KR20240050164A - 인공 지능 기반의 의료기기 상담 지원 서비스를 제공하는 방법 및 장치 - Google Patents

인공 지능 기반의 의료기기 상담 지원 서비스를 제공하는 방법 및 장치 Download PDF

Info

Publication number
KR20240050164A
KR20240050164A KR1020220129988A KR20220129988A KR20240050164A KR 20240050164 A KR20240050164 A KR 20240050164A KR 1020220129988 A KR1020220129988 A KR 1020220129988A KR 20220129988 A KR20220129988 A KR 20220129988A KR 20240050164 A KR20240050164 A KR 20240050164A
Authority
KR
South Korea
Prior art keywords
vector data
information
model
medical
text data
Prior art date
Application number
KR1020220129988A
Other languages
English (en)
Inventor
김남국
박현정
김현정
고범석
박강길
Original Assignee
재단법인 아산사회복지재단
울산대학교 산학협력단
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 재단법인 아산사회복지재단, 울산대학교 산학협력단 filed Critical 재단법인 아산사회복지재단
Priority to KR1020220129988A priority Critical patent/KR20240050164A/ko
Publication of KR20240050164A publication Critical patent/KR20240050164A/ko

Links

Images

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
    • 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
    • G06F16/3347—Query execution using vector based model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/12—Use of codes for handling textual entities
    • G06F40/134—Hyperlinking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G06F40/295—Named entity recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • G06F40/58—Use of machine translation, e.g. for multi-lingual retrieval, for server-side translation for client devices or for real-time translation
    • 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
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to 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
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medicinal Chemistry (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

의료 품목 상담 지원 서비스를 제공하는 방법 및 장치가 개시된다. 본 개시의 일 실시예에 따른, 의료 품복 상담 지원 서비스를 제공하는 방법은, 민원 내용이 포함된 제1 텍스트 데이터를 획득하는 단계; 상기 제1 텍스트 데이터에 포함된 한글을 영문으로 번역하여 제2 텍스트 데이터를 획득하는 단계; 문장 임베딩(sentence embedding)을 수행하도록 학습된 제1 인공지능(artificial intelligence, AI) 모델에 상기 제2 텍스트 데이터의 전체 또는 일부를 입력하여 제1 벡터 데이터를 획득하는 단계; 제2 AI 모델에 상기 제1 벡터 데이터를 입력하여 상기 민원 내용과 관련된 N(N은 1 이상의 자연수) 개의 의료 품목에 대한 정보를 획득하는 단계; 및 상기 획득된 N 개의 의료 품목에 대한 정보를 제공하는 단계를 포함할 수 있다.

Description

인공 지능 기반의 의료기기 상담 지원 서비스를 제공하는 방법 및 장치{METHOD AND APPARATUS FOR PROVIDING MEDICAL DEVICE CONSULTATION SUPPORT SERVICE BASED ON ARTIFICIAL INTELLIGENCE}
본 개시는 상담 지원 서비스를 제공하는 방법 및 장치에 관한 것이다. 보다 상세하게는, 본 개시는 인공 지능 기반의 의료기기 상담 지원 서비스를 제공하는 방법 및 장치에 관한 것이다.
의료기기 업계는 매년 크게 성장하고 있는 산업으로서, 신규 업체의 시장 진입이 빈번하며 새로운 의료기기의 개발이 활발히 이루어지고 있다.
의료기기 업계의 성장과 함께, 관련 업체에서 제조 또는 수입하는 제품에 대한 의료기기 해당 여부 판단 및 품목 분류 확인을 위한 민원 역시 급증하고 있다. 특히, 민원인이 스스로 판단할 수 있는 의료기기 관련 DB 등이 마련되어 있지 않는 바, 기존 민원과 유사한 민원이 반복적으로 식약처에 접수되고 있으며, 이에 따라 행정 효율성이 급격히 떨어지고 있다는 문제점이 존재한다.
또한, 동일한 의료기기 품목에 대하여 일반인, 산업계, 의료계, 및 규제기관의 상이한 용어를 사용하고 있는 바, 해당 의료기기에 대한 정보 검색에 불편을 초래하고 있다. 추가적으로, 일부 의료기기의 경우 원재료의 안전 관리가 중요함에도 한글, 영문 및 줄임말 표기 체계가 상이하다는 문제점이 존재한다.
따라서, 민원인이 쉽게 의료기기 관련 정보에 접근 할 수 있는 방법이 필요한 실정이다.
등록특허공보 제10-1252397호, 2013.04.02
본 개시에 개시된 실시예는 인공 지능 기반의 의료기기 상담 지원 서비스를 제공하는 방법 및 장치를 제공하는데 그 목적이 있다.
또한, 본 개시의 개시된 실시예는 민원 업무의 효율성 제고를 위한 용어 체계 정비 및 민원 처리 알고리즘을 적용하는 방법 및 장치를 제공하는데 그 목적이 있다.
본 개시가 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
본 개시의 일 실시예에 따른, 장치에 의해 수행되는, 의료 품목 상담 지원 서비스를 제공하는 방법은, 민원 내용이 포함된 제1 텍스트 데이터를 획득하는 단계; 상기 제1 텍스트 데이터에 포함된 한글을 영문으로 번역하여 제2 텍스트 데이터를 획득하는 단계; 문장 임베딩(sentence embedding)을 수행하도록 학습된 제1 인공지능(artificial intelligence, AI) 모델에 상기 제2 텍스트 데이터의 전체 또는 일부를 입력하여 제1 벡터 데이터를 획득하는 단계; 제2 AI 모델에 상기 제1 벡터 데이터를 입력하여 상기 민원 내용과 관련된 N(N은 1 이상의 자연수) 개의 의료 품목에 대한 정보를 획득하는 단계; 및 상기 획득된 N 개의 의료 품목에 대한 정보를 제공하는 단계를 포함할 수 있다.
그리고, 상기 제2 텍스트 데이터를 획득하는 단계는, 한글을 영문으로 번역하도록 학습된 제3 AI 모델을 포함하는 다른 장치로 상기 제1 텍스트 데이터를 전송하는 단계; 및 상기 제3 AI 모델을 통해 획득된 상기 제2 텍스트 데이터를 상기 다른 장치로부터 수신하는 단계를 포함할 수 있다.
그리고, 상기 제1 벡터 데이터를 획득하는 단계는, 상기 제2 텍스트 데이터에서 의료 용어 또는 화학 물질명 중의 적어도 하나와 관련된 개체명(named entity)을 인식하는 단계; 및 상기 인식된 개체명을 상기 제1 AI 모델에 입력하여 상기 제1 벡터 데이터를 획득하는 단계를 포함할 수 있다.
그리고, 상기 방법은, 상기 인식된 개체명과 관련된 정보 또는 상기 인식된 개체명과 관련된 정보를 획득할 수 있는 링크(link) 정보 중의 적어도 하나를 제공하는 단계를 더 포함할 수 있다.
그리고, 상기 방법은, 상기 인식된 개체명 또는 상기 인식된 개체명에 대응되는 벡터 데이터를 상기 제4 AI 모델에 입력하여 상기 인식된 개체명과 관련된 상기 N 개의 의료 품목에 대한 추가적인 정보를 획득하는 단계를 더 포함할 수 있다.
그리고, 상기 제2 AI 모델은, 복수의 의료 품목에 대한 정보에 포함된 텍스트에 대응되는 벡터 데이터 중 상기 제1 벡터 데이터와의 유사도가 가장 높은 순서대로 N 개의 제2 벡터 데이터를 식별하고, 상기 N 개의 제2 벡터 데이터에 대응되는 상기 N 개의 의료 품목에 대한 정보를 출력하도록 학습될 수 있다.
그리고, 상기 민원 내용과 관련된 상기 N 개의 의료 품목에 대한 정보는, 상기 제1 벡터 데이터와 상기 제2 벡터 데이터 간의 유사도, 상기 N 개의 의료 품목의 분류 코드, 또는 상기 N 개의 의료 품목에 대한 설명 텍스트 중의 적어도 하나를 포함할 수 있다.
그리고, 상기 유사도는, 상기 제1 벡터 데이터와 상기 제2 벡터 데이터 간의 코사인(cosine) 유사도를 포함할 수 있다.
본 개시의 또 다른 실시예로, 의료 품목 상담 지원 서비스를 제공하는 장치는, 하나 이상의 메모리(memory); 및 하나 이상의 프로세서를 포함하고, 상기 하나 이상의 프로세서는, 민원 내용이 포함된 제1 텍스트 데이터를 획득하고; 상기 제1 텍스트 데이터에 포함된 한글을 영문으로 번역하여 제2 텍스트 데이터를 획득하고; 문장 임베딩(sentence embedding)을 수행하도록 학습된 제1 인공지능(artificial intelligence, AI) 모델에 상기 제2 텍스트 데이터의 전체 또는 일부를 입력하여 제1 벡터 데이터를 획득하고; 제2 AI 모델에 상기 제1 벡터 데이터를 입력하여 상기 민원 내용과 관련된 N(N은 1 이상의 자연수) 개의 의료 품목에 대한 정보를 획득하고; 및 상기 획득된 N 개의 의료 품목에 대한 정보를 제공하도록 설정될 수 있다.
그리고, 상기 하나 이상의 프로세서는, 한글을 영문으로 번역하도록 학습된 제3 AI 모델을 포함하는 다른 장치로 상기 제1 텍스트 데이터를 전송하고; 및 상기 제3 AI 모델을 통해 획득된 상기 제2 텍스트 데이터를 상기 다른 장치로부터 수신할 수 있다.
그리고, 상기 하나 이상의 프로세서는, 상기 제2 텍스트 데이터에서 의료 용어 또는 화학 물질명 중의 적어도 하나와 관련된 개체명(named entity)을 인식하고; 및 상기 인식된 개체명을 상기 제1 AI 모델에 입력하여 상기 제1 벡터 데이터를 획득할 수 있다.
그리고, 상기 하나 이상의 프로세서는, 상기 인식된 개체명과 관련된 정보 또는 상기 인식된 개체명과 관련된 정보를 획득할 수 있는 링크(link) 정보 중의 적어도 하나를 제공할 수 있다.
그리고, 상기 하나 이상의 프로세서는, 상기 인식된 개체명 또는 상기 인식된 개체명에 대응되는 벡터 데이터를 상기 제4 AI 모델에 입력하여 상기 인식된 개체명과 관련된 상기 N 개의 의료 품목에 대한 추가적인 정보를 획득할 수 있다.
이 외에도, 본 개시를 구현하기 위한 실행하기 위한 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램이 더 제공될 수 있다.
이 외에도, 본 개시를 구현하기 위한 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 컴퓨터 판독 가능한 기록 매체가 더 제공될 수 있다.
본 개시에 전술한 과제 해결 수단에 의하면, 인공 지능 기반의 의료기기 상담 지원 서비스를 제공하는 방법 및 장치가 제공될 수 있다.
또한, 본 개시의 전술한 과제 해결 수단에 의하면, 민원 업무의 효율성 제고를 위한 용어 체계 정비 및 민원 처리 알고리즘을 적용하는 방법 및 장치가 제공될 수 있다.
또한, 본 개시의 전술한 과제 해결 수단에 의하면, 민원인이 의료기기에 대한 정보에 보다 쉽게 접근할 수 있게 함으로써, 중복 민원을 감소시킬 수 있다.
또한, 본 개시의 전술한 과제 해결 수단에 의하면, 의료 현장에서 사용되는 용어를 민원 처리 알고리즘에 적용함으로써, 민원 업무 효율을 증대시킬 수 있다.
본 개시의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 개시의 일 실시예에 따른, 인공 지능 기반의 의료기기 상담 지원 서비스를 제공하는 방법을 구현하기 위한 시스템의 개략도이다.
도 2는 본 개시의 일 실시예에 따른, 인공 지능 기반의 의료기기 상담 지원 서비스를 제공하는 장치의 구성을 설명하기 위한 블록도이다.
도 3은 본 개시의 일 실시예에 따른, 인공 지능 기반의 의료기기 상담 지원 서비스를 제공하는 방법을 설명하기 위한 순서도이다.
도 4는 본 개시의 일 실시예에 따른, 인공 지능 기반의 의료기기 상담 지원 서비스를 제공하는 방법의 설명하기 위한 도면이다.
도 5는 본 개시의 일 실시예에 따른, 민원 내용이 포함된 텍스트를 임베딩하고, 임베딩된 벡터 데이터 간의 유사도를 산출하는 과정을 설명하기 위한 도면이다.
도 6 및 도 7은 본 개시의 일 실시예에 따라, 장치가 획득한 의료 품목에 대한 정보의 예시를 나타낸다.
본 개시 전체에 걸쳐 동일 참조 부호는 동일 구성요소를 지칭한다. 본 개시가 실시예들의 모든 요소들을 설명하는 것은 아니며, 본 개시가 속하는 기술분야에서 일반적인 내용 또는 실시예들 간에 중복되는 내용은 생략한다. 명세서에서 사용되는 '부, 모듈, 부재, 블록'이라는 용어는 소프트웨어 또는 하드웨어로 구현될 수 있으며, 실시예들에 따라 복수의 '부, 모듈, 부재, 블록'이 하나의 구성요소로 구현되거나, 하나의 '부, 모듈, 부재, 블록'이 복수의 구성요소들을 포함하는 것도 가능하다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 직접적으로 연결되어 있는 경우 뿐 아니라, 간접적으로 연결되어 있는 경우를 포함하고, 간접적인 연결은 무선 통신망을 통해 연결되는 것을 포함한다.
또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
명세서 전체에서, 어떤 부재가 다른 부재 "상에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.
제 1, 제 2 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위해 사용되는 것으로, 구성요소가 전술된 용어들에 의해 제한되는 것은 아니다.
단수의 표현은 문맥상 명백하게 예외가 있지 않는 한, 복수의 표현을 포함한다.
각 단계들에 있어 식별부호는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 실시될 수 있다.
이하 첨부된 도면들을 참고하여 본 개시의 작용 원리 및 실시예들에 대해 설명한다.
본 명세서에서 '인공 지능 기반의 의료기기 상담 지원 서비스를 제공하는 장치'는 연산처리를 수행하여 사용자에게 결과를 제공할 수 있는 다양한 장치들이 모두 포함된다. 예를 들어, 본 개시에 따른 인공 지능 기반의 의료기기 상담 지원 서비스를 제공하는 장치는, 컴퓨터, 서버 장치 및 휴대용 단말기를 모두 포함하거나, 또는 어느 하나의 형태가 될 수 있다.
여기에서, 상기 컴퓨터는 예를 들어, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(desktop), 랩톱(laptop), 태블릿 PC, 슬레이트 PC 등을 포함할 수 있다.
상기 서버 장치는 외부 장치와 통신을 수행하여 정보를 처리하는 서버로써, 애플리케이션 서버, 컴퓨팅 서버, 데이터베이스 서버, 파일 서버, 게임 서버, 메일 서버, 프록시 서버 및 웹 서버 등을 포함할 수 있다.
상기 휴대용 단말기는 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), WiBro(Wireless Broadband Internet) 단말, 스마트 폰(Smart Phone) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치와 시계, 반지, 팔찌, 발찌, 목걸이, 안경, 콘택트 렌즈, 또는 머리 착용형 장치(head-mounted-device(HMD) 등과 같은 웨어러블 장치를 포함할 수 있다.
본 개시를 설명함에 있어서, “의료 품목”은 의료기기의 품목. 화학 물질 품목 중의 적어도 하나를 포함할 수 있다.
도 1은 본 개시의 일 실시예에 따른, 인공 지능 기반의 의료기기 상담 지원 서비스를 제공하는 방법을 구현하기 위한 시스템의 개략도이다.
도 1에 도시된 바와 같이, 인공 지능 기반의 의료기기 상담 지원 서비스를 제공하는 방법을 구현하기 위한 시스템(1000)은, 장치(100), 복수의 사용자(200-1, 200-2, …200-N), 의약 관련 행정 기관(예로, 식약처)(300) 및 AI 모델(400)을 포함할 수 있다.
여기서, 도 1에는 장치(100) 및 의약 관련 행정 기관(300)이 이용하는 장치가 하나의 데스크 탑의 형태로 구현된 경우가 도시되어 있으나, 이에 한정되는 것은 아니다. 장치(100) 및 의약 관련 행정 기관(300)이 이용하는 장치는 상술한 바와 같이 다양한 유형의 장치 또는 하나 이상의 유형의 장치가 연결된 장치 군을 의미할 수 있다.
또한, 도 1에는 복수의 사용자(200-1, 200-2, …200-N)가 이용하는 장치는 스마트 구현된 경우가 도시되어 있으나, 이에 한정되는 것은 아니며 다양한 유형의 장치로 구현될 수 있다.
시스템(1000)에 포함된 장치(100), 장치(100), 복수의 사용자(200-1, 200-2, …200-N), 의약 관련 행정 기관(예로, 식약처)(300) 및 AI 모델(400)은 네트워크(W)를 통해 통신을 수행할 수 있다. 여기서, 네트워크(W)는 유선 네트워크와 무선 네트워크를 포함할 수 있다. 예를 들어, 네트워크는 근거리 네트워크(LAN: Local Area Network), 도시권 네트워크(MAN: Metropolitan Area Network), 광역 네트워크(WAN: Wide Area Network) 등의 다양한 네트워크를 포함할 수 있다.
또한, 네트워크(W)는 공지의 월드 와이드 웹(WWW: World Wide Web)을 포함할 수도 있다. 그러나, 본 개시의 실시예에 따른 네트워크(W)는 상기 열거된 네트워크에 국한되지 않고, 공지의 무선 데이터 네트워크나 공지의 전화 네트워크, 공지의 유무선 텔레비전 네트워크를 적어도 일부로 포함할 수도 있다.
장치(100)는 의료 품목 상담 지원 서비스를 제공할 수 있다.
예로, 장치(100)는 민원 내용이 포함된 제1 텍스트 데이터를 획득할 수 있다. 장치(100)는 제1 텍스트 데이터에 포함된 한글을 영문으로 번역하여 제2 텍스트 데이터를 획득할 수 있다. 장치(100)는 문장 임베딩(sentence embedding)(또는, 벡터 임베딩)을 수행하도록 학습된 AI 모델에 제2 텍스트 데이터의 전체 또는 일부를 입력하여 제1 벡터 데이터를 획득할 수 있다. 장치(100)는 AI 모델에 제1 벡터 데이터를 입력하여 민원 내용과 관련된 N(N은 1 이상의 자연수) 개의 의료 품목에 대한 정보를 획득할 수 있다. 장치는 획득된 N 개의 의료 품목에 대한 정보를 제공할 수 있다.
상술된 장치가 수행하는 동작은 도 2 내지 도 7을 참조하여 구체적으로 설명하도록 한다.
복수의 사용자(200-1, 200-2, …200-N)들은 의약 기관 행정 기관(300)이 제공하는 게시판(예로, 민원 게시판)에서 각종 민원 내용이 담긴 게시글을 업로드할 수 있다.
민원 내용은 특정 업체에서 제조/수입하는 제품에 대한 의료기기 해당 여부 판단 및 품목 분류 확인을 요구하는 내용을 포함할 수 있다. 다만, 이에 제한되는 것은 아니며, 민원 내용은 복수의 사용자(200-1, 200-2, …200-N)에 의해 다양하게 구성될 수 있다.
의약 관련 행정 기관(예로, 식약처)(300)는 민원 내용이 담긴 게시글을 업로드할 수 있는 게시판을 제공할 수 있다. 또한, 의약 관련 행정 기관(300)은 의료 품목 상담 지원 서비스를 제공하기 위해 필요한 각종 데이터(예로, 허가 받은 의료기기의 작용 원리, 품목 분류 정보, 화학 의약품과 관련된 정보, 의료 기기/화학 의약품과 관련하여 미리 작성된 민원 답변/판례 내용 등)을 장치(100)로 제공할 수 있다.
AI 모델(400)은 의료 품목 상담 지원 서비스를 제공하기 위한 각종 정보를 출력하도록 학습될 수 있다.
AI 모델(400)은 문장 임베딩(sentence embedding)(또는, 벡터 임베딩)을 수행하도록 학습된 제1 AI 모델, 임베딩된 벡터 데이터에 기초하여 의료 품목에 대한 정보를 출력하도록 학습된 제2 AI 모델, 한글을 영문으로 번역하도록 학습된 제3 AI 모델, 인식된 개체명에 기초하여 의료 품목에 대한 정보를 출력하도록 학습된 제4 AI 모델을 포함할 수 있다.
일 예로, 제1 AI 모델은 MIMIC-III/PubMed 미리 학습된(pretrained) 모델 (예로, NCBI/BioWordVec, BioSentVec)을 포함할 수 있다. 또 다른 예로, 제1 AI 모델은 의료 컨텍스트(clinical context)를 반영한 BERT(Bidirectional Encoder Representations from Transformers) 모델을 포함할 수 있다.
제1 AI 모델, 제2 AI 모델, 제3 AI 모델, 및 제4 AI 모델은 별개의 모델로 구현될 수 있으나, 이에 제한되는 것은 아니며 하나의 모델로 구현될 수도 있다.
도 1은 AI 모델(400)이 장치(100) 외부에 구현(예로, 클라우드 기반(cloud-based)으로 구현)된 경우를 도시하고 있으나, 이에 한정되는 것은 아니며, 장치(100)에 일 구성 요소로 구현될 수 있다.
도 2는 본 개시의 일 실시예에 따른, 인공 지능 기반의 의료기기 상담 지원 서비스를 제공하는 장치(100)의 구성을 설명하기 위한 블록도이다.
도 2에 도시된 바와 같이, 장치(100)는 메모리(110), 통신 모듈(120), 디스플레이(130), 입력 모듈(140) 및 프로세서(150)를 포함할 수 있다. 다만, 이에 국한되는 것은 아니며, 장치(100)는 필요한 동작에 따라 당업자 관점에서 자명한 범위 내에서 소프트웨어 및 하드웨어 구성이 수정/추가/생략될 수 있다.
메모리(110)는 본 장치(100)의 다양한 기능을 지원하는 데이터와, 프로세서(150)의 동작을 위한 프로그램을 저장할 수 있고, 입/출력되는 데이터들(예를 들어, 식약처로부터 수신된 의료 품목 관련 데이터베이스, 민원 내용이 포함된 텍스트 데이터, AI 모델을 통해 획득된 의료 품목에 대한 정보 등)을 저장할 있고, 본 장치에서 구동되는 다수의 응용 프로그램(application program 또는 애플리케이션(application)), 본 장치(100)의 동작을 위한 데이터들, 명령어들을 저장할 수 있다. 이러한 응용 프로그램 중 적어도 일부는, 무선 통신을 통해 외부 서버로부터 다운로드 될 수 있다.
이러한, 메모리(110)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), SSD 타입(Solid State Disk type), SDD 타입(Silicon Disk Drive type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(random access memory; RAM), SRAM(static random access memory), 롬(read-only memory; ROM), EEPROM(electrically erasable programmable read-only memory), PROM(programmable read-only memory), 자기 메모리, 자기 디스크 및 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
또한, 메모리(110)는 본 장치와는 분리되어 있으나, 유선 또는 무선으로 연결된 데이터베이스를 포함할 수 있다. 즉, 도 1에 도시된 데이터 베이스는 메모리(110)의 일 구성 요소로 구현될 수 있다.
통신 모듈(120)는 외부 장치와 통신을 가능하게 하는 하나 이상의 구성 요소를 포함할 수 있으며, 예를 들어, 방송 수신 모듈, 유선통신 모듈, 무선통신 모듈, 근거리 통신 모듈, 위치정보 모듈 중 적어도 하나를 포함할 수 있다.
유선 통신 모듈은, 지역 통신(Local Area Network; LAN) 모듈, 광역 통신(Wide Area Network; WAN) 모듈 또는 부가가치 통신(Value Added Network; VAN) 모듈 등 다양한 유선 통신 모듈뿐만 아니라, USB(Universal Serial Bus), HDMI(High Definition Multimedia Interface), DVI(Digital Visual Interface), RS-232(recommended standard232), 전력선 통신, 또는 POTS(plain old telephone service) 등 다양한 케이블 통신 모듈을 포함할 수 있다.
무선 통신 모듈은 와이파이(Wifi) 모듈, 와이브로(Wireless broadband) 모듈 외에도, GSM(global System for Mobile Communication), CDMA(Code Division Multiple Access), WCDMA(Wideband Code Division Multiple Access), UMTS(universal mobile telecommunications system), TDMA(Time Division Multiple Access), LTE(Long Term Evolution), 4G, 5G, 6G 등 다양한 무선 통신 방식을 지원하는 무선 통신 모듈을 포함할 수 있다.
디스플레이(130)는 본 장치(100)에서 처리되는 정보(예를 들어, 식약처로부터 수신된 의료 품목 관련 데이터베이스, 민원 내용이 포함된 텍스트 데이터, AI 모델을 통해 획득된 의료 품목에 대한 정보 등)를 표시(출력)한다. 예를 들어, 디스플레이는 본 장치(100)에서 구동되는 응용 프로그램(일 예로, 어플리케이션)의 실행화면 정보, 또는 이러한 실행화면 정보에 따른 UI(User Interface), GUI(Graphic User Interface) 정보를 표시할 수 있다.
입력 모듈(140)은 사용자로부터 정보를 입력받기 위한 것으로서, 사용자 입력부를 통해 정보가 입력되면, 프로세서(150)는 입력된 정보에 대응되도록 본 장치(100)의 동작을 제어할 수 있다.
이러한, 입력 모듈(140)은 하드웨어식 물리 키(예를 들어, 본 장치의 전면, 후면 및 측면 중 적어도 하나에 위치하는 버튼, 돔 스위치 (dome switch), 조그 휠, 조그 스위치 등) 및 소프트웨어식 터치 키를 포함할 수 있다. 일 예로서, 터치 키는, 소프트웨어적인 처리를 통해 터치스크린 타입의 디스플레이(130) 상에 표시되는 가상 키(virtual key), 소프트 키(soft key) 또는 비주얼 키(visual key)로 이루어지거나, 상기 터치스크린 이외의 부분에 배치되는 터치 키(touch key)로 이루어질 수 있다. 한편, 상기 가상키 또는 비주얼 키는, 다양한 형태를 가지면서 터치스크린 상에 표시되는 것이 가능하며, 예를 들어, 그래픽(graphic), 텍스트(text), 아이콘(icon), 비디오(video) 또는 이들의 조합으로 이루어질 수 있다.
프로세서(150)는 장치(100)의 전반적인 동작 및 기능을 제어할 수 있다. 구체적으로, 프로세서(150)는 본 장치(100) 내의 구성요소들의 동작을 제어하기 위한 알고리즘 또는 알고리즘을 재현한 프로그램에 대한 데이터를 저장하는 메모리, 및 메모리에 저장된 데이터를 이용하여 전술한 동작을 수행하는 적어도 하나의 프로세서(미도시)로 구현될 수 있다. 이때, 메모리와 프로세서는 각각 별개의 칩으로 구현될 수 있다. 또는, 메모리와 프로세서는 단일 칩으로 구현될 수도 있다.
또한, 프로세서(150)는 이하의 도 2 내지 도 7에서 설명되는 본 개시에 따른 다양한 실시 예들을 본 장치(100) 상에서 구현하기 위하여, 위에서 살펴본 구성요소들을 중 어느 하나 또는 복수를 조합하여 제어할 수 있다.
도 3은 본 개시의 일 실시예에 따른, 인공 지능 기반의 의료기기 상담 지원 서비스를 제공하는 방법을 설명하기 위한 순서도이다.
장치는 민원 내용이 포함된 제1 텍스트 데이터를 획득할 수 있다(S310).
일 예로, 장치는 의약 관련 행정 기관(예로, 식약처)에서 제공하는 게시판에 업로드된 게시글에 포함된 민원 내용을 스크래핑(scraping)함으로써 제1 텍스트 데이터를 획득할 수 있다. 또 다른 예로, 장치는 의약 관련 행정 기관으로부터 민원 내용이 포함된 제1 텍스트 데이터를 획득할 수 있다.
도 4를 참조하면, 장치느 식약처(300)가 제공하는 민원 게시판(410) 상에 특정 사용자로부터 업로드된 민원 내용이 포함된 제1 텍스트 데이터(420)를 획득할 수 있다. 이 때, 제1 텍스트 데이터(420)는 한글 문서(즉, 한글로 구성된 텍스트 데이터)이 영문 용어(예로, 영문으로 구성된 의료 품목 용어 등)가 포함되어 있을 수 있다.
장치는 제1 텍스트 데이터에 포함된 한글을 영문으로 번역하여 제2 텍스트 데이터 획득할 수 있다(S320).
장치는 임상/의료 영역의 민원과 관련된 제1 텍스트 데이터를 사전 학습된 언어 AI 모델에 입력하기 위하여 한글을 영문으로 번역할 수 있다.
일 예로, 장치는 한글을 영문으로 번역하도록 학습된 제3 AI 모델을 포함한 다른 장치로 제1 텍스트 데이터를 전송할 수 있다. 이 때, 장치가 제1 텍스트 데이터를 다른 장치로 전송한다는 것은 다른 장치가 제공하는 웹 사이트 내(또는, 웹 사이트 내에서 제3 AI 모델에 텍스트 데이터를 입력할 수 있도록 구성된 UI)에 제1 텍스트 데이터를 입력한다는 것을 의미할 수 있다. 장치는 제3 AI 모델을 통해 획득된 제2 텍스트 데이터를 다른 장치로부터 수신할 수 있다.
도 4를 참조하면, 장치는 제1 텍스트 데이터(420)를 제3 AI 모델(즉, Kor-Eng Translator)(430)에 입력하여 번역 데이터(즉, 제2 텍스트 데이터)(440)를 획득할 수 있다.
장치는 문장 임베딩을 수행하도록 학습된 제1 AI 모델에 제2 텍스트 데이터의 전체 또는 일부를 입력하여 제1 벡터 데이터를 획득할 수 있다(S330).
일 예로, 제1 AI 모델은 영문으로 번역된 제2 텍스트 데이터를 밀집한 벡터 공간으로 사영할 수 있다. 제1 AI 모델을 통해 임베딩된 제1 벡터 데이터는 추후 유사도 검색 또는 의료 품복 분류에 이용될 수 있다.
이 때, 장치는 제1 AI 모델에 입력하기 전에 제2 텍스트 데이터에 대해 전처리를 수행할 수 있다. 예로, 장치는 제2 텍스트 데이터 상의 특수 문자, 중복 단어, 기호만 있는 행 등은 제거할 수 있다. 장치는 전처리를 수행한 제2 텍스트 데이터를 제1 AI 모델에 입력하여 제1 벡터 데이터를 획득할 수 있다.
또 다른 예로, 장치는 제2 텍스트 데이터에서 의료 용어 또는 화학 물질명 중의 적어도 하나와 관련된 개체명(named entity recognition, NER)을 인식할 수 있다. 구체적으로, 장치는 의료 용어와 관련된 코퍼스(corpus)에 기초하여 복수의 개체명을 수집/획득할 수 있다. 이에 따라, 장치는 제2 텍스트 데이터 상에 기 수집/획득된 개체명을 식별/인식할 수 있다. 그리고, 장치는 인식된 개체명을 제1 AI 모델에 입력하여 제1 벡터 데이터를 획득할 수 있다.
또 다른 예로, 장치는 인식된 개체명과 관련된 정보 또는 인식된 개체명과 관련된 정보를 획득할 수 있는 링크(link) 정보 중의 적어도 하나를 제공할 수도 있다. 구체적으로, 장치는 인식된 개체명에 대한 정보를 확인할 수 있는 웹 사이트에 접속할 수 있는 링크 정보 또는 식약처 등 각종 의료 전문 기관으로부터 획득된 개체명과 관련된 정보를 사용자(즉, 민원을 제기한 사용자)에게 제공할 수 있다.
도 4를 참조하면, 장치는 제2 텍스트 데이터(440)를 문장 임베딩(또는, 벡터 임베딩, 워드 임베딩 등)을 수행하도록 학습된 제1 AI 모델(460)에 입력하여 제1 벡터 데이터를 획득할 수 있다.
또 다른 예로, 장치는 제2 텍스트 데이터(440)에서 의료 기기 또는 화학 물질과 관련된 개체명(450)을 인식할 수 있다. 그리고, 장치는 인식된 개체명(450)과 관련된 정보 또는/및 인식된 개체명(450)과 관련된 정보를 획득할 수 있는 링크 정보(480)를 제공할 수 있다.
장치는 제2 AI 모델에 제1 벡터 데이터를 입력하여 민원 내용과 관련된 N(N은 1 이상의 자연수) 개의 의료 품목에 대한 정보를 획득할 수 있다(S340).
제2 AI 모델은 복수의 의료 품목에 대한 정보에 포함된 텍스트에 대응되는 벡터 데이터 중 제1 벡터 데이터와의 유사도가 가장 높은 순서대로 N(N은 1이상의 자연수) 개의 제2 벡터 데이터를 식별하고, N 개의 제2 벡터 데이터에 대응되는 N 개의 의료 품목에 대한 정보를 출력하도록 학습될 수 있다.
여기서, 민원 내용과 관련된 N 개의 의료 품목에 대한 정보는, 제1 벡터 데이터 및 제2 벡터 데이터 간의 유사도, N 개의 의료 품목의 분류 코드, 또는 N 개의 의료 품목에 대한 설명 텍스트 중의 적어도 하나를 포함할 수 있으나, 이에 제한되는 것은 아니다.
즉, 제2 AI 모델은 CBIR(content based information retrieval) 방식(또는, 멀티-라벨(multi-label) 분류(classification))을 수행하여 제1 벡터 데이터와 유사한 적어도 하나의 벡터 데이터를 검색하도록 학습된 모델을 의미한다. 즉, 제2 AI 모델을 학습시킨다는 것은 사용 목적에 맞는 정보를 빠르게 출력하는 추천 시스템을 구축한다는 것을 의미할 수 있다.
여기서, 유사도는 제1 벡터 데이터와 제2 벡터 데이터 간의 코사인(cosine) 유사도를 의미할 수 있다.
도 4를 참조하면, 장치는 문장 임베딩(460)을 수행하여 획득된 제1 벡터 데이터를 제2 AI 모델(즉, CBIR 방식에 기초하여 학습된 AI 모델)(470)에 입력함으로써, 제1 벡터 데이터와 가장 유사한 순서대로 N 개(예로, 5개 또는 10)개의 제2 벡터 데이터(490)를 획득할 수 있다.
이 때, N 개의 제2 벡터 데이터 각각은 N 개의 민원 내용과 관련된 의료 품목에 대한 정보에 대응될 수 있다. 즉, N 개의 민원 내용과 관련된 의료 품목에 대한 문장 임베딩 수행 결과가 N 개의 제2 벡터 데이터일 수 있다.
장치는 N 개의 제2 벡터 데이터를 N 개의 민원 내용과 관련된 의료 품목에 대한 텍스트 데이터로 변환할 수 있다. 즉, 해당 텍스트 데이터는 민원인(즉, 민원 내용이 담긴 게시글을 업로드한 사용자)이 업로드한 민원 내용에 대한 답변 또는 답변을 위한 의료 품목 관련 정보에 관한 것일 수 있다.
제2 AI 모델에 기초하여 민원 내용과 관련된 의료 품목에 대한 정보를 획득하는 과정은 도 5를 참조하여 구체적으로 설명하도록 한다.
또 다른 예로, 장치는 인식된 개체명(450)(또는/및 인식된 개체명(450)에 대응되는 벡터 데이터)을 제2 AI 모델(470)에 입력하여 인식된 개체명과 관련된 N 개의 의료 품목에 대한 추가적인 정보를 획득할 수 있다.
장치는 획득된 민원 내용과 관련된 N 개의 의료 품목에 대한 정보를 민원인 또는/및 의약 관련 행정 기관이 이용하는 장치로 제공할 수 있다(S350).
장치에 의해 획득된 민원 내용과 관련된 N 개의 의료 품목에 대한 정보는 도 6 및 도 7을 참조하여 설명하도록 한다.
도 5는 본 개시의 일 실시예에 따른, 민원 내용이 포함된 텍스트를 임베딩하고, 임베딩한 벡터 데이터 간의 유사도를 산출하는 과정을 설명하기 위한 도면이다.
장치는 민원 내용이 포함된 제1 텍스트 데이터(510)를 획득할 수 있다. 장치는 제1 텍스트 데이터(510)를 제2 AI 모델(예로, ClinicalBERT 기반 AI 모델)(520)에 입력하여 제1 텍스트 데이터(510)에 대응되는 제1 벡터 데이터를 획득할 수 있다. 즉, 미리 학습된 제2 AI 모델은 제1 텍스트 데이터(510)에 대해 문장 임베딩을 수행함으로써 제1 벡터 데이터를 출력할 수 있다.
장치는 제1 벡터 데이터를 분류기(classifier) 모델에 입력함으로써 제1 텍스트 데이터(510)에 포함된 의료 항목명(또는, 품목명)의 분류 결과를 획득할 수 있다. 분류기 모델은 입력된 데이터를 품목 별로 분류하도록 학습된 모델을 의미할 수 있다. 분류기 모델은 제2 AI 모델의 일 요소일 수 있으나, 이에 제한되는 것은 아니며 별개의 AI 모델로 구현될 수도 있다.
또 다른 예로, 장치는 제1 벡터 데이터와 다른 복수의 벡터 데이터 간의 유사도 검사(530)를 수행할 수 있다.
예로, 장치는 (식약처 등을 통해 획득된) 허가 받은 의료기기의 작용 원리에 대한 텍스트, 품목 분류 정보에 대한 텍스트, 화학 의약품과 관련된 정보에 대한 텍스트, 의료기기/화학 의약품과 관련하여 미리 작성된 민원 답변/판례 텍스트 등에 대응되는 벡터 데이터를 수집할 수 있다. 즉, 장치는 각종 의료기기/화학 의약품과 관련된 텍스트에 기초한 데이터베이스를 구축할 수 있다.
그리고, 장치는 구축된 데이터베이스에 포함된 텍스트 각각에 대해 문장 임베딩을 수행함으로써 복수의 벡터 데이터를 미리 획득할 수 있다. 장치는 제1 벡터 데이터와 미리 획득된 복수의 벡터 데이터 간의 코사인 유사도를 획득할 수 있다.
장치는 제1 벡터 데이터 및 복수의 벡터 데이터 간의 유사도를 산출/획득(540)할 수 있다. 장치가 제1 텍스트 데이터에 대응되는 제1 벡터 데이터와 다른 벡터 데이터 간의 유사도를 산출한다는 것은, 기존 민원 문서/의료 관련 정보/판례 중 제1 텍스트 데이터와 가장 유사한 정보/문서를 검색한다는 것을 의미할 수 있다.
장치는 유사도가 가장 높은 10개의 벡터 데이터를 식별할 수 있다. 그리고, 장치는 식별된 10개의 벡터 데이터에 대응되는 텍스트를 식별할 수 있다.
예로, '안경 렌즈'와 관련된 정보에 대한 텍스트에 대응되는 벡터 데이터와 제1 벡터 데이터 간의 유사도가 0.999일 수 있다. 즉, 장치는 제1 텍스트 데이터와 가장 유사한/관련된 의료기기 품목은 '안경 렌즈'인 것으로 식별할 수 있다. 이 후, 장치는 '안경 렌즈' 정보에 대한 텍스트를 제공할 수 있다.
도 6 및 도 7은 본 개시의 일 실시예에 따라, 장치가 획득한 의료 품목에 대한 정보의 예시를 나타낸다.
일 예로, 도 6에 도시된 바와 같이, 의료 품목에 대한 정보(620)는, i) 민원 내용(610)이 포함된 제1 텍스트 데이터에 대응되는 제1 벡터 데이터 및 제2 벡터 데이터 간의 유사도(similarity), ii) 의료 품목의 분류 코드, 또는 iii) 해당 의료 품목에 대한 설명 텍스트 중의 적어도 하나를 포함할 수 있다.
또 다른 예로, 도 7에 도시된 바와 같이, 의료 품목에 대한 정보는, i) 유사도, ii) 해당 의료 품목에 대한 설명 텍스트, iii) 추천 순위(즉, 유사도 순위)를 포함할 수 있다.
한편, 개시된 실시예들은 컴퓨터에 의해 실행 가능한 명령어를 저장하는 기록매체의 형태로 구현될 수 있다. 명령어는 프로그램 코드의 형태로 저장될 수 있으며, 프로세서에 의해 실행되었을 때, 프로그램 모듈을 생성하여 개시된 실시예들의 동작을 수행할 수 있다. 기록매체는 컴퓨터로 읽을 수 있는 기록매체로 구현될 수 있다.
컴퓨터가 읽을 수 있는 기록매체로는 컴퓨터에 의하여 해독될 수 있는 명령어가 저장된 모든 종류의 기록 매체를 포함한다. 예를 들어, ROM(Read Only Memory), RAM(Random Access Memory), 자기 테이프, 자기 디스크, 플래쉬 메모리, 광 데이터 저장장치 등이 있을 수 있다.
이상에서와 같이 첨부된 도면을 참조하여 개시된 실시예들을 설명하였다. 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자는 본 개시의 기술적 사상이나 필수적인 특징을 변경하지 않고도, 개시된 실시예들과 다른 형태로 본 개시가 실시될 수 있음을 이해할 것이다. 개시된 실시예들은 예시적인 것이며, 한정적으로 해석되어서는 안 된다.
100: 장치
110: 메모리
120: 통신 모듈
130: 디스플레이
140: 입력 모듈
150 : 프로세서

Claims (16)

  1. 장치에 의해 수행되는, 의료 품목 상담 지원 서비스를 제공하는 방법에 있어서, 상기 방법은:
    민원 내용이 포함된 제1 텍스트 데이터를 획득하는 단계;
    상기 제1 텍스트 데이터에 포함된 한글을 영문으로 번역하여 제2 텍스트 데이터를 획득하는 단계;
    문장 임베딩(sentence embedding)을 수행하도록 학습된 제1 인공지능(artificial intelligence, AI) 모델에 상기 제2 텍스트 데이터의 전체 또는 일부를 입력하여 제1 벡터 데이터를 획득하는 단계;
    제2 AI 모델에 상기 제1 벡터 데이터를 입력하여 상기 민원 내용과 관련된 N(N은 1 이상의 자연수) 개의 의료 품목에 대한 정보를 획득하는 단계; 및
    상기 획득된 N 개의 의료 품목에 대한 정보를 제공하는 단계를 포함하는, 방법.
  2. 제1항에 있어서,
    상기 제2 텍스트 데이터를 획득하는 단계는,
    한글을 영문으로 번역하도록 학습된 제3 AI 모델을 포함하는 다른 장치로 상기 제1 텍스트 데이터를 전송하는 단계; 및
    상기 제3 AI 모델을 통해 획득된 상기 제2 텍스트 데이터를 상기 다른 장치로부터 수신하는 단계를 포함하는, 방법.
  3. 제2항에 있어서,
    상기 제1 벡터 데이터를 획득하는 단계는,
    상기 제2 텍스트 데이터에서 의료 용어 또는 화학 물질명 중의 적어도 하나와 관련된 개체명(named entity)을 인식하는 단계; 및
    상기 인식된 개체명을 상기 제1 AI 모델에 입력하여 상기 제1 벡터 데이터를 획득하는 단계를 포함하는, 방법.
  4. 제3항에 있어서,
    상기 인식된 개체명과 관련된 정보 또는 상기 인식된 개체명과 관련된 정보를 획득할 수 있는 링크(link) 정보 중의 적어도 하나를 제공하는 단계를 더 포함하는, 방법.
  5. 제3항에 있어서,
    상기 인식된 개체명 또는 상기 인식된 개체명에 대응되는 벡터 데이터를 상기 제4 AI 모델에 입력하여 상기 인식된 개체명과 관련된 상기 N 개의 의료 품목에 대한 추가적인 정보를 획득하는 단계를 더 포함하는, 방법.
  6. 제5항에 있어서,
    상기 제2 AI 모델은, 복수의 의료 품목에 대한 정보에 포함된 텍스트에 대응되는 벡터 데이터 중 상기 제1 벡터 데이터와의 유사도가 가장 높은 순서대로 N 개의 제2 벡터 데이터를 식별하고,
    상기 N 개의 제2 벡터 데이터에 대응되는 상기 N 개의 의료 품목에 대한 정보를 출력하도록 학습된, 방법.
  7. 제6항에 있어서,
    상기 민원 내용과 관련된 상기 N 개의 의료 품목에 대한 정보는,
    상기 제1 벡터 데이터와 상기 제2 벡터 데이터 간의 유사도, 상기 N 개의 의료 품목의 분류 코드, 또는 상기 N 개의 의료 품목에 대한 설명 텍스트 중의 적어도 하나를 포함하는, 방법.
  8. 제7항에 있어서,
    상기 유사도는, 상기 제1 벡터 데이터와 상기 제2 벡터 데이터 간의 코사인(cosine) 유사도를 포함하는, 방법.
  9. 의료 품목 상담 지원 서비스를 제공하는 장치에 있어서, 상기 장치는:
    하나 이상의 메모리(memory); 및
    하나 이상의 프로세서를 포함하고,
    상기 하나 이상의 프로세서는,
    민원 내용이 포함된 제1 텍스트 데이터를 획득하고;
    상기 제1 텍스트 데이터에 포함된 한글을 영문으로 번역하여 제2 텍스트 데이터를 획득하고;
    문장 임베딩(sentence embedding)을 수행하도록 학습된 제1 인공지능(artificial intelligence, AI) 모델에 상기 제2 텍스트 데이터의 전체 또는 일부를 입력하여 제1 벡터 데이터를 획득하고;
    제2 AI 모델에 상기 제1 벡터 데이터를 입력하여 상기 민원 내용과 관련된 N(N은 1 이상의 자연수) 개의 의료 품목에 대한 정보를 획득하고; 및
    상기 획득된 N 개의 의료 품목에 대한 정보를 제공하도록 설정되는, 장치.
  10. 제9항에 있어서,
    상기 하나 이상의 프로세서는,
    한글을 영문으로 번역하도록 학습된 제3 AI 모델을 포함하는 다른 장치로 상기 제1 텍스트 데이터를 전송하고; 및
    상기 제3 AI 모델을 통해 획득된 상기 제2 텍스트 데이터를 상기 다른 장치로부터 수신하는, 장치.
  11. 제10항에 있어서,
    상기 하나 이상의 프로세서는,
    상기 제2 텍스트 데이터에서 의료 용어 또는 화학 물질명 중의 적어도 하나와 관련된 개체명(named entity)을 인식하고; 및
    상기 인식된 개체명을 상기 제1 AI 모델에 입력하여 상기 제1 벡터 데이터를 획득하는, 장치.
  12. 제11항에 있어서,
    상기 하나 이상의 프로세서는,
    상기 인식된 개체명과 관련된 정보 또는 상기 인식된 개체명과 관련된 정보를 획득할 수 있는 링크(link) 정보 중의 적어도 하나를 제공하는, 장치.
  13. 제11항에 있어서,
    상기 하나 이상의 프로세서는,
    상기 인식된 개체명 또는 상기 인식된 개체명에 대응되는 벡터 데이터를 상기 제4 AI 모델에 입력하여 상기 인식된 개체명과 관련된 상기 N 개의 의료 품목에 대한 추가적인 정보를 획득하는, 장치.
  14. 제13항에 있어서,
    상기 제2 AI 모델은, 복수의 의료 품목에 대한 정보에 포함된 텍스트에 대응되는 벡터 데이터 중 상기 제1 벡터 데이터와의 유사도가 가장 높은 순서대로 N 개의 제2 벡터 데이터를 식별하고,
    상기 N 개의 제2 벡터 데이터에 대응되는 상기 N 개의 의료 품목에 대한 정보를 출력하도록 학습된, 장치.
  15. 제14항에 있어서,
    상기 민원 내용과 관련된 상기 N 개의 의료 품목에 대한 정보는,
    상기 제1 벡터 데이터와 상기 제2 벡터 데이터 간의 유사도, 상기 N 개의 의료 품목의 분류 코드, 또는 상기 N 개의 의료 품목에 대한 설명 텍스트 중의 적어도 하나를 포함하는, 장치.
  16. 제15항에 있어서,
    상기 유사도는, 상기 제1 벡터 데이터와 상기 제2 벡터 데이터 간의 코사인(cosine) 유사도를 포함하는, 장치.
KR1020220129988A 2022-10-11 2022-10-11 인공 지능 기반의 의료기기 상담 지원 서비스를 제공하는 방법 및 장치 KR20240050164A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220129988A KR20240050164A (ko) 2022-10-11 2022-10-11 인공 지능 기반의 의료기기 상담 지원 서비스를 제공하는 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220129988A KR20240050164A (ko) 2022-10-11 2022-10-11 인공 지능 기반의 의료기기 상담 지원 서비스를 제공하는 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20240050164A true KR20240050164A (ko) 2024-04-18

Family

ID=90844433

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220129988A KR20240050164A (ko) 2022-10-11 2022-10-11 인공 지능 기반의 의료기기 상담 지원 서비스를 제공하는 방법 및 장치

Country Status (1)

Country Link
KR (1) KR20240050164A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101252397B1 (ko) 2011-06-02 2013-04-08 포항공과대학교 산학협력단 웹을 이용한 정보 검색 방법 및 이를 사용하는 음성 대화 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101252397B1 (ko) 2011-06-02 2013-04-08 포항공과대학교 산학협력단 웹을 이용한 정보 검색 방법 및 이를 사용하는 음성 대화 방법

Similar Documents

Publication Publication Date Title
US11669698B2 (en) Method and system for automatic formality classification
US9916303B2 (en) Answering time-sensitive questions
US8863233B2 (en) Response determination apparatus, response determination method, response determination program, recording medium, and response determination system
CN110852106A (zh) 基于人工智能的命名实体处理方法、装置及电子设备
US20200372088A1 (en) Recommending web api's and associated endpoints
US20170185590A1 (en) Method and system for automatic formality transformation
US11120221B2 (en) Method and system to resolve ambiguities in regulations
CN114595686B (zh) 知识抽取方法、知识抽取模型的训练方法及装置
KR102079289B1 (ko) 와인 추천 시스템 및 방법
US11640420B2 (en) System and method for automatic summarization of content with event based analysis
CN110688844A (zh) 一种文本标注方法及装置
Tohira et al. Machine learning and natural language processing to identify falls in electronic patient care records from ambulance attendances
US10706109B2 (en) Persona based content modification
CN117522538A (zh) 招投标信息处理方法、装置、计算机设备及存储介质
KR20240050164A (ko) 인공 지능 기반의 의료기기 상담 지원 서비스를 제공하는 방법 및 장치
CN111241274A (zh) 刑事法律文书处理方法和装置、存储介质和电子设备
Mancuso Brehm Respecting communities: Languages and cultural understanding in international development work
CN107273362B (zh) 数据处理方法及其设备
CN115080039A (zh) 前端代码生成方法、装置、计算机设备、存储介质和产品
KR102513822B1 (ko) Etl 장치 및 그것의 제어방법
CN113609833A (zh) 文件的动态生成方法、装置、计算机设备及存储介质
KR20220007762A (ko) 뷰티의료 진료 매칭을 수행하는 전자 장치 및 그 방법
KR102545551B1 (ko) 인공지능 기반 맞춤형 건강기능식품 큐레이션 서비스 제공 방법, 장치 및 시스템
KR102375770B1 (ko) 인플루언서에 대한 정보를 분석하기 위한 전자 장치 및 그 동작 방법
Adithya et al. Healthcare in Your Hands: Sentiment Analysis on Indian Telemedicine in the Era of Global Pandemic