KR20230156302A - 의료 샘플 데이터 및/또는 샘플을 포함하는 데이터베이스를 대상으로 하는 검색 쿼리를 처리하기 위한 방법 및 검색 플랫폼 장치 - Google Patents
의료 샘플 데이터 및/또는 샘플을 포함하는 데이터베이스를 대상으로 하는 검색 쿼리를 처리하기 위한 방법 및 검색 플랫폼 장치 Download PDFInfo
- Publication number
- KR20230156302A KR20230156302A KR1020237019776A KR20237019776A KR20230156302A KR 20230156302 A KR20230156302 A KR 20230156302A KR 1020237019776 A KR1020237019776 A KR 1020237019776A KR 20237019776 A KR20237019776 A KR 20237019776A KR 20230156302 A KR20230156302 A KR 20230156302A
- Authority
- KR
- South Korea
- Prior art keywords
- samples
- data
- search
- avatar
- information
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012545 processing Methods 0.000 title claims abstract description 19
- 230000008685 targeting Effects 0.000 title claims abstract description 13
- 230000008569 process Effects 0.000 claims abstract description 14
- 230000002068 genetic effect Effects 0.000 claims description 26
- 239000003814 drug Substances 0.000 claims description 11
- 229940079593 drug Drugs 0.000 claims description 10
- 201000010099 disease Diseases 0.000 claims description 9
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 9
- 230000006399 behavior Effects 0.000 claims description 7
- 239000000825 pharmaceutical preparation Substances 0.000 claims description 7
- 229940127557 pharmaceutical product Drugs 0.000 claims description 7
- 206010020751 Hypersensitivity Diseases 0.000 claims description 4
- 208000023146 Pre-existing disease Diseases 0.000 claims description 4
- 208000032236 Predisposition to disease Diseases 0.000 claims description 4
- 230000007815 allergy Effects 0.000 claims description 4
- 235000006694 eating habits Nutrition 0.000 claims description 4
- 230000001973 epigenetic effect Effects 0.000 claims description 4
- 230000037081 physical activity Effects 0.000 claims description 4
- 208000020016 psychiatric disease Diseases 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 2
- 238000011160 research Methods 0.000 description 95
- 238000013473 artificial intelligence Methods 0.000 description 66
- 238000003860 storage Methods 0.000 description 42
- 239000000523 sample Substances 0.000 description 34
- 230000006870 function Effects 0.000 description 26
- 230000008901 benefit Effects 0.000 description 24
- 238000004891 communication Methods 0.000 description 21
- 230000004044 response Effects 0.000 description 21
- 238000012549 training Methods 0.000 description 18
- 230000003340 mental effect Effects 0.000 description 15
- 238000012163 sequencing technique Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 7
- 238000012268 genome sequencing Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 6
- 210000004027 cell Anatomy 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000008520 organization Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000002483 medication Methods 0.000 description 3
- 239000013610 patient sample Substances 0.000 description 3
- 238000012070 whole genome sequencing analysis Methods 0.000 description 3
- 108091092878 Microsatellite Proteins 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013475 authorization Methods 0.000 description 2
- 230000008094 contradictory effect Effects 0.000 description 2
- 238000012517 data analytics Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 238000013517 stratification Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 description 1
- 206010010071 Coma Diseases 0.000 description 1
- 206010012289 Dementia Diseases 0.000 description 1
- 241001139986 Eryngium carlinae Species 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 239000012620 biological material Substances 0.000 description 1
- 239000012472 biological sample Substances 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000009509 drug development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 229940127554 medical product Drugs 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 239000002547 new drug Substances 0.000 description 1
- 239000002773 nucleotide Substances 0.000 description 1
- 125000003729 nucleotide group Chemical group 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 210000002220 organoid Anatomy 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 102000054765 polymorphisms of proteins Human genes 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 210000001082 somatic cell Anatomy 0.000 description 1
- 210000001988 somatic stem cell Anatomy 0.000 description 1
- 201000009032 substance abuse Diseases 0.000 description 1
- 231100000736 substance abuse Toxicity 0.000 description 1
- 208000011117 substance-related disease Diseases 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000002747 voluntary effect Effects 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
- G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24578—Query processing with adaptation to user needs using ranking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3346—Query execution using probabilistic model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/338—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H70/00—ICT specially adapted for the handling or processing of medical references
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Evolutionary Biology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioethics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biotechnology (AREA)
- Pathology (AREA)
- Probability & Statistics with Applications (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
의료용 샘플 데이터 및/또는 다수의 개인 샘플로부터 의 샘플을 포함하는 데이터베이스를 대상으로 하는 검색 쿼리를 처리하기 위한 방법은 다음의 단계들: 사전에 쿼리된 검색 매개변수를 갖는 샘플 데이터를 포함하는 하나 이상의 샘플을 검색하기 위한 요청 프로필을 포함하는 검색 쿼리를 AI 프로세서 장치에 입력하는 단계, 하나 이상의 요청 프로필을 지정된 확률로 만족시키는 하나 이상의 선택된 샘플을 상기 AI 프로세서 장치를 이용하여 검색하는 단계, 하나 이상의 선택된 샘플의 식별 데이터를 출력하는 단계를 포함한다. 또한, 의료용 샘플 데이터 및/또는 다수의 사람들의 샘플로부터의 샘플을 포함하는 데이터베이스를 대상으로 하는 검색 쿼리를 처리하도록 구성되는 검색 플랫폼 장치가 또한 설명된다.
Description
본 발명은 의료용 샘플 데이터 및/또는 다수의 사람들(특히 환자들)의 샘플들로부터의 샘플들을 포함하는 데이터베이스를 대상으로 하는 검색 쿼리를 처리하기 위한 방법 및 검색 플랫폼 장치에 관한 것이다. 본 발명은 특히, 예를 들어, 실험실, 바이오뱅크 및/또는 클리닉에 있는 데이터베이스들, 및 한편으로는 그들의 샘플 데이터 및/또는 샘플이 데이터베이스에 저장되어있는 사람들, 다른 한편으로는 제약 산업의 연구 조직 및 (바이오) 의료 연구 조직과 같은 연구 독립체들 사이에서 다방향 중개 기능을 제공하는 지능형 자가 학습 플랫폼을 사용하기 위한 방법 및 설정하기 위한 장치에 관한 것이다. 본 발명은 예를 들어 다수의 사람들의 샘플로부터의 샘플 데이터 및/또는 샘플을 사용하는 데이터베이스 운영 및/또는 검색 쿼리 처리에서, 특히 머신 러닝 및/또는 인공 지능(AI)에 의해, 사용될 수도 있다.
예를 들어, 연구나 조사의 목적을 위한 연구를 수행할 때, 제약 산업의 회사 및/또는 (바이오) 의료 연구 조직과 같은 관심 있는 연구 독립체는 대상 코호트의 샘플과 데이터에 의존한다. 대상 코호트는 특정 연구에 대해 특정 공통 질병 프로필 및/또는 특정 유전적 공통성과 같은 특정한 특성(매개변수)을 가진 대상으로 구성된다.
코호트를 형성하는 데 잠재적으로 적합한 대상의 샘플과 데이터는 의료 실험실 시설 및/또는 바이오뱅크에서 이용 가능하다. 그러나 대상을 찾는 독립체는 지금까지 다양한 의료 연구소와 바이오뱅크를 통해 필요한 데이터와 환자들을 서치하는 데 많은 노력을 쏟아야만 했다. 법적 제약도 또한 적용된다: 독립체들은 예를 들어 환자들과 같은 개인 데이터에 직접 또는 무단으로 액세스하거나 사용하는 것이 허용되지 않는다.
상업적인 의료 연구소와 바이오뱅크는 예를 들어 연구 조직에 문의하는 등 자신이 보유한 샘플과 데이터를 판매하는 데 큰 관심을 가지고 있다. 그러나 이런 특정한 샘플의 판매를 위해서는 물쿼리 유전자 시퀀싱(genetic sequencing)이 필요한데, 이는 연구 조직이 자신의 연구에 대한 해당 샘플의 관련성을 결정할 수 있기 때문이다. 그럼에도 불구하고, 완전한 유전자 시퀀싱은 해당 실험실 또는 바이오뱅크에 대한 높은 비용과 많은 시간 소비를 수반한다. 따라서 해당 샘플이 연구에도 관심이 있을 경우에만 완전한 유전자 유전자 시퀀싱이 가치있는 것이다.
따라서 샘플과 데이터를 보유한 조직이 값비싼 시퀀싱 또는 기타 샘플 준비가 가치 있는 샘플을 식별하는 데 도움이 되는 예측 도구를 개발하는 것에 대한 관심이 존재한다.
일반적으로 상용 공급업체인 iSPECIMEN과 같은 특정 필터 시스템을 갖춘 다수의 검색 엔진들이 이용 가능하며, 이는 업계 및 연구 부문에서 적합한 환자 샘플을 찾는 데 사용될 수 있다. 그럼에도 불구하고, 이러한 검색 엔진은 특정 데이터베이스의 표준화된 데이터로만 작동할 수 있으며 예측 진술을 할 수 없다. 문의하는 연구 조직은, 식별자와 함께 제공(태그된)되고 게놈 시퀀싱이 이미 수행된 샘플만 찾을 수 있다.
따라서 기존의 검색 엔진은 연구에 관심이 있을 수 있는 샘플(특히 값비싼 게놈 시퀀싱 분석이 가치 있는)을 선택하는 데 있어 연구소/바이오뱅크를 지원할 수 없으며, 연구 조직의 쿼리에 대해서도 연구 조직을 위한 코호트를 쉽게 형성하고 태깅이 가치있는 샘플에 관하여 피드백을 실험실/바이오뱅크에 제공하기 위하여 정보를 제공할 수 없다.
본 발명의 목적은 다수의 사람들의 샘플로부터 샘플 데이터 및/또는 샘플을 포함하는 데이터베이스를 대상으로 하는 검색 쿼리를 처리하기 위한 개선된 방법 및/또는 이에 대응하는 검색 플랫폼 장치를 제공하는 것이며, 이를 통해 종래 기술의 단점을 회피할 수 있다. 데이터베이스를 대상으로 하는 검색 쿼리 처리는 특히 관심 샘플을 보다 신속하게 및/또는 보다 적은 노력으로 식별할 수 있도록 하기 위한 것이다. 데이터베이스를 대상으로 하는 검색 쿼리의 처리는 더욱이 특히 샘플 데이터 및/또는 샘플에 대한 더 빠르고 및/또는 더 쉬운 액세스를 제공하고 샘플 데이터 및/또는 샘플이 관련된 사람들에 대한 프라이버시 보호를 제공하기 위한 것이다.
상기 목적은 독립 청구항의 특징을 갖는 데이터베이스를 대상으로 하는 검색 쿼리를 처리하는 방법 및 검색 플랫폼 장치에 의해 달성된다. 본 발명의 유리한 실시예 및 적용은 종속 청구항들로부터 명백해진다.
본 발명의 제 1 일반 양태에 따르면, 상기 목적은 다수의 사람들의 샘플로부터의 의료 샘플 데이터 및/또는 샘플들을 포함하는 데이터베이스를 대상으로 하는 검색 쿼리를 처리하기 위한 방법을 통해 달성되며, 이 방법은 다음 단계들을 포함한다:
소정의 쿼리 검색 매개변수를 갖는 샘플 데이터를 포함하는 하나 이상의 샘플 검색을 대상으로 하는 요청 프로프로필포함하는 검색 쿼리를 AI 프로세서 장치에 입력하기, AI 프로세서 장치를 이용하여 요청 프로파일프로필시키는 하나 이상의 선택된 샘플을 검색하기, 및 하나 이상의 선택된 샘플의 식별 데이터를 출력하기. 데이터베이스는 예를 들어 의료 시설, 실험실 및/또는 생물학적 샘플 뱅크(바이오뱅크)에 의해 제공된다. 요청 프로필은 바람직하게는 적어도 AI 프로세서 장치의 기능에 의해 결정되는 지정된 확률로 충족된다.
본 발명의 제 2 일반 양태에 따르면, 상기 목적은 다수의 사람의 샘플로부터 의료 샘플 데이터 및/또는 샘플을 포함하는 데이터 베이스를 대상으로 하는 검색 쿼리를 처리하도록 구성된 검색 플랫폼 장치에 의해 달성되는데, 여기서, 검색 플랫폼 장치는, 미리 결정된 쿼리된 검색 매개변수를 갖는 샘플 데이터를 갖는 하나 이상의 샘플을 검색하기 위한 요청 프로필을 갖는 검색 쿼리를 수신하도록 조정된 입력 장치, 입력 장치에 결합되고 하나 이상의 선택된 샘플, 요청 프로필을 충족시키는 하나 이상의 선택된 샘플을 검색하도록 조정된 AI 프로세서 장치,및 하나 이상의 선택된 샘플의 식별 데이터를 출력하도록 조정된 출력장치를 포함한다. 검색 플랫폼 장치 또는 그 실시예 중 하나는 바람직하게는 본 발명의 제 1 일반 양태 또는 그 실시예에 따른 방법을 수행하도록 조정된다.
본 발명에 따른 기술은 유리하게는 기존의 검색 엔진보다 더 많은 기능을 제공한다. 이는 인공지능이 통합된 자가 학습 예측 도구이다. 본 발명에 따른 이러한 기술은 예를 들어 제약 산업/(바이오) 의료 연구 조직가 연구에 적합한 환자 코호트를 찾는 데 도움을 줄 수 있으며, 반면에 연구소/바이오뱅크와 같은 데이터베이스 단체가 그들의 샘플 중 어떤 샘플에 특히, 샘플 준비, 예를 들어 게놈 시퀀싱을 수행하기 위한 특정 작업 시간 및 비용을 투자할 가치가 있는지 평가하는 데 도움을 줄 수 있다. 플랫폼의 학습 인공지능(AI)에 의한 이러한 평가는 차례로 그들의 쿼리에 의해 연구 주체들에 의해 직접적으로 영향을 받을 수 있다.
본 발명으로, 연구 주체들로부터의 쿼리는 AI 프로세서 장치에 의해 유리하게는 디자털화되고 처리된다. AI 프로세서 장치는 기계 학습, 예를 들면 하나 이상의 인공 신경망에 기반한 프로그램을 사용하도록 조정된 컴퓨터 장치를 포함한다. 이하 "AI 프로세서 장치"라는 표현은 또한 컴퓨터 장치가 제공하는 인공지능을 지칭하기 위하여 사용될 것이다. AI를 설정하는 방법은 WO 2020/233850 A1("인공 학습 유닛의 반복 결합") 및 WO 2020/233851 A1("여러 인공 학습 유닛들과 투영 레벨의 결합")에 설명되어 있다, 이는 여러 AI 단위로 구성된 학습 시스템의 구축뿐만 아니라 AI 시스템에 의한 윤리적 원칙/규칙의 저장 및 독립적 적용을 소개한다.
AI 프로세서 장치는 별도의 훈련 방법에 의해 및/또는 바람직하게는 AI 프로세서 장치를 대상으로 하는 쿼리 및 데이터베이스의 관련 식별 결과를 평가하는 것에 의해 학습한다.
본 발명의 바람직한 실시예에 따르면, AI 프로세서 장치는 선택된 샘플 그룹, 적어도 지정된 확률로 요청 프로필을 만족하는 모든 선택된 샘플을 검색하는 데 사용된다. 선택된 샘플 그룹은 유리하게는 저장된 광범위한 데이터와 관련하여 제한된 수의 샘플을 제공하는데, 이러한 여러 샘플들은 각 쿼리에 대해 추가로 처리되거나 검사 또는 출력될 수 있고, 데이터베이스 운영에 필요한 노력을 크게 줄일 수 있다.
본 발명에 따른 방법 또는 검색 플랫폼 장치 각각은 바람직하게는 다음의 두 가지 기능 중 하나 이상를 충족시킨다:
a)
연구 관련성에 부합하는 샘플의 순위를 독립적으로 작성
b)
연구를 위해 관심이 있는 매개변수(연구와 관련된 환자 데이터)를 독립적으로 평가(등급매기기)
제 1 기능에 따라, 선택된 샘플 그룹의 식별 데이터는 바람직하게는 선택된 샘플 각각에게 요청 프로필이 성공적으로 충족될 확률을 할당하는 순위 정보(배치 정보)와 함께 출력된다.
제 2 기능에 따라, 바람직하게는 요청 프로필을 성공적으로 충족시킬 확률이 증가된 샘플 그룹이 선택될 수 있도록, 검색 쿼리와 일치하는 추가 등급 검색 매개변수가 출력된다. 등급 검색 매개변수에는 특히 바람직하게는 유전자 프로필, 임상 치료와 관련된 데이터, 기존 질병, 질병에 대한 가족적 소인, 개인 진단 결과, 생활 습관의 특성, 식습관, 소비자 행동, 스포츠 및 신체 활동 특성, 약물 또는 기타 만취제 섭취와 관련된 데이터, 약물 섭취와 관련된 데이터, 방사선 피폭과 관련된 데이터, 후생유전학적 데이터, 지리적 정보, 연령, 성별, 민족성, 알레르기 및/또는 정신 질환을 포함한다.
특정한 샘플 프로필에 대한 연구 조직와 같은 독립체로부터의 쿼리에 의한 영향을 받지 않고 또한 이러한 정보를 실험실/바이오뱅크로 전송할 수 없는 기존 검색 엔진과는 대조적으로, AI 프로세서 장치는 쿼리에 의해 영향을 받고 특히 훈련될 수 있다. 추가로, 기존의 검색 엔진은 또한 환자 데이터의 어떤 매개 변수가 연구에 대하여 관심을 받을 수 있는지에 대한 평가(등급)를 독립적으로 출력할 수 없다.
본 발명의 바람직한 실시예에 따르면, 연구 독립체로부터의 요청 프로필은 대상 코호트를 형성하는 샘플 그룹과 연관된 사람들, 샘플 데이터가 있는 샘플 그룹을 검색하는 것을 대상으로 한다. 따라서 대상 코호트는 유리하게 쿼리에 응답하여 직접 생성될 수 있다.
본 발명의 추가의 유리한 실시예에 따르면, AI 프로세서 장치는 전문 문헌의 정보, 특히 제약 제품과 관련된 산업 부문의 상업 시장 정보 및/또는 제약 제품과 관련된 승인 데이터베이스의 정보를 처리한다.
따라서 플랫폼은 유리하게는 적합한 환자 코호트의 검색을 위한 실용적 가치가 높은 연구 독립체에 대한 검색 포털을 형성하는데, 상기 플랫폼은 검색 쿼리를 실험실/바이오뱅크로 전송한다. 예를 들어, 제약 산업으로부터의 쿼리는 샘플 순위를 만들기 위해 바람직하게는 플랫폼의 AI에 의해 사용된다. 이러한 순위를 만들기 위해, 플랫폼의 AI는 제약 업계의 쿼리 뿐만 아니라 과학 문헌을 모니터링할 수도 있다. 이러한 플랫폼을 통해 적합한 샘플 재료와 관련하여 제약 문제를 제기할 수 있을 뿐만 아니라 학술 및 비영리 연구 조직도 이 플랫폼을 사용하는 것이 가능하다. 그들은 결국 플랫폼에 어떤 연구 분야가 인기를 끌 것인지에 대한 정보를 제공한다. 과학 출판물 외에도, 산업 부문의 정보도 여기서 관심을 받을 수 있다: 예를 들어, 어떤 새로운 의약품이 시장에 진입하고 있는지, 또는 승인 데이터베이스로부터 제약 연구에 어떠한 동향이 관찰될 수 있는지 등. 이러한 모든 독립체들(제약 관련 기관, 비영리 연구 조직, 관련 간행물 환경, 신약 개발 등)은 장치의 AI 내 관련성에 따라 환자 샘플 순위의 가중치에 영향을 미친다(아래 도 1 참조). 이러한 정보의 도움으로, 플랫폼은 (독립적으로 생성된 순위에 기초하여) 어떤 환자 샘플이 값비싼 게놈 시퀀싱을 적용할 가치가 있는지에 관하여 실험실/바이오뱅크에 보다 성공적으로 조언할 수 있다. 장치의 AI는 현재 연구 동향과 연구 로부터의 쿼리에 기초하여 생성된 샘플 순위에 기초하여 조언을 제공한다. 이러한 분석의 도움으로 연구소/바이오뱅크는 초기 시퀀싱 비용을 절감한다.
바람직하게는 코딩 기능을 사용하여 검색 쿼리를 분할된 검색 쿼리로 변환되도록 준비된다. 변환은 바람직하게는 AI 프로세서 장치 및 입력 장치에 결합된 코딩 장치를 통해 수행된다.
데이터 보호 요구 사항을 허용하기 위해, 다음 특징이 바람직하게는 구현된다: 임상 데이터나 게놈 시퀀싱 데이터와 같은 사람들의 개인 정보는 자유롭게 액세스할 수 없어야만 한다. 이들은 데이터 보호의 대상이다. 그럼에도 불구하고 플랫폼이 최적으로 작동하고 양측 사이에서 중재할 수 있도록 환자 프로필의 특정한 특성에 대한 검색이 필요할 수 있다. 이러한 검색은 예를 들어 해시 함수와 같이 코딩 기능을 사용하여 수행될 수 있다: 플랫폼 자체는 환자의 유전자 데이터에 대한 인사이트가 없지만 구체적인 유전자 정보를 모르고도 해시를 통해 연구 독립체에 적합한 유전자 프로필을 위해 연구소 데이터베이스 내의 암호화된 데이터내에서 검색할 수 있다. 코딩 기능은 특히 DE 10 2019 135 380.7 ("유전자 데이터를 처리하는 방법 및 데이터 처리 장치", 본 개시의 우선일에 공개되지 않음)에 기술된 기술에 따라 사용될 수 있다, 데이터의 모든 정보를 공개할 필요 없이 암호화된 방식(예: 해시를 통해)으로 액세스할 수 없는 데이터(예: 개인의 유전자 정보)를 검색할 수 있다. DE 10 2019 135 380.7은 특히 유전자 데이터의 처리와 관련하여 본 발명의 개시사항에 참조로 포함된다.
이러한 유형의 애플리케이션의 경우, 데이터베이스에 "보안 엔클레이브(secure enclaves)"가 설치되는 것이 바람직한데, 이를 통해 플랫폼이 해시와 같은 코딩 기능을 통해 특정한 샘플에 대한 제약 산업/연구 조직로부터의 쿼리를 전송할 수 있다. 데이터베이스, 예를 들어 실험실/바이오뱅크는 근본적인 개인 데이터 공개없이 적합한 샘플의 존재를 확인해주거나 부인한다. 이러한 방식으로, 플랫폼이 개별 샘플/환자에 대한 개인 환자 데이터 또는 중앙 ID 시스템을 구비하는 것 또한 필요하지 않는다. 대신에, 현재 관련된 각 샘플은 분산 방식으로 그리고 일시적으로 암호화된(해시된) 형태로 (질병 경고 앱의 경우처럼) 저장된다. 장치는 특정한 샘플의 특정 유전자 데이터, 임상 환자 데이터 또는 환자 프로필과 관련된 기타 정보를 저장하지 않는다. 이러한 개인 데이터는 실험실/바이오뱅크 또는 의사와 환자에게 남는다. 플랫폼은 특히 "해시"를 사용하여 코딩 기능을 사용하여 변환된 쿼리 형태로 검색을 전송하므로 이러한 개인 데이터에 직접 액세스할 필요는 없다.
본 발명의 바람직한 실시예에서, 데이터 및/또는 샘플의 사용에 대한 관련자의 동의가 요청된다. 동의 요청은 특히 바람직하게는 설문지 및/또는 사전동의 문서 및/또는 아바타 장치를 사용하여 응답된다.
특히 바람직하게는 데이터베이스에 그들의 샘플 데이터가 저장된 사람들에게 정보가 출력되는 것이 가능한데, 출력 정보는 특히 의약품, 질병, 연구 결과 및/또는 권장 조치와 관련된 것이다.
검색 플랫폼 장치 및 그 실시예들과 연계되어 개시된 특징들은 마찬가지로 본 발명에 따른 방법의 바람직한 특징들을 구성하며, 그 반대도 마찬가지이다. 상기 측면들과 발명적이고 바람직한 특징들은, 특히 검색 플랫폼 장치의 설정 및 검색 플랫폼 장치와 연계되어 설명되는 개별 구성 요소들의 기능 및 구성에 관한 것으로서, 따라서 본 방법에도 적용된다. 전술한 본 발명의 바람직한 실시예들, 변형 및 특징들은 서로 결합될 수 있다.
본 발명의 보다 상세한 내용 및 이점은 첨부된 도면을 참조하여 후술하기로 한다. 도면은 다음을 개략적으로 나타낸다:
도 1: 본 발명의 바람직한 실시예에 따른 특징을 갖는 검색 플랫폼 장치 및 검색 방법의 개요도;
도 2: 검색 플랫폼 장치의 기능 및 본 발명의 바람직한 실시예에 따른 검색 방법에 대한 추가 세부 사항;
도 3: 본 발명을 실제로 사용할 경우의 이점을 나타낸 도해;
도 4: 본 발명의 바람직한 실시예에 따른 특징을 갖는 아바타 장치의 개요도;
도 5: 아바타 장치와 주변 환경(외부 세계) 간의 통신 및 통신 모니터링을 설명하는 도해;
도 6: 제 1 및 제 2 저장 장치의 사용 설명 도해; 및
도 7: 본 발명의 바람직한 실시예에 따른 특징을 갖는 아바타 방법의 개요도.
도 1: 본 발명의 바람직한 실시예에 따른 특징을 갖는 검색 플랫폼 장치 및 검색 방법의 개요도;
도 2: 검색 플랫폼 장치의 기능 및 본 발명의 바람직한 실시예에 따른 검색 방법에 대한 추가 세부 사항;
도 3: 본 발명을 실제로 사용할 경우의 이점을 나타낸 도해;
도 4: 본 발명의 바람직한 실시예에 따른 특징을 갖는 아바타 장치의 개요도;
도 5: 아바타 장치와 주변 환경(외부 세계) 간의 통신 및 통신 모니터링을 설명하는 도해;
도 6: 제 1 및 제 2 저장 장치의 사용 설명 도해; 및
도 7: 본 발명의 바람직한 실시예에 따른 특징을 갖는 아바타 방법의 개요도.
본 발명의 실시예들의 특징은 검색 플랫폼 장치 및 검색 플랫폼 장치에 선택적으로 결합되는 아바타 장치의 구성 및 기능을 참조하여 후술하기로 한다. AI 프로세서 장치에 대한 세부 사항은 기존의 기술로부터 알려진 범위의 설명은 생략될 것이다. AI 프로세서 장치는 특히 WO 2020/233850 A1("인공 학습 장치의 반복 결합") 및 WO 2020/233851 A1(" 복수의 인공 학습 장치를 투영 레벨로 결합")에 설명된 대로 구성될 수도 있다. WO 2020/233850 A1 및 WO 2020/233851 A1은 특히 AI 프로세서 장치 및 입출력 장치 및 저장 장치와 같은 주변 장치의 구성과 관련하여 본 발명에 참조로 포함된다.
검색 플랫폼 장치 및 그의 작동을 위한 방법
도 1은 검색 플랫폼 장치의 AI 프로세서 장치가 연구 조직, 승인 시설 및 과학 기관과의 상호 작용하는 것을 설명한다. 입력 및 출력 장치(표시되지 않음)에 결합된 AI 프로세서 장치는 제약 산업 또는 다른 연구 조직으로부터의 쿼리로 부터 그리고 최신 과학 출판물, 의학품에서의 혁시 및/또는 연구에서 특히 관심을 받고 그에 따라 가중치가 제공되는 샘플과 관련된 정보에 액세스하여 학습한다. 또한 AI 프로세서 장치는 각 개인의 게놈 특성, 나이, 성별, 생활 습관, 기존 질병 등과 같이 어떤 매개 변수들이 연구에 중요한지 평가하기 위해 동일한 방식으로 학습한다. 쿼리를 통해, 질의하는 독립체는 순위 및 등급과 관련된 가중치에 영향을 미친다.
도 2는 검색 플랫폼 장치의 AI 프로세서 장치와 실험실/바이오뱅크 및 의사/환자와 같은 데이터베이스 간의 상호 작용을 보여준다. AI 프로세서 장치는 연구 독립체로부터의 쿼리를 평가함으로써(도 1), 어떤 샘플이 게놈 시퀀싱 대상이 될 가치가 있고, 어떤 매개변수가 연구 독립체에 관심을 받을 수 있는지 대한 정보(식별 정보)를 연구소와 바이오뱅크에 제공할 수 있다. 환자 또는 의사는 현재 연구의 초점이 있는 검색 플랫폼 장치로부터 직접 수집할 수도 있다. 검색 플랫폼 장치와 데이터베이스 간의 통신은 완전히 익명으로 및/또는 코딩 기능, 특히 해시 기능을 사용하여 실험실/바이오뱅크 내에서 보안 엔클레이브를 통해 수행될 수 있다. 도 4 내지 7을 참조하여 설명되는 윤리적 아바타는 검색 플랫폼 장치가 쿼리(적합한 샘플 예측)에 응답하는 것을 지원하기 위해, 예를 들어 특정 환자가 연구에 참여할 수 있는지 여부를 확인하기 위해 사람의 디지털 대표로 사용될 수 있다.
검색 플랫폼 장치는, 데이터베이스(연구소/바이오뱅크)로부터의 긍정적 또는 부정적 답변에 기초하여 및/또는 특정 프로필에 대한 연구 조직으로부터의 검색 쿼리에 기초하여, 유리하게 샘플 순위를 개발할 수 있으며(예: "관심"에서 "관심 없음"으로, 또는 적합성 확률에 기초하여) 연구에대해 관심을 받는 매개변수를 식별할 수 있다. 예를 들어, 이러한 매개변수는 환자의 유전적 프로필 뿐만 아니라 임상 치료, 기존 질병 및 질병에 대한 가족적 소인, 개인 진단 결과, 환자의 생활 방식, 식습관, 소비자 행동, 스포츠 및 신체 활동, 약물 소비, 약물 섭취, 방사선 피폭, 후생유전학적 데이터, 지리적 정보, 연령, 성별, 민족성, 알레르기 및/또는 정신 질환에 관한 데이터를 포함한다. 검색 플랫폼 장치는 실험실/바이오뱅크가 현재 연구에 큰 가치가 있는 표본을 평가하고 연구에 관심을 가질 수 있는 매개변수를 평가하는 데 도움이 되며, 연구소/바이오뱅크에도 마찬가지로 가치가 있을 수 있는 매개변수를 수집한다(도 2 참조).
환자의 데이터/샘플 사용을 위해서는 해당 환자의 자발적인 동의가 필요할 수도 있다. 윤리적 아바타는 이러한 선언을 더 쉽게 얻기 위해 사용될 수 있다. 이러한 아바타는 실제 개인의 윤리적 태도를 배우고 시뮬레이션할 수 있는 지능적인 도구이다. 이러한 아바타의 도움으로, 플랫폼은 제약 산업에 대한 특정 데이터/샘플의 윤리적 배경과 관련하여 사전 선택을 할 수 있다: 데이터/샘플의 적용 및 사용에 대한 특정 옵션에 대한 태도에 관해 문의하기 위해 실제 개인을 접촉해야 하는 대신 윤리적 아바타를 조사하여 훨씬 더 신속하게 사전 선택이 가능할 것이다. 따라서 이 플랫폼은 적합한 유전적인 및 의학적 프로필을 가진 환자를 찾는 데 있어 제약 회사(또는 비영리 과학 조직)를 지원할 뿐만 아니라, 동시에 이러한 환자 중 어떤 환자가 연구개발(연구개발)에 참여할 의사를 높은 확률로 나타내는지에 관련하여 사전 선택을 한다. 윤리적 아바타는 환자의 기꺼이 연구에 참여하려는 의지를 예측하는 단위로 기능하며, 이는 환자의 개인적 가치관이나 종교적 태도 또는 문화적 배경에서 도출된다.
그러나 환자가 원칙적으로 연구에 참여할 수 있는지 여부에 대한 예측은 "윤리적 아바타" 없이 플랫폼의 AI에 의한 해당 설문지 또는 사전 동의 문서의 평가를 통해 이루어질 수도 있다.
검색 플랫폼 장치가 작동하는 방식은 관련 당사자에게 다음과 같은 이점을 제공한다:
o
그의 샘플과 샘플 데이터가 저장된 개인, 특히 환자에게 이로운 점
플랫폼이 작동하는 방식은 플랫폼에 환자 관련 데이터를 저장할 필요가 없다는 모든 데이터 보호 요구 사항을 충족한다(상기의 참조: 해시를 사용한 검색). 따라서 데이터 보호 및 개인 정보 보호와 관련하여 환자의 이익이 최적으로 보호된다.
검색 플랫폼 장치의 효율적인 작동을 통해, 환자에게는 (예를 들어, 환자의 질병과 관련이 있기 때문에) 그들에게 중요할 수 있는 연구에 참여할 수 있는 기회가 주어진다. 또한 플랫폼은 또한 환자에게 환자가 복용 중인 의약품과 관련되거나 환자의 임상 사진 등과 관련된 새로운 연구 결과를 제공하는 그 중에서도 중요한 정보 출처에 대한 링크를 제공할 수 있다.
또한 관심이 있는 환자는 다양한 피트니스 앱의 데이터에 액세스할 수 있도록 허용함으로써 플랫폼과 직접 접촉하고 개인 정보(예: 행동 또는 환경 데이터)를 공유할 수도 있다. 따라서 환자는 적합한 후보가 될 연구 프로젝트와 연결될 수 있다. 이 모든 것은 환자의 높은 수준의 의지를 필요로 하지만, 환자가 최신 연구 결과에 더 많이 참여하고 개인적으로 관련된 의료 혁신에 대한 개인화된 접근의 이점을 제공할 수 있다.
o
데이터베이스, 특히 연구소/바이오뱅크에 대한 이점
검색 플랫폼 장치의 AI 프로세서 장치는 대량의 데이터(연구 조직으로부터의 쿼리, 현재의 과학 출판 환경, 승인 절차, 현재의 의료 혁신)를 처리하고 해당 데이터를 평가하므로, 어떤 샘플이 연구에 적합한지에 관하여 예측할 수 있다. 이러한 예측된 결과는 연구소/바이오뱅크에 매우 중요한데, 이는 따라서 그들이 보유한 어떠한 샘플이 값비싼 전체 게놈 시퀀싱 대상이 될 가치가 있는지 평가할 수 있기 때문이다. 시퀀싱된 샘플은 특히 제약 산업 및 (바이오) 의학 연구 조직에 대해 가치가 있으며, 따라서 실험실/바이오뱅크는 나중에 연구 조직에서 구입할 샘플을 주로 염기서열 분석하는 것이 매우 중요하다. 따라서 이 플랫폼은 실험실/바이오뱅크와 잠재적 샘플 구매자 간의 중재를 지원한다. 그럼에도 불구하고, 이 플랫폼은 또한 연구 조직의 관심을 끌기 위해 어떤 샘플 매개변수가 수집되어야 하는지 (임상 또는 진단 데이터뿐만 아니라 나이, 성별 등과같이 상술된 정보도 포함할 수 있다)평가하는 데 있어 실험실/바이오뱅크를 지원한다. 연구소/바이오뱅크는 플랫폼별 순위로부터 어떤 샘플들에 대해서 대략적인 SNP 시퀀싱이 권장될 수 있는 지, 그리고 어떤 샘플들에 대해 완전한 게놈 시퀀싱이 가치가 있을 정도로 관련성이 높다고 고려될 수 있는지 평가할 수 있다(왜냐하면 이 샘플이 구입될 가능성이 매우 높기 때문이다).
o
특히 제약 산업/(바이오) 의료 연구 조직에 문의할 때의 이점
본 플랫폼은 특정한 샘플에 대한 연구 조직의 쿼리를 관련 연구소/바이오뱅크로 전송한다는 점에서 적합한 환자 코호트를 조립하는 데 있어서 연구 조직을 지원한다. 그들의 쿼리를 통해, 연구 조직는 샘플 순위 내 가중치와 어떤 샘플 매개변수(예: 환자의 방사선 노출, 기존 질병, 그들의 약물 남용 등)가 관심건으로 간주되어야 하는지에 관하여 플랫폼의 AI에 의한 평가에 영향을 미친다. 따라서, 플랫폼을 통해 연구 조직는 자체 목적을 위해 연구소/바이오뱅크의 시퀀싱 활동과 특정한 샘플 매개변수에 집중하는 것에 영향을 미치는 역할을 수행할 수 있다.
개인 환자 데이터의 보호는 이 플랫폼에 의해 보호될 뿐만 아니라(상기 참조), 그들이 쿼리를 통해 어느 정도로 공개하는 제약 문제의 내부 연구 문제는 기밀로 처리되어야 한다. 우려 사항은 확실히 현재 연구 분야를 홍보하는 데 관심이 없으며, 이로 인해 의도하지 않은 경쟁을 유인할 수 있다.
도 3은 사업 계획에 기초한 검색 플랫폼 장치 사용의 이점을 나타낸다. 제약 업계의 사용자들은 검색 플랫폼 장치를 사용하기 위해 일정 금액을, 사용자당 100,000 유로를, 지불한다. 그 대가로, 플랫폼은 사용자가 쿼리한 요청 프로필을 충족하는 샘플로 사용자와 실험실/바이오뱅크 사이를 중재하고 샘플 순위의 가중치가 영향을 받는다. 이 순위는 실험실/바이오뱅크에 의해 어떤 샘플이 염기서열 분석되는지에 직접적인 영향을 미친다. 연구와 관련된 특정한 샘플의 경우, 검색 플랫폼 장치는 시퀀싱 비용을 분담할 수도 있다. 과학 비영리 연구 조직은 비용 없이 플랫폼을 사용할 수 있다. 검색 플랫폼 장치의 AI는 쿼리에 기초하여 순위를 현재 연구 관심사에 맞게 조정할 수 있기 때문에 쿼리로부터 이점을 제공한다. 연구에 참여하거나 개인 데이터를 공유할 준비가 된 환자는 그 대가로 자신의 질병과 관련된 관련 네트워크와 연결될 수 있다.
예를 들어, 게놈 시퀀싱(염기서열 분석)에 드는 비용은 연구소/바이오뱅크가 약 500유로이다. 연구소/바이오뱅크는 표본의 약 1%에 대해서만 이러한 비용을 수집한다. 비교적 대략적인 시퀀싱 방법(예, SNP) 또는 진단 검사를 수행하는 데는 매번 약 50 유로의 비용이 든다. 검색 플랫폼 장치에 의한 예측은 어떤 샘플이 연구 조직과 관련이 있을 수 있는지에 대한 가치있는 제안을 실험실/바이오뱅크에 제공하여 시퀀싱이 보다 신속하게 성공으로 이어질 수 있으며 시퀀싱 비용을 보다 효율적으로 사용될 수 있다.
제약 관련 문의 또는 기타 상업 조직은 플랫폼을 대상으로 한 문의의 경우 플랫폼 순위 및 매개 변수 평가에 영향을 미치기 때문에 금액("참여 비용"의 형태로)을 펀드에 지불해야 한다. 대학 또는 기타 비영리(바이오) 의료 연구 조직과 같은 비영리 조직은 무료로 쿼리를 제출할 수 있다. 플랫폼의 경우, 이러한 쿼리의 가치는 그것이 제공하는 정보에 있다: 각 쿼리로부터 플랫폼의 AI 시스템은 현재 연구에서 어떤 샘플이 인기 있는지 학습하고 따라서 그것의 순위와 예측을 조정할 수 있다.
문의하는 연구소/바이오뱅크는 순위에서 특히 연구와 관련이 있는 것으로 평가된 특정한 샘플을 시퀀싱하고 연구를 위해 관심 받는 매개변수를 제공하는 특정 진단 작업을 수행할 때 플랫폼의 자금 기금으로부터 재정적 지원을 제공받는다. 이러한 방식으로, 연구소/바이오뱅크는 특정한 샘플의 시퀀싱할 동기를 부여받으며, 이는 결국 질의하는 제약 산업/(바이오) 의학 연구 조직의 이익에 부합하며, 따라서 그들에게 매력적인 일련의 수집된 샘플이 제공된다. 더욱이, 플랫폼 기금은 플랫폼 운영에 사용된다(사업 계획 개요는 도 3 참조).
연구 조직 구매에 의한 개별 샘플에 대한 지불은 연구소와 연구 조직 간에 직접 이루어지는데, 여기서, 검색 플랫폼 장치는 더 이상 역할을 하지 않는다.
검색 플랫폼 장치와 연계된 아바타 장치 및 방법
본 발명은 또한, 사람을 표현하고 그 사람의 개인 데이터를 처리하도록 조정된 아바타 장치("윤리적 아바타"), 다수의 아바타 장치를 갖는 아바타 시스템, 아바타 장치의 사용 및 아바타 장치의 작동을 위한 아바타 방법에 관한 것이다. 본 발명은 특히, 여기서 윤리적 아바타 또는 아바타 장치라고도 지칭되는 사람의 가상 대표를 개발하는 방법 및 설정하기 위한 장치에 관한 것으로, 여기서 아바타 장치는 예를 들어 개인의 도덕적 태도, 윤리적 원리, 가치관 및/또는 추가적인 의견과 이익을 개별적으로 학습하고 독립적으로 시뮬레이션할 수 있다. 본 발명은 예를 들어, 개인의 개인 데이터를 포함하는 데이터베이스의 운영 및/또는 개인 데이터의 처리에서, 특히 기계 학습 및/또는 인공지능(AI)에 의해, 및/또는 본 발명에 따른 전술한 검색 플랫폼 장치를 대상으로 하는 쿼리의 처리에 사용될 수 있다.
(바이오) 의학 연구와 개인(환자 및/또는 피험자)의 의학적 검사 및 치료에서, 환자 또는 피험자에 관한 많은 양의 개인데이터가 생물학적 재료(조직 샘플, 체세포 또는 줄기세포로부터의 샘플)의 부여를 통해 또는 질병 치료 과정(생체검사, 종양 제거 등)에서 축적된다. 개인 데이터는 예를 들어 환자/피험자의 유전 정보, 질병 이력 및/또는 노출된 환경 영향에 관한 것이다.
이러한 데이터의 관리 및 보호에는 이러한 데이터를 처리하는 데 있어 윤리적 표준 준수 우위의 원칙(데이터 보호 및 "정보 동의" 규정 참조)과 연관된 정보 기술에 대한 막대한 비용이 필요하다.
지금까지 서면으로 개인으로부터 동의서를 받았으며, 환자/피험자의 신원에 대한 익명화 또는 유사 익명화는 제3자의 무단 액세스로부터 민감한 데이터를 보호하는 데 사용되었다. 이러한 필수적인 접근 방식은 나중에 관계자를 조사하는 것을 매우 어렵거나 심지어 불가능하게 만든다. 상황이 변하거나 새로운 연구 분야가 열리거나 사람들의 의견이나 이해관계에 대한 불확실성이 있다면, 이로 인해 발생하는 질문들이 관계자들에 의해 해결되는 것은 더 이상 불가능하거나 가능하더라도 매우 어려울 것이다.
의견조사, 사회학적 또는 인구통계학적 분석에서도 마찬가지이다, 빅 데이터 연구(데이터 과학) 과정과 산업/상업 분야에서 방대한 양의 개인 데이터를 가능한 한 신속하게 처리하면서 당사자의 개인 정보를 보호해야 한다는 점에서 지금까지는 시간과 비용이 매우 많이 소요되었다.
개인화된 의학 분야에서는 이미 인체 기능과 신체 단위를 디지털화하려는 시도가 이루어지고 있다(예: "블루 브레인 프로젝트" 또는 가상 심장 시뮬레이션 참조). 인체 부위의 디지털 버전이 개발되는 것은 그 어느 때보다 일반적이다. 세포, 장기 또는 심지어 전체 개인을 가상으로 표현 가능한 것이 추구된다. 이 개념을 "디지털 트윈"이라고 지칭되는데, 즉, 생물학적 대응물의 디지털 트윈이 생성된다.
이전의 접근법은 인간의 생리적 공정을 시뮬레이션하는 것으로 제한되어왔다. 대조적으로, 한 사람의 도덕적 태도, 의견, 개인의 가치와 윤리적 원칙과 같은 정신적 반응 특성은 지금까지 고려되지 않았다.
본 발명의 이러한 하위 측면의 목적은 기존의 기술의 단점을 피하면서 개인의 개선된 데이터 기반 디지털 표현 및/또는 그 사용 방법을 제공하는 것이다. 개인의 디지털 표현은 특히 해당 개인에 대한 비생리학적 정보와 같은 확장된 범주의 추가 정보 및/또는 정보를 제공하거나 향상된 용도로 제공할 수 있도록 하기 위한 것이다. 개인의 디지털 표현은 특히 개인의 진술에 대한 더 빠르고/또는 더 쉽게 접근할 수 있도록 하고 개인의 사생활을 보호하기 위한 것이다.
본 발명에 따르면, 아래에 설명된 특징을 갖는 아바타 장치, 다수의 아바타 장치를 갖는 아바타 시스템, 아바타 장치의 용도 및 아바타 장치를 작동시키기 위한 아바타 방법이 이러한 목적을 위해 사용된다.
바람직하게는, 사람을 표현하고 그 사람의 개인 데이터를 처리하도록 조정된 아바타 장치로 사용된다. 아바타 장치는 데이터 트레이닝을 통해 사람의 개별 정신적 반응 특성들을 기계 학습하도록 조정되는 AI 프로세서 장치를 포함하고, AI 프로세서 장치는 정신적 반응 특성들에 의존하는 방식으로 질문들에 응답하여 의미적 답변들(특히, 적어도 하나의 문장 또는 예 또는 아니오 와 같은 개별 단어들)을 생성하도록 구성되고, 제 1 저장 장치 (개인 스토리지) 는 AI 프로세서 장치에 결합되고, 사람과 상호작용하도록 그리고/또는 사람과 관련된 질문들을 수신하도록 조정되며, 출력 장치는 AI 프로세서 장치에 의해 생성된 답변들을 표현하는 신호들을 출력하도록 구성된다.
추가적인 측면에 따르면, 바람직하게는 아바타 장치 또는 그 실시예 중 하나의 사용이 제공되며, 여기서 그 사용은 다음 중 하나 이상을 포함한다: 산업 회사 및/또는 과학 연구 조직과 연계하여 의료 실험실 및/또는 바이오뱅크를 배치하기 위한 다방향 플랫폼 형성, 사회 조사, 의견 조사 및/또는 빅 데이터 분석을 위한 플랫폼 형성, 환자 선언, 특히 개인 데이터 사용에 대한 동의 선언을 제공하기 위한 플랫폼 형성, 데이터 보호 플랫폼 형성, 개인의 사전 지침 생성, 합성 생물학적 절차에 대한 입력 정보를 제공, 및 기술 시스템 제어.
추가적인 측면에 따르면, 사람의 아바타 장치를 작동시키기 위해, 그 사람과 관련된 하나 이상의 질문을 수신하고, AI 프로세서 장치를 이용하여 질문을 처리하고, 하나 이상의 질문에 의미론적 답변을 출력하는 단계를 포함하는 아바타 방법이 사용된다.
본 발명의 또 다른 측면에 따르면, 다수의 아바타 장치를 포함하는 아바타 시스템이 사용되며, 여기서 각각의 아바타 장치는 상이한 용도에 적합하다.
아바타 장치를 사용하면, 사람의 정신적 반응 특성이 유리하게는 AI 프로세서 장치에 의해 디지털화 및/또는 시뮬레이션된다. AI 프로세서 장치는 기계 학습, 예를 들면 하나 이상의 인공 신경망에 기반한 프로그램을 사용하도록 조정된 컴퓨터 장치를 포함한다. 이하 "AI 프로세서 장치"라는 표현은 또한 컴퓨터 장치가 제공하는 인공지능을 지칭하기 위하여 사용될 것이다.
아바타 장치는 유리하게 아바타 장치와 관련된 사람의 디지털 트윈을 제공하며, 여기서 아바타 장치는 예를 들어 실제 사람의 개인적인 의견, 관심 및/또는 도덕적 태도를 나타낸다. 아바타 장치는 유리하게 개인 데이터의 관리를 단순화 및/또는 속도를 높일 수 있다. 동시에, 아바타 장치는 당사자의 사생활을 보호하고 그들의 이익을 최대한 고려하는 것을 가능하게 한다.
본 발명에 따른 아바타 장치는 유리하게 실제 사람을 대표하는 역할을 할 수 있는 지능적이고 디지털적이며 예측 가능한 보조 장치를 구성한다. 아바타 장치는 예를 들어 한편으로는 사람들과 다른 한편으로는 연구기관 또는 기업과 같은 문의 독립체들 사이의 자문 링크로 사용할 수 있는데, 예를 들어 당사자의 익명성이 보호되는 경우(그 당사자와의 직접적인 접촉이 더 이상 필요하지 않은 경우) 그 사람의 이익은 다른 사람들과의 거래에서 표현될 수 있다. 이러한 이점은 특히 도면을 참조하여 아래에 설명된다.
아바타 장치는 유리하게도 실제 대응인물의 진술, 특히 의견을 예측할 수 있는 도구이며, 지금까지 수천 명의 사람들을 시간이 많이 걸리고 비용이 많이 드는 방식으로 조사해야 했던 모든 형태의 데이터베이스/분석에 사용될 수 있다.
윤리적 아바타는 특히 도덕적 태도와 관련하여 사람들에 의해 훈련될 수 있고, 이러한 훈련에 기초하여 후속적으로 새로 제기된 질문들에 대한 대답을 예상할 수 있는 인공지능(AI)을 구성한다. 이러한 훈련 동안, 아바타의 AI는 그 사람의 도덕적 태도, 가치관, 이익, 및 원칙을 학습한다. 학습, 연상 AI를 사용하여, 아바타는 새로운 (윤리적) 질문에 답할 때 해당 원칙/가치관/태도를 사용할 수 있다. 아바타 장치는 따라서 학습한 내용을 표현할 수 있을 뿐만 아니라 학습한 내용을 새로운 맥락에 지능적이고 창의적으로 적용할 수 있다. 당사자에 대한 지식에 기초하여 특정한 새로운 맥락에서 질문에 응답하여 당사자의 의견과 판단이 무엇인지 지능적으로 예측할 수 있다.
AI 프로세서 장치는 바람직하게는 개인의 도덕적 태도, 의견, 가치관, 관심사 및/또는 윤리적 원칙을 포함하는 개별 정신적 반응 특성의 기계 학습에 적합하다. 응답 특성에는 질문, 사실, 경험, 상황, 다른 사람, 사회 집단 및/또는 개념에 어떻게 반응하는지를 특징짓는 개인의 주관적 특성이 포함되는데, 여기서 응답에는 예를 들어 진술, 감정 및/또는 행동 형태의 명료화가 포함될 수 있다.
본 발명의 바람직한 실시예에서, 상기 제 1 저장 장치는 규칙, 마이크로컨트랙트 및/또는 블록체인의 카탈로그 형태로 정신적 반응 특성을 저장하도록 구성된다. 그럼에도 불구하고 본 발명의 구현은 이러한 변형에 제한되지 않으며 다른 디지털화 가능한 형식으로도 가능하다.
바람직하게는, 제 1 저장 장치는, 정신적 반응 특성이 의존적이고, 특히 종교적 소속, 그룹 소속, 협회 멤버십 및/또는 그 사람의 정당 멤버십을 포함하는 개별 추가 데이터를 저장하도록 적응된다.
본 발명의 또 다른 유리한 실시예에 따르면, AI 프로세서 장치는 윤리적으로 관련된 표현을 이해하고 사용하도록 조정된다.
바람직하게는, 제 2 저장 장치(공용 저장, 공유 저장)가 제공되는데, 이는 정신적 반응 특성과 관련된 지식을 나타내는 일반적인 추가 데이터를 저장하도록 조정된다. 제 2 저장 장치는 특히 바람직하게는 업데이트 장치에 결합되는데, 이를 통해 일반적인 추가 데이터가 업데이트될 수 있다.
본 발명의 또 다른 유리한 실시예에 따르면, 아바타 장치, 특히 입력 장치는 아바타 장치와 사람 사이의 통신에 적합한 통신 채널을 가지고 있다. 이를 통해 유리하게 사람이 아바타 장치에 액세스하여 기능을 확인하거나 AI 프로세서 장치를 훈련시키거나 저장된 데이터를 수정할 수 있다.
따라서 아바타 장치는 당사자에 의해 훈련될 뿐만 아니라, 아바타 장치가 도덕적 태도를 시뮬레이션하는 실제 인물은 더욱 바람직하게는, 그들의 윤리적 아바타에 의해 내려진 진술, 특히 결정들을 언제든지 감시하고 필요하다면 수정하여 윤리적 아바타를 더욱 훈련시키거나 또는 저장된 값/이해관계/도덕적 원칙을 변경할 수 있다. 그러나 개인은 의사 결정 권한을 전적으로 자신의 아바타에게 이전하고 자신을 전적으로 대표하도록 허용하는 선택권도 가지고 있다.
실제 사람의 자율성은 유리하게 제한되지 않는데, 이는 아바타가 항상 그 사람의 지배하에 있고 그 사람의 개인적인 의견과 이해관계와 같은 정신적인 반응의 특성에 기초하여 자문적인 기능을 수행할 뿐인 보조적인 대표자로서의 기능을 수행하기 때문이다.
본 발명의 또 다른 유리한 변형예에 따르면, 입력 장치에는 개인과 관련된 질문의 수신을 제약 회사 및/또는 연구 조직과 같은 미리 설정된 승인된 실체 및/또는 미리 설정된 허용 가능한 내용으로 제한하도록 구성된 승인 장치가 함께 제공된다. 승인 장치는 특히 바람직하게는 통신 인증 저장소 및 표준 통신 프로토콜 기능을 포함한다.
이 실시예에서 개인의 개인 데이터 보호는 특히 중요하다. 아바타는 권한이 없는 당사자가 데이터에 액세스하는 것을 허용하지 않으며, 또한 이에 대한 질문에 대답할 때 제한된 범위 내에서만 권한이 있는 독립체에만 개인 데이터를 제공한다.
아바타 장치는 바람직하게는 액세스 키를 저장하도록 조정된 암호화 저장소를 더 포함한다. 따라서 유리하게 아바타 장치에 대한 접근이 매우 신뢰할 수 있는 방식으로 제한되는 것이 가능하다.
본 발명의 또 다른 유리한 실시예에 따르면, 아바타 장치는 제 1 및/또는 제 2 저장 장치의 내용에 대한 변경 과정을 저장하도록 조정된 로그 저장소를 가지고 있다.
또한, 아바타 장치의 기능에 대한 시간 척도를 제공하도록 조정된 타이머 장치가 유리하게 제공될 수 있다.
아바타 장치는 특히 바람직하게는 사람과 접촉을 설정하고 및/또는 통신할 수 있도록 조정된 통신 장치를 포함한다. 이를 통해 유리하게 AI 프로세서 장치가 제공하는 의미론적 답변을 검증할 수 있다.
아바타 장치 및 그 실시예들과 연계되어 개시된 특징들은 마찬가지로 본 발명에 따른 방법의 바람직한 특징들을 구성하며, 그 반대도 마찬가지이다. 따라서, 상기 측면들과 발명적이고 바람직한 특징들은, 특히 아바타 장치의 설정 및 아바타 장치와 함께 설명되는 개별 구성요소들의 기능 및 구성에 관한 것으로서, 따라서 본 방법에도 적용된다. 전술한 본 발명의 바람직한 실시예들, 변형 및 특징들은 서로 결합될 수 있다.
아바타 장치의 실시예들의 특징은 아바타 장치의 구성 및 기능을 참조하여 후술하기로 한다. AI 프로세서 장치에 대한 자세한 내용은 기존 기술로 부터 알려지는 한 설명되지 않을 것이다.
도 4는 아바타 장치의 일 실시예 및 그의 기능을 나타내고, 여기서 도시된 섹션(단계 및/또는 구성요소) a 내지 g는 다음의 의미를 갖는다. 섹션 a는 학습된 자료를 저장 및/또는 학습된 자료에 액세스하는 단계를 포함하고, 섹션 b는 교육 유닛의 시간을 기록하는 단계를 포함하며, 섹션 c는 설문 조사를 보다 지능적으로 수행하고 타이머 장치(클럭 시스템)와 비교할 수 있도록 두 번째 저장 장치에 액세스하는 단계를 포함한다, 섹션 d는 키 관리와 인증 저장소 간의 상호 작용을 포함하고, 섹션 e는 질문을 하거나 정보를 수신할 권한이 있는 사람을 정의하는 것을 포함하며, 섹션 f는 주변과의 통신 활성화 또는 방지, 특히 통신 프로토콜에 영향을 미치는 것을 포함합니다, 및 섹션 g는 사람에 의해 훈련되는 AI, 조사되는 AI 및/또는 AI가 정보를 제공하는 채널과 관련이 있다.
도 5와 같이 아바타 장치와 그 주변(외부, 특히 문의 주체 또는 아바타를 훈련시키는 실제 사람) 간의 통신(도 7 참조) 및 모니터링은 다음 단계들을 포함한다. 단계 a는 실제 사람과의 통신이다. 단계 b에서, AI 프로세서 장치는 개인 저장소를 변경하거나 개인 저장소와 통신할 권한이 있는지 확인하기 위해 암호 저장소를 사용한다. 단계 c 에서, 훈련을 허용할지 여부에 관해 예/아니오 결정이 내려지고 및/또는 정보를 제공할지 여부에 관해 예/아니오 결정이 내려진다. 단계 d는 연구 조직과 같은 독립체로부터의 특정 주제와 관련된 상세한 쿼리이다. 단계 e에서, 아바타의 AI 프로세서 장치는 통신 인증 저장소에 있는 모든 인가된 독립체의 디렉토리를 사용하여, 상기 AI 프로세서 장치가 상기 독립체에 정보를 제공할 수 있는 권한을 부여받는지 여부 및 어떤 주제에 대해 상기 AI 프로세서 장치가 상기 독립체에 정보를 제공할 수 있는 권한을 부여받은 상태인지 확인하며, 특히, 통신 인증 저장소에서 통신 프로토콜이 사용된다. 단계 f에서는 검사 결과가 제공된다.
도 6은 교육 내용을 연대순으로 정렬하기 위한 목적으로 제 2 저장 장치(공유 공용 저장소)의 사용과 함께 제 1 저장 장치(개인 저장소)에서의 데이터 저장 및 데이터 검색을 보여준다. 윤리적 아바타의 AI 프로세서 장치는 도덕적 태도/의견/이익과 같은 현재의 정신적 반응 특성을 개인 저장소에 저장하고 이에 접근할 수 있을 뿐만 아니라(공인된 쿼리의 경우, 도 2 참조) 실제 사람의 정신적 반응 특성의 오래된 버전을 이력 로그에 저장하고 클럭 시스템을 사용하여 절대적인 연대순으로 배치할 수도 있다. 이 연대순 할당을 통해 제 2 저장 장치와 정렬할 수도 있다. 제 2 저장 장치는 또한 AI 프로세서 장치를 사용하여 실제 사람에 의한 훈련을 보다 지능적으로 할 수 있는데, 예를 들어 AI 프로세서 장치는 그 사람의 종교적 교파를 묻고 제 2 저장 장치에 접속함으로써 "기독교인"이라는 응답을 이해할 수 있는데, 왜냐하면 특정 시점의 도덕적 태도와 관련하여 "기독교인이 되는 것"이 무엇을 의미하는지가 해당 제 2 저장 장치에 기록되었기 때문이다.
아바타 장치는 도 4에 묘사된 바와 같이 다음의 특징을 가지고 있다:
·
아바타 장치는 (1) 실제 사람들에 의한 개인 훈련을 통해 그들의 도덕적 태도를 배울 수 있는 학습 구성 요소를 포함하는데, 여기서
·
(2) 본 교육의 결과는 제 1 저장 장치에 저장되며, 아바타의 AI는 이 정보에 접근할 수 있다(제 1 저장 장치는 공개되지 않고, 즉 아바타 장치 주변으로부터의 접근이 차단된다). 도덕적 신념과 같은 사람의 정신적 반응 특성은 규칙, 마이크로-컨트랙트 및/또는 블록체인의 카탈로그 형태로 아바타의 제 1 저장 장치에 저장될 수 있다. 개인의 종교적 소속 또는 단체/협회/파티 멤버십과 관련된 정보는 제 1 저장 장치에 저장될 수 있으며, 이로부터 윤리적 아바타는 (별도의 저장 장치(제 2 저장 장치, (4) 참조) 개인의 의견에 대한 결론을 도출할 수 있다.
·
또한, (3) 아바타 장치는 사람의 정신적 반응 특성, 예를 들어 태도와 관련된 저장된 지식에 기초하여 새로운 질문(입력)에 대한 새로운 답변(출력)을 독립적으로 생성하도록 조정된다. 이러한 아바타는 바람직하게는 윤리적으로 관련된 표현을 이해하고 사용할 수 있고, 이는 해당 존재론(특히 물리적 및 추상적 주제, 특성, 사실, 사건, 방법 등의 체계적이고 공식화된 실체 표현)을 통해 가능하다.
·
아바타(4)는 개인의 도덕적 태도를 위한 제 1 저장 장치 이외에도, 바람직하게는 반응 특성과 관련된 보다 기본적인 지식, 예를 들어 도덕적으로 관련된 지식이 저장된(사전 전문 교육으로부터) 별도의 제 2 저장 장치에 접근할 수 있다. 예를 들어, 이것은 다양한 윤리 이론과 그들의 함의, 종교나 다른 그룹(예: 정당 또는 협회)과 그들의 코드와 규칙과 관련된 지식, 또는 도덕 철학에서 알려지고 논의되는 윤리적 관련 표현과 윤리적 딜레마 상황과 관련된 지식일 수 있다. 상기 제 2 저장 장치(예를 들어, 다른 아바타 시스템과 공유되는 공용 저장 장치)는 사람들에 의해 훈련되는 동안, 그 사람을 보다 지능적으로 조사하고, 그 사람을 특정 질문에 민감하게 하고, 그 사람의 대답을 분류할 수 있도록 아바타 장치에 의해 사용될 수 있다. 아바타는 훈련 중에만 이 일반적인 지식을 사용하지만, 나중에 자신의 사람을 대신하여 윤리적인 질문에 대답할 때는 사용하지 않는다. 이 경우 아바타는 그 사람의 정신적 반응 특성, 특히 개인의 가치/이익/원칙에 대해 알고 있는 것과 관련있을 때만 결정을 내린다. 제 2 저장 장치는 일정한 간격으로 업데이트될 수 있으며, 이를 위해 아바타 내의 클럭 시스템((9) 참조)이 사용된다.
·
(5), 윤리적인 아바타와 실제 대응인물인 사람 사이에 통신 채널이 제공되어 아바타를 훈련시킬 수 있고, 바람직하게는 언제든지 디지털 대표자의 행동을 모니터링하고, 원한다면 훈련을 재개할 수 있다. 문의하는 독립체와의 의사소통이 또한 가능하지만, 바람직하게는 제한을 받는다. 바람직하게는 인가된 항목 필드내의 인가된 주체로부터의 쿼리만 허용된다. 승인이 수행되는데
·
(6) 표준 통신 프로토콜 기능과 함께 통신 인증 저장소를 통해서 이다. 이것은 질문에 응답하기 위하여, 어떤 아바타가 통신할 수 있는지, 질의하는 독립체로부터의 질문이 어떤 맥락에 관한 것인지에 관한 조건이 함께 있는 해당 독립체들의 디렉토리이다. 권한 부여는 실제 개인이 직접 지정하거나 중앙 기관이 지정할 수 있다. 인가된 독립체만이 명확하게 제한된 범위 내에서 정보를 수신할 수 있다: 예를 들어, 인가된 의료 기관은 아바타를 조사할 수 있지만, 의료 관련 질문만 허용된다(도 5에서 아바타와 외부 세계 간의 통신을 나타낸다).
·
아바타는 (7) 액세스 키가 관리되는 암호화 저장소를 사용하여 바람직하게는 어떤 독립체가 어떤 권한을 가지고 어떤 범위에서 정보를 수신하는지 확인한다. 이 키를 사용하여, 또한 실제 사람만이 아바타의 개인 저장소를 변경할 수 있는 권한을 부여받는 것이 보장된다.
·
윤리적 아바타는 실제 사람에 의해 한 번만 훈련될 수 있는 것이 아니라, 바람직하게는 언제든지 개인 저장소의 콘텐츠를 변경할 수 있기 때문에, 아바타(8)는 바람직하게는 변경의 이력 과정이 (예를 들어 블록체인 등을 사용하여) 저장되는 저장소(로그 저장소)를 포함한다. 여기서, 아바타는
·
(9) 일반적인 도덕적 관련 지식과 관련하여 다양한 교육 실행에 대한 연대순으로 절대적인 평가와 제 2 저장 장치와의 정렬을 허용하기 위한 클럭 시스템을 구비한다. 이러한 방식으로, 특정한 훈련시퀀스 tx의 시간을 일반적인 지식 상태에 정확히 이 시간에, 공용 공유 저장소에 저장되는 것처럼, 할당할 수 있다((4) 참조). 이는 각 훈련 단위의 내용을 이해하는 데 매우 중요한다: 예를 들어, 실제 사람이 시간 tx에 특정 커뮤니티의 코드에 구속된다고 느끼는지 또는 해당 커뮤니티가 코드를 수정한 시간 tx+n 에 그렇게 느끼는지 여부는 차이를 낳을 수 있다. 두 코드(구 버전의 tx 및 개량 버전의 tx+n)는 각각의 시간에 연결되는 방식으로 제 2 저장 장치(4)에 저장되며, 이는 클럭 시스템을 통해 훈련 시간에 연결되는 방식으로 개인 저장 장치(2)에 저장되는 방식과 동일한다. 따라서 개인의 개인적 태도는 절대적인 연대순으로 배치될 수 있다(도 6 참조).
·
윤리적 아바타는 또한 (10) 원칙적으로 실제 사람의 가용성과 관련된 단위를 구비하는데, 이는 접촉 수단에 대한 링크를 제공하거나 사람의 접촉 가능성과 관련된 진술을 한다.
본 발명을 구현함에 있어 특히 다음의 가능성이 있다:
a)
실제 사람은 다양한 독립체에 의해 쿼리가 지시될 수 있는 해당 식별 태그가 있는 정확히 하나의 해당 아바타 장치(윤리적 아바타)를 보유한다. 해당 개인과 관련된 모든 정보는 하나의 아바타 장치를 통해 처리된다.
b)
실제 사람에게는 다양한 애플리케이션 영역에서 생성된 여러 아바타 장치들(아바타 시스템)이 할당될 수도 있다. 상이한 아바타들이 한 개인과 아바타 식별 번호(아바타 정보 독립체에서 제공), 글로벌 고유 식별자(예: 환자 ID 또는 바이오샘플 ID) 또는 (해시된) 개별 식별자(예: 이미지[예를 들어, "그라바타"의 개념이 개발되었는데, 그라바타는 사용자가 웹 사이트에서 웹 사이트로 이동할 때 식별자https://de.gravatar.com 참조).] SNPs(단일 뉴클레오티드 다형성 또는 STRs(짧은 탠덤 반복)와 같은 유전적 "지문"으로 동반하는 이미지이다)를 통해 성공적으로 동기화 될 수 있다. 한 사람이 여러 개의 아바타를 가지고 있는 경우, 관련된 모든 아바타가 공통된 실제 사람의 태도와 의견과 같은 정신적 반응 특성과 관련하여 최신 상태를 유지하기 위해 이러한 아바타들은 바람직하게는 서로 동기화된다. 실제 인물의 다양한 아바타 간의 정렬이 보장되어야 한다.
구체적인 실시예 및 응용에 대한 추가 세부사항
1.
빅 데이터 분석/데이터 과학을 위한 예시적인 실시예
o
의료 실험실/바이오뱅크와 제약 관련 기관 및/또는 과학 조직 간의 통합 연결 역할을 하는 다방향 플랫폼의 일부로서의 아바타: 의료(상업) 실험실은 환자의 임상 정보, 진단 결과 및 유전자 정보와 관련된 많은 양의 데이터에 액세스할 수 있다. 그들은 이 데이터가 연구 및 산업 부문에서 활용될 수 있다는 사실에 관심이 있다. 한편, 제약 산업과 과학 조직들은 그들의 연구에서 매우 특정한 환자 그룹으로부터 데이터를 얻는 것에 의존하고 있다. 이러한 섹터 간의 조정은 기존의 기술을 사용할 때 매우 복잡하지만, 하나 이상의 통합된 아바타 장치가 있는 플랫폼을 사용하면 더 쉽게 수행될 수 있다. 이 플랫폼은 양쪽의 정보를 합치고: 실험실에서 어떤 환자들을 테스트 중인지를 분석하고 연구 부문의 특허 프로필에 대한 쿼리로부터 어떤 실험실 데이터/샘플이 연구 부문의 관심 대상이 되는 지에 대한 인사이트를 얻는다. 플랫폼은 따라서 양쪽 모두를 지원할 수 있다: (플랫폼이 연구/산업 부문에 대해 관심 받는 샘플/데이터를 알고 있기 때문에) 값비싼 전체 게놈 시퀀싱(연구 부문에서 필수적인)를 적용할 가치가 있는 샘플/데이터에 대해 연구소에 조언하고, 그렇게 함으로써 연구 부문이 적합한 코호트를 집합하는데 지원할 수 있다. 환자들의 윤리적 아바타는 이 사전 선택에 도움을 주는데, 그 중에서도 이는 환자들이 실제 대응인물의 도덕적 태도를 알기 때문이다. 환자의 데이터/샘플 사용을 위해서는 해당 환자의 동의가 필요하다. 윤리적 아바타는 이러한 선언을 더 쉽게 얻기 위해 사용될 수 있다.
o
사회학적 연구: 아바타는 원칙적으로 어떤 사람이 어떤 연구 주제와 조사 내용에 관심을 가질 수 있는지, 어떤 사람이 즉시 이의를 제기할 것인지를 사전에 선택하는 데 도움을 줄 수 있다.
→
장점: 사회학적 코호트/설문조사 그룹을 위한 신속하고 적절한 사전 선택.
o
의견 조사/빅 데이터 분석: 매우 많은 사람들의 의견을 쉽고 빠르게 수집하고 분석할 수 있도록, 윤리적 아바타가 유리할 수 있는데, 의견 조사 기관의 특정한 질문에 답변하는 데 도움이 될 뿐만 아니라, 그들은 또한 (사전 선택을 지원함으로써) 그들의 사람들이 해당 조사에 적합한지를 평가하는 데 도움을 준다.
2.
임상적 맥락과 생물의학 연구에서 가능한 응용
o
고지에 입각한 동의 질문과 관련된 조언 제공: 아바타는 다양한 동의 선언의 질문에 대한 그 사람의 대답을 학습하고, 후속적으로 새로운 질문에 대한 그 사람의 태도를 예상하고 그들을 대신하여 대답할 수 있다. 아바타는 그 사람을 대신하여 대답하는 법을 배운 그 사람의 자문 대표 역할을 수행한다.
→
장점: 동의 선언과 관련된 질문에 대해 당사자와 직접 접촉하는 것은 더 이상 필요하지 않으며, 당사자의 이익과 지시가 동시에 고려되는 동시에 개인의 사생활이 보호된다.
o
고지에 입각한 동의 절차의 표준화: 동의 선언을 얻는 과정은 윤리적 아바타를 사용하여 표준화될 수 있다. 윤리적 아바타와 같은 국제적으로 적용 가능하고 표준화된 도구를 사용하여 상이한 고지에 입각한 동의 문서의 현재 다양성과 복잡성에 대응할 수 있다.
→
장점: 이러한 문서의 국제적인 배포와 이해가 단순화되고, 국제적인 어휘와 접근이 가능하여 국제적인 협력이 크게 촉진될 것이다.
o
동적 환자 진행 지침: 아바타는 자신을 표현할 수 없는 사람들의 경우 서포트 기능을 수행할 수 있다. 만일 어떤 사람이 혼수상태에 있거나 그 사람이 스스로 말할 수 없는 유사한 상황에 있는 경우, 해당 개인의 의사, 이익 및 도덕적 태도에 관련하여 그 사람 대신에 상기 아바타를 조사할 수 있다면, 그에 상응하여 훈련된 그 사람의 윤리적 아바타가 그 사람의 친척이나 법적 보호자에게 큰 도움이 될 수 있을 것이다.
→
장점: 당사자는 자신이 무력화되면 자신이 훈련한 윤리적 아바타가 자신의 이익에 맞는 결정을 예상할 수 있다는 사실에 의존할 수 있다.
o
예측되지 않은 미래 연구/적용 분야: 아바타가 좀 더 폭넓게 훈련된다면, 그것은 또한 "고지에 입각한 동의"의 구체적인 질문 외에도 해당하는 사람의 더 일반적인 도덕적 태도/가치관/원칙을 학습할 수 있고, 심지어 "고지에 입각한 동의"의 질문을 넘어서는 질문에 대한 대답을 예측할 수 있다.
→
장점: 기존 세포 기증을 최대한 활용하여 새로운 연구 분야에 신속하게 참여할 수 있다.
o
생물 의학 연구를 위한 코호트의 계층화: 여기에 표시된 아바타는 환자/피험자의 민감한 데이터를 공개하지 않고도 환자/피험자를 대신하여 작동할 수 있다. 여기서, 특히 DE 10 2019 135 380.7 ("유전자 데이터를 처리하는 방법 및 데이터 처리 장치", 본 개시의 우선일에 공개되지 않음)에 기술된 기술을 사용할 수도 있는데, 여기서 데이터의 모든 정보를 공개할 필요 없이 암호화된 방식(해시를 통해)으로 접근 불가능한 (개인의 유전자 정보와 같은) 데이터로 검색이 수행될 수 있다. DE 10 2019 135 380.7은 특히 유전자 데이터의 처리와 관련하여 본 발명에 참조로 포함된다. 이 경우 아바타는 해당 해시에 액세스할 수 있으며 암호화된 정보를 알 필요 없이 제기된 질문에 예/아니오로 대답할 수 있다. 이러한 서비스는 특히 특정한 공통 특성을 갖는 환자/대상 코호트의 집합에서 큰 이점이 될 것이다. 예를 들어, 기증자가 특정한 예를 들어 유전적 공통성을 가지고 있는 세포주는 종종 연구 목적를 위해 필요하다. 이러한 경우 해당 아바타는 쿼리에 대한 응답으로 실제 아바타의 유전자 정보 공개 없이, 상기 아바타가 대표하는 기증자의 세포주 적합성을 확인해주거나 확인해주지 않을 수 있다.
o
적합한 환자/피험자에 대한 검색은 유리하게 매우 빠르게 이루어질 수 있으며(개인의 특정한 유전적 특성과 관련된 질문에 대한 답변) 아바타는 해당 개인의 근본적인 민감한 데이터 공개없이 사전 선택을 하는 데 더 도움이 될 수 있다.
→
장점: 해당 질문에 동시에 답변하는 동안 민감한 데이터 보호, 및 지금까지 많은 노력과 많은 시간의 소비로만 가능했던연구를 위한 코호트의 신속한 계층화.
o
합성 생물학: 미래에는 유전 정보만으로 합성 생물학적 단위, 세포 또는 오르가노이드가 개발되는 것이 가능해질 수 있는데, 이 경우에도 윤리적 아바타는 실제 사람(유전 정보가 관련된)과 연구 조직 사이의 대표 독립체로서 상상 가능하다. 아바타는 개인을 대신하여 합성적으로 생성될 수 있거나 생성되지 않을 수 있는 것과 관련하여 동의 또는 금지를 표현할 수 있다.
→
장점: 새로운 연구 분야와 응용 분야에서는 신원 보호가 보장되는 동안에 자문 아바타에 의해 당사자가 대표되고, 당사자를 대신하여 질문은 신속하고 안정적으로 응답된다.
3.
법 적용의 맥락에서 사용
o
개인의 책임 평가에 대한 지원: 개인이 법과 관련하여 그에 상응하여 책임이 있는가에 대한 문제는 특히 최근에 그들의 의견이 얼마나 일관적인지, 그리고 그들의 의견이 매우 자주 그리고 모순적인 방식으로 바뀌었는지 여부에 달려 있다. 이 모든 것은 개인의 현재 의견뿐만 아니라 그들의 의견들의 "과정"을 알고 있고, 상이한 의견들 사이의 논리적이고, 적절하다면, 모순된 관계를 검토할 수 있는 아바타를 통해 구현될 수 있다. 아바타는 사법 제도와 심리 전문가들이 사람의 정신 상태를 평가하는 데 도움이 될 수 있다. 이것은 또한 의학적 맥락에서 심리적 평가와 관련이 있을 수 있다: 의견의 불일치는 그 사람의 혼란/치매를 증가시키는 징후일 수 있다.
→
장점: 전문가들은 평가를 위한 사람의 현재 상태를 제공받을 뿐만 아니라 시간이 지남에 따라 그들의 의견의 과정 또는 시간이 지남에 따라 그들의 의견의 역학을 고려할 수 있다.
4.
기술 장비의 제어를 위한 예시적인 실시예들
o
기술 장비에 대한 사용: 아바타는 기술 장비가 사용자의 욕구와 관심사를 구현하는 데 도움을 줄 수 있다: 예를 들어, 다양한 인터넷 검색 엔진의 필터 시스템을 제어하여 원하는 콘텐츠만 사용자에게 표시되도록 함으로써, 기타 콘텐츠는 제외된다; 아바타는 또한 미성년자에게 적합하지 않은 콘텐츠가 미성년자에게 표시되지 않도록 함으로써 미성년자를 위한 보관 기능을 수행할 수 있다.
→
사용자의 욕구/이익 및 도덕적 태도에 적합한 방식으로 기술 장비의 표적 사용 원활화
o
자율주행차의 도덕적 구현: 자율 주행 차량에 적합한 도덕적 시스템을 찾는 데 있어 상식적인 해결책이 지금까지 모색되어 왔지만(평균의 도덕적 태도 구현), 구체적으로 윤리적 아바타의 도움으로 운전자가 자율 주행 차량에서 자신의 도덕적 태도를 구현하는 것도 가능할 것이다. 아바타는 그런 다음 비-자율주행차의 인간 운전자처럼, 차량의 개별 양심으로 기능한다.
→
장점: 운전자는 평균적인 도덕적 태도의 격언에 복종할 필요는 없지만(자명하게 합법적인 범위 내에서) 도로 교통의 전후 사정에서(수동으로 운전할 때처럼) 개인적인 윤리적 가치를 구현할 수 있다.
5.
다른 예시적인 실시예들
o
유사 익명화된 개인 데이터에 대한 액세스 키 관리/보호: 개인의 개인 권리 및 사생활을 보호하기 위해, 그들의 데이터는 많은 응용 분야에서 암호화에 의해 보호된다. 여기서, 이 키의 관리는 매우 중요하다. 사람들이 잊어버리거나 부주의하면 이 액세스 키가 손실될 수 있다. 윤리적 아바타는 여기서 해당 사용자를 위해 이 키를 보호하고 권한이 없는 당사자의 액세스로부터 해당 키를 보호하는 데 도움이 될 수 있다.
→
장점: 개인의 책임은 윤리적 아바타의 지원으로 도움을 받으며, 키는 전문적으로 관리되고 보호되며, 유실은 일어나기 힘들 것이다.
o
데이터 보호 모니터링: 아바타는 개인과 (의료) 조직 및/또는 연구 조직 간의 통신에서 링크를 구성한다.
→
장점: 당사자와의 직접적인 접촉은 필요하지 않으며, 동시에 당사자와 그들의 이익과 관련된 질문에 최대한 참여할 수 있는 기회를 허용하면서 신원이 보호된다. 더욱이, 아바타는 민감한 데이터를 드러냄 없이 질문에 대답할 수 있다(상기 참조).
o
추가적인 도덕적-철학적 역량 제공: 윤리적 아바타는 물리적인 사람의 학습된 가치/도덕적 태도/원칙에 접근할 수 있을 뿐만 아니라 (다른 아바타와 공유하는 별도의 저장소에서) 한층 더 깊이 있는 일반적인 도덕-철학적 지식을 갖는다. 그 사람과 훈련 대화를 하는 동안, 윤리적 아바타는 해당 개인을 더 깊이 있는 도덕적 질문에 민감하게 만들고 상기 개인을 더 지능적으로 조사하기 위하여 이러한 지식을 사용한다. 이러한 방법으로, 아바타는 단순히 그 사람의 태도를 배우는 순수한 수신 독립체 이상이 될 것이다. 게다가 그것은 자신의 도덕적 역량을 가진 이해할 수 있는 상대가 될 것이며, 그러나 그것은 그 사람에 의해 훈련되는 과정에서만 사용된다. 훈련 후, 실제 사람의 도덕적 태도에 관한 질문에 대답할 때, 상기 아바타는 자신의 일반적인 도덕-철학적 지식에 접근함 없이 해당 개인이 한 진술을 고수할 것이다.
→
장점: 많은 사람들이 초기에는 그들의 도덕적 태도의 중요성을 알지 못하지만- 윤리적 아바타의 도덕적 역량은 그들의 의사 결정 자율성을 훼손하지 않고 훈련 대화 중에 지능적으로 조사될 수 있도록 한다. 게다가, 이해관계가 있는 사람들은 이러한 방식으로 (아바타와의 대화를 통해) 도덕적 반응 특성과 같은 반응 특성을 숙고하도록 동기부여될 수 있고, 자신의 도덕적 판단에서 스스로를 훈련시킬 수 있다.
상기 설명, 도면 및 청구항에 개시된 본 발명의 특징은 다양한 실시예에서 본 발명을 실현하기 위해 개별적으로 또는 조합 또는 하위 조합 모두에서 중요할 수 있다.
Claims (20)
- 의료 샘플 데이터 및/또는 여러 사람의 샘플을 포함하는 데이터베이스를 대상으로 하는 검색 쿼리를 처리하는 방법에 있어서 다음 단계들을 포함하는 방법:
- 미리 결정된 쿼리된 검색 매개변수들을 갖는 샘플 데이터가 있는 하나 이상의 샘플을 검색하기 위한 요청 프로필을 가진 검색 쿼리를 AI 프로세서 장치에 입력하기,
- AI 프로세서 장치를 이용하여 하나 이상의 선택된 샘플을 검색하기, 하나 이상의 선택된 샘플은 적어도 지정된 확률로 요청 프로필을 충족시키고,
- 하나 이상의 선택된 샘플의 식별 데이터를 출력하기.
- 제 1항에 있어서,
- AI 프로세서 장치는 선택된 샘플 그룹을 검색하는데 사용되는데, 모든 선택된 샘플은 지정된 확률로 최소한 요청 프로필을 충족시키는 것을 특징으로 하는 방법.
- 제 2항에 있어서,
- 선택된 샘플 그룹의 식별 데이터는 선택된 각 샘플에 요청 프로필이 충족될 적중 확률을 할당하는 순위 정보(배치 정보)와 함께 출력되는 것을 특징으로 하는 방법.
- 전 항들 중 어느 한 항에 있어서,
- 요청 프로필을 성공적으로 충족할 확률이 증가한 샘플 그룹이 선택될 수 있도록 검색 쿼리와 일치하는 추가 등급 검색 매개 변수를 출력하는 단계를 포함하는 방법.
- 제4항에 있어서,
- 등급 검색 매개변수는 유전자 프로필, 임상 치료와 관련된 데이터, 기존 질병, 질병에 대한 가족적 소인, 개인 진단 결과, 생활 습관의 특성, 식습관, 소비자 행동, 스포츠 및 신체 활동 특성, 약물 또는 기타 만취제 섭취와 관련된 데이터, 약물 섭취와 관련된 데이터, 방사선 피폭과 관련된 데이터, 후생유전학적 데이터, 지리적 정보, 연령, 성별, 민족성, 알레르기 및/또는 정신 질환을 포함하는 것을 특징으로 하는 방법.
- 전 항들 중 어느 한 항에 있어서,
- 요청 프로필은 대상 코호트를 형성하는 샘플 그룹과 관련된 사람들, 샘플 데이터를 가진 샘플 그룹을 검색하는 것을 목표로 하는 것을 특징으로 하는 방법.
- 전 항들 중 어느 한 항에 있어서,
- AI 프로세서 장치는 전문 문헌의 정보, 특히 제약 제품과 관련된 산업 부문의 상업 시장 정보 및/또는 제약 제품과 관련된 승인 데이터베이스로부터의 정보를 처리하는 것을 특징으로 하는 방법.
- 전 항들 중 어느 한 항에 있어서,
- 코딩 함수를 이용하여 검색 쿼리를 분할된 검색 쿼리로 변환하는 것을 특징으로 하는 방법.
- 전 항들 중 어느 한 항에 있어서,
- 데이터 및/또는 샘플의 사용에 대한 관계자의 동의를 요청하는 단계를 포함하는 방법.
- 제9항에 따른 방법에 있어서,
- 동의 요청은 설문지 및/또는 안내된 동의 문서를 사용하거나 아바타 장치를 통해 응답되는 것을 특징으로 하는 방법.
- 전 항들 중 어느 한 항에 있어서
- 특히 샘플 데이터가 데이터베이스에 저장된 개인에게 정보, 제약 제품, 질병, 연구 결과 및/또는 권장 조치와 관련된 출력 정보를 출력하는 단계를 포함하는 방법.
- 의료 샘플 데이터 및/또는 복수의 개인 샘플들로부터 의 샘플을 포함하는 데이터베이스를 대상으로 하는 검색 쿼리를 처리하도록 구성되는 검색 플랫폼 장치에 있어서,
- 미리 결정된 쿼리된 검색 매개변수를 갖는 샘플 데이터를 갖는 하나 이상의 샘플을 검색하기 위한 요청 프로필을 갖는 검색 쿼리를 수신하도록 조정된 입력 장치,
- 입력 장치에 결합되고, 하나 이상의 선택된 샘플, 나 이상의 지정된 확률로 요청 프로필을 충족시키는 하나 이상의 선택된 샘플을 검색하도록 조정된 AI 프로세서 장치, 및
- 하나 이상의 선택된 샘플의 식별 데이터를 출력하도록 조정된 출력 장치를 포함하는 검색 플랫폼 장치.
- 제 12항에 있어서,
- AI 프로세서 장치가 선택된 샘플 그룹, 적어도 지정된 확률로 요청 프로필을 충족시키는 모든 선택된 샘플을 검색하도록 조정되는 것을 특징으로 하는 검색 플랫폼 장치.
- 제 13항에 있어서,
- AI 프로세서 장치는 선택된 각 샘플에 요청 프로필이 충족될 적중 확률을 할당하는 순위 정보를 포함하는 선택된 샘플 그룹의 식별 데이터를 생성하도록 조정되는 것을 특징으로 하는 검색 플랫폼 장치.
- 제 12항 내지 제 14항 중 어느 한 항에 있어서,
- AI 프로세서 장치는 요청 프로필을 성공적으로 만족시킬 확률이 증가한 샘플 그룹이 선택될 수 있도록 검색 쿼리에 일치하는 추가 등급 검색 매개 변수를 생성하도록 조정되는 것을 특징으로 하는 검색 플랫폼 장치.
- 제 15항에 있어서,
- 등급 검색 매개변수에는 유전자 프로필, 임상 치료와 관련된 데이터, 기존 질병, 질병에 대한 가족적 소인, 개인 진단 결과, 생활 습관의 특성, 식습관, 소비자 행동, 스포츠 및 신체 활동 특성, 약물 또는 기타 만취제 섭취와 관련된 데이터, 약물 섭취와 관련된 데이터, 방사선 피폭과 관련된 데이터, 후생유전학적 데이터, 지리적 정보, 연령, 성별, 민족성, 알레르기 및/또는 정신 질환을 포함하는 검색 플랫폼 장치.
- 제 12항 내지 제 16항 중 어느 한 항에 있어서,
- AI 프로세서 장치는 전문 문헌의 정보, 특히 제약 제품과 관련된 산업 부문의 상업 시장 정보 및/또는 제약 제품과 관련된 승인 데이터베이스로부터의 정보를 처리하도록 조정되는 것을 특징으로 하는 검색 플랫폼 장치.
- 제 12항 내지 제 17항 중 어느 한 항에 있어서,
- 부호화 기능(coding function)을 이용하여 검색 쿼리를 분할된 검색 쿼리로 변환하도록 조정된 코딩 장치를 포함하는 검색 플랫폼 장치.
- 제 12항 내지 제 18항 중 어느 한 항에 있어서,
- AI 프로세서 장치가 데이터 및/또는 샘플의 사용에 대한 관계자의 동의를 요청하도록 조정되는 것을 특징으로 하는 검색 플랫폼 장치.
- 제 19항에 있어서,
- AI 프로세서 장치는 설문지 및/또는 사전동의 문서 및/또는 아바타 장치를 사용하여 동의를 요청하도록 조정되는 것을 특징으로 하는 검색 플랫폼 장치.
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/EP2020/085818 WO2022122172A1 (de) | 2020-12-11 | 2020-12-11 | Verfahren und suchplattform-vorrichtung zur verarbeitung von suchanfragen an eine datenbank, die medizinische probendaten und/oder proben enthält |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230156302A true KR20230156302A (ko) | 2023-11-14 |
Family
ID=74125148
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020237019776A KR20230156302A (ko) | 2020-12-11 | 2020-12-11 | 의료 샘플 데이터 및/또는 샘플을 포함하는 데이터베이스를 대상으로 하는 검색 쿼리를 처리하기 위한 방법 및 검색 플랫폼 장치 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US20240004887A1 (ko) |
| EP (1) | EP4260327A1 (ko) |
| JP (1) | JP2024501194A (ko) |
| KR (1) | KR20230156302A (ko) |
| CN (1) | CN116648701A (ko) |
| WO (1) | WO2022122172A1 (ko) |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10446260B2 (en) * | 2015-12-07 | 2019-10-15 | Clarapath, Inc. | Spatially indexed tissue biobank with microscopic phenotype-based retrieval system |
| CN114026570A (zh) | 2019-05-21 | 2022-02-08 | 弗劳恩霍夫应用研究促进协会 | 多个人工学习单元与投影层级耦接 |
-
2020
- 2020-12-11 US US18/039,640 patent/US20240004887A1/en active Pending
- 2020-12-11 KR KR1020237019776A patent/KR20230156302A/ko active Search and Examination
- 2020-12-11 WO PCT/EP2020/085818 patent/WO2022122172A1/de active Application Filing
- 2020-12-11 CN CN202080107876.XA patent/CN116648701A/zh active Pending
- 2020-12-11 EP EP20835707.9A patent/EP4260327A1/de active Pending
- 2020-12-11 JP JP2023535632A patent/JP2024501194A/ja active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| JP2024501194A (ja) | 2024-01-11 |
| EP4260327A1 (de) | 2023-10-18 |
| WO2022122172A1 (de) | 2022-06-16 |
| US20240004887A1 (en) | 2024-01-04 |
| CN116648701A (zh) | 2023-08-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| All of Us Research Program Investigators | The “All of Us” research program | |
| Prosperi et al. | Big data hurdles in precision medicine and precision public health | |
| Milne et al. | Trust in genomic data sharing among members of the general public in the UK, USA, Canada and Australia | |
| Majumder et al. | Direct-to-consumer genetic testing: value and risk | |
| Simon et al. | Active choice but not too active: public perspectives on biobank consent models | |
| Powers et al. | Dictionary of nursing theory and research | |
| Payne | Variations in pastors’ perceptions of the etiology of depression by race and religious affiliation | |
| US8010400B2 (en) | System and method for using psychological significance pattern information for matching with target information | |
| Kim et al. | Norms of data sharing in biological sciences: The roles of metadata, data repository, and journal and funding requirements | |
| US20140100874A1 (en) | Method for displaying linked family health history on a computing device | |
| Yamamoto et al. | Population-based biobank participants’ preferences for receiving genetic test results | |
| Burke et al. | Informed consent in translational genomics: insufficient without trustworthy governance | |
| Garrett et al. | Family studies for classification of variants of uncertain classification: Current laboratory clinical practice and a new web‐based educational tool | |
| Mendo et al. | Machine learning in medical emergencies: a systematic review and analysis | |
| To et al. | Associations of parental variables and youth’s career decision-making self-efficacy: A meta-analysis | |
| Puntis et al. | Development and external validation of an admission risk prediction model after treatment from early intervention in psychosis services | |
| Banerjee et al. | A class-contrastive human-interpretable machine learning approach to predict mortality in severe mental illness | |
| Horn et al. | Managing expectations, rights, and duties in large-scale genomics initiatives: a European comparison | |
| Nelson et al. | The social life of DTC genetics: The case of 23andMe | |
| McMillan Boyles et al. | Representations of clinical practice guidelines and health equity in healthcare literature: An integrative review | |
| KR20230156302A (ko) | 의료 샘플 데이터 및/또는 샘플을 포함하는 데이터베이스를 대상으로 하는 검색 쿼리를 처리하기 위한 방법 및 검색 플랫폼 장치 | |
| Aleman et al. | Direct to consumer genetic and genomic testing with associated implications for advanced nursing practice | |
| KR20230145037A (ko) | 사람을 표현하고 해당 개인의 개인 관련 데이터 처리를 위한 아바타 장치 및 방법 | |
| Savard et al. | Human genetics society of Australasia position statement: Online DNA testing | |
| Grove et al. | Introduction to additional research methodologies in nursing: Mixed methods and outcomes research |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination |