 랩탑 컴퓨터, 퍼스널 컴퓨터 또는 이들의 조합일 수 있으나, 이에 한정되는 것은 아니다.

데이터 저장 서버(400)는 심박 정보를 저장할 수 있다. 예를 들어, 데이터 저장 서버(400)는 심박 정보를 심박 정보 데이터베이스에 데이터베이스화하여 저장할 수 있다.

데이터 저장 서버(400)는 예를 들어 웨어러블 디바이스 제조사가 운영하거나 관리하는 서버일 수 있으나, 이에 한정되는 것은 아니다.

질환 모니터링 서버(500)는 심박 정보를 이용하여 질환을 모니터링할 수 있다. 질환 모니터링 서버(500)는 심박 정보를 이용하여 질환 모니터링 정보를 생성할 수 있다.

질환 모니터링 서버(500)는 심박 정보를 표준화할 수 있다. 질환 모니터링 서버(500)는 표준화된 심박 정보를 생성할 수 있다.

질환 모니터링 서버(500)의 질환 모니터링 및 심박 정보 표준화에 대한 보다 자세한 내용은 후술한다.

도 2에 도시된 구성 요소 모두가 질환 모니터링 시스템(10)의 필수 구성 요소인 것은 아니고, 도 2에 도시된 질환 모니터링 시스템(10)의 구성 요소 중 적어도 일부가 생략될 수도 있다. 예를 들어, 질환 모니터링 시스템(10)은 데이터 저장 서버(400)를 포함하지 않을 수 있다. 이 경우, 데이터 저장 서버(400)의 기능은 질환 모니터링 서버(500), 사용자 단말(200) 등 질환 모니터링 시스템(10)의 다른 구성 요소에 의해 수행될 수 있다. 다른 예를 들어, 질환 모니터링 시스템(10)은 사용자 단말(200)을 포함하지 않을 수 있다. 이 경우, 사용자 단말(200)의 기능은 웨어러블 디바이스(100) 등 질환 모니터링 시스템(10)의 다른 구성 요소에 의해 수행될 수 있다. 뿐만 아니라, 질환 모니터링 시스템(10)은 도 2에 도시되지 않은 구성 요소를 추가로 포함할 수 있다.

도 3은 일 실시예에 따른 질환 모니터링 서버(500)에 관한 도면이다. 도 3을 참고하면, 질환 모니터링 서버(500)는 통신부(510), 저장부(520), 제어부(530) 및 모듈부(540)를 포함할 수 있다.

질환 모니터링 서버(500)는 통신부(510)를 통해 외부와의 통신을 수행할 수 있다. 예를 들어, 질환 모니터링 서버(500)는 통신부(510)를 통해 데이터 저장 서버(400)로부터 심박 정보를 수신할 수 있다. 다른 예를 들어, 질환 모니터링 서버(500)는 통신부(510)를 통해 질환 모니터링 정보를 사용자 단말(200)로 전송할 수 있다.

통신부(510)는 유선 또는 무선 통신을 수행할 수 있다. 통신부(510)는 예시적으로 유/무선 LAN(Local Area Network) 모듈, WAN 모듈, 이더넷 모듈, 블루투스(Bluetooth) 모듈, 지그비(Zigbee) 모듈, USB(Universal Serial Bus) 모듈, IEEE 1394 모듈, 와이파이(Wifi) 모듈 또는 이들의 조합일 수 있으나, 이에 한정되는 것은 아니다.

질환 모니터링 서버(500)는 저장부(520)에 동작하는데 필요한 각종 데이터, 프로그램 또는 어플리케이션 등을 저장할 수 있다. 저장부(520)에 저장되는 프로그램 또는 어플리케이션은 하나 이상의 인스트럭션을 포함할 수 있다. 저장부(520)에 저장된 프로그램 또는 어플리케이션은 제어부(530)에 의해 실행될 수 있다.

저장부(520)는 질환 모니터링 서버(500)가 획득하는 정보를 저장할 수 있다. 예를 들어, 저장부(520)는 심박 정보, 사용자 정보 및 웨어러블 디바이스의 타입 정보 등을 저장할 수 있다. 저장부(520)는 질환 모니터링 서버(500)가 수행한 연산의 결과 등을 저장할 수 있다. 예를 들어, 저장부(520)는 질환 모니터링 정보를 저장할 수 있다.

저장부(520)는 예시적으로 하드 디스크, 플래시 메모리, SSD(Solid State Drive), RAM(Random Access Memory), ROM(Read Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 또는 이들의 조합일 수 있으나, 이에 한정되는 것은 아니다.

질환 모니터링 서버(500)는 제어부(530)를 통해 각종 정보의 처리와 연산을 수행할 수 있다. 예를 들어, 제어부(530)는 표준화된 심박 정보를 생성할 수 있다. 다른 예를 들어, 제어부(530)는 질환 모니터링 정보를 생성할 수 있다. 또 다른 예를 들어, 제어부(530)는 표준화된 심박 정보를 외부 기기 또는 외부 서버로 전송하고, 상기 외부 기기 또는 외부 서버에서 표준화된 심박 정보를 기초로 질환 모니터링 정보를 생성하고, 상기 생성된 질환 모니터링 정보를 상기 외부 기기 또는 외부 서버로부터 수신할 수 있다. 제어부(530)는 질환 모니터링 서버(500)를 구성하는 다른 구성 요소를 제어할 수 있다.

제어부(530)는 하드웨어, 소프트웨어 또는 이들의 조합에 따라 컴퓨터나 이와 유사한 장치로 구현될 수 있다. 하드웨어적으로 제어부(530)는 하나 또는 복수의 프로세서(processor)일 수 있다. 또는, 제어부(530)는 물리적으로 이격되어 통신을 통해 협업하는 프로세서들로 제공될 수도 있다. 제어부(530)는 예시적으로 중앙 처리 장치(Central Processing Unit, CPU), 그래픽 처리 장치(Graphics Processing Unit, GPU), 디지털 신호 처리 장치(Digital Signal Processor, DSP), 상태 기계(state machine), 주문형 반도체(Application Specific Integrated Circuit, ASIC), 무선 주파수 집적 회로(Radio-Frequency Integrated Circuit, RFIC) 또는 이들의 조합일 수 있으나, 이에 한정되는 것은 아니다. 소프트웨어적으로 제어부(530)는 하드웨어적인 제어부(530)를 구동시키는 프로그램 형태로 제공될 수 있다.

이하에서 특별한 언급이 없는 경우에는 질환 모니터링 서버(500)의 동작은 제어부(530)에 의해 수행되거나 제어부(530)의 제어에 의해 수행되는 것으로 해석될 수 있다.

모듈부(540)는 하나 이상의 동작 가능한 모듈들을 포함할 수 있다. 모듈부(540)는 심박 정보 표준화 모듈(541)을 포함할 수 있다. 심박 정보 표준화 모듈(541)은 하나 이상의 모델들을 이용하여 구현될 수 있다. 모듈부(540)는 질환 모니터링 모듈(542)을 포함할 수 있다. 질환 모니터링 모듈(542)은 하나 이상의 모델들을 이용하여 구현될 수 있다. 모듈부(540)에 대한 보다 구체적인 내용은 후술한다.

도 3에 도시된 구성 요소 모두가 질환 모니터링 서버(500)의 필수 구성 요소인 것은 아니고, 도 3에 도시된 질환 모니터링 서버(500)의 구성 요소 중 적어도 일부가 생략될 수도 있다. 뿐만 아니라, 질환 모니터링 서버(500)는 도 3에 도시되지 않은 구성 요소를 추가로 포함할 수 있다. 예를 들어, 질환 모니터링 서버(500)는 디스플레이, 스피커 또는 이들의 조합을 포함하는 출력부를 더 포함할 수 있다.

도 3에서는 하나 이상의 동작 가능한 모듈들이 모두 모듈부(540)에 포함되는 것으로 도시되어 있으나, 상기 모듈들 중 적어도 하나 이상의 모듈은 저장부(520)에 저장되는 소프트웨어 모듈로 구현될 수도 있다. 예를 들어, 심박 정보 표준화 모듈(541)은 도 3에 도시된 바와 같이 모듈부(540)에 포함되는 별도의 하드웨어 모듈로 구현되지 않고, 소프트웨어 모듈로써 저장부(520)에 저장될 수 있고, 제어부(530)에 의해 실행됨으로써 동작될 수 있다. 다른 예를 들어, 질환 모니터링 모듈(542)은 도 3에 도시된 바와 같이 모듈부(540)에 포함되는 별도의 하드웨어 모듈로 구현되지 않고, 소프트웨어 모듈로써 저장부(520)에 저장될 수 있고, 제어부(530)에 의해 실행됨으로써 동작될 수 있다.

이하에서는 본 출원에 따른 질환 모니터링 방법에 대해 설명한다. 이하에서는 질환 모니터링 서버에서 질환 모니터링 방법을 수행하는 것으로 설명하나, 질환 모니터링 방법이 반드시 질환 모니터링 서버에서 수행되어야 하는 것은 아니다. 예를 들어, 질환 모니터링 방법은 사용자 단말에서 수행될 수 있다. 다른 예를 들어, 질환 모니터링 방법의 일부는 질환 모니터링 서버에서 수행되고, 나머지는 사용자 단말에서 수행될 수 있다.

도 4는 일 실시예에 따른 질환 모니터링 방법에 관한 흐름도이다.

단계 S410에서, 질환 모니터링 서버는 웨어러블 디바이스의 타입 정보 및 심박 정보를 획득할 수 있다.

일 실시예에 따르면, 웨어러블 디바이스의 타입은 웨어러블 디바이스의 제조사에 대응할 수 있다. 예를 들어, 애플사에서 제조한 웨어러블 디바이스는 애플 타입, 핏빗사에서 제조한 웨어러블 디바이스는 핏빗 타입, 삼성전자사에서 제조한 웨어러블 디바이스는 삼성전자 타입에 대응할 수 있다. 이 경우, 동일한 제조사에서 제조한 웨어러블 디바이스라면 그 모델이 상이하더라도 동일한 타입에 대응할 수 있다. 예를 들어, 애플 워치 1세대 내지 7세대는 동일한 애플 타입, 갤럭시 워치 1세대 내지 3세대는 동일한 삼성전자 타입에 대응할 수 있다.

여기서, 웨어러블 디바이스의 제조사에 따라 상이한 타입 정보가 설정될 수 있다. 이는 사용자에 의해 수동으로 설정되거나, 질환 모니터링 서버에 의해 자동으로 설정될 수 있다.

다른 실시예에 따르면, 웨어러블 디바이스의 타입은 웨어러블 디바이스의 모델에 대응할 수 있다. 이 경우, 동일한 제조사에서 제조한 상이한 모델의 웨어러블 디바이스는 서로 다른 타입에 대응할 수 있다. 예를 들어, 애플사에서 제조한 웨어러블 디바이스이더라도 애플 워치 1세대 내지 7세대 각각은 서로 다른 타입에 대응할 수 있다. 다른 예를 들어, 애플 워치 1세대 내지 7세대 중 일부는 나머지와 다른 타입에 대응할 수 있다.

여기서, 웨어러블 디바이스의 모델에 따라 상이한 타입 정보가 설정될 수 있다. 이는 사용자에 의해 수동으로 설정되거나, 질환 모니터링 서버에 의해 자동으로 설정될 수 있다.

또 다른 실시예에 따르면, 웨어러블 디바이스의 타입은 웨어러블 디바이스가 측정하는 측정값의 동일성에 따라 구분될 수 있다. 예를 들어, 제1 웨어러블 디바이스와 제2 웨어러블 디바이스가 동일한 측정값(예: 심박 정보 등)을 제공한다면, 상기 제1 웨어러블 디바이스와 상기 제2 웨어러블 디바이스는 동일한 타입에 대응할 수 있다.

여기서, 상기 측정값의 동일성에 따라 상이한 타입 정보가 설정될 수 있다. 이는 사용자에 의해 수동으로 설정되거나, 질환 모니터링 서버에 의해 자동으로 설정될 수 있다.

질환 모니터링 서버는 몇몇 방식을 통해 타입 정보를 획득할 수 있다.

일 실시예에 따르면, 질환 모니터링 서버는 사용자 단말, 데이터 저장 서버 및 웨어러블 디바이스 중 적어도 하나로부터 사용자 식별자를 수신하고, 상기 사용자 식별자를 기초로 타입 정보를 결정할 수 있다. 예를 들어, 질환 모니터링 서버는 사용자 식별자 및 상기 사용자 식별자에 대응하는 타입 정보를 미리 저장하고, 사용자 식별자를 수신하면 상기 수신된 식별자와 동일한 식별자를 미리 저장된 식별자 중에서 찾아 타입 정보를 결정할 수 있다.

다른 실시예에 따르면, 질환 모니터링 서버는 사용자 단말, 데이터 저장 서버 및 웨어러블 디바이스 중 적어도 하나로부터 타입 정보를 수신할 수 있다.

질환 모니터링 서버는 사용자 단말, 데이터 저장 서버 및 웨어러블 디바이스 중 적어도 하나로부터 심박 정보를 획득할 수 있다.

예를 들어, 질환 모니터링 서버는 데이터 저장 서버로부터 심박 정보를 획득할 수 있다. 이 경우, 질환 모니터링 서버는 데이터 저장 서버로부터 사용자 식별자 또는 타입 정보를 수신할 수도 있지만, 사용자 단말이나 웨어러블 디바이스로부터 사용자 식별자 또는 타입 정보를 수신할 수도 있다.

다른 예를 들어, 질환 모니터링 서버는 사용자 단말로부터 심박 정보를 획득할 수 있다. 이 경우, 질환 모니터링 서버는 사용자 단말로부터 사용자 식별자 또는 타입 정보를 수신할 수도 있지만, 데이터 저장 서버나 웨어러블 디바이스로부터 사용자 식별자 또는 타입 정보를 수신할 수도 있다.

질환 모니터링 서버는 타입 정보 및 심박 정보를 동일한 주기로 획득할 수 있다.

또는, 질환 모니터링 서버는 타입 정보 및 심박 정보를 상이한 주기로 획득할 수 있다. 예를 들어, 질환 모니터링 서버는 타입 정보보다 심박 정보를 더 긴 주기로 획득할 수 있다. 보다 구체적인 예로, 질환 모니터링 서버는 타입 정보를 제1 주기로 획득하고, 심박 정보를 상기 제1 주기보다 긴 제2 주기로 획득할 수 있다. 다른 예를 들어, 질환 모니터링 서버는 심박 정보보다 타입 정보를 더 긴 주기로 획득할 수 있다. 보다 구체적인 예로, 질환 모니터링 서버는 심박 정보를 제1 주기로 획득하고, 타입 정보를 상기 제1 주기보다 긴 제2 주기로 획득할 수 있다.

질환 모니터링 서버는 타입 정보 및 심박 정보를 동일한 횟수로 획득할 수 있다. 예를 들어, 질환 모니터링 서버는 타입 정보를 1번 획득할 때 심박 정보도 1번 획득할 수 있다.

또는, 질환 모니터링 서버는 타입 정보 및 심박 정보를 상이한 횟수로 획득할 수 있다. 예를 들어, 질환 모니터링 서버는 타입 정보보다 심박 정보를 더 많은 횟수로 획득할 수 있다. 보다 구체적인 예로, 질환 모니터링 서버는 타입 정보를 1번 획득할 때 심박 정보를 2번 이상 획득할 수 있다. 다른 예를 들어, 질환 모니터링 서버는 심박 정보보다 타입 정보를 더 많은 횟수로 획득할 수 있다. 보다 구체적인 예로, 질환 모니터링 서버는 심박 정보를 1번 획득할 때 타입 정보를 2번 이상 획득할 수 있다.

단계 S420에서, 일부 실시예에서, 질환 모니터링 서버는 타입 정보가 기준 타입에 대응하는지 판단할 수 있다. 기준 타입은 복수의 웨어러블 디바이스의 타입 중 특정 타입일 수 있다.

단계 S430에서, 타입 정보가 기준 타입에 대응하지 않으면, 질환 모니터링 서버는 심박 정보 표준화 모듈을 통해 심박 정보를 이용하여 표준화된 심박 정보를 생성할 수 있다.

심박 정보를 이용하여 표준화된 심박 정보를 생성한다는 것은 기준 타입이 아닌 웨어러블 디바이스에서 획득된 심박 정보를 기준 타입의 웨어러블 디바이스에서 획득된 심박 정보로 변환하는 것을 의미할 수 있다. 예를 들어, 핏빗 타입이 기준 타입인 경우, 질환 모니터링 서버는 핏빗이 아닌 다른 타입의 웨어러블 디바이스(예: 애플 워치, 갤럭시 워치 등)에서 획득된 심박 정보를 핏빗에서 획득된 심박 정보로 변환할 수 있다. 다른 예를 들어, 핏빗의 제1 모델이 기준 타입인 경우, 질환 모니터링 서버는 핏빗의 제2 모델(제1 모델과 다름)에서 획득된 심박 정보를 핏빗의 제1 모델에서 획득된 심박 정보로 변환할 수 있다. 다시 말해, 표준화된 심박 정보는 기준 타입의 웨어러블 디바이스에서 획득된 것으로 예측되는 가상의 심박 정보일 수 있다.

일 예로, 심박 정보는 복수의 심박수값 및 상기 심박수값이 획득된 시점을 포함할 수 있다. 보다 구체적인 예를 들어, 심박 정보는 다음과 같은 n X 2 행렬로 표현될 수 있다.

여기서, n은 심박수의 개수이고, 제1 시점은 심박수가 측정된 가장 이른 시점이고, 제n 시점은 심박수가 측정된 가장 늦은 시점이다.

일부 실시예에서, 심박수가 측정된 시점 사이의 간격은 미리 정해진 일정한 시간 간격일 수 있다. 예를 들어, 상기 간격은 10초, 30초, 1분, 5분 또는 10분일 수 있으나, 이에 한정되는 것은 아니다.

다른 예로, 심박 정보는 복수의 심박수값을 포함할 수 있다. 보다 구체적인 예를 들어, 심박 정보는 다음과 같은 n차원 벡터로 표현될 수 있다.

여기서, n은 심박수의 개수이다.

일 실시예에 따르면, 심박 정보 표준화 모듈은 심박 정보 표준화 모델을 이용하여 구현될 수 있다.

도 5는 일 실시예에 따른 심박 정보 표준화 모델을 이용하여 표준화된 심박 정보를 생성하는 것에 관한 도면으로, (a)는 전술한 심박수값 및 시점을 포함하는 n X 2 행렬 형태의 심박 정보로부터 표준화된 심박 정보를 생성하는 경우이고, (b)는 전술한 심박수값을 포함하는 n차원 벡터 형태의 심박 정보로부터 표준화된 심박 정보를 생성하는 경우이다.

질환 모니터링 서버는 심박 정보 및 심박 정보 표준화 모델을 이용하여 표준화된 심박 정보를 생성할 수 있다. 예를 들어, 질환 모니터링 서버는 심박 정보를 심박 정보 표준화 모델에 입력하여 표준화된 심박 정보를 생성할 수 있다. 다른 예를 들어, 질환 모니터링 서버는 심박 정보로부터 생성된 정보를 심박 정보 표준화 모델에 입력하여 표준화된 심박 정보를 생성할 수 있다. 상기 심박 정보로부터 생성된 정보는, 예시적으로 상기 심박 정보에 포함된 적어도 일부의 심박수값이 변경 또는 삭제된 정보, 상기 심박 정보에 하나 이상의 값이 추가된 정보 또는 상기 심박 정보를 가공하여 생성된 정보일 수 있으나, 이에 한정되는 것은 아니다.

예를 들어, 도 5의 (a)를 참고하면, 심박 정보는 복수의 심박수값(b1, b2 내지 bn) 및 상기 심박수값이 획득된 측정 시점(t1, t2 내지 tn)을 포함하고, 표준화된 심박 정보는 복수의 표준화된 심박수값(bs1, bs2 내지 bsn) 및 상기 표준화된 심박수값에 대응하는 시점(t1, t2 내지 tn)을 포함할 수 있다. 여기서, 상기 표준화된 심박수값에 대응하는 시점은 상기 심박수값이 획득된 측정 시점과 동일할 수 있다. 도 5의 (a)에서는 표준화된 심박 정보가 상기 표준화된 심박수값에 대응하는 시점(t1, t2 내지 tn)을 포함하는 것으로 도시되었으나, 표준화된 심박 정보는 상기 표준화된 심박수값에 대응하는 시점(t1, t2 내지 tn)은 포함하지 않고 표준화된 심박수값(bs1, bs2 내지 bsn)은 포함할 수 있다.

다른 예를 들어, 도 5의 (b)를 참고하면, 심박 정보는 복수의 심박수값(b1, b2 내지 bn)을 포함하고, 표준화된 심박 정보는 복수의 표준화된 심박수값(bs1, bs2 내지 bsn)을 포함할 수 있다.

심박 정보 표준화 모델은 머신 러닝 모델, 딥 러닝 모델 또는 이들의 조합일 수 있다. 심박 정보 표준화 모델은 예시적으로 RNN 모델, LSTM 모델 또는 GRU 모델과 같은 RNN 계열 모델일 수 있으나, 이에 한정되는 것은 아니다.

심박 정보 표준화 모델은 복수의 레이어(layer)를 포함할 수 있다. 예를 들어, 심박 정보 표준화 모델은 입력 레이어(input layer), 히든 레이어(hidden layer) 및 출력 레이어(output layer)를 포함할 수 있다. 입력 레이어는 심박 정보가 입력되는 레이어일 수 있다. 출력 레이어는 표준화된 심박 정보가 출력되는 레이어일 수 있다. 히든 레이어는 입력 레이어 및 출력 레이어 사이의 레이어일 수 있다.

심박 정보 표준화 모델은 지도 학습(supervised learning), 비지도 학습(unsupervised learning), 준지도 학습(semi-supervised learning), 강화 학습(reinforcement learning) 등 다양한 방법을 통해 학습될 수 있다.

예를 들어, 심박 정보 표준화 모델은 지도 학습을 통해 학습될 수 있다. 이 경우, 심박 정보 표준화 모델은 학습용 심박 정보 및 상기 학습용 심박 정보에 대응하는 기준 심박 정보를 이용하여 학습될 수 있다. 보다 구체적인 예를 들어, 심박 정보 표준화 모델은 학습용 심박 정보를 입력받아 출력 심박 정보를 출력하고, 상기 출력 심박 정보와 기준 심박 정보 사이의 차이에 기초하여 학습될 수 있다. 상기 학습용 심박 정보는 소정의 시간 동안 기준 타입이 아닌 웨어러블 디바이스에서 획득된 심박 정보일 수 있다. 상기 기준 심박 정보는 상기 소정의 시간 동안 기준 타입인 웨어러블 디바이스에서 획득된 심박 정보일 수 있다. 또는, 상기 기준 심박 정보는 상기 소정의 시간 동안 기준 타입의 웨어러블 디바이스에서 획득된 것으로 예측되는 심박 정보일 수 있다. 선택적으로, 심박 정보 표준화 모델은 타입 정보를 더 이용하여 학습될 수 있다. 이 경우, 심박 정보 표준화 모델은 학습용 심박 정보 및 타입 정보를 입력받아 출력 심박 정보를 출력하고, 상기 출력 심박 정보와 기준 심박 정보 사이의 차이에 기초하여 학습될 수 있다.

선택적으로, 심박 정보 표준화 모델은 사람의 성별 및 나이 등 생체 정보를 더 이용하여 학습될 수 있다.

질환 모니터링 서버는 심박 정보 표준화 모델을 학습시킬 수 있다. 또는, 질환 모니터링 서버는 외부로부터 학습된 심박 정보 표준화 모델을 제공받을 수 있다.

선택적으로, 질환 모니터링 서버는 타입 정보를 더 이용하여 표준화된 심박 정보를 생성할 수 있다. 예를 들어, 질환 모니터링 서버는 심박 정보 및 타입 정보를 심박 정보 표준화 모델에 입력하여 표준화된 심박 정보를 생성할 수 있다. 심박 정보 표준화 모델이 입력 레이어, 히든 레이어 및 출력 레이어를 포함하는 경우, 심박 정보 및 타입 정보는 모두 입력 레이어에 입력될 수 있다. 또는, 심박 정보 표준화 모델이 입력 레이어, 히든 레이어 및 출력 레이어를 포함하는 경우, 심박 정보는 입력 레이어에 입력되고, 타입 정보는 히든 레이어 또는 출력 레이어에 입력될 수 있다.

다른 실시예에 따르면, 심박 정보 표준화 모듈은 복수의 타입 모델을 이용하여 구현될 수 있다. 예를 들어, 심박 정보 표준화 모듈은 적어도 제1 타입 모델 및 제2 타입 모델을 이용하여 구현될 수 있다.

웨어러블 디바이스의 타입에 따라 측정되는 심박 정보의 특성이나 패턴이 상이할 수 있다. 예를 들어, 웨어러블 디바이스별로 심박 정보의 측정 방식이 상이함에 따라 측정되는 심박 정보의 특성이나 패턴이 상이할 수 있다. 이에 따라, 상이한 타입의 웨어러블 디바이스에서 획득된 심박 정보를 하나의 동일한 모델을 이용하여 표준화하면 부정확한 표준화된 심박 정보가 생성될 수 있다. 이 경우, 웨어러블 디바이스의 타입에 따라 상이한 타입 모델을 이용하면 보다 정확하게 표준화된 심박 정보를 생성할 수 있다.

도 6은 일 실시예에 따른 복수의 타입 모델을 이용하여 표준화된 심박 정보를 생성하는 것에 관한 도면이다.

질환 모니터링 서버는 웨어러블 디바이스의 타입에 따라 상이한 타입 모델을 이용하여 표준화된 심박 정보를 생성할 수 있다.

질환 모니터링 서버는 웨어러블 디바이스의 타입 정보가 제1 타입에 대응하면 심박 정보 및 제1 타입 모델을 이용하여 표준화된 심박 정보를 생성할 수 있다. 예를 들어, 질환 모니터링 서버는 웨어러블 디바이스의 타입 정보가 제1 타입에 대응하면 심박 정보를 제1 타입 모델에 입력하여 표준화된 심박 정보를 생성할 수 있다. 다른 예를 들어, 질환 모니터링 서버는 웨어러블 디바이스의 타입 정보가 제1 타입에 대응하면 심박 정보로부터 생성된 정보를 제1 타입 모델에 입력하여 표준화된 심박 정보를 생성할 수 있다.

질환 모니터링 서버는 웨어러블 디바이스의 타입 정보가 제2 타입에 대응하면 심박 정보 및 제2 타입 모델을 이용하여 표준화된 심박 정보를 생성할 수 있다. 예를 들어, 질환 모니터링 서버는 웨어러블 디바이스의 타입 정보가 제2 타입에 대응하면 심박 정보를 제2 타입 모델에 입력하여 표준화된 심박 정보를 생성할 수 있다. 다른 예를 들어, 질환 모니터링 서버는 웨어러블 디바이스의 타입 정보가 제2 타입에 대응하면 심박 정보로부터 생성된 정보를 제2 타입 모델에 입력하여 표준화된 심박 정보를 생성할 수 있다. 여기서, 상기 제2 타입은 상기 제1 타입과 상이한 타입이다.

도 6에서의 심박 정보 및 표준화된 심박 정보는 전술한 도 5에서의 내용이 마찬가지로 적용될 수 있으므로 중복되는 설명은 생략한다.

타입 모델은 머신 러닝 모델, 딥 러닝 모델 또는 이들의 조합일 수 있다. 타입 모델은 예시적으로 RNN 모델, LSTM 모델 또는 GRU 모델과 같은 RNN 계열 모델일 수 있으나, 이에 한정되는 것은 아니다.

타입 모델은 지도 학습(supervised learning), 비지도 학습(unsupervised learning), 준지도 학습(semi-supervised learning), 강화 학습(reinforcement learning) 등 다양한 방법을 통해 학습될 수 있다.

타입 모델의 학습에 대해서는 전술한 심박 정보 표준화 모델의 학습에 대한 내용이 유사하게 적용될 수 있다. 다만, 타입 모델을 위한 학습용 심박 정보는 상기 타입 모델에 대응하는 웨어러블 디바이스에서 획득된 심박 정보만을 포함할 수 있다. 예를 들어, 제1 타입 모델을 위한 학습용 심박 정보는 제1 타입의 웨어러블 디바이스에서 획득된 심박 정보이고, 제2 타입 모델을 위한 학습용 심박 정보는 제2 타입의 웨어러블 디바이스에서 획득된 심박 정보일 수 있다.

질환 모니터링 서버는 타입 모델을 학습시킬 수 있다. 또는, 질환 모니터링 서버는 외부로부터 학습된 타입 모델을 제공받을 수 있다.

또 다른 실시예에 따르면, 심박 정보 표준화 모듈은 수면 모델 및 비수면 모델을 이용하여 구현될 수 있다.

수면 시의 심박 정보는 비수면 시의 심박 정보에 비해 안정한 상태에서의 심박 정보이므로, 수면 시의 심박 정보의 특성이나 패턴은 비수면 시의 그것들과 상이할 수 있다. 이에 따라, 수면 시의 심박 정보 및 비수면 시의 심박 정보를 하나의 동일한 모델을 이용하여 표준화하면 부정확한 표준화된 심박 정보가 생성될 수 있다. 이 경우, 수면 시의 심박 정보와 비수면 시의 심박 정보에 대해 상이한 모델을 이용하면 보다 정확하게 표준화된 심박 정보를 생성할 수 있다.

도 7은 일 실시예에 따른 수면 모델 및 비수면 모델을 이용하여 표준화된 심박 정보를 생성하는 것에 관한 도면이다.

질환 모니터링 서버는 심박 정보를 수면 시 획득했는지 비수면 시 획득했는지에 따라 상이한 모델을 이용하여 표준화된 심박 정보를 생성할 수 있다.

질환 모니터링 서버는 수면 시 획득한 심박 정보 및 수면 모델을 이용하여 표준화된 심박 정보를 생성할 수 있다. 예를 들어, 질환 모니터링 서버는 수면 시 획득한 심박 정보 또는 상기 심박 정보로부터 생성된 정보를 수면 모델에 입력하여 표준화된 심박 정보를 생성할 수 있다.

질환 모니터링 서버는 비수면 시 획득한 심박 정보 및 비수면 모델을 이용하여 표준화된 심박 정보를 생성할 수 있다. 예를 들어, 질환 모니터링 서버는 비수면 시 획득한 심박 정보 또는 상기 심박 정보로부터 생성된 정보를 비수면 모델에 입력하여 표준화된 심박 정보를 생성할 수 있다.

선택적으로, 질환 모니터링 서버는 심박 정보가 수면 시 또는 비수면 시에 대응하는지 여부를 판단할 수 있다. 예를 들어, 질환 모니터링 서버는 심박 정보를 분석하여 상기 심박 정보가 수면 시 또는 비수면 시에 대응하는지 여부를 판단할 수 있다. 다른 예를 들어, 질환 모니터링 서버는 심박 정보가 획득된 시점에 따라 상기 심박 정보가 수면 시 또는 비수면 시에 대응하는지 여부를 판단할 수 있다. 보다 구체적인 예로, 질환 모니터링 서버는 심박 정보가 획득된 시점이 미리 설정된 수면 시간(예: 오전 2시부터 오전 6시)에 포함되는 경우 상기 심박 정보가 수면 시에 대응하는 것으로 판단할 수 있다.

선택적으로, 질환 모니터링 서버는 심박 정보가 수면 시 또는 비수면 시에 대응하는지에 관한 정보를 사용자 단말, 데이터 저장 서버 및 웨어러블 디바이스 중 적어도 하나로부터 획득할 수 있다. 예를 들어, 질환 모니터링 서버는 사용자 단말, 데이터 저장 서버 및 웨어러블 디바이스 중 적어도 하나로부터 심박 정보를 획득할 때 상기 심박 정보와 함께 상기 심박 정보가 수면 시 또는 비수면 시에 대응하는지에 관한 정보를 획득할 수 있다.

도 7에서의 심박 정보 및 표준화된 심박 정보는 전술한 도 5에서의 내용이 마찬가지로 적용될 수 있으므로 중복되는 설명은 생략한다.

수면 모델 또는 비수면 모델은 머신 러닝 모델, 딥 러닝 모델 또는 이들의 조합일 수 있다. 수면 모델 또는 비수면 모델은 예시적으로 RNN 모델, LSTM 모델 또는 GRU 모델과 같은 RNN 계열 모델일 수 있으나, 이에 한정되는 것은 아니다.

수면 모델 또는 비수면 모델은 지도 학습(supervised learning), 비지도 학습(unsupervised learning), 준지도 학습(semi-supervised learning), 강화 학습(reinforcement learning) 등 다양한 방법을 통해 학습될 수 있다.

수면 모델 또는 비수면 모델의 학습에 대해서는 전술한 심박 정보 표준화 모델의 학습에 대한 내용이 유사하게 적용될 수 있다. 다만, 수면 모델을 위한 학습용 심박 정보는 수면 시 획득한 심박 정보이고, 비수면 모델을 위한 학습용 심박 정보는 비수면 시 획득한 심박 정보일 수 있다.

질환 모니터링 서버는 수면 모델 또는 비수면 모델을 학습시킬 수 있다. 또는, 질환 모니터링 서버는 외부로부터 학습된 수면 모델 또는 비수면 모델을 제공받을 수 있다.

다시 도 4를 참고하면, 질환 모니터링 서버는 질환 모니터링 모듈을 통해 심박 정보 또는 표준화된 심박 정보를 이용하여 질환 모니터링 정보를 생성할 수 있다.

일 예로, 질환 모니터링 정보는 질환 유무에 대한 정보를 포함할 수 있다. 질환 유무에 대한 정보는 예시적으로 갑상선 기능 이상 여부에 대한 정보일 수 있으나, 이에 한정되는 것은 아니다.

다른 예로, 질환 모니터링 정보는 하나 이상의 질환과 관련된 인자에 대한 정보를 포함할 수 있다. 상기 인자는 예시적으로 호르몬 수치(예: free T4, T3, TSH 등 갑상선에서 분비되거나 갑상선을 자극하는 등 갑상선과 관련된 모든 호르몬 중 적어도 하나에 대한 수치)일 수 있으나, 이에 한정되는 것은 아니다.

또 다른 예로, 질환 모니터링 정보는 질환 유무에 대한 정보 및 하나 이상의 질환과 관련된 인자에 대한 정보를 포함할 수 있다.

단계 S440에서, 타입 정보가 기준 타입에 대응하지 않으면, 질환 모니터링 서버는 질환 모니터링 모듈을 통해 표준화된 심박 정보를 이용하여 질환 모니터링 정보를 생성할 수 있다.

단계 S450에서, 타입 정보가 기준 타입에 대응하면, 질환 모니터링 서버는 질환 모니터링 모듈을 통해 심박 정보를 이용하여 질환 모니터링 정보를 생성할 수 있다. 이 경우, 질환 모니터링 서버는 단계 S430의 심박 정보 표준화 단계를 거치지 않고 질환 모니터링 정보를 생성할 수 있다. 다시 말해, 타입 정보가 기준 타입에 대응하면, 웨어러블 디바이스에서 획득된 심박 정보는 이미 표준에 부합한 것으로 볼 수 있으므로, 질환 모니터링 서버는 상기 심박 정보 표준화 단계를 거치지 않고 질환 모니터링 정보를 생성할 수 있다. 예를 들어, 핏빗 타입이 기준 타입인 경우, 질환 모니터링 서버는 핏빗에서 획득된 심박 정보를 이용하여 상기 심박 정보 표준화 단계를 거치지 않고 질환 모니터링 정보를 생성할 수 있다.

일 실시예에 따르면, 질환 모니터링 모듈은 질환 모니터링 모델을 이용하여 구현될 수 있다.

도 8은 일 실시예에 따른 질환 모니터링 모델을 이용하여 질환 모니터링 정보를 생성하는 것에 관한 도면으로, (a)는 심박 정보 또는 표준화된 심박 정보를 입력받아 질환 모니터링 정보를 출력하는 질환 모니터링 모델(이하 "제1 질환 모니터링 모델")이고, (b)는 심박 정보 또는 표준화된 심박 정보로부터 생성된 하나 이상의 대표 심박수를 입력받아 질환 모니터링 정보를 출력하는 질환 모니터링 모델(이하 "제2 질환 모니터링 모델")이다. 이하에서는 "심박 정보 또는 표준화된 심박 정보"를 "(표준화된) 심박 정보"로 표현한다.

도 8의 (a)를 참고하면, 일 실시예에 따른 질환 모니터링 서버는 (표준화된) 심박 정보를 제1 질환 모니터링 모델에 입력하여 질환 모니터링 정보를 생성할 수 있다. 여기서, 상기 제1 질환 모니터링 모델에 입력되는 (표준화된) 심박 정보는 예시적으로 도 5의 (a)에 도시된 바와 같이 심박수값 및 시점을 포함하는 형태이거나 (b)에 도시된 바와 같이 심박수값을 포함하는 형태일 수 있으나, 이에 한정되는 것은 아니다.

질환 모니터링 서버는 평가 기간의 (표준화된) 심박 정보를 제1 질환 모니터링 모델에 입력하여 질환 모니터링 정보를 생성할 수 있다.

평가 기간은 사용자의 질환을 모니터링하고자 하는 대상 기간일 수 있다. 예를 들어, 평가 기간은 질환 유무를 예측하고자 하는 시점을 포함하는 기간일 수 있다. 다른 예를 들어, 평가 기간은 질환과 관련된 인자를 예측하고자 하는 시점을 포함하는 기간일 수 있다. 평가 기간은 미리 정해진 기간의 길이일 수 있다. 평가 기간은 복수의 날(day)을 포함할 수 있다. 평가 기간은 3일 이상일 수 있다.

제1 질환 모니터링 모델은 머신 러닝 모델, 딥 러닝 모델 또는 이들의 조합일 수 있다. 제1 질환 모니터링 모델은 예시적으로 RNN 모델, LSTM 모델 또는 GRU 모델과 같은 RNN 계열 모델일 수 있으나, 이에 한정되는 것은 아니다.

제1 질환 모니터링 모델은 지도 학습(supervised learning), 비지도 학습(unsupervised learning), 준지도 학습(semi-supervised learning), 강화 학습(reinforcement learning) 등 다양한 방법을 통해 학습될 수 있다.

예를 들어, 제1 질환 모니터링 모델은 지도 학습을 통해 학습될 수 있다. 이 경우, 제1 질환 모니터링 모델은 학습용 (표준화된) 심박 정보 및 상기 학습용 (표준화된) 심박 정보에 대응하는 기준 질환 모니터링 정보를 이용하여 학습될 수 있다. 보다 구체적인 예를 들어, 제1 질환 모니터링 모델은 학습용 (표준화된) 심박 정보를 입력받아 출력 질환 모니터링 정보를 출력하고, 상기 출력 질환 모니터링 정보와 기준 질환 모니터링 정보 사이의 차이에 기초하여 학습될 수 있다. 여기서, 학습용 (표준화된) 심박 정보는 평가 기간의 (표준화된) 심박 정보에 대응할 수 있다.

질환 모니터링 서버는 제1 질환 모니터링 모델을 학습시킬 수 있다. 또는, 질환 모니터링 서버는 외부로부터 학습된 제1 질환 모니터링 모델을 제공받을 수 있다.

또는, 질환 모니터링 서버는 평가 기간의 (표준화된) 심박 정보 및 기준 기간의 (표준화된) 심박 정보를 제1 질환 모니터링 모델에 입력하여 질환 모니터링 정보를 생성할 수 있다.

기준 기간은 사용자의 갑상선 기능이 정상인 것으로 판단되는 기간일 수 있다. 기준 기간은 사용자의 갑상선 호르몬 수치가 정상인 것으로 판단된 시점을 포함하는 기간일 수 있다. 기준 기간은 사용자가 피검사를 통해 갑상선 호르몬 수치를 측정한 날의 직전 기간, 측정한 날을 포함하는 기간 또는 측정한 날의 직후 기간일 수 있다. 기준 기간은 미리 정해진 기간의 길이일 수 있다. 기준 기간의 길이는 평가 기간의 길이와 동일할 수 있다. 기준 기간의 대표 심박수 산출 방법은 평가 기간의 대표 심박수 산출 방법과 동일할 수 있다.

평가 기간은 기준 기간 이후일 수 있다. 기준 기간은 평가 기간 이전일 수 있다. 평가 기간은 기준 기간과 중첩되지 않을 수 있다. 평가 기간은 기준 기간과 중첩될 수도 있다.

제1 질환 모니터링 모델은 전술한 내용과 유사하게 학습될 수 있다. 다만, 제1 질환 모니터링 모델은 기준 기간에 대응하는 학습용 (표준화된) 심박 정보를 더 이용하여 학습될 수 있다. 예를 들어, 제1 질환 모니터링 모델은 학습용 (표준화된) 심박 정보 및 기준 기간에 대응하는 학습용 (표준화된) 심박 정보를 입력받아 출력 질환 모니터링 정보를 출력하고, 상기 출력 질환 모니터링 정보와 기준 질환 모니터링 정보 사이의 차이에 기초하여 학습될 수 있다.

또는, 질환 모니터링 서버는 평가 기간의 (표준화된) 심박 정보 및 기준 기간의 (표준화된) 심박 정보 사이의 비율(이하 "심박 정보 비율")을 제1 질환 모니터링 모델에 입력하여 질환 모니터링 정보를 생성할 수 있다.

제1 질환 모니터링 모델은 전술한 내용과 유사하게 학습될 수 있다. 다만, 이 경우 제1 질환 모니터링 모델은 학습용 (표준화된) 심박 정보 대신 학습용 심박 정보 비율을 이용하여 학습될 수 있다.

또는, 질환 모니터링 서버는 평가 기간의 (표준화된) 심박 정보 및 기준 기간의 (표준화된) 심박 정보 사이의 차이(이하 "심박 정보 차이")를 제1 질환 모니터링 모델에 입력하여 질환 모니터링 정보를 생성할 수 있다.

제1 질환 모니터링 모델은 전술한 내용과 유사하게 학습될 수 있다. 다만, 이 경우 제1 질환 모니터링 모델은 학습용 (표준화된) 심박 정보 대신 학습용 심박 정보 차이를 이용하여 학습될 수 있다.

이 외에도, 질환 모니터링 서버는 평가 기간의 (표준화된) 심박 정보 및 기준 기간의 (표준화된) 심박 정보 중 적어도 하나 및 제1 질환 모니터링 모델을 이용하여 질환 모니터링 정보를 생성할 수 있다.

도 8의 (b)를 참고하면, 다른 실시예에 따른 질환 모니터링 서버는 (표준화된) 심박 정보로부터 하나 이상의 대표 심박수를 생성하고, 상기 하나 이상의 대표 심박수를 제2 질환 모니터링 모델에 입력하여 질환 모니터링 정보를 생성할 수 있다.

대표 심박수는 임의의 기간 동안의 (표준화된) 심박 정보에 기초하여 산출되는 대표값일 수 있다. 일 예로, 대표 심박수는 임의의 기간 중 정해진 기준을 만족한 구간에서의 (표준화된) 심박 정보의 평균값일 수 있다. 다른 예로, 대표 심박수는 임의의 기간 중 정해진 기준을 만족한 구간에서의 (표준화된) 심박 정보의 표준 편차값일 수 있다. 또 다른 예로, 대표 심박수는 임의의 기간 중 정해진 기준을 만족한 구간에서의 (표준화된) 심박 정보의 중간값일 수 있다.

일 실시예에 따르면, 대표 심박수를 계산하는 알고리즘은 질환 모니터링 서버에 저장되어 있을 수 있다.

질환 모니터링 서버는 평가 기간의 대표 심박수를 획득할 수 있다. 일 예로, 질환 모니터링 서버의 제어부는 저장부에 저장되어 있는 평가 기간의 (표준화된) 심박 정보에 기초하여 대표 심박수를 산출하는 형태로 평가 기간의 대표 심박수를 획득할 수 있다. 다른 예로, 질환 모니터링 서버의 제어부는 통신부를 통해 평가 기간의 (표준화된) 심박 정보에 관한 데이터를 수신하고, 상기 평가 기간의 (표준화된) 심박 정보에 기초하여 대표 심박수를 산출하는 형태로 평가 기간의 대표 심박수를 획득할 수 있다. 또 다른 예로, 질환 모니터링 서버의 제어부는 통신부를 통해 평가 기간의 대표 심박수를 수신하는 형태로 평가 기간의 대표 심박수를 획득할 수 있다.

도 9는 일 실시예에 따른 대표 심박수를 획득하는 것에 관한 도면이다.

질환 모니터링 서버는 평가 기간(P)에서 미리 정해진 기준을 만족하는 적어도 하나의 구간을 추출할 수 있다. 일 예로, 질환 모니터링 서버는 평가 기간(P) 중 '수면 시간'으로 저장된 시간에 대응되는 구간을 추출할 수 있다. 구체적인 예를 들어, 수면 시간이 자정부터 오전 6시로 저장되어 있다면, 질환 모니터링 서버는 평가 기간(P) 중 자정부터 오전 6시에 대응되는 구간들을 추출할 수 있다. 이 경우, 평가 기간(P)이 3일이면, 최대 3개의 구간이 추출될 수 있다.

도 9를 참고하면, 3일의 평가 기간(P)에서 제1 구간(SE1), 제2 구간(SE2) 및 제3 구간(SE3)으로 분류되는 3개의 구간이 미리 정해진 기준을 만족하는 구간으로 추출될 수 있다.

질환 모니터링 서버는 추출된 구간에 포함된 (표준화된) 심박 정보의 대표값을 산출할 수 있다. 질환 모니터링 서버는 추출된 구간에 포함된 (표준화된) 심박 정보의 대표값을 대표 심박수로 결정할 수 있다. 질환 모니터링 서버는 특정된 기간 내에서 추출된 구간에 포함된 (표준화된) 심박 정보의 대표값을 특정된 기간의 대표 심박수로 결정할 수 있다.

일 예로, 질환 모니터링 서버는 제1 구간(SE1), 제2 구간(SE2) 및 제3 구간(SE3)에 대응하는 (표준화된) 심박 정보의 평균값을 대표 심박수로 결정할 수 있다. 다른 예로, 질환 모니터링 서버는 제1 구간(SE1), 제2 구간(SE2) 및 제3 구간(SE3)에 대응하는 (표준화된) 심박 정보의 표준 편차값을 대표 심박수로 결정할 수 있다. 또 다른 예로, 질환 모니터링 서버는 제1 구간에 대응하는 (표준화된) 심박 정보(HRD1)의 평균값, 제2 구간에 대응하는 (표준화된) 심박 정보(HRD2)의 평균값 및 제3 구간에 대응하는 (표준화된) 심박 정보(HRD3)의 평균값의 평균값을 대표 심박수로 결정할 수 있다. 또 다른 예로, 질환 모니터링 서버는 제1 구간에 대응하는 (표준화된) 심박 정보(HRD1)의 평균값, 제2 구간에 대응하는 (표준화된) 심박 정보(HRD2)의 평균값 및 제3 구간에 대응하는 (표준화된) 심박 정보(HRD3)의 평균값의 표준 편차값을 대표 심박수로 결정할 수 있다. 또 다른 예로, 질환 모니터링 서버는 제1 구간에 대응하는 (표준화된) 심박 정보(HRD1)의 중간값, 제2 구간에 대응하는 (표준화된) 심박 정보(HRD2)의 중간값 및 제3 구간에 대응하는 (표준화된) 심박 정보(HRD3)의 중간값의 평균값을 대표 심박수로 결정할 수 있다.

질환 모니터링 서버는 평가 기간(P)에서 미리 정해진 기준을 만족하는 적어도 하나의 구간을 추출할 수 있다. 다른 예로, 질환 모니터링 서버는 평가 기간(P) 중 '사용자의 움직임이 적은 구간'을 추출할 수 있다. 구체적인 예를 들어, 질환 모니터링 서버는 평가 기간(P) 중 사용자의 휴지 구간으로 판단되는 구간을 추출할 수 있다. 휴지 구간은, 적어도 하나의 센서에 의해 수면 구간으로 선별되는 구간이나, 모션 센서 등을 통해 사용자의 움직임이 0으로 판단되는 구간이나, 기성 제품에서 휴지 구간으로 선별되는 구간일 수 있다.

본 명세서에서는, 수면 구간 및/또는 사용자의 움직임이 적은 구간 등을 휴지 구간으로 통칭할 수 있다. 본 명세서에서는 수면 구간 및/또는 사용자의 움직임이 적은 구간 등에 속하는 심박수를 휴지기 심박수로 통칭할 수 있다.

질환 모니터링 서버는 평가 기간의 대표 심박수를 제2 질환 모니터링 모델에 입력하여 질환 모니터링 정보를 생성할 수 있다.

제2 질환 모니터링 모델은 머신 러닝 모델, 딥 러닝 모델 또는 이들의 조합일 수 있다. 제2 질환 모니터링 모델은 예시적으로 RNN 모델, LSTM 모델 또는 GRU 모델과 같은 RNN 계열 모델일 수 있으나, 이에 한정되는 것은 아니다.

제2 질환 모니터링 모델은 지도 학습(supervised learning), 비지도 학습(unsupervised learning), 준지도 학습(semi-supervised learning), 강화 학습(reinforcement learning) 등 다양한 방법을 통해 학습될 수 있다.

예를 들어, 제2 질환 모니터링 모델은 지도 학습을 통해 학습될 수 있다. 이 경우, 제2 질환 모니터링 모델은 학습용 심박수 및 상기 학습용 심박수에 대응하는 기준 질환 모니터링 정보를 이용하여 학습될 수 있다. 보다 구체적인 예를 들어, 제2 질환 모니터링 모델은 학습용 심박수를 입력받아 출력 질환 모니터링 정보를 출력하고, 상기 출력 질환 모니터링 정보와 기준 질환 모니터링 정보 사이의 차이에 기초하여 학습될 수 있다. 여기서, 학습용 심박수는 평가 기간의 대표 심박수에 대응할 수 있다.

질환 모니터링 서버는 제2 질환 모니터링 모델을 학습시킬 수 있다. 또는, 질환 모니터링 서버는 외부로부터 학습된 제2 질환 모니터링 모델을 제공받을 수 있다.

또는, 질환 모니터링 서버는 평가 기간의 대표 심박수 및 기준 기간의 대표 심박수를 제2 질환 모니터링 모델에 입력하여 질환 모니터링 정보를 생성할 수 있다.

질환 모니터링 서버는 기준 기간의 대표 심박수를 획득할 수 있다. 일 예로, 질환 모니터링 서버의 제어부는 저장부에 저장되어 있는 기 산출된 기준 기간의 대표 심박수를 로딩하는 형태로 기준 기간의 대표 심박수를 획득할 수 있다. 다른 예로, 질환 모니터링 서버의 제어부는 저장부에 저장되어 있는 기준 기간의 심박 정보 또는 표준화된 심박 정보에 기초하여 대표 심박수를 산출하는 형태로 기준 기간의 대표 심박수를 획득할 수 있다. 또 다른 예로, 질환 모니터링 서버의 제어부는 통신부를 통해 기준 기간의 심박 정보 또는 표준화된 심박 정보에 관한 데이터를 수신하고, 상기 기준 기간의 심박 정보 또는 표준화된 심박 정보에 기초하여 대표 심박수를 산출하는 형태로 기준 기간의 대표 심박수를 획득할 수 있다. 또 다른 예로, 질환 모니터링 서버의 제어부는 통신부를 통해 기준 기간의 대표 심박수를 수신하는 형태로 기준 기간의 대표 심박수를 획득할 수 있다.

제2 질환 모니터링 모델은 전술한 내용과 유사하게 학습될 수 있다. 다만, 제2 질환 모니터링 모델은 기준 기간에 대응하는 학습용 심박수를 더 이용하여 학습될 수 있다. 예를 들어, 제2 질환 모니터링 모델은 학습용 심박수 및 기준 기간에 대응하는 학습용 심박수를 입력받아 출력 질환 모니터링 정보를 출력하고, 상기 출력 질환 모니터링 정보와 기준 질환 모니터링 정보 사이의 차이에 기초하여 학습될 수 있다.

또는, 질환 모니터링 서버는 평가 기간의 대표 심박수 및 기준 기간의 대표 심박수 사이의 비율(이하 "대표 심박수 비율")을 제2 질환 모니터링 모델에 입력하여 질환 모니터링 정보를 생성할 수 있다.

제2 질환 모니터링 모델은 전술한 내용과 유사하게 학습될 수 있다. 다만, 이 경우 제2 질환 모니터링 모델은 학습용 심박수 대신 학습용 대표 심박수 비율을 이용하여 학습될 수 있다.

또는, 질환 모니터링 서버는 평가 기간의 대표 심박수 및 기준 기간의 대표 심박수 사이의 차이(이하 "대표 심박수 차이")를 제2 질환 모니터링 모델에 입력하여 질환 모니터링 정보를 생성할 수 있다.

제2 질환 모니터링 모델은 전술한 내용과 유사하게 학습될 수 있다. 다만, 이 경우 제2 질환 모니터링 모델은 학습용 (표준화된) 심박 정보 대신 학습용 대표 심박수 차이를 이용하여 학습될 수 있다.

이 외에도, 질환 모니터링 서버는 평가 기간의 대표 심박수 및 기준 기간의 대표 심박수 중 적어도 하나 및 제2 질환 모니터링 모델을 이용하여 질환 모니터링 정보를 생성할 수 있다.

다시 도 4를 참조하면, 단계 S460에서, 질환 모니터링 서버는 질환 모니터링 정보를 출력할 수 있다.

질환 모니터링 서버가 질환 모니터링 정보를 출력한다는 것은 사용자 단말과 같은 외부 기기로 질환 모니터링 정보를 전송하는 것을 의미할 수 있다. 이 경우, 질환 모니터링 정보를 수신한 외부 기기는 그 디스플레이를 통해 질환 모니터링 정보를 디스플레이할 수 있다.

질환 모니터링 서버가 질환 모니터링 정보를 출력한다는 것은 질환 모니터링 서버에 포함된 디스플레이를 통해 질환 모니터링 정보를 디스플레이하는 것을 의미할 수 있다.

이하에서는 심박 정보 표준화 단계의 변형예로, 심박 정보에 결측치가 존재하는 경우에 대해 설명한다.

도 10은 일 실시예에 따른 결측치가 존재하는 심박 정보를 이용한 표준화된 심박 정보 생성에 관한 도면이다.

도 10의 (a)를 참고하면, 일 실시예에 따른 질환 모니터링 서버는 심박 정보(1)에 결측치(2)가 존재하는 경우 결측치 예측 알고리즘을 통해 결측치가 예측된 심박 정보(3)를 생성하고, 상기 결측치가 예측된 심박 정보(3)를 심박 정보 표준화 모델에 입력하여 표준화된 심박 정보(4)를 획득할 수 있다.

상기 결측치 예측 알고리즘의 일 예로 보간법이 이용될 수 있다. 예를 들어, 질환 모니터링 서버는 심박 정보에 결측치가 존재하는 시점 근처의 심박수를 이용하여 결측치를 예측할 수 있다. 보다 구체적인 일 예로, 질환 모니터링 서버는 결측치가 존재하는 시점 이전의 심박수를 결측치가 존재하는 시점의 심박수로 결정할 수 있다. (예: 3시 1분의 심박수가 결측치인 경우, 3시 0분의 심박수를 3시 1분의 심박수로 결정) 보다 구체적인 다른 예로, 질환 모니터링 서버는 결측치가 존재하는 시점 이후의 심박수를 결측치가 존재하는 시점의 심박수로 결정할 수 있다. (예: 3시 1분의 심박수가 결측치인 경우, 3시 2분의 심박수를 3시 1분의 심박수로 결정) 보다 구체적인 또 다른 예로, 질환 모니터링 서버는 결측치가 존재하는 시점 이전의 심박수 및 이후의 심박수의 평균값을 결측치가 존재하는 시점의 심박수로 결정할 수 있다. (예: 3시 1분의 심박수가 결측치인 경우, 3시 0분의 심박수와 3시 2분의 심박수의 평균을 3시 1분의 심박수로 결정)

상기 결측치 예측 알고리즘은 전술한 방식으로 한정되는 것은 아니고, 다양한 결측치 예측 알고리즘을 통해 구현될 수 있다. 예를 들어, 상기 결측치 예측 알고리즘은 자기 회귀(autoregressive) 모델, GRU-D(deep learning model based on gated recurrent unit) 또는 BRITS(bidirectional recurrent imputation for time series)와 같은 RNN 계열 모델, 또는 NAOMI(non-autoregressive multiresolution sequence imputation)와 같은 GAN 계열 모델으로 구현될 수 있다.

도 10의 (b)를 참고하면, 다른 실시예에 따른 질환 모니터링 서버는 도 10의 (a)와 같은 별도의 결측치 예측 단계 없이, 결측치 처리와 심박 정보 표준화가 일체화된 심박 정보 표준화 모델을 이용하여 표준화된 심박 정보를 생성할 수 있다. 상기 일체화된 모델은 예시적으로 GRU-D(deep learning model based on gated recurrent unit) 또는 BRITS(bidirectional recurrent imputation for time series)와 같은 RNN 계열 모델, 또는 NAOMI(non-autoregressive multiresolution sequence imputation)와 같은 GAN 계열 모델이 있으나, 이에 한정되는 것은 아니다. GRU-D를 이용하는 경우, 도 10의 (b)에 도시된 바와 같이 모델에 입력되는 입력 데이터는 결측치 존재 여부에 대응하는 마스킹(m1 내지 mn) 및 결측치가 존재하지 않는 이전 시점과의 간격에 대응하는 인터벌(d1 내지 dn)을 포함할 수 있다.

이상에서는 타입 정보가 기준 타입에 대응하는지 여부에 따라 표준화된 심박 정보 생성 여부가 달라지는 경우에 대해 설명하였으나, 일부 실시예에서, 질환 모니터링 서버는 타입 정보와 관계없이 표준화된 심박 정보를 생성하고, 표준화된 심박 정보를 이용하여 질환 모니터링 정보를 생성할 수도 있다.

도 11은 다른 실시예에 따른 질환 모니터링 방법에 관한 흐름도이다.

단계 S1110에서, 질환 모니터링 서버는 웨어러블 디바이스의 타입 정보 및 심박 정보를 획득할 수 있다. 이에 대해서는 전술한 단계 S410의 내용이 마찬가지로 적용될 수 있으므로, 중복되는 설명은 생략한다.

단계 S1120에서, 질환 모니터링 서버는 심박 정보 표준화 모듈을 통해 타입 정보 및 심박 정보를 이용하여 표준화된 심박 정보를 생성할 수 있다. 이에 대해서는 전술한 단계 S430의 내용이 유사하게 적용될 수 있고, 이하에서는 단계 S430에서 설명한 내용과 중복되는 내용은 간략히 설명하거나 생략한다.

질환 모니터링 서버는 심박 정보, 타입 정보 및 심박 정보 표준화 모델을 이용하여 표준화된 심박 정보를 생성할 수 있다. 예를 들어, 질환 모니터링 서버는 심박 정보 및 타입 정보를 심박 정보 표준화 모델에 입력하여 표준화된 심박 정보를 생성할 수 있다. 다른 예를 들어, 질환 모니터링 서버는 심박 정보로부터 생성된 정보 및 타입 정보를 심박 정보 표준화 모델에 입력하여 표준화된 심박 정보를 생성할 수 있다.

심박 정보는 웨어러블 디바이스에서 획득된 심박 정보일 수 있고, 표준화된 심박 정보는 웨어러블 디바이스 외의 심박 정보 측정 기기로부터 획득된 심박 정보이거나 또는 웨어러블 디바이스 외의 심박 정보 측정 기기로부터 획득된 것으로 예측되는 심박 정보일 수 있다.

상기 심박 정보 측정 기기는 웨어러블 디바이스보다 정확하게 심박 정보를 측정하는 것으로 알려진 기기이거나 또는 심박 정보를 측정하는데 특화된 기기일 수 있다. 상기 심박 정보 측정 기기는 예시적으로 심박계(heart rate monitor)일 수 있으나, 이에 한정되는 것은 아니다.

심박 정보 표준화 모델의 학습에 대해서는 전술한 도 4에서의 내용이 유사하게 적용될 수 있다. 다만, 학습용 심박 정보는 웨어러블 디바이스에서 획득된 심박 정보일 수 있고, 기준 심박 정보는 웨어러블 디바이스 외의 심박 정보 측정 기기로부터 획득된 심박 정보이거나 또는 웨어러블 디바이스 외의 심박 정보 측정 기기로부터 획득된 것으로 예측되는 심박 정보일 수 있다.

질환 모니터링 서버는 웨어러블 디바이스의 타입 정보가 제1 타입에 대응하면 심박 정보, 타입 정보 및 제1 타입 모델을 이용하여 표준화된 심박 정보를 생성할 수 있다. 예를 들어, 질환 모니터링 서버는 웨어러블 디바이스의 타입 정보가 제1 타입에 대응하면 심박 정보 및 타입 정보를 제1 타입 모델에 입력하여 표준화된 심박 정보를 생성할 수 있다. 다른 예를 들어, 질환 모니터링 서버는 웨어러블 디바이스의 타입 정보가 제1 타입에 대응하면 심박 정보로부터 생성된 정보 및 타입 정보를 제1 타입 모델에 입력하여 표준화된 심박 정보를 생성할 수 있다.

질환 모니터링 서버는 웨어러블 디바이스의 타입 정보가 제2 타입에 대응하면 심박 정보, 타입 정보 및 제2 타입 모델을 이용하여 표준화된 심박 정보를 생성할 수 있다. 예를 들어, 질환 모니터링 서버는 웨어러블 디바이스의 타입 정보가 제2 타입에 대응하면 심박 정보 및 타입 정보를 제2 타입 모델에 입력하여 표준화된 심박 정보를 생성할 수 있다. 다른 예를 들어, 질환 모니터링 서버는 웨어러블 디바이스의 타입 정보가 제2 타입에 대응하면 심박 정보로부터 생성된 정보 및 타입 정보를 제2 타입 모델에 입력하여 표준화된 심박 정보를 생성할 수 있다.

심박 정보 및 표준화된 심박 정보는 전술한 일 실시예에 따른 심박 정보 표준화 모듈이 심박 정보 표준화 모델을 이용하여 구현되는 것에서의 내용이 마찬가지로 적용될 수 있으므로 중복되는 설명은 생략한다.

타입 모델은 머신 러닝 모델, 딥 러닝 모델 또는 이들의 조합일 수 있다. 제1 타입 모델은 예시적으로 RNN 모델, LSTM 모델 또는 GRU 모델과 같은 RNN 계열 모델일 수 있으나, 이에 한정되는 것은 아니다.

타입 모델의 학습에 대해서는 전술한 도 4에서의 내용이 유사하게 적용될 수 있다. 다만, 기준 심박 정보는 웨어러블 디바이스 외의 심박 정보 측정 기기로부터 획득된 심박 정보이거나 또는 웨어러블 디바이스 외의 심박 정보 측정 기기로부터 획득된 것으로 예측되는 심박 정보일 수 있다.

단계 S1130에서, 질환 모니터링 서버는 질환 모니터링 모듈을 통해 표준화된 심박 정보를 이용하여 질환 모니터링 정보를 생성할 수 있다. 이에 대해서는 전술한 단계 S440 및 S450에서의 질환 모니터링 정보 생성에 대한 내용이 마찬가지로 적용될 수 있으므로, 중복되는 설명은 생략한다.

단계 S1140에서, 질환 모니터링 서버는 질환 모니터링 정보를 출력할 수 있다. 이에 대해서는 전술한 단계 S460의 내용이 마찬가지로 적용될 수 있으므로, 중복되는 설명은 생략한다.

이하에서는 질환 모니터링 시스템에서 질환 모니터링 방법을 수행하는 몇몇 예시들에 대해 설명한다.

각 예시에서 구성 요소들이 수행하는 단계는 전술한 내용이 적용될 수 있으므로 이에 대한 중복되는 설명은 생략한다.

질환 모니터링 시스템은 후술할 예시들과 다른 방식으로 질환 모니터링 방법을 수행할 수도 있다.

도 12는 일 실시예에 따른 질환 모니터링 시스템에서 질환 모니터링 방법을 수행하는 제1 예시에 관한 흐름도이다. 도 12를 참고하면, 데이터 저장 서버는 웨어러블 디바이스에서 획득된 심박 정보를 저장할 수 있고, 질환 모니터링 서버는 사용자 단말을 통해 저장된 심박 정보를 수신하여 질환 모니터링 방법을 수행할 수 있다.

제1 예시에 따르면, 질환 모니터링 시스템은 웨어러블 디바이스, 사용자 단말, 데이터 저장 서버 및 질환 모니터링 서버를 포함할 수 있다.

웨어러블 디바이스는 사용자의 심박 정보를 감지할 수 있다. 웨어러블 디바이스는 심박 정보를 생성(S1210)할 수 있다.

웨어러블 디바이스는 사용자 단말로 심박 정보를 전송할 수 있다.

사용자 단말은 웨어러블 디바이스로부터 수신한 심박 정보를 데이터 저장 서버로 전송할 수 있다.

데이터 저장 서버는 심박 정보를 저장(S1220)할 수 있다.

사용자 단말은 데이터 저장 서버로 심박 정보를 요청(S1230)할 수 있다.

선택적으로, 데이터 저장 서버는 사용자 단말에 심박 정보 접근 권한이 부여됐는지 확인할 수 있다.

사용자 단말의 요청에 따라, 데이터 저장 서버는 사용자 단말로 저장된 심박 정보를 전송할 수 있다. 선택적으로, 데이터 저장 서버는 심박 정보 접근 권한이 부여된 사용자 단말로 저장된 심박 정보를 전송할 수 있다.

사용자 단말은 심박 정보를 질환 모니터링 서버로 전송할 수 있다.

질환 모니터링 서버는 전술한 질환 모니터링 방법을 수행(S1240)할 수 있다. 질환 모니터링 서버는 질환 모니터링 정보를 생성할 수 있다.

질환 모니터링 서버는 생성한 질환 모니터링 정보를 사용자 단말로 전송할 수 있다.

사용자 단말은 수신한 질환 모니터링 정보를 디스플레이(S1250)할 수 있다.

도 13은 일 실시예에 따른 질환 모니터링 시스템에서 질환 모니터링 방법을 수행하는 제2 예시에 관한 흐름도이다. 도 13을 참고하면, 사용자 단말은 웨어러블 디바이스에서 획득된 심박 정보를 저장할 수 있고, 질환 모니터링 서버는 사용자 단말로부터 저장된 심박 정보를 수신하여 질환 모니터링 방법을 수행할 수 있다.

제2 예시에 따르면, 질환 모니터링 시스템은 웨어러블 디바이스, 사용자 단말 및 질환 모니터링 서버를 포함할 수 있다.

웨어러블 디바이스는 사용자의 심박 정보를 감지할 수 있다. 웨어러블 디바이스는 심박 정보를 생성(S1310)할 수 있다.

사용자 단말은 심박 정보를 저장(S1320)할 수 있다.

질환 모니터링 서버는 전술한 질환 모니터링 방법을 수행(S1330)할 수 있다. 질환 모니터링 서버는 질환 모니터링 정보를 생성할 수 있다.

사용자 단말은 수신한 질환 모니터링 정보를 디스플레이(S1340)할 수 있다.

도 14는 일 실시예에 따른 질환 모니터링 시스템에서 질환 모니터링 방법을 수행하는 제3 예시에 관한 흐름도이다. 도 14를 참고하면, 데이터 저장 서버는 웨어러블 디바이스에서 획득된 심박 정보를 저장할 수 있고, 질환 모니터링 서버는 데이터 저장 서버로부터 저장된 심박 정보를 수신하여 질환 모니터링 방법을 수행할 수 있다.

제3 예시에 따르면, 질환 모니터링 시스템은 웨어러블 디바이스, 사용자 단말, 데이터 저장 서버 및 질환 모니터링 서버를 포함할 수 있다.

웨어러블 디바이스는 사용자의 심박 정보를 감지할 수 있다. 웨어러블 디바이스는 심박 정보를 생성(S1410)할 수 있다.

데이터 저장 서버는 심박 정보를 저장(S1420)할 수 있다.

질환 모니터링 서버는 데이터 저장 서버로 심박 정보를 요청(S1430)할 수 있다.

선택적으로, 데이터 저장 서버는 질환 모니터링 서버에 심박 정보 접근 권한이 부여됐는지 확인할 수 있다.

질환 모니터링 서버의 요청에 따라, 데이터 저장 서버는 질환 모니터링 서버로 저장된 심박 정보를 전송할 수 있다. 선택적으로, 데이터 저장 서버는 심박 정보 접근 권한이 부여된 질환 모니터링 서버로 저장된 심박 정보를 전송할 수 있다.

질환 모니터링 서버는 전술한 질환 모니터링 방법을 수행(S1440)할 수 있다. 질환 모니터링 서버는 질환 모니터링 정보를 생성할 수 있다.

사용자 단말은 수신한 질환 모니터링 정보를 디스플레이(S1450)할 수 있다.

도 15는 일 실시예에 따른 질환 모니터링 시스템에서 질환 모니터링 방법을 수행하는 제4 예시에 관한 흐름도이다. 도 15를 참고하면, 질환 모니터링 서버는 웨어러블 디바이스에서 획득된 심박 정보를 저장할 수 있고, 이를 이용하여 질환 모니터링 방법을 수행할 수 있다.

제4 예시에 따르면, 질환 모니터링 시스템은 웨어러블 디바이스, 사용자 단말 및 질환 모니터링 서버를 포함할 수 있다.

웨어러블 디바이스는 사용자의 심박 정보를 감지할 수 있다. 웨어러블 디바이스는 심박 정보를 생성(S1510)할 수 있다.

질환 모니터링 서버는 심박 정보를 저장(S1520)할 수 있다.

질환 모니터링 서버는 전술한 질환 모니터링 방법을 수행(S1530)할 수 있다. 질환 모니터링 서버는 질환 모니터링 정보를 생성할 수 있다.

사용자 단말은 수신한 질환 모니터링 정보를 디스플레이(S1540)할 수 있다.

질환 모니터링 방법은 사용자 등록 단계를 더 포함할 수 있다.

도 16은 일 실시예에 따른 사용자 등록 단계에 관한 흐름도이다.

단계 S1610에서, 질환 모니터링 서버는 제1 사용자에 대한 제1 사용자 정보 및 제1 타입 정보를 획득할 수 있다. 예를 들어, 질환 모니터링 서버는 사용자 단말로부터 상기 제1 사용자 정보 및 상기 제1 타입 정보를 수신할 수 있다. 이 경우, 상기 제1 타입 정보는 웨어러블 디바이스로부터 수신한 것일 수 있다. 또는, 상기 제1 타입 정보는 사용자 단말에 의해 생성된 것일 수 있다. 다른 예를 들어, 질환 모니터링 서버는 웨어러블 디바이스로부터 상기 제1 사용자 정보 및 상기 제1 타입 정보를 수신할 수 있다.

단계 S1620에서, 질환 모니터링 서버는 제2 사용자에 대한 제2 사용자 정보 및 제2 타입 정보를 획득할 수 있다. 이에 대해서는 전술한 단계 S1610의 내용이 마찬가지로 적용될 수 있으므로, 중복되는 설명은 생략한다.

단계 S1630에서, 질환 모니터링 서버는 제1 사용자 및 제2 사용자를 포함하는 사용자들에 대한 정보를 저장할 수 있다. 예를 들어, 질환 모니터링 서버는 상기 사용자들에 대한 정보를 사용자 정보 데이터베이스에 데이터베이스화하여 저장할 수 있다.

한편, 이상에서는 심박 정보를 기초로 질환을 모니터링하는 것에 대해 설명하였으나, 전술한 내용은 심박 정보 외의 다른 생체 정보를 기초로 질환을 모니터링하는 것에도 마찬가지로 적용될 수 있다.

(예시 1) 피부 전도도를 기초로 갑상선 기능 이상과 같은 질환을 모니터링하는 것에 적용될 수 있다. 이때, 피부 전도도는 EDA(Electrodermal Activity) 센서와 같은 피부 전도도 측정 센서를 통해 측정될 수 있다. 상기 센서는 웨어러블 디바이스에 탑재된 센서일 수 있다.

(예시 2) 장음(bowel sound)을 기초로 장의 운동성을 진단하거나 장과 관련된 질환을 모니터링하는 것에 적용될 수 있다. 이때, 장음은 음향 센서와 같은 장음 측정 센서를 통해 측정될 수 있다. 상기 센서는 웨어러블 디바이스에 탑재된 센서일 수 있다.

(예시 3) 혈중 산소 농도를 기초로 무호흡증과 같은 질환을 모니터링하는 것에 적용될 수 있다. 이때, 혈중 산소 농도는 펄스 옥시미터와 같은 센서를 통해 측정될 수 있다. 상기 센서는 웨어러블 디바이스에 탑재된 센서일 수 있다.

(예시 4) 모션 센서를 기초로 질환을 모니터링하는 것에 적용될 수 있다. 상기 모션 센서는 가속도 센서, 자이로 센서 및 걸음수 측정 센서 등을 포함할 수 있다.

(예시 5) 혈압을 기초로 고혈압이나 저혈압과 같은 질환을 모니터링하는 것에 적용될 수 있다. 이때, 혈압은 혈압 센서를 통해 측정될 수 있다. 상기 혈압 센서는 웨어러블 디바이스에 탑재된 센서일 수 있다.

(예시 6) 혈당을 기초로 당뇨와 같은 질환을 모니터링하는 것에 적용될 수 있다. 이때, 혈당은 혈당 센서를 통해 측정될 수 있다. 상기 혈당 센서는 웨어러블 디바이스에 탑재된 센서일 수 있다.

(예시 7) 체온을 기초로 질환을 모니터링하는 것에 적용될 수 있다. 이때, 체온은 적외선 온도 센서와 같은 온도 센서를 통해 측정될 수 있다. 상기 온도 센서는 웨어러블 디바이스에 탑재된 센서일 수 있다.

(예시 8) 호흡수를 기초로 질환을 모니터링하는 것에 적용될 수 있다. 이때, 호흡수는 호흡수 측정 센서를 통해 측정될 수 있다. 상기 호흡수 측정 센서는 웨어러블 디바이스에 탑재된 센서일 수 있다.

(예시 9) 피부 수분을 기초로 질환을 모니터링하는 것에 적용될 수 있다. 이때, 피부 수분은 피부 수분 측정 센서를 통해 측정될 수 있다. 상기 피부 수분 측정 센서는 웨어러블 디바이스에 탑재된 센서일 수 있다.

(예시 10) 스트레스 또는 스트레스 호르몬의 농도를 기초로 질환을 모니터링하는 것에 적용될 수 있다. 이때, 스트레스는 스트레스 측정 센서를 통해 측정될 수 있다. 또한, 스트레스 호르몬의 농도는 스트레스 호르몬 농도 측정 센서를 통해 측정될 수 있다. 상기 스트레스 측정 센서 또는 스트레스 호르몬 농도 측정 센서는 웨어러블 디바이스에 탑재된 센서일 수 있다.

실시예에 따른 방법은 하드웨어, 펌웨어, 소프트웨어 또는 이들의 조합을 포함하는 프로세싱 로직에 의해 수행될 수 있다. 실시예에 따른 방법은 비일시적 컴퓨터 판독 가능 매체(non-transitory computer-readable medium)에 저장된 코드를 실행하는 프로세서에 의해 수행될 수 있다. 비일시적 컴퓨터 판독 가능 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 명령, 인스트럭션을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.

상기에서는 실시예를 기준으로 본 출원을 설명하였으나 본 출원은 이에 한정되지 않으며, 본 출원의 사상과 범위 내에서 다양하게 변경 또는 변형할 수 있음은 본 출원이 속하는 기술 분야의 당업자에게 명백한 것이며, 따라서 이와 같은 변경 또는 변형은 첨부된 특허청구범위에 속함을 밝혀둔다.

이하에서는 웨어러블 디바이스의 타입 정보에 따라 심박 정보로부터 표준화된 심박 정보를 생성하는 실험예에 대해 개시한다. 하기 실험예는 예시이며, 어떠한 방식이로든 본 출원의 범주를 제한하도록 의도된 것은 아니다.

도 17은 애플 워치와 핏빗을 통해 특정 사용자의 심박 정보를 측정한 결과에 대한 그래프로, 특정 사용자에게 애플 워치와 핏빗을 동일한 손목에 동시에 착용하게 하고 심박 정보를 측정한 결과에 대한 그래프이다. 2021년 10월 19일 오전 5시 35분부터 오후 8시 46분까지 측정한 심박 정보로, x축은 시간을 나타내고, y축은 심박수를 나타낸다.

핏빗의 경우 1분 단위로 심박수를 측정하지만, 애플 워치의 경우 1분 이상의 시간 간격으로 비주기적으로 심박수를 측정하므로, 1분 단위의 심박수를 만들기 위해 애플 워치로 측정한 심박 정보의 경우 결측치에 대해 그 주변 시점의 심박수로 결측치를 채워넣었다.

도 18은 핏빗이 기준 타입인 경우에 웨어러블 디바이스의 타입 정보에 따라 심박 정보를 표준화하는 것에 대한 그래프이다. 핏빗이 기준 타입이므로, 도 17에 도시된 핏빗으로 측정한 심박 정보는 이미 표준화된 것으로 보아 심박 정보 표준화 단계가 수행되지 않았다. 반면, 애플 워치는 기준 타입이 아니므로, 심박 정보 표준화 단계를 통해 도 17에 도시된 애플 워치로 측정한 심박 정보로부터 표준화된 심박 정보를 생성하였다. 도 18의 "recon_Apple"이 애플 워치로 측정한 심박 정보로부터 생성된 표준화된 심박 정보를 의미한다.

도 19는 애플 워치가 기준 타입인 경우에 웨어러블 디바이스의 타입 정보에 따라 심박 정보를 표준화하는 것에 대한 그래프이다. 애플 워치가 기준 타입이므로, 도 17에 도시된 애플 워치로 측정한 심박 정보는 이미 표준화된 것으로 보아 심박 정보 표준화 단계가 수행되지 않았다. 반면, 핏빗은 기준 타입이 아니므로, 심박 정보 표준화 단계를 통해 도 17에 도시된 핏빗으로 측정한 심박 정보로부터 표준화된 심박 정보를 생성하였다. 도 19의 "recon_Fitbit"이 핏빗으로 측정한 심박 정보로부터 생성된 표준화된 심박 정보를 의미한다.

도 20은 도 18 및 도 19의 표준화된 심박 정보를 함께 나타낸 그래프이다. 도 17과 도 20을 비교하면, 심박 정보를 표준화하기 전에 비해 표준화된 심박 정보 사이의 유사도가 증가한 것을 확인하였다. 특히, 사용자의 활동이 활발한 낮 시간보다는 새벽 시간과 같이 수면 상태 또는 활동이 덜한 시간에서 유사도가 높은 것을 확인하였다.

10: 질환 모니터링 시스템
100: 웨어러블 디바이스
200: 사용자 단말
300: 네트워크
400: 데이터 저장 서버
500: 질환 모니터링 서버
510: 통신부
520: 저장부
530: 제어부
540: 모듈부
541: 심박 정보 표준화 모듈
542: 질환 모니터링 모듈

Claims

질환 모니터링 방법으로서,
학습된 질환 모니터링 모델을 획득하는 단계 - 이 때, 학습된 질환 모니터링 모델은 제1 타입 디바이스에 의해 생성된 생체 정보에 기초하여 획득된 학습 입력 데이터 세트를 포함하는 학습 데이터 세트를 이용하여 질환 모니터링 모델을 학습시켜 획득됨-;
표준화된 생체 정보를 획득하는 단계 -이 때, 상기 표준화된 생체 정보는 상기 제1 타입 디바이스와 상이한 제2 타입 디바이스에 의해 생성된 생체 정보에 기초하여 획득됨-; 및
상기 표준화된 생체 정보를 상기 학습된 질환 모니터링 모델에 적용하여 질환 모니터링 정보를 획득하는 단계 -이 때, 동일한 사람이 상기 제1 타입 디바이스 및 상기 제2 타입 디바이스를 착용하는 경우, 상기 제1 타입 디바이스에 의해 생성된 생체 정보와 상기 표준화된 생체 정보 사이의 유사도는 상기 제1 타입 디바이스 및 상기 제2 타입 디바이스 각각에 의해 생성된 생체 정보들 사이의 유사도 보다 큼-; 를 포함하는
질환 모니터링 방법.
제1 항에 있어서,
상기 제2 타입 디바이스는 상기 제1 타입 디바이스와 동일한 제조사의 상이한 모델의 웨어러블 디바이스인
질환 모니터링 방법.
제1 항에 있어서,
상기 질환 모니터링 모델이 학습되는데 이용되는 학습 데이터 세트에 포함되는 학습 입력 데이터 세트는 상기 제2 타입 디바이스에 의해 생성된 생체 정보가 포함되지 않는
질환 모니터링 방법.
제1 항에 있어서,
상기 제1 타입 디바이스에 의해 생성된 생체 정보 및 상기 제2 타입 디바이스에 의해 생성된 생체 정보는 심박 정보를 포함하는
질환 모니터링 방법.
제4 항에 있어서,
상기 제1 타입 웨어러블 디바이스로부터 획득된 생체 정보 및 상기 제2 타입 디바이스로부터 획득된 생체 정보는 시계열적인 심박수 정보를 포함하는
질환 모니터링 방법.
제1 항에 있어서,
상기 학습 입력 데이터 세트는 상기 제1 타입 디바이스에 의해 생성된 생체 정보에 기초하여 획득된 적어도 하나의 파라미터를 포함하는
질환 모니터링 방법.
제6 항에 있어서,
상기 적어도 하나의 파라미터는 휴지기 심박수를 포함하는
질환 모니터링 방법.
제6 항에 있어서,
상기 적어도 하나의 파라미터는 제1 기간에 대한 심박 정보 및 제2 기간에 대한 심박 정보 사이의 비율 및 차이 중 적어도 하나를 포함하는
질환 모니터링 방법.
제1 항에 있어서,
상기 생체 정보는 심박 정보, 피부 전도도 정보, 장음 정보, 혈중 산소 농도 정보, 모션 센서 정보, 혈압 정보, 혈당 정보, 체온 정보, 호흡수 정보, 피부 수분 정보, 스트레스 정보, 스트레스 호르몬 정보 중 어느 하나의 정보를 포함하는
질환 모니터링 방법.
제1 항에 있어서,
상기 질환 모니터링 정보는 질환 유무에 대한 정보를 포함하는
질환 모니터링 방법.
제1 항에 있어서,
상기 질환 모니터링 정보는 하나 이상의 질환과 관련된 인자에 대한 정보를 포함하는
질환 모니터링 방법.
제11 항에 있어서,
상기 하나 이상의 질환과 관련된 인자에 대한 정보는 갑상선과 관련된 모든 호르몬 중 적어도 하나에 대한 수치인
질환 모니터링 방법.
제12 항에 있어서,
상기 갑상선과 관련된 모든 호르몬 중 적어도 하나는 free T4, T3 또는 TSH 중 적어도 하나를 포함하는
질환 모니터링 방법.
제1 항에 있어서,
상기 표준화된 생체 정보를 획득하는 단계는
상기 제2 타입 디바이스에 의해 생성된 생체 정보를 획득하는 단계; 및
상기 제2 타입 디바이스에 의해 생성된 생체 정보를 학습된 생체 정보 표준화 모델에 적용하여 표준화된 생체 정보를 획득하는 단계;
를 포함하는
질환 모니터링 방법.
제14 항에 있어서,
상기 학습된 생체 정보 표준화 모델은 상기 제1 타입 디바이스에 의해 생성된 생체 정보 및 상기 제2 타입 디바이스에 의해 생성된 생체 정보를 포함하는 학습 데이터 세트를 이용하여 학습되는
질환 모니터링 방법.
제14 항에 있어서,
상기 학습된 생체 정보 표준화 모델은 상기 제1 타입 디바이스에 의해 생성된 생체 정보 및 생체 정보 측정 기기에 의해 생성된 생체 정보를 포함하는 학습 데이터 세트를 이용하여 학습되되,
상기 생체 정보 측정 기기는 웨어러블 워치 타입이 아닌 심박계를 포함하는
질환 모니터링 방법.
제1 항에 있어서,
상기 질환 모니터링 정보를 획득하는 단계는
상기 표준화된 생체 정보를 기초로 입력 데이터를 생성하는 단계; 및
생성된 입력 데이터를 상기 학습된 질환 모니터링 모델에 적용하여 질환 모니터링 정보를 획득하는 단계; 를 포함하는
질환 모니터링 방법.
제17 항에 있어서,
상기 입력 데이터는 상기 표준화된 생체 정보에 기초하여 획득된 적어도 하나의 파라미터를 포함하는
질환 모니터링 방법.
제1 타입 웨어러블 디바이스로서,
생체 정보를 획득하기 위한 센서;
학습된 질환 모니터링 모델 및 적어도 하나의 인스트럭션을 저장하는 메모리 -이 때, 상기 학습된 질환 모니터링 모델은 상기 제1 타입 웨어러블 디바이스와 상이한 제2 타입 웨어러블 디바이스에 의해 생성된 생체 정보에 기초하여 획득된 학습 입력 데이터 세트를 포함하는 학습 데이터 세트를 이용하여 질환 모니터링 모델을 학습시켜 획득됨 ; 및
상기 적어도 하나의 인스트럭션을 수행하기 위한 프로세서; 를 포함하되,
상기 프로세서는
상기 센서로부터 획득된 적어도 하나의 신호를 처리하여 획득된 생체 정보를 이용하여 표준화된 생체 정보를 획득하며,
상기 표준화된 생체 정보를 상기 학습된 질환 모니터링 모델에 적용하여 질환 모니터링 정보를 획득하되,
동일한 사람이 동시에 상기 제1 타입 디바이스 및 상기 제2 타입 디바이스를 착용하는 경우, 상기 제2 타입 디바이스에 의해 생성된 생체 정보와 상기 표준화된 생체 정보 사이의 유사도는 상기 제2 타입 디바이스에 의해 생성된 생체 정보와 상기 센서로부터 획득된 적어도 하나의 신호를 처리하여 획득된 생체 정보 사이의 유사도 보다 큰
제1 타입 웨어러블 디바이스.