KR20240062214A - 이용자 맞춤형 헬스케어 프로그램 및 콘텐츠 제공 시스템 - Google Patents
이용자 맞춤형 헬스케어 프로그램 및 콘텐츠 제공 시스템 Download PDFInfo
- Publication number
- KR20240062214A KR20240062214A KR1020220141219A KR20220141219A KR20240062214A KR 20240062214 A KR20240062214 A KR 20240062214A KR 1020220141219 A KR1020220141219 A KR 1020220141219A KR 20220141219 A KR20220141219 A KR 20220141219A KR 20240062214 A KR20240062214 A KR 20240062214A
- Authority
- KR
- South Korea
- Prior art keywords
- user
- program
- data
- content
- healthcare
- Prior art date
Links
- 230000036541 health Effects 0.000 claims abstract description 40
- 238000004891 communication Methods 0.000 claims abstract description 37
- 235000005911 diet Nutrition 0.000 claims description 30
- 230000037213 diet Effects 0.000 claims description 29
- 238000013473 artificial intelligence Methods 0.000 claims description 18
- 238000013528 artificial neural network Methods 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 13
- 238000000034 method Methods 0.000 claims description 12
- 238000013480 data collection Methods 0.000 claims description 9
- 238000007405 data analysis Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000005065 mining Methods 0.000 claims description 3
- 230000009182 swimming Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 208000017667 Chronic Disease Diseases 0.000 description 6
- 201000010099 disease Diseases 0.000 description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000012706 support-vector machine Methods 0.000 description 5
- 230000036772 blood pressure Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 230000009897 systematic effect Effects 0.000 description 3
- 210000000577 adipose tissue Anatomy 0.000 description 2
- 230000036760 body temperature Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 235000006694 eating habits Nutrition 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 238000005728 strengthening Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- 235000009854 Cucurbita moschata Nutrition 0.000 description 1
- 240000001980 Cucurbita pepo Species 0.000 description 1
- 235000009852 Cucurbita pepo Nutrition 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000002555 auscultation Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 235000019577 caloric intake Nutrition 0.000 description 1
- 230000003412 degenerative effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000378 dietary effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 235000014659 low sodium diet Nutrition 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 235000020354 squash Nutrition 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/08—Payment architectures
- G06Q20/12—Payment architectures specially adapted for electronic shopping systems
- G06Q20/123—Shopping for digital content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/50—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using hash chains, e.g. blockchains or hash trees
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Finance (AREA)
- Computer Security & Cryptography (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Physical Education & Sports Medicine (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
본 발명은 이용자 맞춤형 헬스케어 프로그램 및 콘텐츠 제공 시스템에 관한 것으로, 더욱 상세하게는 이용자의 생활정보 데이터, 건강정보 데이터 및 의료정보 데이터 등을 이용하여 이용자 맞춤형 헬스케어 프로그램을 추천하고, 추천된 헬스케어 프로그램을 수행하기 위한 콘텐츠를 이용자의 생활반경 이내에 있는 다양한 콘텐츠 정보로 제공되도록 하는 이용자 맞춤형 헬스케어 프로그램 및 콘텐츠 제공 시스템에 관한 것이다.
상기한 목적을 달성하기 위해 본 발명의 이용자 맞춤형 헬스케어 프로그램 및 콘텐츠 제공 시스템은, 이용자에게 헬스케어 프로그램 및 콘텐츠를 제공하는 통합관리 앱을 포함하는 이용자 단말기, 상기 이용자 단말기와 통신되도록 구성되는 통신망; 및 상기 통신망과 연계되어 이용자의 데이터를 수집하고, 헬스케어 프로그램 및 콘텐츠를 제공하는 서버를 포함하는 것을 특징으로 한다.
상기한 목적을 달성하기 위해 본 발명의 이용자 맞춤형 헬스케어 프로그램 및 콘텐츠 제공 시스템은, 이용자에게 헬스케어 프로그램 및 콘텐츠를 제공하는 통합관리 앱을 포함하는 이용자 단말기, 상기 이용자 단말기와 통신되도록 구성되는 통신망; 및 상기 통신망과 연계되어 이용자의 데이터를 수집하고, 헬스케어 프로그램 및 콘텐츠를 제공하는 서버를 포함하는 것을 특징으로 한다.
Description
본 발명은 이용자 맞춤형 헬스케어 프로그램 및 콘텐츠 제공 시스템에 관한 것으로, 더욱 상세하게는 이용자의 생활정보 데이터, 건강정보 데이터 및 의료정보 데이터 등을 이용하여 이용자 맞춤형 헬스케어 프로그램을 추천하고, 추천된 헬스케어 프로그램을 수행하기 위한 콘텐츠를 이용자의 생활반경 이내에 있는 다양한 콘텐츠 정보로 제공되도록 하는 이용자 맞춤형 헬스케어 프로그램 및 콘텐츠 제공 시스템에 관한 것이다.
생활을 비롯한 생활 패턴이 변화됨에 따라 고혈압, 당뇨 및 비만 등과 같은 각종 성인병들이 급증하고 있는 추세이다.
이러한 성인병들을 예방하기 위해서는 규칙적인 운동과 정기적 검진이 가장 효과적이나 바쁜 현대인들에게 직접의료기관을 내진하여 검진 및 처방을 받는 것은 매우 번거로운 일이다.
일반적으로 환자의 건강 상태를 파악하는 척도로서 가장 보편적인 방법은 체온, 혈압, 심(맥)박수, 산소포화도 및 청진 등이 있다.
또한, 대부분의 각 가정에는 가족의 건강을 위해 기본적인 의료기를 보유하고 있는데, 이러한 개인용 의료기기는 스탠드 얼론(stand-alone) 제품이 대부분이어서 가족의 건강 관리에 한계가 있는 문제점이 있다.
또한 종래 헬스기기는 이용자가 운동 프로그램을 직접 설정하여야 하는 것으로, 운동 기구, 운동 프로그램을 설정하기 위한 버튼 등의 이용자 입력부(미도시), 이용자에 의하여 설정된 운동 프로그램을 표시할 수 있는 스크린(미도시) 등을 포함한다. 그러나 이러한 헬스기기들 각각은 독립적인 개체로서, 헬스기기를 사용하여 운동하는 이용자는 헬스기기를 사용할 때마다 운동 프로그램을 직접 설정해야 하는 불편을 겪고 있다.
최근에는 정보통신기술과 검진기술이 발달함에 따라 병원이나 의료기관을 방문하지 않고도 스마트폰이나 웨어러블 기기 등을 이용하여 이용자의 건강상태를 체크하거나 운동량을 측정하는 것이 가능하게 되었다.
그러나, 대부분 획일화된 건강 정보를 제공하고, 개인에 맞는 조건의 헬스케어 프로그램을 구체적으로 제안하거나 종합적인 건강 관리를 위한 서비스를 제공해주지 못해 개인마다 다른 조건의 경우 건강 관리에 적합하지 않은 경우가 많으며, 개인의 질환을 고려하지도 못하였다.
따라서, 전술한 문제를 해결하기 위하여 이용자의 개인 데이터를 바탕으로 추천 알고리즘에 의해 맞춤형 헬스케어 프로그램을 제공해주고, 체계적이고 종합적인 건강 관리가 가능한 스마트 헬스케어 시스템 및 방법에 대한 연구가 필요하게 되었다.
또한, 이용자의 생활정보, 건강정보, 의료데이터 등을 활용하여 이용자의 생활반경 이내에 있는 피트니스센터 등의 위치 및 프로그램, 웰빙 마켓 등의 위치 및 가격 등 이용자에게 필요한 다양한 웰니스 콘텐츠 정보를 제공하여, 이용자의 헬스케어가 더욱 효율적으로 이루어지도록 하는 기술개발에 대한 필요성이 증가하고 있다.
본 발명의 목적은, 이용자의 생활정보, 건강정보, 개인데이터 및 의료 데이터 등을 이용하여 이용자에게 적합한 헬스케어 프로그램을 추천하고, 이용자가 추천된 프로그램을 용이하게 수행할 수 있도록 이용자의 생활반경 이내에 있는 다양한 웰니스 콘텐츠 정보를 이용자 맞춤형으로 제공하는 이용자 맞춤형 헬스케어 프로그램 및 콘텐츠 제공 시스템을 제공하는데 있다.
또한, 본 발명의 다른 목적으로는, 이용자 단말기에서 실행되는 헬스케어 관리 앱을 통하여 이용자 맞춤형 헬스케어 프로그램을 제공하며, 이용자와 관련하여 수집된 의료 데이터 및 개인 데이터를 기반으로 신경망 학습 및 추천 알고리즘을활용하여 이용자에게 알맞은 헬스케어 프로그램을 제공하는 이용자 맞춤형 헬스케어 프로그램 및 콘텐츠 제공 시스템을 제공하는데 있다.
또한, 본 발명의 다른 목적으로는, 헬스케어 관리 앱을 통하여 건강 관리를 위한 상담, 맞춤형 건강정보 제공 서비스, 개인의 통계자료를 제공하는 헬스케어서버를 구비하여 개인별 건강관리 서비스를 제공할 수 있는 이용자 맞춤형 헬스케어 프로그램 및 콘텐츠 제공 시스템을 제공하는데 있다.
상기한 목적을 달성하기 위해 본 발명의 이용자 맞춤형 헬스케어 프로그램 및 콘텐츠 제공 시스템은, 이용자에게 헬스케어 프로그램 및 콘텐츠를 제공하는 통합관리 앱을 포함하는 이용자 단말기, 상기 이용자 단말기와 통신되도록 구성되는 통신망; 및 상기 통신망과 연계되어 이용자의 데이터를 수집하고, 헬스케어 프로그램 및 콘텐츠를 제공하는 서버를 포함하는 것을 특징으로 한다.
또한, 상기 서버는, 상기 통신망과 연계되어 헬스케어 프로그램 및 콘텐츠를 제공하기 위한 데이터를 주고받는 데이터 서버, 상기 이용자 단말기에서 실행되는 통합관리 앱을 통하여 이용자 맞춤형 헬스케어 프로그램을 제공하는 프로그램 서버; 및 상기 프로그램 서버와 연동되어, 상기 프로그램 서버를 통해 추천된 운동 프로그램 또는 식단 프로그램을 수행할 있는 콘텐츠를 제공하는 콘텐츠 서버를 포함하는 것을 특징으로 한다.
또한, 상기 데이터 서버는, 이용자 데이터를 수집하는 데이터 수집부; 상기 데이터 수집부에서 수집된 의료 데이터 및 개인 데이터 중 노이즈 데이터를 필터링하는 데이터 분석부를 포함하는 것을 특징으로 한다.
또한, 상기 프로그램 서버는, 통신망을 통하여 이용자 단말기와 통신하여 이용자 데이터를 수집하거나, 프로그램 제공 및 건강 관리 보조 기능 서비스를 제공하기 위한 데이터 송수신을 수행하는 통신부, 이용자 단말기에서 실행되는 통합관리 앱을 통하여 헬스케어 프로그램 및 통계자료를 제공하는 앱관리부, 헬스케어 프로그램을 수행한 이용자의 변화된 운동 상태 데이터를 제공받아 해당 이용자에 대한 통계자료를 생성하는 통계학습부 및 이용자 데이터 보호를 위한 암복호화를 수행하거나 블록체인 기반으로 분산 저장 관리하는 데이터보호부를 포함하는 것을 특징으로 한다.
또한, 상기 콘텐츠 서버는, 상기 프로그램 서버를 통해 제공되는 헬스케어 프로그램을 수신하여, 수신된 프로그램 데이터를 기반으로 신경망 학습 및 추천 알고리즘을 활용하여 콘텐츠를 추천하는 콘텐츠 추천부, 상기 콘텐츠 추천부(3310)에서 추천된 콘텐츠가 연계된 콘텐츠 일때, 연계할인율이 적용되도록 하는 연계할인부를 포함하는 것을 특징으로 한다.
또한, 상기 앱관리부는, 인공지능 추천 모델의 입력변수에 해당하는 이용자 데이터를 수집하는 수집부, 상기 수집부로부터 수집된 의료 데이터 및 개인 데이터를 이용자별로 구분하여 제공받고, 인공지능 추천 알고리즘에 기반하여 복수의 헬스케어 프로그램들 중에서 개인 맞춤형 헬스케어 프로그램을 추천하는 프로그램 추천부, 프로그램 추천부에서 프로그램 추천을 위해 활용되는 인공지능 추천 알고리즘에 대한 추천 모델을 적어도 하나 이상 포함하는 모델관리부, 프로그램을 제공한 후의 이용자의 개인 운동 상태나 습관 변화를 제공받아 생성되는 통계자료를 활용하여 신경망학습을 수행함으로써, 해당 추천 모델의 추천 프로그램 산출을 위한 임계값이나 기준값을 보정하는 모델평가부를 포함하는 것을 특징으로 한다.
또한, 상기 인공지능 추천 알고리즘은, 유사도 분석을 이용한 인공지능 추천 알고리즘, 행렬인수분해(matrix factorization) 방법, 연관 규칙(association rule), 마이닝 규칙(mining rule), K-최근접 이웃 알고리즘(K-Nearest Neighbor algorithm,KNN), 잠재 디리클레 할당(Latent Dirichlet Allocation), 베이지안 네트워크(Bayesian Network) 중 적어도 어느 하나를 활용하는 것을 특징으로 하는 이용자 맞춤형 헬스케어 프로그램 및 콘텐츠 제공 시스템.
본 발명의 이용자 맞춤형 콘텐츠 정보 제공 시스템 및 방법에 의하면, 이용자의 생활정보, 건강정보 및 의료 데이터 등을 이용하여 이용자의 생활반경 이내에 있는 다양한 웰니스 콘텐츠 정보를 이용자 맞춤형으로 제공하여, 이용자의 헬스케어가 더욱 효율적으로 이루어지도록 하는 효과가 있다.
또한, 이용자의 개인 데이터를 바탕으로 추천 알고리즘에 의해 맞춤형 헬스케어프로그램을 제공해주고, 체계적이고 종합적인 건강 관리가 가능하도록 하고, 추천 알고리즘에 의해 제공할 맞춤형 헬스케어 프로그램을 제공하기 위해 의료 데이터와 개인 데이터를 제공받아 이들을 토대로 최적화된 추천 헬스케어 프로그램을 제공하는 효과가 있다.
또한, 헬스케어 프로그램 이용 후 이용 평가를 제공하여 통계자료를 생성하여 제공할 수 있으며, 통계자료를 바탕으로 학습하여 추천할 헬스케어 프로그램을 더욱 적합하도록 추천 모델을 보정하고, 다양한 서버(관공서, 의료기관, 기업 등)와 연계하여 헬스케어 기능 서비스를 제공할 수 있으며, 개인정보 보호를 위해 데이터 암복호화를 수행하여 보안 강화할 수 있는 효과가 있다.
도 1은 본 발명의 이용자 맞춤형 헬스케어 프로그램 및 콘텐츠 제공 시스템의 전체 구성을 나타낸 도면
도 2는 본 발명의 데이터 서버의 구성을 나타낸 블록도
도 3은 본 발명의 프로그램 서버의 구성을 나타낸 블록도
도 4는 본 발명의 앱관리부의 구성을 나타낸 블록도
도 5는 본 발명의 콘텐츠 서버의 구성을 나타낸 블록도
도 6은 본 발명의 일 실시예에 따른 구성을 나타낸 순서도
도 7은 본 발명의 일 실시예에 따른 이용자 맞춤형 프로그램의 예시를 보인 플로우 챠트
도 8 내지 도 12는 헬스케어 관리 앱의 화면 예시를 보인 도면
도 2는 본 발명의 데이터 서버의 구성을 나타낸 블록도
도 3은 본 발명의 프로그램 서버의 구성을 나타낸 블록도
도 4는 본 발명의 앱관리부의 구성을 나타낸 블록도
도 5는 본 발명의 콘텐츠 서버의 구성을 나타낸 블록도
도 6은 본 발명의 일 실시예에 따른 구성을 나타낸 순서도
도 7은 본 발명의 일 실시예에 따른 이용자 맞춤형 프로그램의 예시를 보인 플로우 챠트
도 8 내지 도 12는 헬스케어 관리 앱의 화면 예시를 보인 도면
이하에서는 도면을 참조하여 본 발명의 구체적인 실시예를 상세하게 설명한다. 다만, 본 발명의 사상은 제시되는 실시예에 제한되지 아니하고, 본 발명의 사상을 이해하는 당업자는 동일한 사상의 범위 내에서 다른 구성요소를 추가, 변경, 삭제 등을 통하여, 퇴보적인 다른 발명이나 본 발명 사상의 범위 내에 포함되는 다른 실시예를 용이하게 제안할 수 있을 것이나, 이 또한 본원 발명 사상 범위 내에 포함된다고 할 것이다. 또한, 각 실시예의 도면에 나타나는 동일한 사상의 범위 내의 기능이 동일한 구성요소는 동일한 참조부호를 사용하여 설명한다.
본 명세서에서 ‘단말기’는 휴대성 및 이동성이 보장된 무선 통신 장치일 수 있으며, 예를 들어 스마트폰, 태블릿 PC 또는 노트북 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치일 수 있다. 또한, ‘단말기’는 통신망(2000)을 통해 다른 단말기 또는 서버 등에 접속할 수 있는 PC 등의 유선 통신 장치인 것도 가능하다.
도 1은 본 발명의 이용자 맞춤형 헬스케어 프로그램 및 콘텐츠 제공 시스템의 전체 구성을 나타낸 도면이다.
도 1에 도시된 바와 같이, 이용자 맞춤형 헬스케어 프로그램 및 콘텐츠 제공 시스템(이하, '프로그램 및 콘텐츠 제공 시스템'이라 함)(100)은 이용자 단말기(1000), 이용자 단말기(1000)와 통신되도록 구성되는 통신망(2000), 통신망(2000)과 연계되어 이용자에게 추천 프로그램 등을 제공하는 서버(3000)를 포함할 수 있다.
이용자 단말기(1000)는 이용자에게 헬스케어 프로그램 및 콘텐츠를 제공하는 통합관리 앱(1100)을 포함할 수 있다.
통합관리 앱(1100)은 프로그램 서버(3200) 및 콘텐츠 서버(3300)에서 제공하는 이용자 맞춤형 헬스케어 프로그램 및 콘텐츠를 제공받도록 이용자 단말기(1000)에 설치되거나, 웹기반 서비스로 제공되는 관리 앱이다.
이용자의 통합관리 앱(1100)을 통해 의료 데이터 및 개인 데이터를 수집하여 이용자가 건강 관리를 위한 구체적인 운동, 식단 및 생활습관 등을 조언하는 헬스케어 프로그램을 제공받을 수 있고, 헬스케어 프로그램을 수행할 수 있는 운동 콘텐츠 및 식단 콘텐츠 등을 포함하는 콘텐츠를 제공받을 수 있다.
이를 위해 통합관리 앱(1100)은 후술되는 프로그램 서버(3200) 및 콘텐츠 제공 서버와 연계될 수 있으며, 단말기 형태에 따라 다른 버전으로 제작되어 제공될 수 있고,모바일 버전이나 PC 버전으로 구분하여 제공될 수 있다.
통신망(2000)은 이용자 단말기(1000)와 연계하여 헬스케어 프로그램 및 콘텐츠에 대한 서비스가 이용자에게 제공되도록 구성될 수 있다.
통신망(2000)은 이용자 단말기(1000) 및 서버와 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 근거리 통신망(2000)(LAN: Local Area Network), 광역 통신망(2000)(WAN: Wide Area Network), 인터넷 (WWW:World Wide Web), 유무선 데이터 통신망(2000), 전화망, 유무선 텔레비전 통신망(2000) 등을 포함할 수 있다.
무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), LTE(Long TermEvolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 블루투스 통신, 적외선통신, 초음파 통신, 가시광 통신(VLC: Visible Light Communication), 라이파이(LiFi) 등이 포함되나 이에 한정되지는 않는다.
서버(3000)는 이용자 단말기(1000)에 설치된 다양한 앱 사용 이력 등에 대한 통계자료를 관리할 수 있으며, 특히 이용자의 생활정보, 건강정보 및 의료 데이터 등을 기초로 하여 이용자 맞춤형 헬스케어 프로그램 제공하고, 제공된 프로그램을 이용자가 수행할 수 있도록 하는 콘텐츠 정보를 신경망 학습을 통해 제공할 수 있다.
이를 위해 서버(3000)는 데이터 서버(3100), 프로그램 서버(3200) 및 콘텐츠 서버(3300)를 포함할 수 있다.
데이터 서버(3100)는, 통신망(2000)과 연계되어 헬스케어 프로그램 및 콘텐츠 서비스를 위한 다양한 의료 데이터 또는 개인 테이터를 주고 받을 수 있다.
이를 위해 데이터 서버(3100)는 도 2에 도시된 바와 같이 데이터 수집부(3110), 데이터 분석부(3120)를 포함할 수 있으며, 의료 데이터를 제공하는 의료기관 또는 개인 데이터를 제공하는 관공서와 연계되어 의료기관 또는 관공서의 데이터를 주고받을 수 있다.
의료 데이터는 의료 진단 차트, 진단서, 진료 내역, 처방전, 인구 통계학적 또는 의학적 임상 데이터, 유전체 데이터, 유전자 검사결과, 가족력, 지병을 포함하는 질병정보, 건강보험심사평가원 및 국민건강보험공단 데이터, 기후, 직업, 가족 구성원, 스트레스 등에 따른 건강 사회 결정 요인의 정보 등을 포함할 수 있다.
또한, 개인 데이터는 사용자의 혈압, 혈당, 체중, 체온, 수분, 복약 정보를 포함하는 건강정보와, 걸음수, 심박수, 수면패턴, 운동, 식습관 정보를 포함하는 활동정보와, 나이, 키, 체중, 체지방를 포함하는 신체정보와, 악력을 포함하는 체력정보 등을 포함할 수 있다.
그리고, 데이터 서버(3100)의 데이터 분석부(3120)에는 노이즈 제거부(3121)가 더 포함되어, 데이터 수집부(3110)에서 수집된 의료 데이터 및 개인 데이터 중, 이용자가 아닌 타인의 데이터 등 불필요한 노이즈 데이터를 필터링하여 제거할 수 있다.
이때, 노이즈 제거부(3121)는 기설정된 이용자식별코드 등을 이용하여 이용자를 특정하고, 수집된 의료 데이터 및 개인 데이터가 기설정된 이용자 정보와 상이하다고 판단될 경우, 노이즈 데이터로 필터링할 수 있다.
이처럼 데이터 서버(3100)에서 수집되는 다양한 데이터에 대한 필터링 과정을 수행함으로써, 프로그램 서버(3200)에 정확도가 높은 데이터가 제공되도록 할 수 있다.
프로그램 서버(3200)는 이용자 단말기(1000)에서 실행되는 통합관리 앱(1100)을 통하여 이용자 맞춤형 헬스케어 프로그램을 제공할 수 있다.
즉, 데이터 서버(3100)에서 수집된 이용자의 의료 데이터 및 개인 데이터를 기반으로 신경망 학습 및 추천 알고리즘을 활용하여 이용자에게 알맞은 헬스케어 프로그램을 제공할 수 있으며, 통합관리 앱(1100)을 통하여 건강관리를 위한 상담, 맞춤형 건강정보 제공 서비스, 개인의 통계자료 제공 등의 건강 관리 보조 기능도 수행할 수 있다.
이때, 헬스케어 프로그램은 이용자의 건강관리를 위한 구체적인 운동 프로그램, 식단 프로그램 및 생활습관 조언 등을 포함할 수 있다.
이를 위해 프로그램 서버(3200)는 도 3에 도시된 바와 같이, 통신부(3210), 앱관리부(3220), 통계학습부(3230), 데이터보호부(3240), 데이터베이스(3250)를 포함할 수 있다.
통신부(3210)는 통신망(2000)을 통하여 이용자 단말기(1000)와 통신하여 관리 앱을 통하여 이용자 데이터를 수집하거나, 프로그램 제공 및 건강 관리 보조 기능 서비스를 제공하기 위한 데이터 송수신을 수행할 수 있으며, 이를 위해 통신망(2000)과 호환 가능한 통신 프로토콜을 포함할 수 있다.
또한, 통신부(3210)는 통합관리 앱(1100)과 호환되는 서버 관리 프로그램간 기능 연동을 위해 API(ApplicationProgramming Interface, 응용 프로그래밍 인터페이스)가 더 포함될 수도 있다.
앱관리부(3220)는 이용자 단말기(1000)에서 실행되는 통합관리 앱(1100)을 통하여 이용자 맞춤형 헬스케어 프로그램을 제공하고, 통계자료 제공 등의 구체적인 기능을 수행하기 위한 관리 서비스를 제공할 수 있다.
이를 위해 앱관리부(3220)는 도 4에 도시된 바와 같이, 수집부(3221), 프로그램 추천부(3222), 모델관리부(3223), 모델평가부(3224)를 포함할 수 있다.
수집부(3221)는 추천 알고리즘을 활용하여 이용자 맞춤형 헬스케어 프로그램을 선택하고 추천해주기 위해서 인공지능 추천 모델의 입력변수에 해당하는 이용자 데이터를 수집할 수 있다.
이때, 이용자 데이터는 이용자의 개인 건강과 관련된 모든 데이터가 될 수 있는 의료 데이터와 개인 데이터를 포함할 수 있다.
수집부(3221)는 데이터 수집 서버로부터 의료 데이터를 수집하고, 개인이 소지한 이용자 단말기(1000)로부터 제공되는 개인 데이터를 수집하여 이용자 맞춤형 추천 알고리즘에 활용하도록 프로그램 추천부(3222)에 제공할 수 있다.
프로그램 추천부(3222)는 수집부(3221)로부터 수집된 의료 데이터 및 개인 데이터를 이용자별로 구분하여 제공받고, 인공지능 추천 알고리즘에 기반하여 복수의 헬스케어 프로그램들 중에서 개인 맞춤형 헬스케어 프로그램을 추천할 수 있다.
또한, 최초에 통합관리 앱을 설치하거나, 개인 데이터가 인공지능 학습에 활용하기에 충분히 수집되어 않은 경우에는 프로그램 서버(3200)에서 최초에 의료 데이터 및 개인 데이터를 수집한 후에 추천되는 헬스케어 프로그램은, 추천 알고리즘의 콜드 스타트(Cold start)를 이용하여 해당 이용자와 유사한 이용자 조건을 검색하여 가장 유사한 조건의 이용자에게 제공된 헬스 케어 프로그램을 제공할 수 있다.
추천되는 조건은 이용자 데이터를 기초로 수행되며, 이를 위해 수집되는 이용자 데이터는 상술한 개인 데이터와 의료 데이터를 포함하며, 예컨대 의료 기록(진단 차트, 진단서, 진료 내역, 건강검진 데이터 등), 처방전, 인구통계학적 또는 의학적 임상 데이터, 유전체 데이터, 유전자 검사결과, 가족력, 지병을 포함하는 질병정보, 사용자의 혈압, 혈당, 체중, 체온, 수분, 복약 정보를 포함하는 건강정보와, 걸음수, 심박수, 수면패턴, 운동, 식습관 정보를 포함하는 활동정보와, 나이, 키, 체중, 체지방, 악력 등이 포함될 수 있다.
여기서 가상 유사한 조건은 예를 들어 이용자 데이터에 포함된 정보들의 일치되거나 유사한 정보의 갯수가 가장많은 조건이 될 수 있다. 또한 일치되는 정보가 없는 경우, 유사한 범위의 정보를 유사 조건을 설정할 수 있으며, 범위의 정도는 정보의 종류에 따라 달라질 수 있다.
또한, 유사 조건에 적용되는 추천 알고리즘 방식은 유사도 분석을 이용한 인공지능 추천 알고리즘을 활용할 수 있다.
나아가 유사도 계산 방식 이외에 상호 작용 행렬의 차원을 줄이고 k개의 잠재 구성 요소가 있는 두 개 이상의작은 행렬로 근사하며, 해당 행과 열을 곱하면 이용자 별 항목의 등급을 예측할 수 있는 행렬인수분해(matrixfactorization) 방법을 활용할 수도 있다.
또한, 자주 소비되는 항목이 그래프의 가장자리와 연결되는 연관규칙(association rule)이나, 마이닝 규칙(mining rule)을 활용하여 가능한 빈번 항목 집합의 상태 공간을 탐구하고 빈번하지 않은 검색 공간의 분기를 제거하며, 자주 사용되는 항목 집합은 규칙을 생성하는 데 사용되며 이러한 규칙은 추천(권장) 사항을 생성할 수도 있다.
예를 들면, 프로그램 서버(3200)에서 이용자 단말기(1000)로 추천되는 개인 맞춤형 헬스케어 프로그램을 제공하기 위해 이용자 데이터를 최초에 수집하고, 수집된 이용자 데이터에 기반하여 가장 연령대에 적합한 헬스케어 프로그램을 추천해주거나 이용자의 이용자 데이터를 고려하여 연관 규칙을 생성하고, 이에 부합되는 헬스케어 프로그램을 추천해줄 수도 있다.
이러한 추천 알고리즘 외에도 K-최근접 이웃 알고리즘(K-Nearest Neighbor algorithm, KNN), 잠재 디리클레 할당(Latent Dirichlet Allocation), 베이지안 네트워크(Bayesian Network)를 활용한 모델 기반 협력 필터링 모형을 이용할 수도 있으며, 추가로 콘텐츠 기반 협력 필터링 모형으로서,군집분석(ClusteringAnalysis), 인공신경망(Artificial Neural Network), Tf-idf(Term Frequency Inverse Document Frequency) 등을 추가로 활용할 수도 있다. 이를 통하여 개인별 특성을 고려할 수 있으며, 건강관리를 위한 이용자 맞춤형으로 최적화된 헬스케어 프로그램을 제공할 수 있게 된다.
예를 들어 수집된 데이터들을 바탕으로 해당 이용자가 만성 질환자인 경우 만성 질환자를 위한 헬스케어 프로그램을 제공해줄 수 있다.
모델관리부(3223)는 프로그램 추천부(3222)에서 프로그램 추천을 위해 활용되는 인공지능 추천 알고리즘에 대한 추천 모델을 적어도 하나 이상 포함할 수 있으며, 복합적인 모델 적용에 의해 이용자에게 보다 적합한 맞춤형 헬스케어 프로그램을 제공해줄 수 있다.
이때, 활용되는 인공지능 알고리즘으로는 CNN(Convolutional Neural Networks), RCNN(Region-based Convolutional Neural Networks), RNN(Recurrent Neural Network), SVM(Support VectorMachine) 등의 신경망 학습 알고리즘을 활용할 수 있다.
특히, SVM은 복수의 디멘션을 갖는 데이터에 대해서, 복수의 디멘션을 잘 구분할 수 있는 최적의 결정 경계(decision boundary)를 찾는 것에 최적화된 방법으로 알려져 있다.
SVM이란 클래시피케이션(classification),리그레션(regression), 특이점 판별(outliers detection) 등에 주로 사용되는 지도 학습(Supervised Learning)머신 러닝 방법 중 하나이다.
예를 들어, 두 그룹의 데이터셋을 구분하는 여러 가지 방법 중에 각 그룹의 최대거리에 있는 중간지점을 정확하게 구분할 수 있는 것이 분류정확도를 높일 수 있는 최적의 방법이라고 할 수 있다.
구체적으로, 본 발명에서는 추천 모델이 제공하는 헬스케어 프로그램의 적합성 여부를 제공받은 통계자료를 토대로 학습을 통하여 개인에게 얼마나 적합한 프로그램이 제공되었는가, 운동 효과가 있는가, 생활 패턴이 어느 정도 변화하였는가 등에 대해서 기준이 되는 SVM 경계를 통하여 분류할 수 있으며, 이를 통하여 해당 추천 모델의 유용성, 적합성, 효과성 등을 평가할 수 있으며, 평가 결과에 따라 해당 추천 모델을 수정할지 여부에 대해 결정할 수 있도록 도와준다.
모델평가부(3224)는 기본적으로 이용자에게 헬스케어 프로그램 추천시 활용되는 인공지능 추천 모델의 입력변수로 상술한 개인의 이용자 데이터를 토대로 이루어지지만, 지속적인 추천 프로그램 산출 후에는 그러한 추천 프로그램을 제공한 후의 이용자의 개인 운동 상태나 습관 변화를 제공받아 생성되는 통계자료를 활용하여 신경망학습을 수행함으로써, 해당 추천 모델의 추천 프로그램 산출을 위한 임계값이나 기준값 등을 보정할 수 있다.
통계학습부(3230)는 이용자 데이터를 토대로 추천된 헬스케어 프로그램을 수행한 이용자의 변화된 운동 상태, 생활 습관 등에 대한 데이터를 주기적으로 제공받아 해당 개인에 대한 통계자료를 생성하여 관리하며, 추천 모델의 학습을 수행하거나, 추천 모델 학습을 수행하기 위해 모델평가부(3224)에 제공할 수도 있다.
또한, 통계자료에는 이용자에 제공된 헬스케어 프로그램에 대한 이용 결과 즉, 평가나 수치화된 점수가 포함될 수 있으며, 나아가 전체 기능에 대한 헬스케어 관리 앱에 대한 평가가 포함될 수도 있다.
데이터보호부(3240)는 수집부를 통하여 수집되는 개인의 민감한 정보인 이용자 데이터 보호를 위한 암복호화를 수행하거나 블록체인 기반으로 분산 저장 관리하도록 기능을 수행할 수 있다.
구체적으로, 이용자 단말기(1000) 및 서버 간의 주고받는 정보(예를 들어 의료 데이터, 개인 데이터 등)는 외부 해킹 등의 위험으로부터 정보를 보호하기 위해, 해당데이터의 송/수신에 데이터 암/복호화 기술을 적용할 수 있다.
보다 구체적으로, 이용자 단말기(1000) 및 각각의 서버에 각각 신분 증명이 가능한, 식별정보(identification information)를 부여하여, 각 이용자 단말기(1000) 및 서버의 식별 정보를 사설 암호 키(private key)로 활용하는 경량 암호 알고리즘을 수행할 수 있다.
경량 암호 알고리즘에는 본원 발명의 이용자 단말기(1000)와 같은 스마트 기기 등의 제한된 환경에서 구현하기 위해 설계된 암호 기술로서, 대칭키 암호 알고리즘인 HIGHT(HIGh security and light weigHT),LEA(Lightweight Encryption)와 해시함수인 LSH(Lightweight Secure Hash) 등을 활용할 수 있다.
이러한 경량 암호 알고리즘을 활용하여 의료 데이터, 개인 데이터 등을 암/복호화 시킴으로써 해당 데이터의 외부 유출이나 외부 해킹으로 인한 불법적인 제어 등을 막을 수 있다. 경량 암호 알고리즘은 이러한 임베디드 컴퓨팅 환경에서 적합한 경량 해시 함수(lightweight hash function)를 사용하는 것이 바람직하다.
나아가 데이터보호부(3240)는 다수의 블록체인서버와 연계하여 블록체인망을 구축하고, 기구축된 내부의 블록체인 네트워크를 통해 공개키 및 개인키를 생성하여 해쉬값으로 변환하여 분산 저장하고, 분산 저장된 공개키와 이용자의 개인정보를 기반으로 이용자 인증을 수행할 수도 있다.
더 나아가 데이터보호부(3240)는 다수의 이용자 단말기(1000)에서 공개키와 함께 개인 고유의 이용자 정보를 전송받아 이용자 정보에 대한 해쉬값을 포함하는 이용자 인증서를 각각 생성할 수 있으며, 각 이용자 인증서에 대한저장 방식은 머클 트리 구조에 의해 이루어질 수도 있다.
데이터베이스(3250)는 수집부로부터 수집된 의료 데이터 및 개인 데이터를 제공받아 이용자별로 카테고리를 구분하여 저장할 수 있다.
데이터베이스(3250)는 데이터보호부(3240)를 통하여 블록체인 기반으로 민감한 개인의 모든 데이터에 대해 저장관리 되도록 함이 바람직하다.
콘텐츠 서버(3300)는 프로그램 서버(3200)와 연동되어, 프로그램 서버(3200)를 통해 추천된 운동 프로그램 또는 식단 프로그램 등을 수행할 있는 운동 콘텐츠 및 식단 콘텐츠 등의 정보를 제공할 수 있다.
즉, 프로그램 서버(3200)를 통해 이용자에게 운동 프로그램과 식단 프로그램이 추천되었을 경우, 이용자가 해당 운동 프로그램 및 식단 프로그램을 수행할 수 있는 운동 콘텐츠 및 식단 콘텐츠 등의 위치정보, 운영시간정보, 프로그램 정보 등 다양한 정보를 제공할 수 있으며, 운동 콘텐츠와 식단 콘텐츠가 서로 연계된 경우, 연계할인을 제공 받아 콘텐츠를 이용하도록 할 수 있다.
이를 위해 콘텐츠 서버(3300)는 도 5에 도시된 바와 같이, 콘텐츠 추천부(3310), 연계할인부(3320)를 포함할 수 있다.
콘텐츠 추천부(3310)는 프로그램 서버(3200)를 통해 제공되는 운동 프로그램 또는 식단 프로그램을 수신하여, 수신된 프로그램 데이터를 기반으로 신경망 학습 및 추천 알고리즘을 활용하여 해당 프로그램이 올바르게 이루어질 수 있는 운동 콘텐츠 또는 식단 콘텐츠 등을 추천할 수 있으며, 추천된 콘텐츠는 이용자 단말기(1000)의 통합관리 앱(1100)을 통해 확인할 수 있다.
콘텐츠 추천부(3310)에서 활용되는 신경망 학습 및 추천 알고리즘은, 프로그램 추천부(3222)와 동일하게 적용될 수 있다.
콘텐츠 서버(3300)는, 예컨대 프로그램 서버(3200)를 통해 이용자에게 수영 프로그램이 추천되었을 경우, 콘텐츠 서버(3300)에서는 이용자가 추천된 헬스케어 프로그램에 따라 수영 프로그램을 수행할 수 있도록 수영장을 추천하고, 추천된 수영장의 위치, 수영장 이용시간, 수영장 금액 등에 대한 정보를 이용자에게 알려줄 수 있다.
이때, 추천되는 수영장 등의 콘텐츠는 이용자의 생활반경 또는 현재 위치를 기반으로 근거리에 위치한 콘텐츠를 우선순위로 하여 추천되도록 함으로써, 이용자의 헬스케어 프로그램 수행이 보다 용이하게 이루어지도록 할 수 있다.
콘텐츠 서버(3300)는 수영, 피트니스, 요가, 테니스, 스쿼시 등 프로그램 서버(3200)를 통해 제공되는 헬스케어 프로그램을 수행할 수 있는 다양한 콘텐츠를 추천하고, 추천된 콘텐츠에 대한 정보를 제공할 수 있다.
또한, 예컨데 프로그램 서버(3200)를 통해 이용자에게 저염식 프로그램이 추천되었을 때, 해당 프로그램에 적합한 식품을 구매할 수 있는 식당이나 마켓 등을 추천하고, 추천된 식당이나 마켓의 위치정보, 가격정보, 품목 정보 등을 제공할 수 있다.
따라서, 이용자는 프로그램 서버(3200)를 통해 이용자에게 맞는 운동 프로그램 또는 식단 프로그램 등의 헬스케어 프로그램을 추천받고, 콘텐츠 서버(3300)를 통해 추천 된 헬스케어 프로그램들을 수행할 수 있는 콘텐츠에 대한 정보를 제공받을 수 있다.
연계할인부(3320)는 설정된 운동 콘텐츠와 식단 콘텐츠 간의 연계를 통해 연계 할인율을 적용하도록 할 수 있다.
즉, 프로그램 서버(3200)를 통해 제공된 운동 프로그램 또는 식단 프로그램에 따라 프로그램을 수행할 때, 서로 연계된 운동 콘텐츠와 식품 콘텐츠를 모두 이용하게 되면 연계할인이 적용되도록 하는 것이다.
다만, 각 콘텐츠의 연계는 운동 콘텐츠와 식단 콘텐츠 간에만 적용되는 것으로 이를테면 운동 콘텐츠와 운동콘텐츠 또는 식단 콘텐츠와 식단 콘텐츠 등 경쟁이 이루어질 수 있는 콘텐츠에 대한 연계는 이루어지지 않도록 하는 것이 바람직하다.
이와 같은 연계할인부(3320)에 의하여 예컨데, 프로그램 서버(3200)를 통해 피트니스 프로그램의 운동 프로그램과, 단백질 보충의 식단 프로그램이 추천되었을 경우, 각각이 서로 연계된 콘텐츠가 추천되도록 하여 운동 프로그램과 식단 프로그램 이용시 연계할인이 적용되도록 하는 것이다.
이에 따라, 이용자는 헬스케어 프로그램을 이용하면서 연계할인을 받을 수 있고, 상점은 연계된 콘텐츠를 이용하는 이용자에 의해 수입 증대 효과를 가질 수 있다.
또한, 연계할인부(3320)는 지오펜싱(Geofencing) 기술을 활용하여 특정 거리 이내의 운동 콘텐츠 및 식단 콘텐츠 간에는 자동으로 연계 설정되는 자동 연계 설정, 콘텐츠가 거리에 상관없이 원하는 콘텐츠를 선택하여 연계하는 지정 연계 설정, 타 콘텐츠에서 자신의 콘텐츠를 선택하여 연계할 수 있도록 하는 연계 허용 여부를 설정하는 허용 연계 설정 기능을 제공할 수도 있다.
또한, 연계할인부(3320)는 연계할인을 위해 추천된 콘텐츠에 대해 안내하는 기능을 제공하며, 이용자 단말기(1000)에서 요청시 DB(미도시)와 연동하여 연계 할인 콘텐츠 검색 및 연계 할인 품목 검색 서비스를 제공하며, 사용자단말기에서 요청시 추천 콘텐츠 및 상품 서비스를 제공하거나 다양한 할인율을 직접 설정하여 제공할 수도 있다.
이와 같이 구성되는 콘텐츠 제공 서버의 실시예를 도 6을 참조하여 후술하면 다음과 같다.
프로그램 서버(3200)는 이용자 단말기(1000) 또는 데이터 수집 서버로부터 이용자의 의료데이터 및 개인데이터를 수집한다.(S10)
이후, 프로그램 서버(3200)는 인공지능(AI) 추천 알고리즘을 활용하여 수집된 데이터를 분석하여 이용자 맞춤형 헬스케어 프로그램을 추천한다.(S20)
이때, 추천된 프로그램은 이용자 단말기(1000)의 통합관리 앱(1100)을 통해 확인할 수 있다.
또한, 추천된 프로그램이 복수개일 경우, 최적화된 헬스프로그램을 택일하여 제공하거나, 복수개의 프로그램 중, 가장 유사한 조건의 몇 개를 선정하여 제공할 수 있다.
이후, 콘텐츠 서버(3300)에서 추천된 헬스케어 프로그램을 분석하여 프로그램을 수행할 수 있는 운동 콘텐츠 및 식단 콘텐츠를 추천하고, 추천된 운동 콘텐츠 및 식단 콘텐츠의 위치, 운영시간, 요금 등의 다양한 정보를 제공한다.(S30)
이때, 추천된 운동 콘텐츠 및 식당 콘텐츠의 정보 등은 이용자 단말기(1000)의 통합관리 앱(1100)을 통해 확인할 수 있다.
또한, 연계할인부(3320)를 통해 콘텐츠 서버(3300)에서 추천되는 운동 콘텐츠 및 식단 콘텐츠 중 서로 연계되어 있는 콘텐츠가 추천될 수 있다.(S40)
이에 따라 이용자는 연계할인이 이루어지는 곳의 콘텐츠를 선택적으로 이용할 수 있다.
이후, 이용자가 추천된 운동 콘텐츠 및 식단 콘텐츠에서 추천된 헬스케어 프로그램을 수행한 후, 수행 결과에 대하여 이용자 단말기(1000)의 통합관리 앱(1100)에 입력하면, 프로그램 서버(3200) 및 콘텐츠 서버(3300)에 각각 개인별 통계자료를 생성하여 이용자 단말기(1000)의 통합관리 앱(1100)으로 제공한다.(S50)
즉, 헬스케어 프로그램의 수행결과에 따른 통계자료는 프로그램 서버(3200)에서 생성하고, 운동 콘텐츠 및 식단 콘텐츠에 대한 만족도 등 평가자료를 콘텐츠 서버(3300)에서 분석하여 이에 대한 통계자료를 생성할 수 있다.
이후, 프로그램 서버(3200) 및 콘텐츠 서버(3300)에서는 이용자 평가 등을 포함한 통계자료를 바탕으로 추천 알고리즘이 적용된 추천 모델을 학습시켜 더욱 적합한 조건의 헬스케어 프로그램 및 콘텐츠를 추천할 수 있도록 추천 기준값 등을 보정할 수 있으며, 학습이 거듭될수록 혹은 수집된 통계자료가 많을수록 해당 이용자에게 더욱 적합한 조건의 헬스케어 프로그램 및 콘텐츠를 추천해줄 수 있다(S60).
도 7은 본 발명의 일 실시예에 따른 이용자 맞춤형 헬스케어 프로그램의 예시를 보인 플로우 챠트이다.
수집된 이용자 데이터를 바탕으로 추천 알고리즘은 예컨대 만성질환자에 해당하는 경우 맞춤형 운동/식이 프로그램을 산출하여 헬스케어 프로그램으로 제공할 수 있으며, 이와 같은 프로그램은 도 6과 같은 프로그램이 포함될 수 있다.
즉, 연령, 성별, 질환 등의 정보를 반영한 개인별 1일 운동프로그램 및 권장 섭취 칼로리 등 주의 사항 등을 산출하여 해당 개인에 맞는 조건 프로그램을 제시할 수 있다.
이를 위해 기본 헬스케어 데이터 외에도 만성질환자에게 필요한 필요한 운동/식이 생활정보 DB를 구축할 수 있다.
도 8은 헬스케어 관리 앱에서 개인 건강 관리를 위한 지표들을 통계적으로 보여주는 화면이며, 혈압, 혈당, 식사량, 체중, 운동, 걸음수, 수분 섭취량, 복용량 현황들을 일간, 주간, 월간, 연간으로 구분하여 제공받을 수있다.
도 9는 헬스케어 관리 앱에서 개인 복용약에 대한 관리를 받을 수 있도록 기록하고, 복용양 섭취 시점 알람을 제공받을 수도 있다.
또한, 도 10은 헬스케어 관리 앱을 통하여 개인별 상담을 받을 수 있도록 Q&A 형태로 된 상담 기능을 제공하며,전문 의료 상담의 경우 의사나 관공서 전문 상담사를 통하여 답변을 제공할 수도 있다.
도 11은 헬스케어 관리앱을 통하여 맞춤형 건강정보에 대한 광고를 제공하는 기능으로서, 광고 형태는 이미지,동영상, 텍스트 형태가 될 수 있으며, 개별 사용자에 적합한 맞춤형 미디어 콘텐츠(텍스트, 이미지, 동영상)를 주기적으로 해당 이용자의 헬스케어 관리앱 화면에 노출하도록 제공할 수 있으며, 여러 건강정보에 대한 서비스로, 해당 헬스케어 관련 기업들과 연계함으로써, 광고 노출횟수나 노출 시간에 따라 광고 수익을 창출할 수도있다. 나아가 개인별 맞춤형 광고는 상술한 추천부(322)의 추천 알고리즘을 활용하여 제공될 수 있다.
도 12는 헬스케어 관리앱을 통하여 통계자료로서 제공되는 주간 리포트에 대한 화면 예시를 보여주고 있으며,수집된 개인의 이용자 데이터를 바탕으로 항목별 점수와 함께, 건강 관리에 대한 조언 등 커멘트를 포함하여 제공될 수 있다.
본 발명의 이용자 맞춤형 콘텐츠 정보 제공 시스템 및 방법에 의하면, 이용자의 생활정보, 건강정보 및 의료 데이터 등을 이용하여 이용자의 생활반경 이내에 있는 다양한 웰니스 콘텐츠 정보를 이용자 맞춤형으로 제공하여, 이용자의 헬스케어가 더욱 효율적으로 이루어지도록 하는 효과가 있다.
또한, 이용자의 개인 데이터를 바탕으로 추천 알고리즘에 의해 맞춤형 헬스케어프로그램을 제공해주고, 체계적이고 종합적인 건강 관리가 가능하도록 하고, 추천 알고리즘에 의해 제공할 맞춤형 헬스케어 프로그램을 제공하기 위해 의료 데이터와 개인 데이터를 제공받아 이들을 토대로 최적화된 추천 헬스케어 프로그램을 제공하는 효과가 있다.
또한, 헬스케어 프로그램 이용 후 이용 평가를 제공하여 통계자료를 생성하여 제공할 수 있으며, 통계자료를 바탕으로 학습하여 추천할 헬스케어 프로그램을 더욱 적합하도록 추천 모델을 보정하고, 다양한 서버(관공서, 의료기관, 기업 등)와 연계하여 헬스케어 기능 서비스를 제공할 수 있으며, 개인정보 보호를 위해 데이터 암복호화를 수행하여 보안 강화할 수 있는 효과가 있다.
본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다.
100 : 프로그램 및 콘텐츠 제공 시스템
1000 : 이용자 단말기
1100 : 통합관리 앱 2000 : 통신망
3000 : 서버 3100 : 데이터 서버
3110 : 데이터 수집부 3120 : 데이터 분석부
3121 : 노이즈 제거부 3200 : 프로그램 서버
3210 : 통신부 3220 : 앱관리부
3221 : 수집부 3222 : 프로그램 추천부
3223 : 모델관리부 3224 : 모델평가부
3230 : 통계학습부 3240 : 데이터보호부
3250 : 데이터베이스 3300 : 콘텐츠 서버
3310 : 콘텐츠 추천부 3320 : 연계할인부
1100 : 통합관리 앱 2000 : 통신망
3000 : 서버 3100 : 데이터 서버
3110 : 데이터 수집부 3120 : 데이터 분석부
3121 : 노이즈 제거부 3200 : 프로그램 서버
3210 : 통신부 3220 : 앱관리부
3221 : 수집부 3222 : 프로그램 추천부
3223 : 모델관리부 3224 : 모델평가부
3230 : 통계학습부 3240 : 데이터보호부
3250 : 데이터베이스 3300 : 콘텐츠 서버
3310 : 콘텐츠 추천부 3320 : 연계할인부
Claims (7)
- 이용자에게 헬스케어 프로그램 및 콘텐츠를 제공하는 통합관리 앱(1100)을 포함하는 이용자 단말기(1000);
상기 이용자 단말기(1000)와 통신되도록 구성되는 통신망(2000); 및
상기 통신망(2000)과 연계되어 이용자의 데이터를 수집하고, 헬스케어 프로그램 및 콘텐츠를 제공하는 서버(3000);를 포함하는 것을 특징으로 하는 이용자 맞춤형 헬스케어 프로그램 및 콘텐츠 제공 시스템.
- 청구항 1에 있어서,
상기 서버(3000)는,
상기 통신망(2000)과 연계되어 헬스케어 프로그램 및 콘텐츠를 제공하기 위한 데이터를 주고받는 데이터 서버(3100);
상기 이용자 단말기(1000)에서 실행되는 통합관리 앱(1100)을 통하여 이용자 맞춤형 헬스케어 프로그램을 제공하는 프로그램 서버(3200); 및
상기 프로그램 서버(3200)와 연동되어, 상기 프로그램 서버(3200)를 통해 추천된 운동 프로그램 또는 식단 프로그램을 수행할 있는 콘텐츠를 제공하는 콘텐츠 서버를 포함하는 것을 특징으로 하는 이용자 맞춤형 헬스케어 프로그램 및 콘텐츠 제공 시스템.
- 청구항 2에 있어서,
상기 데이터 서버(3100)는,
이용자 데이터를 수집하는 데이터 수집부(3110);
상기 데이터 수집부(3110)에서 수집된 의료 데이터 및 개인 데이터 중 노이즈 데이터를 필터링하는 데이터 분석부(3120);를 포함하는 것을 특징으로 하는 이용자 맞춤형 헬스케어 프로그램 및 콘텐츠 제공 시스템.
- 청구항 2에 있어서,
상기 프로그램 서버는,
통신망(2000)을 통하여 이용자 단말기(1000)와 통신하여 이용자 데이터를 수집하거나, 프로그램 제공 및 건강 관리 보조 기능 서비스를 제공하기 위한 데이터 송수신을 수행하는 통신부(3210);
이용자 단말기(1000)에서 실행되는 통합관리 앱(1100)을 통하여 헬스케어 프로그램 및 통계자료를 제공하는 앱관리부(3220);
헬스케어 프로그램을 수행한 이용자의 변화된 운동 상태 데이터를 제공받아 해당 이용자에 대한 통계자료를 생성하는 통계학습부(3230); 및
이용자 데이터 보호를 위한 암복호화를 수행하거나 블록체인 기반으로 분산 저장 관리하는 데이터보호부(3240)를 포함하는 것을 특징으로 하는 이용자 맞춤형 헬스케어 프로그램 및 콘텐츠 제공 시스템.
- 청구항 2에 있어서,
상기 콘텐츠 서버(3300)는,
상기 프로그램 서버(3200)를 통해 제공되는 헬스케어 프로그램을 수신하여, 수신된 프로그램 데이터를 기반으로 신경망 학습 및 추천 알고리즘을 활용하여 콘텐츠를 추천하는 콘텐츠 추천부(3310);
상기 콘텐츠 추천부(3310);에서 추천된 콘텐츠가 연계된 콘텐츠 일때, 연계할인율이 적용되도록 하는 연계할인부(3320);를 포함하는 것을 특징으로 하는 이용자 맞춤형 헬스케어 프로그램 및 콘텐츠 제공 시스템.
- 청구항 4에 있어서,
상기 앱관리부(3220)는,
인공지능 추천 모델의 입력변수에 해당하는 이용자 데이터를 수집하는 수집부(3221);
상기 수집부(3221)로부터 수집된 의료 데이터 및 개인 데이터를 이용자별로 구분하여 제공받고, 인공지능 추천 알고리즘에 기반하여 복수의 헬스케어 프로그램들 중에서 개인 맞춤형 헬스케어 프로그램을 추천하는 프로그램 추천부(3222);
프로그램 추천부(3222)에서 프로그램 추천을 위해 활용되는 인공지능 추천 알고리즘에 대한 추천 모델을 적어도 하나 이상 포함하는 모델관리부(3223);
프로그램을 제공한 후의 이용자의 개인 운동 상태나 습관 변화를 제공받아 생성되는 통계자료를 활용하여 신경망학습을 수행함으로써, 해당 추천 모델의 추천 프로그램 산출을 위한 임계값이나 기준값을 보정하는 모델평가부(3224);를 포함하는 것을 특징으로 하는 이용자 맞춤형 헬스케어 프로그램 및 콘텐츠 제공 시스템.
- 청구항 6에 있어서,
상기 인공지능 추천 알고리즘은,
유사도 분석을 이용한 인공지능 추천 알고리즘, 행렬인수분해(matrix factorization) 방법, 연관 규칙(association rule), 마이닝 규칙(mining rule), K-최근접 이웃 알고리즘(K-Nearest Neighbor algorithm,KNN), 잠재 디리클레 할당(Latent Dirichlet Allocation), 베이지안 네트워크(Bayesian Network) 중 적어도 어느 하나를 활용하는 것을 특징으로 하는 이용자 맞춤형 헬스케어 프로그램 및 콘텐츠 제공 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220141219A KR20240062214A (ko) | 2022-10-28 | 2022-10-28 | 이용자 맞춤형 헬스케어 프로그램 및 콘텐츠 제공 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220141219A KR20240062214A (ko) | 2022-10-28 | 2022-10-28 | 이용자 맞춤형 헬스케어 프로그램 및 콘텐츠 제공 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20240062214A true KR20240062214A (ko) | 2024-05-09 |
Family
ID=91075577
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220141219A KR20240062214A (ko) | 2022-10-28 | 2022-10-28 | 이용자 맞춤형 헬스케어 프로그램 및 콘텐츠 제공 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20240062214A (ko) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101064736B1 (ko) | 2004-09-23 | 2011-09-14 | 주식회사 케이티 | 손목 단말기, 이를 이용한 개인 건강 정보 관리 시스템 및 실시간 운동 관리 방법 |
| KR102364356B1 (ko) | 2019-07-17 | 2022-02-18 | 혁 허 | 건강검진표를 이용한 사용자 맞춤형 온라인 추천 시스템 및 방법 |
-
2022
- 2022-10-28 KR KR1020220141219A patent/KR20240062214A/ko unknown
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101064736B1 (ko) | 2004-09-23 | 2011-09-14 | 주식회사 케이티 | 손목 단말기, 이를 이용한 개인 건강 정보 관리 시스템 및 실시간 운동 관리 방법 |
| KR102364356B1 (ko) | 2019-07-17 | 2022-02-18 | 혁 허 | 건강검진표를 이용한 사용자 맞춤형 온라인 추천 시스템 및 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10621164B1 (en) | Community data aggregation with automated followup | |
| KR102180079B1 (ko) | 블록체인을 활용한 헬스 케어 서비스 제공 방법 및 시스템 | |
| Na et al. | Feasibility of reidentifying individuals in large national physical activity data sets from which protected health information has been removed with use of machine learning | |
| Pratt et al. | The validity of the Rx-Risk comorbidity index using medicines mapped to the anatomical therapeutic chemical (ATC) classification system | |
| US9734288B2 (en) | Clinical outcome tracking and analysis | |
| Cheung et al. | How recommender systems could support and enhance computer-tailored digital health programs: a scoping review | |
| KR102383996B1 (ko) | 이용자 맞춤형 스마트 헬스케어 시스템 및 방법 | |
| Charles et al. | What do we mean by partnership in making decisions about treatment? | |
| Kaur et al. | Cloud based intelligent system for delivering health care as a service | |
| US20190147995A1 (en) | Systems and methods for clinical decision-making | |
| Stein et al. | Mammography usage and the health belief model | |
| Cunningham et al. | Ability to obtain medical care for the uninsured: how much does it vary across communities? | |
| Iranpak et al. | Remote patient monitoring and classifying using the internet of things platform combined with cloud computing | |
| Okazaki et al. | Factors affecting mobile diabetes monitoring adoption among physicians: questionnaire study and path model | |
| Fazel et al. | Machine learning for suicide research–can it improve risk factor identification? | |
| US20200388359A1 (en) | Methods and system of blockchain-based medical service management | |
| Yoo et al. | PHR based diabetes index service model using life behavior analysis | |
| US20090265316A1 (en) | System And Method For Facilitating Access To De-Identified Electronic Medical Records Data | |
| KR102321577B1 (ko) | 애플리케이션 기반의 개인별 건강 분석에 따른 영양 관리 시스템 및 그 방법 | |
| US20200402630A1 (en) | Systems and methods for clinical decision-making | |
| KR102342770B1 (ko) | 질병 예측치의 분포를 이용한 건강관리 상담 시스템 | |
| Qian et al. | Use of diagnostic testing and intervention for sensorineural hearing loss in US children from 2008 to 2018 | |
| Uddin et al. | Rapid health data repository allocation using predictive machine learning | |
| US20160117468A1 (en) | Displaying Predictive Modeling and Psychographic Segmentation of Population for More Efficient Delivery of Healthcare | |
| Wales et al. | The impact of socioeconomic status on place of death among patients receiving home palliative care in Toronto, Canada: a retrospective cohort study |