KR20230174596A - Healthcare system through Big-data and history management and how to operation method it's - Google Patents

Healthcare system through Big-data and history management and how to operation method it's Download PDF

Info

Publication number
KR20230174596A
KR20230174596A KR1020220075724A KR20220075724A KR20230174596A KR 20230174596 A KR20230174596 A KR 20230174596A KR 1020220075724 A KR1020220075724 A KR 1020220075724A KR 20220075724 A KR20220075724 A KR 20220075724A KR 20230174596 A KR20230174596 A KR 20230174596A
Authority
KR
South Korea
Prior art keywords
data
user
module
examination
future
Prior art date
Application number
KR1020220075724A
Other languages
Korean (ko)
Inventor
김성수
Original Assignee
주식회사 에프아이소프트
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 에프아이소프트 filed Critical 주식회사 에프아이소프트
Priority to KR1020220075724A priority Critical patent/KR20230174596A/en
Publication of KR20230174596A publication Critical patent/KR20230174596A/en

Links

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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—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

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Nutrition Science (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

본 발명은 공공의 건강검진 빅데이터와 헬스케어 서비스를 신청한 사용자의 건강검진 이력관리를 통한 헬스케어 서비스 시스템에 관한 것으로 특히, 헬스케어 서비스를 신청한 사용자의 신상정보 및 관련 정보를 입력받는 기능을 수행하며, 식약처 혹은 국민건강보험공단 혹은 의료기관들의 데이터 베이스에 접속하여 검진데이터를 포함하는 사용자 개인의 정보 및 공공의 정보를 취득하는 접속모듈과; 상기 접속모듈을 통해 취득되어진 헬스케어 서비스를 신청한 사용자의 최근 10년간의 건강검진결과를 기준으로 정상범위, 경계범위 및 질환의심범위 각각에 대한 판정 결과를 육시적으로 보다 빠르게 인식하고 판단할 수 있도록 시각화하는 검진결과 시각화 모듈과; 상기 접속모듈을 통해 취득되는 헬스케어 서비스를 신청한 사용자의 검진 데이터와 이에 대응하여 상기 접속모듈을 통해 취득되는 공공데이터에서 추출하는 검진 이력 데이터를 비교하여 사용자의 미래 검진 데이터를 예측하는 진행가능성 분석모듈; 및 상기 검진결과 시각화 모듈을 통해 생성되는 데이터 혹은 상기 진행가능성 분석모듈을 통해 예측된 사용자의 미래 검진 데이터를 사용자에게 제공하는 사용자 헬스케어 모듈을 포함하는 것을 특징으로 하는 빅데이터와 이력관리를 통한 헬스케어 서비스 시스템 및 그에 따른 운영방법에 관한 것이다.The present invention relates to a healthcare service system through public health checkup big data and health checkup history management of users who have applied for healthcare services. In particular, the function of receiving personal information and related information of users who have applied for healthcare services. an access module that connects to the database of the Ministry of Food and Drug Safety, the National Health Insurance Corporation or medical institutions and acquires the user's personal information and public information, including examination data; Based on the health checkup results of the user who applied for the healthcare service acquired through the above connection module for the past 10 years, the judgment results for each of the normal range, borderline range, and disease suspicion range can be visually recognized and judged more quickly. a visualization module for visualizing examination results; Progressability analysis that predicts the user's future examination data by comparing the examination data of the user who applied for the healthcare service obtained through the access module and the corresponding examination history data extracted from public data acquired through the access module module; and a user healthcare module that provides the user with data generated through the examination result visualization module or the user's future examination data predicted through the progress probability analysis module. Health through big data and history management. It is about the care service system and its operation method.

Description

빅데이터와 이력관리를 통한 헬스케어 서비스 시스템 및 그 운영 방법{Healthcare system through Big-data and history management and how to operation method it's}Healthcare service system through Big-data and history management and how to operate method it's}

본 발명은 헬스케어 시스템 및 그 운영 방법에 관한 것으로 특히, 공공기관 혹은 특정의 의료기관에 보관되고 있던 건강검진에 관련한 빅데이터와 헬스케어 서비스를 요청한 사용자의 10년의 기간에 해당하는 건강검진 데이터를 기준으로 사용자의 현재 건강상태와 예측되는 미래의 건강상태에 대한 헬스케어 솔루션과 해당 데이터를 육시적으로 보다 빠르게 인식하고 판단할 수 있도록 시각화하며 제공하도록 하기 위한 빅데이터와 이력관리를 통한 헬스케어 서비스 시스템 및 그 운영 방법에 관한 것이다.The present invention relates to a healthcare system and its operation method. In particular, the present invention relates to big data related to health examinations stored in public institutions or specific medical institutions and health examination data corresponding to a period of 10 years of users who requested healthcare services. As a standard, healthcare solutions for the user's current health status and predicted future health status and healthcare services through big data and history management to visualize and provide the data so that the data can be visually recognized and judged more quickly. It is about the system and its operating method.

일반적으로, 근래에 들어 경제 수준의 급격한 발전에 힘입어 삶의 질을 높이려는 욕구가 커지고 있으며, 이러한 욕구는 개인 건강에 대한 지대한 관심으로 표출되고 있다.In general, in recent years, thanks to the rapid development of the economic level, the desire to improve the quality of life is growing, and this desire is expressed through great interest in personal health.

한편, 의학지식을 비롯한 의약품 및 의료기기 등의 전반적인 보건의료 여건이 크게 향상됨에 따라 평균수명이 연장되는 등 국민건강수준이 꾸준히 개선되고 있지만, 산업화, 인구고령화, 도시화 등의 생활형태 변화와 관련해서 성인병 등의 만성 퇴행성질환이 급속히 증가하는 추세에 있다.Meanwhile, the level of national health is steadily improving, with the average lifespan extending as the overall health care conditions, including medical knowledge, medicines, and medical devices, have greatly improved. However, with regard to changes in lifestyles such as industrialization, population aging, and urbanization, Chronic degenerative diseases such as adult diseases are rapidly increasing.

최근 들어 이들 각종 만성퇴행성 질환은 개인 생활방식과 깊은 관련이 있다는 연구결과에 따라 개인 건강을 유지하는 가장 좋은 방법은 꾸준한 관리와 일상적인 점검이라는 견해에 이견이 없다.Recently, research has shown that these various chronic degenerative diseases are closely related to an individual's lifestyle, and there is no disagreement that the best way to maintain personal health is through consistent management and routine inspection.

따라서 건강검진은 필수적으로 받아야 하는 것이라는 사회적인 통념이 확립되어 있으며, 이에 따라 대학교, 종합검진센터, 병원, 이원 및 각 지역의 공공의료기관들에서 다양한 방식의 건강검진 진료 서비스가 제공되고 있다.Therefore, the social belief that health checkups are essential has been established, and according to this, various types of health checkup services are being provided at universities, general checkup centers, hospitals, medical clinics, and public medical institutions in each region.

이러한 건강검진 진료 서비스에 따른 건강검진 결과 정보는 매우 전문적이고 개인적인 의료정보에 해당되며, 따라서 건강검진을 받은 그 기관에서만 정보가 관리되고, 타 기관으로는 제공될 수 없으며, 개인에게도 우편 등의 오프라인 매체로만 제공되고 있는 실정이다.The health checkup result information according to these health checkup services is highly specialized and personal medical information, and therefore, the information is managed only by the institution where the health checkup was performed, and cannot be provided to other institutions, nor can it be provided to individuals offline, such as by mail. The situation is that it is only provided through media.

특히, 병원 등의 의료 기관에서는 건강검진 결과 정보 뿐만 아니라 기타 환자들의 다양한 의료정보들을 통합 관리하고 있는 바, 이러한 의료 정보들을 이용한 데이터의 수집, 가공, 유통 또는 분석은 환자의 동의를 받은 그특정 의료 기관에서만 처리될 수 있을 뿐이며, 개인정보, 보안 등의 이유로 인해, 협업기관이 아닌 한 다른 기관으로는 철저하게 제공되지 못하도록 제한되어 있다.In particular, medical institutions such as hospitals integrate and manage not only health checkup result information but also various medical information of other patients, and the collection, processing, distribution or analysis of data using such medical information is carried out for specific medical purposes with the consent of the patient. It can only be processed by institutions, and due to reasons such as personal information and security, it is strictly restricted from being provided to other institutions unless they are collaborating institutions.

그러나, 건강검진 결과 정보는 개인이 직접 취급할 수 있는 정보이며, 개인의 동의 하에서는 이를 이용하여 다른 의료기관에서 상담을 받거나 관련 서비스를 제공받을 수 있어야 하며, 이와 연동하여 자신에게 맞는 다양한 의료 기관들의 건강 관리 서비스를 맞춤형이고 효율적으로 제공받을 수 있는 시스템의 필요성이 절실히 요구되고 있는 실정이다.However, the health checkup result information is information that can be handled directly by the individual, and with the individual's consent, it can be used to receive consultation or related services from other medical institutions, and in conjunction with this, various medical institutions suitable for the individual can provide health information. There is an urgent need for a system that can provide customized and efficient management services.

하지만, 현재의 건강검진 결과 정보는 의료기관별로 서로 다른 포맷 및 기준에 의해 개별적으로 문서화되어 있으며, 의료 정보를 처리하는 기관의 데이터 포맷도 상이하고, 그 협업 기관의 처리 데이터 포맷 및 암호화 프로세스 또한 서로 상이한 바, 현재의 시스템은 기관의 폐쇄성으로 인한 건강검진 결과 정보 기반의 공용화된 서비스 제공이 매우 어려운 실정이다.However, current health examination result information is individually documented in different formats and standards for each medical institution, the data format of the institution that processes medical information is different, and the processing data format and encryption process of the collaborating institution are also different from each other. However, in the current system, it is very difficult to provide a public service based on information on health examination results due to the closed nature of the institution.

예를 들어, 각 의료 기관별 데이터의 확장성 결여로 인해, 개인이 건강검진 기관을 변경하거나 하는 경우 다른 기관에서는 과거 건강검진 결과를 직접 확인할 방법이 없으며, 개인으로부터 문서를 제출받더라도 그 다른 기관과는 전혀 다른 포맷 및 기준에 의한 정보가 포함되어 있어 자동화하거나 쉽게 처리할 수는 없는 실정이다.For example, due to the lack of scalability of data for each medical institution, if an individual changes health examination institutions, there is no way for other institutions to directly check past health examination results, and even if documents are submitted from the individual, they are not Because it contains information based on completely different formats and standards, it cannot be automated or easily processed.

따라서, 개인의 동의를 얻는다 하더라도, 전주기적인 건강검진 데이터를 활용한 개인화된 서비스 제공과, 이에 기초한 분석 서비스 제공 등의 서비스들이 현재의 시스템 및 제반여건 하에서는 매우 어렵다.Therefore, even if the individual's consent is obtained, services such as providing personalized services using periodic health checkup data and providing analysis services based on this are very difficult under the current system and overall conditions.

더욱이 각 의료 기관으로부터 검강검진 데이터를 확보한다 하더라도 검진 데이터 및 용어가 모두 의료전문가가 인식하기 용이하도록 정리되어 있어, 이를 비의료인인 사용자 개개인이 바르게 인식하지 못하는 경우도 발생되어진다.Moreover, even if medical examination data is obtained from each medical institution, all examination data and terms are organized so that medical experts can easily recognize them, so there are cases where individual non-medical users do not recognize them correctly.

또한, 국가복지차원 혹은 기업복지자원의 정기적인 건강 검진 프로그램이 제공되고 있으며, 각 개개인이 영양가 있는 식사와 휘트니스 센터를 통한 체력 증진의 노력을 기울인다 하여도 건강 검진 결과에 따라, 개개인에게 필요한 운동과 영양소 섭취를 하고 싶지만, 현실적으로 이러한 정보를 항상 기억하고 다닐 수가 없기 때문에 결국 비효율적인 운동을 하게 되거나, 건강에 도움이 되지 않는 영양소 섭취를 하게 되는 결과를 얻게 된다. In addition, regular health check-up programs are provided at the national welfare level or corporate welfare resources, and even if each individual makes efforts to improve physical strength through nutritious meals and a fitness center, depending on the results of the health check-up, the exercise and You want to consume nutrients, but realistically, you cannot always remember this information, so you end up exercising inefficiently or consuming nutrients that are not beneficial to your health.

이러한 잘못된 운동과 영양소 섭취는 건강 상태를 향상시키기 어렵고, 오히려 건강을 더 악화시킬 수 있게 되며, 건강 검진 프로그램은 더 악화된 결과만을 확인하게 되는 정기적인 행사가 되고 있다.Such incorrect exercise and nutrient intake are difficult to improve health status and can actually worsen health, and health check-up programs have become regular events that only confirm worse results.

상술한 문제점을 해소하기 위한 본 발명의 목적은, 공공기관 혹은 특정의 의료기관에 보관되고 있던 건강검진에 관련한 빅데이터와 헬스케어 서비스를 요청한 사용자의 10년의 기간에 해당하는 건강검진 데이터를 기준으로 사용자의 현재 건강상태와 예측되는 미래의 건강상태에 대한 헬스케어 솔루션과 해당 데이터를 육시적으로 보다 빠르게 인식하고 판단할 수 있도록 시각화하며 제공하도록 하기 위한 빅데이터와 이력관리를 통한 헬스케어 서비스 시스템 및 그 운영 방법을 제공하는 데 있다.The purpose of the present invention to solve the above-mentioned problems is based on big data related to health examinations stored in public institutions or specific medical institutions and health examination data corresponding to a period of 10 years of users who requested healthcare services. A healthcare service system through big data and history management to visualize and provide healthcare solutions for the user's current health status and predicted future health status and the corresponding data so that the data can be visually recognized and judged more quickly. The goal is to provide a method of operation.

상술한 바와 같은 목적을 달성하기 위한 본 발명에 따른 빅데이터와 이력관리를 통한 헬스케어 서비스 시스템의 특징은, 공공의 건강검진 빅데이터와 헬스케어 서비스를 신청한 사용자의 건강검진 이력관리를 통한 헬스케어 서비스 시스템에 있어서, 헬스케어 서비스를 신청한 사용자의 신상정보 및 관련 정보를 입력받는 기능을 수행하며, 식약처 혹은 국민건강보험공단 혹은 의료기관들의 데이터 베이스에 접속하여 검진데이터를 포함하는 사용자 개인의 정보 및 공공의 정보를 취득하는 접속모듈과; 상기 접속모듈을 통해 취득되어진 헬스케어 서비스를 신청한 사용자의 최근 10년간의 건강검진결과를 기준으로 정상범위, 경계범위 및 질환의심범위 각각에 대한 판정 결과를 육시적으로 보다 빠르게 인식하고 판단할 수 있도록 시각화하는 검진결과 시각화 모듈과; 상기 접속모듈을 통해 취득되는 헬스케어 서비스를 신청한 사용자의 검진 데이터와 이에 대응하여 상기 접속모듈을 통해 취득되는 공공데이터에서 추출하는 검진 이력 데이터를 비교하여 사용자의 미래 검진 데이터를 예측하는 진행가능성 분석모듈; 및 상기 검진결과 시각화 모듈을 통해 생성되는 데이터 혹은 상기 진행가능성 분석모듈을 통해 예측된 사용자의 미래 검진 데이터를 사용자에게 제공하는 사용자 헬스케어 모듈을 포함하는 데 있다.The characteristics of the healthcare service system through big data and history management according to the present invention to achieve the above-described purpose are public health checkup big data and health checkup history management of users who have applied for healthcare services. In the care service system, it performs the function of receiving personal information and related information of users who have applied for healthcare services, and connects to the database of the Ministry of Food and Drug Safety, National Health Insurance Service, or medical institutions to collect personal data of users including examination data. a connection module for acquiring information and public information; Based on the health checkup results of the user who applied for the healthcare service acquired through the above connection module for the past 10 years, the judgment results for each of the normal range, borderline range, and disease suspicion range can be visually recognized and judged more quickly. a visualization module for visualizing examination results; Progressability analysis that predicts the user's future examination data by comparing the examination data of the user who applied for the healthcare service obtained through the access module and the corresponding examination history data extracted from public data acquired through the access module module; and a user healthcare module that provides the user with data generated through the examination result visualization module or the user's future examination data predicted through the progress analysis module.

상술한 바와 같은 목적을 달성하기 위한 본 발명에 따른 빅데이터와 이력관리를 통한 헬스케어 서비스 시스템의 부가적인 특징은, 상기 진행가능성 분석모듈의 데이터 혹은 검진결과 시각화 모듈을 통해 생성되는 데이터를 기준으로 헬스케어 서비스를 신청한 사용자에게 권장하고자 하는 영양소 공급을 위한 건강기능식품의 추천기능을 포함하여 해당 사용자의 건강 유지 혹은 건강 개선을 위한 운동 계획의 방안을 제공하는 솔루션모듈을 더 포함하는 데 있다.Additional features of the healthcare service system through big data and history management according to the present invention to achieve the above-mentioned purpose are based on the data of the progress analysis module or the data generated through the examination result visualization module. It further includes a solution module that provides an exercise plan to maintain or improve the health of the user, including a function of recommending health functional foods for supplying nutrients to be recommended to the user who has applied for healthcare services.

상술한 바와 같은 목적을 달성하기 위한 본 발명에 따른 빅데이터와 이력관리를 통한 헬스케어 서비스 시스템의 부가적인 다른 특징으로, 상기 접속모듈은 식약처 혹은 국민건강보험공단을 포함하는 공공기관과 검진 데이터를 생성보관하는 의료기관들의 데이터 베이스에 접속하여 검진데이터 혹은 건강보조식품 정보를 포함하는 공공의 정보를 취득하기 위한 공공 데이터 접속 모듈과; 헬스케어 서비스를 신청한 사용자의 신상정보 및 관련 정보를 입력받는 기능을 수행하며, 이를 기준으로 각종 의료기관 혹은 공공기관에 사용자 명의로 접속하여 사용자 개인의 정보를 취득하도록 하는 사용자 정보처리 모듈; 및 상기 공공 데이터 접속 모듈을 통해 취득되는 데이터 중 검진데이터를 헬스케어 서비스를 위한 정보처리용으로 가공하는 데이터 전처리모듈을 포함하는 데 있다.As an additional feature of the healthcare service system through big data and history management according to the present invention to achieve the above-mentioned purpose, the connection module is used to connect public institutions including the Ministry of Food and Drug Safety or the National Health Insurance Service and checkup data. A public data access module for accessing databases of medical institutions that create and store information to obtain public information including examination data or health supplement information; A user information processing module that performs the function of receiving personal information and related information of users who have applied for healthcare services, and based on this, accesses various medical institutions or public institutions in the user's name to obtain the user's personal information; and a data pre-processing module that processes examination data among the data acquired through the public data access module for information processing for healthcare services.

상술한 바와 같은 목적을 달성하기 위한 본 발명에 따른 빅데이터와 이력관리를 통한 헬스케어 서비스 시스템의 부가적인 또 다른 특징으로, 상기 검진결과 시각화 모듈은 상기 접속모듈을 통해 취득되는 공공데이터의 교차분석을 통해 동일성별 및 동일연령대의 평균값 비교와 본인의 100분위 랭크를 표시하여 객관적 건강상태 인식 및 신뢰성 높은 데이터를 제시하는 비교분석모듈을 포함하는 데 있다.As another additional feature of the healthcare service system through big data and history management according to the present invention to achieve the above-described purpose, the examination result visualization module is used for cross-analysis of public data acquired through the access module. It includes a comparative analysis module that recognizes objective health status and presents highly reliable data by comparing the average value of the same gender and age group and displaying the person's 100th percentile rank.

상술한 바와 같은 목적을 달성하기 위한 본 발명에 따른 빅데이터와 이력관리를 통한 헬스케어 서비스 시스템의 부가적인 또 다른 특징으로, 상기 진행가능성 분석모듈은 상기 접속모듈을 통해 취득되는 헬스케어 서비스를 신청한 사용자의 검진 데이터에서 미래정보를 추정하기 위한 현재와 과거 이력의 검진데이터를 추출하는 사용자 이력 데이터 추출모듈과; 상기 사용자 이력 데이터 추출모듈에서 추출되는 검진 데이터에 대응하는 정보를 상기 접속모듈을 통해 취득되는 공공데이터에서 추출하는 검진 이력 비교데이터 추출모듈; 및 상기 사용자 이력 데이터 추출모듈과 상기 검진 이력 비교데이터 추출모듈을 통해 추출되어진 데이터를 비교 판독하여 사용자의 미래 검진 데이터를 예측하는 사용자 미래모델 추출모듈을 포함하는 데 있다.As another additional feature of the healthcare service system through big data and history management according to the present invention to achieve the above-mentioned purpose, the progress possibility analysis module applies for healthcare services acquired through the access module. a user history data extraction module that extracts current and past history examination data for estimating future information from a user's examination data; a checkup history comparison data extraction module that extracts information corresponding to the checkup data extracted from the user history data extraction module from public data acquired through the access module; and a user future model extraction module that compares and reads data extracted through the user history data extraction module and the examination history comparison data extraction module to predict the user's future examination data.

상술한 바와 같은 목적을 달성하기 위한 본 발명에 따른 빅데이터와 이력관리를 통한 헬스케어 서비스 시스템의 운영방법의 특징은, 헬스케어 서비스를 신청한 사용자의 신상정보 및 관련 정보를 입력받는 기능을 수행하며, 식약처 혹은 국민건강보험공단 혹은 의료기관들의 데이터베이스에 접속하여 검진데이터를 포함하는 사용자 개인의 정보 및 공공의 정보를 취득하는 접속모듈과; 상기 접속모듈을 통해 취득되어진 헬스케어 서비스를 신청한 사용자의 최근 10년간의 건강검진결과를 기준으로 정상범위, 경계범위 및 질환의심범위 각각에 대한 판정 결과를 육시적으로 인식하고 판단할 수 있도록 시각화하는 검진결과 시각화 모듈과; 상기 접속모듈을 통해 취득되는 헬스케어 서비스를 신청한 사용자의 검진 데이터와 이에 대응하여 상기 접속모듈을 통해 취득되는 공공데이터에서 추출하는 검진 이력 데이터를 비교하여 사용자의 미래 검진 데이터를 예측하는 진행가능성 분석모듈; 및 상기 검진결과 시각화 모듈을 통해 생성되는 데이터 혹은 상기 진행가능성 분석모듈을 통해 예측된 사용자의 미래 검진 데이터를 사용자에게 제공하는 사용자 헬스케어 모듈을 포함하는 빅데이터와 이력관리를 통한 헬스케어 서비스 시스템의 운영방법에 있어서: 상기 접속모듈을 통해 취득되는 상기 사용자의 검진 데이터에서 미래정보를 추정하기 위한 현재와 과거 이력의 검진 데이터를 추출하는 제1과정과; 상기 사용자에 대응하는 대조군의 현재와 과거 이력의 검진 데이터를 추출하는 제2과정과; 상기 제2과정에서 추출되어진 검진 데이터의 평균값을 기준으로 상기 제1과정에서 추출되어진 사용자의 검진 데이터를 비교하여 백분율로 비교데이터를 생성하는 제3과정과; 상기 제1과정에서 추출되어진 사용자의 검진 데이터와 상기 제3과정에서 생성되어진 비교데이터를 사용자가 빠르게 인식할 수 있도록 상기 검진결과 시각화 모듈을 통해 데이터 처리하는 제4과정과; 상기 제1과정에서 추출되어진 사용자의 검진 데이터에 대응하는 정보를 상기 접속모듈을 통해 취득되는 공공 의료 빅데이터에서 미래 예측용 비교 데이터를 추출하는 제5과정과; 상기 제1과정에서 추출되어진 사용자의 검진 데이터와 상기 제5과정에서 추출되는 미래 예측용 비교 데이터를 판독하여 사용자의 미래 검진 데이터를 예측하는 제6과정; 및 상기 제1과정에서 추출되어진 사용자의 검진 데이터와 상기 제3과정에서 생성되어진 비교데이터가 상기 제4과정을 통해 데이터 처리된 정보와 상기 제6과정을 통해 예측된 사용자의 미래 검진 데이터를 사용자에게 제공하는 제7과정을 포함하는 데 있다.The characteristic of the method of operating a healthcare service system through big data and history management according to the present invention to achieve the above-described purpose is to perform the function of receiving personal information and related information of users who have applied for healthcare services. an access module that accesses the database of the Ministry of Food and Drug Safety, the National Health Insurance Corporation, or medical institutions to obtain the user's personal information and public information, including examination data; Based on the health checkup results of the user who applied for the healthcare service acquired through the above connection module for the past 10 years, the judgment results for each of the normal range, borderline range, and disease suspicion range are visualized so that the judgment results can be visually recognized and judged. A module for visualizing examination results; Progressability analysis that predicts the user's future checkup data by comparing the checkup data of the user who applied for the healthcare service acquired through the access module and the corresponding checkup history data extracted from public data acquired through the access module module; and a user healthcare module that provides the user with data generated through the examination result visualization module or the user's future examination data predicted through the progress analysis module. A healthcare service system through big data and history management. In the operating method: a first process of extracting current and past history examination data for estimating future information from the user's examination data acquired through the connection module; a second process of extracting current and past medical examination data of a control group corresponding to the user; A third process of generating comparison data in percentage by comparing the user's examination data extracted in the first process with the average value of the examination data extracted in the second process; a fourth process of data processing through the examination result visualization module so that the user can quickly recognize the user's examination data extracted in the first process and the comparative data generated in the third process; a fifth process of extracting comparative data for future prediction from public medical big data acquired through the access module, information corresponding to the user's examination data extracted in the first process; A sixth process of predicting the user's future examination data by reading the user's examination data extracted in the first process and the future prediction comparison data extracted in the fifth process; And the user's examination data extracted in the first process and the comparative data generated in the third process are processed through the fourth process and the user's future examination data predicted through the sixth process to the user. It includes the 7th course provided.

상술한 바와 같은 목적을 달성하기 위한 본 발명에 따른 빅데이터와 이력관리를 통한 헬스케어 서비스 시스템의 운영방법의 부가적인 특징으로, 상기 제6과정은 상기 제1과정에서 추출되어진 사용자의 검진 데이터와 상기 제5과정에서 추출되어진 미래 예측용 비교 데이터가 그래프 형태로 제공 되어지는 경우: 상기 사용자의 검진 데이터와 미래 예측용 비교 데이터의 각 년도별 그래프의 기울기를 산출하는 제1단계와; 상기 제1단계를 통해 산출되어진 각 년도별 그래프의 기울기에서 상기 사용자의 검진 데이터의 m-a년에 해당하는 그래프의 기울기와 상기 미래 예측용 비교 데이터의 m-a-n년에 해당하는 그래프의 기울기를 비교하여 제1오차범위내에 존재하는가를 판단하는 제2단계와; 상기 제2단계를 통해 제1오차범위내의 비교치를 얻을 때까지 상기 변수 n을 변수 p까지 1씩 증가시켜 가는 제3단계와; 상기 제3단계를 통해 상기 제2단계에서 상기 사용자의 검진 데이터의 m-a년에 해당하는 그래프의 기울기와 상기 미래 예측용 비교 데이터의 m-a-n년에 해당하는 그래프의 기울기를 비교하여 제1오차범위내의 비교치를 얻은 경우, 상기 변수 a을 1씩 변수 b까지 증가시켜가며 상기 제2단계에서 상기 사용자의 검진 데이터의 m-a년에 해당하는 그래프의 기울기와 상기 미래 예측용 비교 데이터의 m-a-n년에 해당하는 그래프의 기울기를 비교하는 제4단계; 및 상기 제4단계를 통해 변수 a의 기간 동안 축적된 비교치 및 비교대상인 기울기 값이 제2오차범위내에 존재한다고 판단되는 경우 해당 상기 사용자의 미래 검진 데이터 예측 모델로 선정하는 제5과정을 포함하는 데 있다.As an additional feature of the method of operating a healthcare service system through big data and history management according to the present invention to achieve the above-mentioned purpose, the sixth process includes the user's examination data extracted in the first process and When the comparative data for future prediction extracted in the fifth process is provided in the form of a graph: a first step of calculating the slope of the graph for each year of the user's examination data and the comparative data for future prediction; In the slope of the graph for each year calculated through the first step, the slope of the graph corresponding to years m-a of the user's examination data is compared with the slope of the graph corresponding to years m-a-n of the future prediction comparison data, and the slope of the graph corresponding to years m-a-n of the future prediction comparison data is compared. a second step of determining whether the error exists within the range; A third step of increasing the variable n up to the variable p by 1 until a comparison value within the first error range is obtained through the second step; Through the third step, the slope of the graph corresponding to years m-a of the user's examination data in the second step is compared with the slope of the graph corresponding to years m-a-n of the future prediction comparison data, and a comparison is made within the first error range. When the value is obtained, the variable a is increased by 1 to the variable b, and in the second step, the slope of the graph corresponding to years m-a of the user's examination data and the graph corresponding to years m-a-n of the comparative data for future prediction are calculated. A fourth step of comparing slopes; And if it is determined through the fourth step that the comparative value accumulated during the period of variable a and the slope value to be compared are within the second error range, a fifth process of selecting the user's future examination data prediction model includes. There is.

이와 같은 본 발명에 따른 빅데이터와 이력관리를 통한 헬스케어 서비스 시스템 및 그 운영 방법을 제공하면, 사용자 본인이 현 상태의 건강검진 데이터를 직관적으로 빠르게 인식할 수 있으며, 예측되는 미래의 건강 상태에 대해 올바르게 대처할 수 잇는 기준으로 제공받을 수 있어 건강검진의 올바른 기대 효과를 가질것으로 예상된다.By providing a healthcare service system and its operation method through big data and history management according to the present invention, users can intuitively and quickly recognize current health examination data and predict future health conditions. It is expected that the health check-up will have the correct expected effects as it can be provided with a standard to properly deal with it.

도 1은 본 발명에 따른 헬스케어 서비스 시스템의 구성 예시도
도 2 내지 도 4는 본 발명에 따른 헬스케어 서비스 시스템의 요부 구성의 동작을 설명하기 위한 예시도
도 5는 본 발명에 따른 헬스케어 서비스 시스템의 구성 중 사용자 미래모델 추출모듈의 동작을 설명하기 위한 흐름예시도1 is an exemplary configuration diagram of a healthcare service system according to the present invention.
2 to 4 are exemplary diagrams for explaining the operation of the main components of the healthcare service system according to the present invention.
Figure 5 is a flow diagram illustrating the operation of the user future model extraction module in the configuration of the healthcare service system according to the present invention.

이하, 첨부된 도면을 참조하여 본 발명에 따른 빅데이터와 이력관리를 통한 헬스케어 서비스 시스템 및 그 운영 방법을 설명하면 다음과 같다.Hereinafter, with reference to the attached drawings, the healthcare service system and its operation method using big data and history management according to the present invention will be described as follows.

우선, 본 발명에 따른 빅데이터와 이력관리를 통한 헬스케어 서비스 시스템의 구성을 첨부한 도 1을 참조하여 살펴보면, 본 발명에 따른 헬스케어 서비스 서버(100)와, 상기 헬스케어 서비스 서버(100)와 유무선 인터넷을 통해 연결되어진 다수의 사용자(참조번호 미부여)와, 도시하지 않은 의료기관을 포함하는 국민건강보험공단(참조번호 미부여) 또는 식약처(참조번호 미부여)의 연결로 이루어진다.First, looking at the configuration of the healthcare service system through big data and history management according to the present invention with reference to Figure 1, there is a healthcare service server 100 according to the present invention, and the healthcare service server 100. It consists of a connection between a number of users (reference numbers not assigned) connected through wired and wireless Internet, and the National Health Insurance Service (reference numbers not assigned) or the Ministry of Food and Drug Safety (reference numbers not assigned), including medical institutions not shown.

이때 상기 헬스케어 서비스 서버(100)는 헬스케어 서비스를 신청한 사용자의 신상정보 및 관련 정보를 입력받는 기능을 수행하며, 식약처 혹은 국민건강보험공단 혹은 의료기관들의 데이터 베이스에 접속하여 검진데이터를 포함하는 사용자 개인의 정보 및 공공의 정보를 취득하는 접속모듈(110)과; 상기 접속모듈(110)을 통해 취득되어진 헬스케어 서비스를 신청한 사용자의 최근 10년간의 건강검진결과를 기준으로 정상범위, 경계범위 및 질환의심범위 각각에 대한 판정 결과를 육시적으로 보다 빠르게 인식하고 판단할 수 있도록 시각화하는 검진결과 시각화 모듈(120)과; 상기 접속모듈(110)을 통해 취득되는 헬스케어 서비스를 신청한 사용자의 검진 데이터와 이에 대응하여 상기 접속모듈(110)을 통해 취득되는 공공데이터에서 추출하는 검진 이력 데이터를 비교하여 사용자의 미래 검진 데이터를 예측하는 진행가능성 분석모듈(130); 및 상기 검진결과 시각화 모듈(120)을 통해 생성되는 데이터 혹은 상기 진행가능성 분석모듈(130)을 통해 예측된 사용자의 미래 검진 데이터를 사용자에게 제공하는 사용자 헬스케어 모듈(150)을 포함하여 구성된다.At this time, the healthcare service server 100 performs the function of receiving personal information and related information of the user who applied for healthcare service, and connects to the database of the Ministry of Food and Drug Safety, National Health Insurance Service, or medical institutions to include examination data. a connection module 110 that acquires user personal information and public information; Based on the health checkup results of the user who applied for the healthcare service acquired through the access module 110 over the past 10 years, the judgment results for each of the normal range, borderline range, and disease suspicion range are visually recognized more quickly. A screening result visualization module 120 that visualizes the results so that judgment can be made; The user's future checkup data is obtained by comparing the checkup data of the user who applied for the healthcare service acquired through the access module 110 with the checkup history data extracted from the public data acquired through the access module 110. A progress analysis module 130 that predicts; and a user healthcare module 150 that provides the user with data generated through the examination result visualization module 120 or the user's future examination data predicted through the progress analysis module 130.

또한, 상기 진행가능성 분석모듈(130)의 데이터 혹은 검진결과 시각화 모듈(120)을 통해 생성되는 데이터를 기준으로 헬스케어 서비스를 신청한 사용자에게 권장하고자 하는 영양소 공급을 위한 건강기능식품의 추천기능을 포함하여 해당 사용자의 건강 유지 혹은 건강 개선을 위한 운동 계획의 방안을 제공하는 솔루션모듈(140)을 더 포함하여 구성된다.In addition, based on the data of the progress analysis module 130 or the data generated through the examination result visualization module 120, a function of recommending health functional foods for supplying nutrients to be recommended to users who have applied for healthcare services is provided. It further includes a solution module 140 that provides an exercise plan to maintain or improve the user's health.

이때 상기 솔루션모듈(140)에서 생성되는 데이터가 상기 사용자 헬스케어 모듈(150)을 통해 사용자에게 제공되는 예시가 첨부한 도 2에 도시되어져 있는 바와 같은데, 도시된 내용을 간략히 살펴보면, 건강점진 항목이 도 2에서 건강으로 표시되는 시력, 빈혈, 당뇨, 간질환인 경우이다.At this time, an example in which the data generated in the solution module 140 is provided to the user through the user healthcare module 150 is shown in the attached Figure 2. Briefly looking at the contents shown, the health progress items are In Figure 2, this is the case of vision, anemia, diabetes, and liver disease, which are indicated as health.

따라서 그 건강검진 결과 질환의심 여부는 없음으로 나타나지만, 관리는 필요하다고 나온 경우이다.Therefore, the health checkup results indicate that there is no suspicion of disease, but management is necessary.

이때 관리가 필요한 항목으로 체중(비만), 고혈압, 이상지혈증을 예로하였으며, 이에 관리가 필요한 항목에 맞는 추천영양소가 카테킨인 경우 이에 따른 건강보조식품을 관리항목에 맞추어 추천한 경우를 예시하는 것이다.At this time, weight (obesity), high blood pressure, and dyslipidemia are examples of items that require management. In this case, if the recommended nutrient suitable for the item requiring management is catechin, this is an example of a case where the corresponding health supplement is recommended according to the management item.

그러나 첨부한 도 2에 도시되어진 예는 본 발명에 따른 실시예의 설명일 뿐 이에 국한되지 않음을 미리 밝혀둔다.However, it should be noted in advance that the example shown in the attached FIG. 2 is only a description of an embodiment according to the present invention and is not limited thereto.

또한, 상기 접속모듈(110)을 상세히 살펴보면, 상기 식약처 혹은 국민건강보험공단을 포함하는 공공기관과 검진 데이터를 생성보관하는 의료기관들의 데이터 베이스에 접속하여 검진데이터 혹은 건강보조식품 정보를 포함하는 공공의 정보를 취득하기 위한 공공 데이터 접속 모듈(111)과; 헬스케어 서비스를 신청한 사용자의 신상정보 및 관련 정보를 입력받는 기능을 수행하며, 이를 기준으로 각종 의료기관 혹은 공공기관에 사용자 명의로 접속하여 사용자 개인의 정보를 취득하도록 하는 사용자 정보처리 모듈(112); 및 상기 공공 데이터 접속 모듈(111)을 통해 취득되는 데이터 중 검진데이터를 헬스케어 서비스를 위한 정보처리용으로 가공하는 데이터 전처리모듈(113)을 포함하여 구성된다.In addition, looking at the connection module 110 in detail, it accesses the database of public institutions including the Ministry of Food and Drug Safety or the National Health Insurance Corporation and medical institutions that generate and store examination data, and provides public information containing examination data or health supplement information. A public data access module 111 for acquiring information; A user information processing module (112) that performs the function of receiving personal information and related information of users who have applied for healthcare services, and based on this, accesses various medical institutions or public institutions in the user's name to obtain the user's personal information. ; and a data pre-processing module 113 that processes examination data among the data acquired through the public data access module 111 for information processing for healthcare services.

또한, 상기 검진결과 시각화 모듈(120)은 상기 접속모듈(110)을 통해 취득되는 공공데이터의 교차분석을 통해 동일성별 및 동일연령대의 평균값 비교와 본인의 100분위 랭크를 표시하여 객관적 건강상태 인식 및 신뢰성 높은 데이터를 제시하는 비교분석모듈(121)을 포함하여 구성된다.In addition, the examination result visualization module 120 compares the average value of the same gender and the same age group and displays the person's 100th percentile rank through cross-analysis of public data acquired through the access module 110 to recognize objective health status and It is comprised of a comparative analysis module (121) that presents highly reliable data.

이때 상기 검진결과 시각화 모듈(120)에서 생성되는 데이터가 상기 사용자 헬스케어 모듈(150)을 통해 사용자에게 제공되는 예시가 첨부한 도 3에 도시되어져 있는 바와 같은데, 도시된 내용을 간략히 살펴보면, 건강검진 검사항목은 다양하며 이는 도3에 도시되어진 예에서 당료, 시력, 고혈압 등으로 표시한다.At this time, an example of the data generated in the examination result visualization module 120 being provided to the user through the user healthcare module 150 is shown in the attached Figure 3. Briefly looking at the contents shown, the health examination The test items are diverse, and in the example shown in Figure 3, they are expressed as sugar, vision, high blood pressure, etc.

이에 상기 검진결과 시각화 모듈(120)에서 시각화 하는 항목을 고혈압을 예로한 것이 도 3인데, 검사결과가 정상영역과 관리대상영역 및 질환의심영역중 어디에 속하는지 직관적으로 사용자에게 인식시키기 위해 영역을 구분하였다.Accordingly, Figure 3 shows an example of high blood pressure as an item to be visualized in the examination result visualization module 120, and the areas are divided to allow the user to intuitively recognize whether the test result belongs to a normal area, a management target area, or a suspected disease area. did.

또한 평균치(이때의 평균치는 해당 연령의 평균치임)와 검사치(사용자의 건간 검진에 따른 검사치임)를 표시하였으며, 이력에 따른 그래프를 함께 제공한다.In addition, the average value (the average value at this time is the average value for the relevant age) and the test value (the test value is based on the user's health examination) are displayed, and a graph according to the history is also provided.

이에 사용자는 자신의 고혈압 검사 결과, `16년과 `18년의 검사에서는 정상영역에 속하는 사용자 본인의 고혈압 검사치가 `20년에 들어 관리대상영역에 속하였으며, 혈압이 급속히 높아졌음을 빠르게 인식할 수 있게 된다.Accordingly, as a result of the user's high blood pressure test, the user's high blood pressure test value, which was within the normal range in the tests in 2016 and 2018, fell into the control range in 2020, and the user quickly recognized that the blood pressure was rapidly increasing. It becomes possible.

더욱이 동일연령과 비교에서 `20년에 시행된 검진결과가 평균치 48%보다 높은 상위 43%에 속한다는 사실을 100분위 랭크를 표시되었기에 빠르게 인식할 수 있게 된다. Moreover, compared to the same age, it is possible to quickly recognize that the results of the examination conducted in 20 are in the top 43%, which is higher than the average of 48%, as the 100th percentile rank is displayed.

그러나 첨부한 도 3에 도시되어진 예는 본 발명에 따른 실시예의 설명일 뿐 이에 국한되지 않음을 미리 밝혀둔다.However, it should be noted in advance that the example shown in the attached FIG. 3 is only a description of an embodiment according to the present invention and is not limited thereto.

또한, 상기 진행가능성 분석모듈(130)은 상기 접속모듈(110)을 통해 취득되는 헬스케어 서비스를 신청한 사용자의 검진 데이터에서 미래정보를 추정하기 위한 현재와 과거 이력의 검진데이터를 추출하는 사용자 이력 데이터 추출모듈(131)과; 상기 사용자 이력 데이터 추출모듈(131)에서 추출되는 검진 데이터에 대응하는 정보를 상기 접속모듈(110)을 통해 취득되는 공공데이터에서 추출하는 검진 이력 비교데이터 추출모듈(132); 및 상기 사용자 이력 데이터 추출모듈(131)과 상기 검진 이력 비교데이터 추출모듈(132)을 통해 추출되어진 데이터를 비교 판독하여 사용자의 미래 검진 데이터를 예측하는 사용자 미래모델 추출모듈(133)을 포함하여 구성된다.In addition, the progress analysis module 130 extracts the current and past history of examination data for estimating future information from the examination data of the user who applied for the healthcare service acquired through the connection module 110. A data extraction module 131; a checkup history comparison data extraction module 132 that extracts information corresponding to the checkup data extracted from the user history data extraction module 131 from public data acquired through the access module 110; And a user future model extraction module 133 that compares and reads the data extracted through the user history data extraction module 131 and the examination history comparison data extraction module 132 to predict the user's future examination data. do.

이때 상기 사용자 미래모델 추출모듈(133)에서 사용자의 미래 검진상태의 추론을 위한 방법으로 본 발명에서는 변화추세선 비교 방식을 이용하여 건강 관리 필요 판정을 수행할 수 있다.At this time, in the present invention, as a method for inferring the user's future examination status in the user future model extraction module 133, a change trend line comparison method can be used to determine the need for health care.

이 방식은 검진결과에 대해 기준치가 동일 집단의 평균 값 그래프의 변화 추세선(기울기 값)을 산정하고, 사용자의 검진결과 변화 그래프 값에 대한 변화 추세선(기울기 값)을 산정하여, 정상범위 이내라 할지라도 평균값 변화 추세와 일정범위 이상 차이가 벌어지면(질환의심쪽으로) 경고 메시지 및 건강관리 판정하는 방식이다.This method calculates the change trend line (slope value) of the average value graph of a group with the same baseline value for the checkup results, and calculates the change trend line (slope value) for the change graph value of the user's checkup result, even if it is within the normal range. If there is a difference between the average value change trend and a certain range (toward a suspicion of disease), a warning message is sent and a health care decision is issued.

즉, 사용자 이력 데이터 추출모듈(131)에서 과거 이력을 포함하는 사용자의 검진결과 변화 그래프 값에 대한 변화 추세선(기울기 값)을 산정하고, 검진 이력 비교데이터 추출모듈(132)에서는 사용자와 대응하는 비교집단의 평균 값 그래프의 변화 추세선(기울기 값)을 산정한다.That is, the user history data extraction module 131 calculates a change trend line (slope value) for the change graph value of the user's examination results including the past history, and the examination history comparison data extraction module 132 makes a corresponding comparison with the user. Calculate the change trend line (slope value) of the group's average value graph.

이후 상기 사용자 미래모델 추출모듈(133)에서는 상기 사용자 이력 데이터 추출모듈(131)과 검진 이력 비교데이터 추출모듈(132)에서 산정된 데이터를 비교하여 사용자의 미래로 예측되는 모델을 추출하고 이를 기준으로 사용자에게 예측되어진 미래 검진 데이터를 제공하여 사용자가 주의할 수 있도록 한다.Thereafter, the user future model extraction module 133 compares the data calculated in the user history data extraction module 131 and the examination history comparison data extraction module 132 to extract a model predicted for the user's future and uses this as a standard. It provides users with predicted future checkup data so that they can be careful.

이와 같은 일련의 과정을 첨부한 도 4a 내지 도 4c 및 도 5를 참조하여 부가적으로 살펴보면, 상기 사용자 이력 데이터 추출모듈(131)을 통해 산정되어진 그래프가 도 4c에 도시되어진 그래프와 같다고 가정하며, 도5에서 참조번호 S101로 지칭되는 과정을 통해 입력된다.Looking additionally at this series of processes with reference to FIGS. 4A to 4C and FIG. 5 , it is assumed that the graph calculated through the user history data extraction module 131 is the same as the graph shown in FIG. 4C, It is input through a process referred to by reference number S101 in Figure 5.

이에 도 4c에 도시되어진 그래프는 51세 남성으로 농촌지역에 거주하는 임의의 사용자가 `14년부터 `20년까지 건강검진 데이터를 축적하였다고 가정한다.Accordingly, the graph shown in Figure 4c assumes that a random user, a 51-year-old male living in a rural area, has accumulated health checkup data from `14 to `20.

이에 반하여 상기 검진 이력 비교데이터 추출모듈(132)에서 산정된 데이터는 도 4a와 도 4b에 도시되어진 그래프와 같다고 가정하는데, 도 4a에 도시되어진 그래프는 55세 독거 남성으로 대도시에 거주하는 1,000명이 `09년부터 `20년까지 건강검진 데이터의 평균치를 나타내는 그래프이며, 도 4b에 도시되어진 그래프는 55세 동거 남성으로 대도시에 거주하는 1,000명이 `09년부터 `20년까지 건강검진 데이터의 평균치를 나타내는 그래프이고, 도5에서 참조번호 S201로 지칭되는 과정을 통해 입력된다.In contrast, it is assumed that the data calculated in the examination history comparison data extraction module 132 is the same as the graph shown in FIGS. 4A and 4B. The graph shown in FIG. 4A is a 55-year-old male living alone and 1,000 people living in a large city. It is a graph showing the average value of health checkup data from 2009 to 2020, and the graph shown in Figure 4b shows the average value of health checkup data from 2009 to 2020 for 1,000 55-year-old male cohabitants living in a large city. It is a graph, and is input through a process referred to by reference number S201 in FIG. 5.

이때 도 4a와 도 4b에 도시된 것은 본 발명의 설명을 용이하게 하기 위한 것으로 이에 한정되지는 않음을 미리 밝혀둔다. 즉, 무수한 비교집단이 발생될 수 있으나 본 발명의 설명을 용이하게 하기 위해 도 4a와 도 4b의 경우만을 예시한 것이다.At this time, it should be noted in advance that what is shown in FIGS. 4A and 4B is intended to facilitate description of the present invention and is not limited thereto. In other words, countless comparison groups can be created, but only the cases of FIGS. 4A and 4B are illustrated to facilitate explanation of the present invention.

또한, 도 4a 내지 도 4c에 이력관리항목이란 건강검진 항목들을 대표하여 지칭하는 것으로, 건강검진이 이루어지는 모든 검사항목(예를 들어, 당뇨, 혈압, 간질환, 이상지혈증 등등)을 그 대상으로 한다.In addition, the history management items in FIGS. 4A to 4C refer to health checkup items, and cover all test items for which health checkups are performed (e.g., diabetes, blood pressure, liver disease, dyslipidemia, etc.) .

상기 S101의 과정과 S201의 과정을 통해 입력되어진 데이터를 기준으로 이하에서는 상기 사용자 미래모델 추출모듈(133)에서의 그 미래데이터 예측을 위한 비교과정을 상세히 살펴보기로 한다.Based on the data input through the process of S101 and S201, the comparison process for predicting the future data in the user future model extraction module 133 will be examined in detail below.

우선적으로 상기 사용자 이력 데이터 추출모듈(131)을 통해 산정되어진 그래프가 도 4c에 도시되어진 그래프이며, 해당 그래프에서 각 검사년에 해당하는 기울기를 산출(S101 내지 S103)한다. 이때 `14년부터 `20년까지의 모든 검사년도에 대한 기울기를 구하기 위해서는 S102에서 초기화되어진 변수 a의 값을 이후 설명하는 과정을 통해 점진적으로 증가시키는 과정을 통해 이루어진다.First, the graph calculated through the user history data extraction module 131 is the graph shown in FIG. 4C, and the slope corresponding to each inspection year is calculated from the graph (S101 to S103). At this time, in order to obtain the slope for all inspection years from `14 to `20, the value of variable a initialized in S102 is gradually increased through the process described later.

또한, 상기 검진 이력 비교데이터 추출모듈(132)에서 산정된 데이터는 상기 도 5에서 참조번호 S201로 지칭되는 대조군의 검진데이터 입력과정을 통홰 입력되는데, 도 4a와 도 4b에 도시되어진 그래프가 모두 동시에 진행되는 것이 아니라, 하나의 대조군에 대한 비교가 완료되어야 다른 대조군에 대한 비교가 이루어지는 방식이 바람직하다.In addition, the data calculated in the examination history comparison data extraction module 132 is input through the control group examination data input process, referred to by reference number S201 in FIG. 5, and the graphs shown in FIGS. 4A and 4B are all displayed at the same time. Rather than proceeding, it is preferable that comparisons to other control groups are made only after the comparison of one control group is completed.

그러나 이하에서는 설명의 용이성과 간결성을 위해 도 4a와 도 4b에 도시되어진 그래프 각각에 대해 수행되어진 과정을 동시에 묶어 설명하고자 한다.However, hereinafter, for ease of explanation and conciseness, the processes performed for each of the graphs shown in FIGS. 4A and 4B will be described simultaneously.

이후 변수 초기화 과정인 S202와 S203의 과정을 경유한 후 S204의 과정을 통해 도 4a 내지 도 4b에 도시되어진 그래프에서 `09년부터 `20년까지의 모든 검사년에 해당하는 기울기를 산출한다.After going through S202 and S203, which are variable initialization processes, the slope corresponding to all inspection years from `09 to `20 is calculated from the graph shown in FIGS. 4A and 4B through S204.

이때 도 4c에 도시되어진 그래프에서 모든 검사년에 해당하는 기울기를 산출하는 방식과 같이 S202와 S203에서 초기화되어진 변수 a와 변수 n의 값을 이후 설명하는 과정을 통해 점진적으로 증가시키는 과정을 통해 이루어진다.At this time, similar to the method of calculating the slope corresponding to all inspection years in the graph shown in FIG. 4c, the values of variable a and variable n initialized in S202 and S203 are gradually increased through the process described later.

일단 변수 a와 변수 n이 모두 초기화 되어진 상태에서 S301의 과정에서는 검진시점 m 즉, '20년에 해당하는 데이터를 S301의 과정에서 우선적으로 비교하게 된다.Once both variable a and variable n are initialized, the data corresponding to the examination time m, that is, '20 years, is compared first in the process of S301.

상기 S301의 과정을 상세히 살펴보면, 상기 S103의 과정을 통해 도 4c의 그래프에서 산출되어진 '20년의 기울기와, S204의 과정을 통해 도 4a 또는 도 4b의 그래프에서 산출되어진 '20년의 기울기를 신뢰성 확보를 위한 제1오차범위(바람직하기로는 3%의 오차범위)를 감안하여 비교한다.Looking at the process of S301 in detail, the slope of '20 calculated from the graph of FIG. 4C through the process of S103 and the slope of '20 calculated from the graph of FIG. 4A or 4B through the process of S204 are reliable. Comparison is made taking into account the first margin of error (preferably a 3% margin of error) to secure.

이에 도 4a 내지 도 4c에 도시되어진 그래프에 기울기를 직접적으로 도시하지는 않았으나, 육시적으로 보아도 그 차이가 매우 크다는 것을 알수 있어, 도 4a와 비교할 때 그 차이가 크기 때문에 도 4a 또는 도 4b의 그래프는 사용자의 미래모델로는 적합하지 않다는 것을 알 수 있다.Accordingly, although the slope is not directly shown in the graphs shown in FIGS. 4A to 4C, it can be seen visually that the difference is very large. Since the difference is large compared to FIG. 4A, the graph of FIG. 4A or 4B is It can be seen that it is not suitable as a user's future model.

따라서 상기 S301의 과정을 통해 허용범위를 벗어나는 오차값을 갖는 경우 S302로 진행하여 상기 변수 n이 변수 p와 동일한 값을 갖는가 확인한다. 이때 변수 p는 변수 n의 최대값으로 설정된 값이며, 본 발명에서는 변수 p의 값이 5 내지 10인 것이 바람직하다.Therefore, if the error value is outside the allowable range through the process of S301, the process proceeds to S302 to check whether the variable n has the same value as the variable p. At this time, the variable p is a value set as the maximum value of the variable n, and in the present invention, the value of the variable p is preferably 5 to 10.

이에 상기 S302의 과정에서 상기 변수 n이 변수 p와 동일한 값을 갖지 않는다고 판단되면 S303으로 진행하여 변수 n의 값을 1증가시킨 후 상기 S203의 과정으로 진행한다.Accordingly, if it is determined that the variable n does not have the same value as the variable p in the process of S302, the process proceeds to S303, increases the value of the variable n by 1, and then proceeds to the process of S203.

따라서 상기 사용자 미래모델 추출모듈(133)의 상기 S301의 과정을 통해 상기 도 4c의 그래프에서 산출되어진 '20년의 기울기와 도 4a 또는 도 4b의 그래프에서 산출되어진 '19년의 기울기를 신뢰성 오차범위를 감안하여 비교하게 된다.Therefore, through the process of S301 of the user future model extraction module 133, the slope of '20 calculated from the graph of FIG. 4C and the slope of '19 calculated from the graph of FIG. 4A or FIG. 4B are used as a reliability error range. The comparison is made taking into account.

이와 같은 과정이, 상기 도 4b의 그래프에 따른 대조군의 경우 상기 변수 n이 점진적으로 증가하여 변수 p와 동일한 값을 갖는 동안, 상기 S301의 과정을 통해 허용오차범위에 존재한다고 판단하지 않기 때문에 상기 도 4b의 그래프에 따른 대조군은 상기 사용자 미래모델 추출모듈(133)에서 상기 사용자 이력 데이터 추출모듈(131)을 통해 산정되어진 도 4c에 도시되어진 그래프의 미래 예측 모델로는 부적합하다고 판단되어진다.This process is because, in the case of the control group according to the graph of FIG. 4b, while the variable n gradually increases and has the same value as the variable p, it is not determined to be within the tolerance range through the process of S301. The control group according to the graph of 4b is judged to be unsuitable for the future prediction model of the graph shown in FIG. 4c calculated through the user history data extraction module 131 in the user future model extraction module 133.

그에 반하여 상기 도 4a의 그래프에 따른 대조군의 경우, 도 4c의 그래프에서 산출되어진 '20년의 기울기와 도 4a의 그래프에서 산출되어진 '16년의 기울기를 신뢰성 오차범위를 감안하여 비교하여, 도 4c의 그래프에서 산출되어진 '20년의 기울기와 도 4a의 그래프에서 산출되어진 '16년의 기울기가 신뢰성 오차범위를 감안한 설정범위에 속한다고 상기 S301의 과정을 통해 판단되면, S304로 진행하여 도 4c의 그래프에서 산출되어진 '20년의 기울기와 도 4a의 그래프에서 산출되어진 '16년의 기울기 및 그 비교값을 저장한다.On the other hand, in the case of the control group according to the graph of FIG. 4A, the slope of '20 calculated from the graph of FIG. 4C and the slope of '16 calculated from the graph of FIG. 4A were compared considering the reliability error range, FIG. 4C If it is determined through the process of S301 that the slope of '20 calculated from the graph and the slope of '16 calculated from the graph of FIG. 4a fall within the setting range considering the reliability error range, proceed to S304 and The slope of '20 calculated from the graph, the slope of '16 calculated from the graph of Figure 4a, and their comparison values are stored.

이후 S305에서 상기 변수 a가 변수 b와 동일한 값을 갖는가 확인한다. 이때 변수 b는 변수 a의 최대값으로 설정된 값이며, 본 발명에서는 변수 b의 값이 3 내지 5인 것이 바람직하다.Afterwards, in S305, it is checked whether the variable a has the same value as variable b. At this time, variable b is a value set as the maximum value of variable a, and in the present invention, the value of variable b is preferably 3 to 5.

상기 S305에서 상기 변수 a가 변수 b와 동일한 값을 갖지 않는다고 판단되면, S306으로 진행하여 변수 a의 값을 1증가시킨 후 상기 S103과 S204의 과정으로 진행한다.If it is determined in S305 that the variable a does not have the same value as the variable b, the process proceeds to S306, increases the value of variable a by 1, and then proceeds to S103 and S204.

그러므로, 도 4c의 그래프에서 산출되어진 '19년의 기울기와 도 4a의 그래프에서 산출되어진 '15년의 기울기가 상기 S103과 S204의 과정을 통해 산출되어진 후 S301의 과정으로 진행하여 신뢰성 오차범위를 감안하여 비교하게 된다.Therefore, the slope of '19 calculated from the graph of FIG. 4C and the slope of '15 calculated from the graph of FIG. 4A are calculated through the processes of S103 and S204, and then proceed to the process of S301 to take into account the reliability error range. and compare.

이후 상술한 S301, S304, S305, S306의 과정에 따라 상기 도 4c의 그래프에서 산출되어진 `15년부터'20년까지의 기울기 값과, 상기 도 4a의 그래프에서 산출되어진 `11년부터 '16년까지의 기울기 값, 및 각 검사년도에 대응하는 비교치가 상기 S304의 과정을 통해 저장되어진다.Afterwards, according to the above-described processes of S301, S304, S305, and S306, the slope value from `15 to `20 calculated from the graph of FIG. 4c, and the slope value from `11 to `16 calculated from the graph of FIG. 4a. The slope values up to and comparison values corresponding to each inspection year are stored through the process of S304.

이에 S307의 과정에서 상기 S304의 과정을 통해 저장되어진 데이터가 신뢰성을 갖기 위한 제2오차범위(바람직하기로는 2.5%의 오차범위)를 감안하여 설정범위에 속한다고 판단되면, S309로 진행하여 상기 사용자 미래모델 추출모듈(133)에서는 상기 도 4a의 그래프를 해당 사용자의 미래모델로 추출하게 된다.Accordingly, in the process of S307, if it is determined that the data stored through the process of S304 falls within the set range considering the second error range (preferably an error range of 2.5%) for reliability, the process proceeds to S309 and the user The future model extraction module 133 extracts the graph of FIG. 4A as the user's future model.

따라서 도 4c에 도시되어진 그래프와 같은 헬스케어 서비스 요청 사용자의 검진 이력 데이터를 기준으로 비교해 볼 때, 도 4a에 도시되어진 그래프에 대응하는 대조군의 검진 이력 데이터가 미래 예측을 위한 모델로 적합하다고 판단되어지고, 이에 해당 사용자가 현 상태에서 방치되는 경우 사용자가 55세가 되는 `24년에는 도 4a에 도시되어진 그래프의 `20년 그래프 값에 수렴할 확률이 높다고 판단되어 상기 사용자 미래모델 추출모듈(133)에서 도 4a에 도시되어진 그래프를 기준으로 하는 사용자의 미래 검진 데이터를 제공하게 된다.Therefore, when compared based on the checkup history data of users requesting healthcare services such as the graph shown in FIG. 4c, the checkup history data of the control group corresponding to the graph shown in FIG. 4a is judged to be suitable as a model for future prediction. Therefore, if the user is left in the current state, it is determined that there is a high probability of converging to the `20 graph value of the graph shown in FIG. 4A in `24, when the user turns 55 years old, and the user future model extraction module 133 The user's future examination data based on the graph shown in FIG. 4A is provided.

이때 S307에서 제2오차범위를 벗어나서 적합하지 않다고 판단하는 경우에 대해 부가적으로 살펴보면, 상기 S301의 판단에서 매회 제1오차범위의 임계 경계에 해당하는 값만이 취득되어, 검진년도 기준 기울기 값으로는 비교시 허용범위내에 존재하여 적합한 듯 보이나 전체적으로는 신뢰하기 어렵다고 판단되는 경우를 의미한다.At this time, looking additionally at the case where S307 determines that it is not appropriate because it is outside the second error range, in the judgment at S301, only the value corresponding to the critical boundary of the first error range is obtained each time, and the slope value based on the examination year is This refers to a case where, when compared, it appears to be appropriate because it is within the allowable range, but it is judged to be difficult to trust overall.

이러한 경우 S308로 진행하여 변수 a를 초기화 한 후 S201로 진행하여 새로운 대조군을 입력받도록 한다.In this case, proceed to S308 to initialize variable a and then proceed to S201 to receive a new control group.

상술한 도 5에 도시되어진 흐름에 따른 그래프의 기울기 비교의 과정에서 점진적인 교차비교 방식은 일정수준 이상의 비교 데이터가 축적될 때까지 반복적으로 진행되며 이러한 과정의 반복학습이 심층학습(Deep Learning)과정으로 학습되어진다.In the process of comparing the slope of the graph according to the flow shown in FIG. 5 described above, the gradual cross-comparison method is repeatedly performed until comparison data above a certain level is accumulated, and the repeated learning of this process is called a deep learning process. It is learned.

즉, 심층학습은 회귀분석의 상위 호환격 방법이기 때문에 충분한 비교 데이터가 축적될 때까지 반복적으로 학습되어지면, 과거의 이력 그래프에서 기울기를 비교하지 않더라도 일정 오차범위의 미래 예측값을 제공할 수 있게 되는 장점을 갖는다.In other words, since deep learning is a higher-level compatible method of regression analysis, if it is repeatedly learned until sufficient comparison data is accumulated, it can provide future predicted values within a certain error range even if the slope is not compared in the past history graph. It has advantages.

다시 말해, 심층학습은 함수관계에 있는 x(검사년도)와 y(이력관리항복)는 있지만, x(검사년도)로부터 y(이력관리항복)를 예측할 수 있는 모델이 없을 때 대안으로 쓸 수 있는 효과적인 방법이다.In other words, deep learning can be used as an alternative when there are x (inspection year) and y (history management surrender) in a functional relationship, but there is no model that can predict y (history management surrender) from x (inspection year). It's an effective method.

이때 심층학습을 통해 제공되는 미래 예측값의 오차범위는 5% 내지 10%이내의 오차범위를 칭하는 것이다.At this time, the error range of the future prediction value provided through deep learning refers to the error range within 5% to 10%.

또한, 상술한 상기 사용자 미래모델 추출모듈(133)에서 비교 방식은 사용자의 미래 검진상태의 추론은 변화추세선 비교 방식으로 미래 추론의 정확도가 높다는 장점을 갖지만, 심화학습까지 적용시 그 시스템의 구현을 위한 복잡도가 상승한다는 단점이 존재한다.In addition, the comparison method in the user future model extraction module 133 described above has the advantage of high accuracy of future inference by using a change trend line comparison method to infer the user's future examination status, but when applying deep learning, the implementation of the system is difficult. There is a disadvantage that complexity increases.

이에 상기 사용자 미래모델 추출모듈(133)에서 사용자의 미래 검진상태의 추론을 위한 방법으로 본 발명에서는 검진결과에 따른 종합점수 산정과 동일집단(동일연령, 동일성별, 거주지역, 동거형태, 병증이력 등등)과의 건강점수를 비교하는 방식을 사용할 수도 있다.Accordingly, as a method for inferring the user's future examination status in the user future model extraction module 133, the present invention calculates a comprehensive score according to the examination results and determines the same group (same age, same gender, residential area, cohabitation type, disease history) etc.) can also be used to compare health scores.

이는 국가검진결과 내용의 각각의 검진결과에 대해 가중치 및 점수를 부여하여 동일집단의 평균 건강점수를 산정하고, 사용자 본인의 검진결과에 대한 건강점수를 산정하여 종합 그래프로 표현하여, 종합적으로 평균값 대비 상대적인 점수 차이와 변화추이를 보여줌으로써 객관적인 건강 정도를 데이터로 보여주는 방식이다.This calculates the average health score of the same group by assigning weights and scores to each examination result in the national examination results, and calculates the health score for the user's own examination results and expresses it in a comprehensive graph, comparing the overall average value. It is a method of showing the objective level of health through data by showing relative score differences and change trends.

이와 같은 방식은 검진결과 시각화 모듈(120)에서 사용되는 데이터를 공유하여 사용할 수 있다는 장점을 가지며, 과거의 이력을 비교하지 않고 현재의 데이터만을 기준으로 하기 때문에 시스템 구현을 위한 복잡도가 낮아지는 장점을 갖는다.This method has the advantage of being able to share and use the data used in the examination result visualization module 120, and has the advantage of lowering the complexity for system implementation because it is based only on current data without comparing past history. have

상술한 바와 같이 구성되는 본 발명에 따른 빅데이터와 이력관리를 통한 헬스케어 서비스 시스템의 운영방식을 살펴보면, 제1과정을 통해, 상기 접속모듈(110)을 통해 취득되는 상기 사용자의 검진 데이터에서 미래정보를 추정하기 위한 현재와 과거 이력의 검진 데이터를 추출하게 된다.Looking at the operation method of the healthcare service system through big data and history management according to the present invention configured as described above, through the first process, the user's examination data acquired through the access module 110 Examination data of current and past history is extracted to estimate information.

또한, 상기 제1과정과 동시에 진행되는 제2과정 혹은 제1과정이 종료된 이후 진행되는 제2과정을 통해, 상기 사용자와 동일 성별, 동일 연령에 해당하는 대조군의 현재와 과거 이력의 검진 데이터를 추출하게 된다.In addition, through the second process that is carried out simultaneously with the first process or the second process that is carried out after the end of the first process, the examination data of the current and past history of the control group corresponding to the same gender and same age as the user is collected. It is extracted.

이때 대조군은 보다 다양한 조건을 충족시킬 필요가 있다. 예를 들어, 동거 혹은 혼인 여부, 거주지역(대도시민이 소도시민에 비해 통상적으로 스트레스 강도가 높다), 소득수준, 학력수준 등등의 조건으로 대조군을 세분화 하거나 통합한다.At this time, the control group needs to meet more diverse conditions. For example, the control group is subdivided or integrated based on conditions such as cohabitation or marriage status, residential area (citizens of large cities generally experience higher levels of stress than citizens of small cities), income level, educational level, etc.

상술한 제2과정에서 추출되어진 검진 데이터는 각각의 대조군별로 평균값을 산출하고, 이를 기준으로 상기 제1과정에서 추출되어진 사용자의 검진 데이터를 비교하여 백분율로 비교데이터를 생성하는 제3과정으로 진행한다.The examination data extracted in the above-mentioned second process calculates the average value for each control group, and based on this, the user's examination data extracted in the first process is compared to proceed to the third process to generate comparative data in percentage. .

또한, 이후 제4과정을 통해 상기 제1과정에서 추출되어진 사용자의 검진 데이터와 상기 제3과정에서 생성되어진 비교데이터를 사용자가 육시적으로 빠르게 인식할 수 있도록 상기 검진결과 시각화 모듈(120)을 통해 데이터 처리한다.In addition, through the fourth process, the user's examination data extracted in the first process and the comparison data generated in the third process can be quickly visually recognized through the examination result visualization module 120. Process data.

또한, 상기 제1과정에서 추출되어진 사용자의 검진 데이터에 대응하는 정보를 상기 접속모듈(110)을 통해 취득되는 공공 의료 빅데이터에서 미래 예측용 데이터를 추출하는 제5과정를 수행하고, 상기 제1과정에서 추출되어진 사용자의 검진 데이터와 상기 제5과정에서 추출되는 미래 예측용 데이터를 비교 판독하여 사용자의 미래 검진 데이터를 예측하게 된다(제6과정).In addition, a fifth process of extracting future prediction data from public medical big data acquired through the access module 110 is performed on information corresponding to the user's examination data extracted in the first process, and the first process The user's examination data extracted from and the future prediction data extracted in the fifth process are compared and read to predict the user's future examination data (sixth process).

따라서 사용자에게 제 7과정을 통해 총 3가지 유형의 헬스케어 서비스 정보가 제공되는데, 첫 번째로는 상기 제1과정에서 추출되어진 사용자의 검진 데이터, 두 번째로는 상기 제3과정에서 생성되어진 비교데이터가 상기 제4과정을 통해 데이터 처리된 시각화된 정보, 및 마지막으로 상기 제6과정을 통해 예측된 사용자의 미래 검진 데이터가 그것이다. Therefore, a total of three types of healthcare service information are provided to the user through the 7th process: first, the user's examination data extracted in the first process, and second, comparison data generated in the third process. These are the visualized information processed through the fourth process, and finally the user's future examination data predicted through the sixth process.

이상에서는 본 발명의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시 예에 한정되지 아니하며, 특허청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 방법이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 다양한 변형 실시가 가능한 것은 물론이고, 이러한 변형 실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안 될 것이다.In the above, preferred embodiments of the present invention have been shown and described, but the present invention is not limited to the specific embodiments described above, and is within the technical field to which the method pertains without departing from the gist of the present invention as claimed in the patent claims. Of course, various modifications can be made by those skilled in the art, and these modifications should not be understood individually from the technical idea or perspective of the present invention.

100 : 헬스케어 서비스 서버
110 : 접속모듈
120 : 검진결과 시각화 모듈
130 : 진행가능성 분석모듈
140 : 솔루션모듈
150 : 사용자 헬스케어 모듈100: Healthcare service server
110: Connection module
120: Examination result visualization module
130: Progressability analysis module
140: Solution module
150: User healthcare module

Claims (11)

공공의 건강검진 빅데이터와 헬스케어 서비스를 신청한 사용자의 건강검진 이력관리를 통한 헬스케어 서비스 시스템에 있어서,
헬스케어 서비스를 신청한 사용자의 신상정보 및 관련 정보를 입력받는 기능을 수행하며, 식약처 혹은 국민건강보험공단 혹은 의료기관들의 데이터 베이스에 접속하여 검진데이터를 포함하는 사용자 개인의 정보 및 공공의 정보를 취득하는 접속모듈과;
상기 접속모듈을 통해 취득되어진 헬스케어 서비스를 신청한 사용자의 최근 10년간의 건강검진결과를 기준으로 정상범위, 경계범위 및 질환의심범위 각각에 대한 판정 결과를 판단할 수 있도록 시각화하는 검진결과 시각화 모듈과;
상기 접속모듈을 통해 취득되는 헬스케어 서비스를 신청한 사용자의 검진 데이터와 이에 대응하여 상기 접속모듈을 통해 취득되는 공공데이터에서 추출하는 검진 이력 데이터를 비교하여 사용자의 미래 검진 데이터를 예측하는 진행가능성 분석모듈; 및
상기 검진결과 시각화 모듈을 통해 생성되는 데이터 혹은 상기 진행가능성 분석모듈을 통해 예측된 사용자의 미래 검진 데이터를 사용자에게 제공하는 사용자 헬스케어 모듈을 포함하는 것을 특징으로 하는 빅데이터와 이력관리를 통한 헬스케어 서비스 시스템.
In the healthcare service system through public health checkup big data and health checkup history management of users who have applied for healthcare services,
It performs the function of receiving personal information and related information of users who have applied for healthcare services, and accesses the database of the Ministry of Food and Drug Safety, the National Health Insurance Service, or medical institutions to collect the user's personal information and public information, including examination data. a connection module to acquire;
Examination result visualization module that visualizes the judgment results for each of the normal range, borderline range, and disease suspicion range based on the health examination results of the user who applied for the healthcare service acquired through the above access module for the past 10 years. class;
Progressability analysis that predicts the user's future checkup data by comparing the checkup data of the user who applied for the healthcare service acquired through the access module and the corresponding checkup history data extracted from public data acquired through the access module module; and
Healthcare through big data and history management, comprising a user healthcare module that provides the user with data generated through the examination result visualization module or the user's future examination data predicted through the progress analysis module. service system.
 제1항에 있어서,
상기 진행가능성 분석모듈의 데이터 혹은 검진결과 시각화 모듈을 통해 생성되는 데이터를 기준으로 헬스케어 서비스를 신청한 사용자에게 권장하고자 하는 영양소 공급을 위한 건강기능식품의 추천기능을 포함하여 해당 사용자의 건강 유지 혹은 건강 개선을 위한 운동 계획의 방안을 제공하는 솔루션모듈을 더 포함하는 것을 특징으로 하는 빅데이터와 이력관리를 통한 헬스케어 서비스 시스템.
According to paragraph 1,
Based on the data from the progress analysis module or the data generated through the examination result visualization module, the health of the user is maintained or A healthcare service system through big data and history management that further includes a solution module that provides an exercise plan to improve health.
 제1항에 있어서,
상기 접속모듈은 식약처 혹은 국민건강보험공단을 포함하는 공공기관과 검진 데이터를 생성보관하는 의료기관들의 데이터 베이스에 접속하여 검진데이터 혹은 건강보조식품 정보를 포함하는 공공의 정보를 취득하기 위한 공공 데이터 접속 모듈과;
헬스케어 서비스를 신청한 사용자의 신상정보 및 관련 정보를 입력받는 기능을 수행하며, 이를 기준으로 각종 의료기관 혹은 공공기관에 사용자 명의로 접속하여 사용자 개인의 정보를 취득하도록 하는 사용자 정보처리 모듈; 및
상기 공공 데이터 접속 모듈을 통해 취득되는 데이터 중 검진데이터를 헬스케어 서비스를 위한 정보처리용으로 가공하는 데이터 전처리모듈을 포함하는 것을 특징으로 하는 빅데이터와 이력관리를 통한 헬스케어 서비스 시스템.
According to paragraph 1,
The access module connects to the databases of public institutions, including the Ministry of Food and Drug Safety or the National Health Insurance Service, and medical institutions that generate and store examination data, and accesses public data to acquire public information including examination data or health supplement information. module and;
A user information processing module that performs the function of receiving personal information and related information of users who have applied for healthcare services, and based on this, accesses various medical institutions or public institutions in the user's name to obtain the user's personal information; and
A healthcare service system through big data and history management, comprising a data pre-processing module that processes examination data among the data acquired through the public data access module for information processing for healthcare services.
 제1항에 있어서,
상기 검진결과 시각화 모듈은 상기 접속모듈을 통해 취득되는 공공데이터의 교차분석을 통해 동일성별 및 동일연령대의 평균값 비교와 본인의 100분위 랭크를 표시하여 객관적 건강상태 인식 및 판단 데이터를 제시하는 비교분석모듈을 포함하는 것을 특징으로 하는 빅데이터와 이력관리를 통한 헬스케어 서비스 시스템.
According to paragraph 1,
The examination result visualization module is a comparative analysis module that presents objective health status recognition and judgment data by comparing the average value of the same gender and same age group and displaying the person's 100th percentile rank through cross-analysis of public data acquired through the access module. A healthcare service system through big data and history management, characterized by including.
 제1항에 있어서,
상기 진행가능성 분석모듈은 상기 접속모듈을 통해 취득되는 헬스케어 서비스를 신청한 사용자의 검진 데이터에서 미래정보를 추정하기 위한 현재와 과거 이력의 검진데이터를 추출하는 사용자 이력 데이터 추출모듈과;
상기 사용자 이력 데이터 추출모듈에서 추출되는 검진 데이터에 대응하는 정보를 상기 접속모듈을 통해 취득되는 공공데이터에서 추출하는 검진 이력 비교데이터 추출모듈; 및
상기 사용자 이력 데이터 추출모듈과 상기 검진 이력 비교데이터 추출모듈을 통해 추출되어진 데이터를 비교 판독하여 사용자의 미래 검진 데이터를 예측하는 사용자 미래모델 추출모듈을 포함하는 것을 특징으로 하는 빅데이터와 이력관리를 통한 헬스케어 서비스 시스템.
According to paragraph 1,
The progress possibility analysis module includes a user history data extraction module that extracts current and past history examination data for estimating future information from the examination data of the user who applied for the healthcare service acquired through the connection module;
a checkup history comparison data extraction module that extracts information corresponding to the checkup data extracted from the user history data extraction module from public data acquired through the access module; and
Through big data and history management, comprising a user future model extraction module that compares and reads the data extracted through the user history data extraction module and the examination history comparison data extraction module to predict the user's future examination data. Healthcare service system.
 헬스케어 서비스를 신청한 사용자의 신상정보 및 관련 정보를 입력받는 기능을 수행하며, 식약처 혹은 국민건강보험공단 혹은 의료기관들의 데이터베이스에 접속하여 검진데이터를 포함하는 사용자 개인의 정보 및 공공의 정보를 취득하는 접속모듈과; 상기 접속모듈을 통해 취득되어진 헬스케어 서비스를 신청한 사용자의 최근 10년간의 건강검진결과를 기준으로 정상범위, 경계범위 및 질환의심범위 각각에 대한 판정 결과를 육시적으로 인식하고 판단할 수 있도록 시각화하는 검진결과 시각화 모듈과; 상기 접속모듈을 통해 취득되는 헬스케어 서비스를 신청한 사용자의 검진 데이터와 이에 대응하여 상기 접속모듈을 통해 취득되는 공공데이터에서 추출하는 검진 이력 데이터를 비교하여 사용자의 미래 검진 데이터를 예측하는 진행가능성 분석모듈; 및 상기 검진결과 시각화 모듈을 통해 생성되는 데이터 혹은 상기 진행가능성 분석모듈을 통해 예측된 사용자의 미래 검진 데이터를 사용자에게 제공하는 사용자 헬스케어 모듈을 포함하는 빅데이터와 이력관리를 통한 헬스케어 서비스 시스템의 운영방법에 있어서:
상기 접속모듈을 통해 취득되는 상기 사용자의 검진 데이터에서 미래정보를 추정하기 위한 현재와 과거 이력의 검진 데이터를 추출하는 제1과정과;
상기 사용자에 대응하는 대조군의 현재와 과거 이력의 검진 데이터를 추출하는 제2과정과;
상기 제2과정에서 추출되어진 검진 데이터의 평균값을 기준으로 상기 제1과정에서 추출되어진 사용자의 검진 데이터를 비교하여 백분율로 비교데이터를 생성하는 제3과정과;
상기 제1과정에서 추출되어진 사용자의 검진 데이터와 상기 제3과정에서 생성되어진 비교데이터를 사용자가 빠르게 인식할 수 있도록 상기 검진결과 시각화 모듈을 통해 데이터 처리하는 제4과정과;
상기 제1과정에서 추출되어진 사용자의 검진 데이터에 대응하는 정보를 상기 접속모듈을 통해 취득되는 공공 의료 빅데이터에서 미래 예측용 비교 데이터를 추출하는 제5과정과;
상기 제1과정에서 추출되어진 사용자의 검진 데이터와 상기 제5과정에서 추출되는 미래 예측용 비교 데이터를 판독하여 사용자의 미래 검진 데이터를 예측하는 제6과정; 및
상기 제1과정에서 추출되어진 사용자의 검진 데이터와 상기 제3과정에서 생성되어진 비교데이터가 상기 제4과정을 통해 데이터 처리된 정보와 상기 제6과정을 통해 예측된 사용자의 미래 검진 데이터를 사용자에게 제공하는 제7과정을 포함하는 것을 특징으로 하는 빅데이터와 이력관리를 통한 헬스케어 서비스 시스템의 운영방법.
Performs the function of receiving personal information and related information of users who have applied for healthcare services, and acquires user personal information and public information, including examination data, by accessing databases of the Ministry of Food and Drug Safety, National Health Insurance Corporation, or medical institutions. A connection module that does; Based on the health checkup results of the user who applied for the healthcare service acquired through the above connection module for the past 10 years, the judgment results for each of the normal range, borderline range, and disease suspicion range are visualized so that the judgment results can be visually recognized and judged. A module for visualizing examination results; Progressability analysis that predicts the user's future checkup data by comparing the checkup data of the user who applied for the healthcare service acquired through the access module and the corresponding checkup history data extracted from public data acquired through the access module module; and a user healthcare module that provides the user with data generated through the examination result visualization module or the user's future examination data predicted through the progress analysis module. A healthcare service system through big data and history management. In terms of operation method:
A first process of extracting current and past history examination data for estimating future information from the user's examination data acquired through the connection module;
a second process of extracting current and past medical examination data of a control group corresponding to the user;
A third process of generating comparison data in percentage by comparing the user's examination data extracted in the first process with the average value of the examination data extracted in the second process;
A fourth process of data processing through the examination result visualization module so that the user can quickly recognize the user's examination data extracted in the first process and the comparative data generated in the third process;
a fifth process of extracting comparative data for future prediction from public medical big data acquired through the access module, information corresponding to the user's examination data extracted in the first process;
A sixth process of predicting the user's future examination data by reading the user's examination data extracted in the first process and the future prediction comparison data extracted in the fifth process; and
The user's examination data extracted in the first process and the comparison data generated in the third process provide the user with data processed through the fourth process and the user's future examination data predicted through the sixth process. A method of operating a healthcare service system through big data and history management, characterized by including the seventh process.
 제6항에 있어서,
상기 제6과정은 상기 제1과정에서 추출되어진 사용자의 검진 데이터와 상기 제5과정에서 추출되어진 미래 예측용 비교 데이터가 그래프 형태로 제공 되어지는 경우:
상기 사용자의 검진 데이터와 미래 예측용 비교 데이터의 각 년도별 그래프의 기울기를 산출하는 제1단계와;
상기 제1단계를 통해 산출되어진 각 년도별 그래프의 기울기에서 상기 사용자의 검진 데이터의 m-a년에 해당하는 그래프의 기울기와 상기 미래 예측용 비교 데이터의 m-a-n년에 해당하는 그래프의 기울기를 비교하여 제1오차범위내에 존재하는가를 판단하는 제2단계와;
상기 제2단계를 통해 제1오차범위내의 비교치를 얻을 때까지 상기 변수 n을 변수 p까지 1씩 증가시켜 가는 제3단계와;
상기 제3단계를 통해 상기 제2단계에서 상기 사용자의 검진 데이터의 m-a년에 해당하는 그래프의 기울기와 상기 미래 예측용 비교 데이터의 m-a-n년에 해당하는 그래프의 기울기를 비교하여 제1오차범위내의 비교치를 얻은 경우, 상기 변수 a을 1씩 변수 b까지 증가시켜가며 상기 제2단계에서 상기 사용자의 검진 데이터의 m-a년에 해당하는 그래프의 기울기와 상기 미래 예측용 비교 데이터의 m-a-n년에 해당하는 그래프의 기울기를 비교하는 제4단계; 및
상기 제4단계를 통해 변수 a의 기간 동안 축적된 비교치 및 비교대상인 기울기 값이 제2오차범위내에 존재한다고 판단되는 경우 해당 상기 사용자의 미래 검진 데이터 예측 모델로 선정하는 제5과정을 포함하는 것을 특징으로 하는 빅데이터와 이력관리를 통한 헬스케어 서비스 시스템의 운영방법.
According to clause 6,
In the sixth process, the user's examination data extracted in the first process and the comparative data for future prediction extracted in the fifth process are provided in the form of a graph:
A first step of calculating the slope of the graph for each year of the user's examination data and comparison data for future prediction;
In the slope of the graph for each year calculated through the first step, the slope of the graph corresponding to the ma year of the user's examination data is compared with the slope of the graph corresponding to the man year of the future prediction comparison data, and the slope of the graph corresponding to the man year of the future prediction comparison data is compared. a second step of determining whether the error exists within the range;
A third step of increasing the variable n up to the variable p by 1 until a comparison value within the first error range is obtained through the second step;
Through the third step, the slope of the graph corresponding to ma years of the user's examination data in the second step is compared with the slope of the graph corresponding to man years of the future prediction comparison data, and comparison is made within the first error range. When the value is obtained, the variable a is increased by 1 to the variable b, and in the second step, the slope of the graph corresponding to ma years of the user's examination data and the graph corresponding to man years of the future prediction comparison data are calculated. Step 4: compare slopes; and
If it is determined through the fourth step that the comparison value accumulated during the period of variable a and the slope value to be compared are within the second error range, it includes a fifth process of selecting the user's future examination data prediction model. A method of operating a healthcare service system through big data and history management.
 제7항에 있어서,
상기 변수 n은 0에서 상기 변수 p의 최대값인 5 내지 10까지의 상수이며, 상기 변수 a는 0에서 상기 b의 최대값인 3 내지 5까지의 상수인 것을 특징으로 하는 빅데이터와 이력관리를 통한 헬스케어 서비스 시스템의 운영방법.
In clause 7,
The variable n is a constant from 0 to 5 to 10, the maximum value of the variable p, and the variable a is a constant from 0 to 3 to 5, the maximum value of b. Big data and history management How to operate a healthcare service system.
 제7항에 있어서,
상기 제1오차범위는 3%이며, 제2오차범위는 2.5%인 것을 특징으로 하는 빅데이터와 이력관리를 통한 헬스케어 서비스 시스템의 운영방법.
In clause 7,
A method of operating a healthcare service system through big data and history management, characterized in that the first margin of error is 3% and the second margin of error is 2.5%.
 제6항 내지 제 9항 중 어느 한 항에 있어서,
상기 제1과정에서 추출되어진 사용자의 검진 데이터와 상기 제5과정에서 추출되어진 미래 예측용 비교 데이터가 그래프 형태로 제공 되어지는 경우 상기 제6과정을 통해 점진적인 기울기 교차비교에 따른 일정수준 이상의 비교 데이터가 축적될 때까지 반복적으로 진행되며 이러한 과정의 반복 학습이 심층학습 과정으로 학습되어 미래 예측값을 추론하는 심층학습 미래 예측 과정을 더 포함하는 것을 특징으로 하는 빅데이터와 이력관리를 통한 헬스케어 서비스 시스템의 운영방법.
According to any one of claims 6 to 9,
If the user's examination data extracted in the first process and the comparative data for future predictions extracted in the fifth process are provided in the form of a graph, comparative data above a certain level according to gradual gradient cross-comparison are provided in the sixth process. It is carried out repeatedly until accumulation, and the repeated learning of this process is learned as a deep learning process, and further includes a deep learning future prediction process in which future prediction values are inferred. Healthcare service system through big data and history management. How to operate.
 제10항에 있어서,
상기 심층학습을 통해 제공되는 미래 예측값의 오차범위는 5% 내지 10%이내의 오차범위를 갖는 것을 특징으로 하는 빅데이터와 이력관리를 통한 헬스케어 서비스 시스템의 운영방법.According to clause 10,
A method of operating a healthcare service system through big data and history management, characterized in that the error range of the future prediction value provided through the deep learning has an error range of within 5% to 10%.
KR1020220075724A 2022-06-21 2022-06-21 Healthcare system through Big-data and history management and how to operation method it's KR20230174596A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220075724A KR20230174596A (en) 2022-06-21 2022-06-21 Healthcare system through Big-data and history management and how to operation method it's

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220075724A KR20230174596A (en) 2022-06-21 2022-06-21 Healthcare system through Big-data and history management and how to operation method it's

Publications (1)

Publication Number Publication Date
KR20230174596A true KR20230174596A (en) 2023-12-28

Family

ID=89385190

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220075724A KR20230174596A (en) 2022-06-21 2022-06-21 Healthcare system through Big-data and history management and how to operation method it's

Country Status (1)

Country Link
KR (1) KR20230174596A (en)

Similar Documents

Publication Publication Date Title
US11392856B2 (en) Methods and systems for an artificial intelligence support network for behavior modification
KR102558021B1 (en) A clinical decision support ensemble system and the clinical decision support method by using the same
US10692589B2 (en) “Indima apparatus” system, method and computer program product for individualized and collaborative health care
KR20170061222A (en) The method for prediction health data value through generation of health data pattern and the apparatus thereof
CN106845147B (en) Method for building up, the device of medical practice summary model
US20220172841A1 (en) Methods of identifying individuals at risk of developing a specific chronic disease
US11393589B2 (en) Methods and systems for an artificial intelligence support network for vibrant constitutional guidance
US20090030945A1 (en) Method and system for collecting and analyzing medical patient data
KR20200113954A (en) System and method for providing user-customized health information service
CN114283947B (en) Health management method and system suitable for surgical patients
KR102342770B1 (en) A health management counseling system using the distribution of predicted disease values
CN110335681A (en) One kind being used for senile dementia early warning system and method for early warning
CN112466423A (en) Intelligent chronic disease health management method and system
CN116472591A (en) Techniques for generating predictive outcomes associated with spinal muscular atrophy using artificial intelligence
US20110066451A1 (en) Method and apparatus for providing health management information
US11937939B2 (en) Methods and systems for utilizing diagnostics for informed vibrant constituional guidance
CN114300075A (en) Exercise medical health data management system based on big data
JP2009031900A (en) Medical checkup data processor
Krutko et al. Intelligent internet technology for personalized health-saving support
US8684928B2 (en) Vitalimetrics-based methods, devices and systems for health/lifestyle maintenance and improvement
WO2023217737A1 (en) Health data enrichment for improved medical diagnostics
Lin et al. Developing a web 2.0 diabetes care support system with evaluation from care provider perspectives
Sharma et al. Health Recommendation System by using deep learning and fuzzy technique
KR20230174596A (en) Healthcare system through Big-data and history management and how to operation method it's
Pierce AI in Healthcare: Solutions, Challenges, and Dilemmas in Medical Decision-Making