WO2021251577A1 - 통증 그래프 생성 방법 및 그 시스템 - Google Patents

통증 그래프 생성 방법 및 그 시스템 Download PDF

Info

Publication number
WO2021251577A1
WO2021251577A1 PCT/KR2020/095161 KR2020095161W WO2021251577A1 WO 2021251577 A1 WO2021251577 A1 WO 2021251577A1 KR 2020095161 W KR2020095161 W KR 2020095161W WO 2021251577 A1 WO2021251577 A1 WO 2021251577A1
Authority
WO
WIPO (PCT)
Prior art keywords
pain
user
graph
information
period
Prior art date
Application number
PCT/KR2020/095161
Other languages
English (en)
French (fr)
Inventor
이욱
정훈재
윤찬
Original Assignee
주식회사 비플러스랩
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
Priority claimed from KR1020200093184A external-priority patent/KR102437307B1/ko
Application filed by 주식회사 비플러스랩 filed Critical 주식회사 비플러스랩
Priority to US17/914,723 priority Critical patent/US20230131979A1/en
Publication of WO2021251577A1 publication Critical patent/WO2021251577A1/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
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • 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
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring

Definitions

  • the present invention relates to a method and system for generating a pain graph.
  • An object of the present invention is to provide a method and system for generating a pain graph capable of generating and providing a pain graph capable of effectively identifying a change pattern of pain during a user's pain period by analyzing pain information received from a user.
  • the present invention provides a method for predicting an onset disease that enables a user to effectively predict and understand his/her own onset disease by analyzing the symptom information received from the user and generating and providing the user's expected disease information based on the prevalence of the disease for the symptom to provide a system.
  • the present invention transmits the symptom list including the user's corresponding symptom selection result and the expected disease information derived according to the user's selection of the corresponding symptom to the user's EMR to be utilized as basic data for treatment, resulting in faster and more accurate treatment It is to provide a method and system for providing basic medical data that can be used.
  • a method for generating a pain graph comprising the steps of receiving quantified pain information for the patient, and generating a pain graph representing the user's pain changes during the pain period based on the pain information.
  • the plurality of pain sections is a period representing a reference value for the user's pain, and is a first pain section divided from the start of pain to 50% or less of the pain period, and a period representing the average value of the user's pain at 50% of the pain period.
  • a period representing the user's current pain state may include a fourth pain section divided from 90% of the pain period to the present time point.
  • the step of analyzing the pain graph of the second pain section to the fourth pain section may be further included to determine whether the user is in an emergency situation.
  • Analyzing the pain graph may be performed by calculating an average slope of the pain graph.
  • Analyzing the pain graph may include calculating a first slope with respect to the value of pain information in the second pain section to the third pain section, and a second slope with respect to the value of pain information in the third pain section to the fourth pain section. , and calculating an absolute value of a difference between the first slope and the second slope.
  • the step of determining an emergency situation when the value calculated by analyzing the pain graph exceeds the reference value after the step of analyzing the pain graph may be further included.
  • the step of receiving the pain information may be performed by allowing the user to select one of the pain levels classified on a scale of 1 to 10.
  • the step of determining an emergency situation may be further included.
  • the step of transmitting the pain graph to an electronic medical record (EMR) in charge of the user may be further included.
  • EMR electronic medical record
  • a first input unit for receiving information on a start time of pain from a user, a division unit for dividing the pain period from the beginning of pain to the present time into a plurality of pain sections, and each pain section from the user
  • a pain graph generating system comprising: a second input unit for receiving quantified pain information for a pain level; and a generating unit for generating a pain graph representing a change in pain of a user during a pain period based on the pain information.
  • the present invention it is possible to generate and provide a pain graph capable of effectively grasping the pain change pattern during the user's pain period by analyzing the pain information received from the user.
  • the user it is possible for the user to effectively predict and understand his/her onset disease by analyzing the symptom information received from the user and generating and providing the user's expected disease information based on the prevalence of the disease for the symptom.
  • the symptom list including the result of the user's selection of the corresponding symptom and the expected disease information derived according to the user's selection of the corresponding symptom are transmitted to the EMR in charge of the user to be utilized as basic data for treatment, thereby making it faster and more convenient. Accurate treatment is possible.
  • FIG. 1 is a flowchart illustrating a method for generating a pain graph according to a first embodiment of the present invention.
  • FIG. 2 is a detailed flowchart illustrating a method for generating a pain graph according to the first embodiment of the present invention.
  • FIG. 3 is a block diagram illustrating a system for generating a pain graph according to a second embodiment of the present invention.
  • FIG. 4 is a flowchart illustrating a method for predicting an onset disease according to a third embodiment of the present invention.
  • FIG. 5 is a detailed flowchart illustrating a method for predicting an onset disease according to a third embodiment of the present invention.
  • FIG. 6 is a block diagram showing an onset disease prediction system according to a fourth embodiment of the present invention.
  • FIG. 7 is a flowchart illustrating a method for providing basic medical care data according to a fifth embodiment of the present invention.
  • FIG. 8 is a detailed flowchart illustrating a method for providing basic medical care data according to a fifth embodiment of the present invention.
  • FIG. 9 is a block diagram showing a system for providing basic medical care data according to a sixth embodiment of the present invention.
  • the step of receiving information on the start point of pain from the user S110
  • the steps of dividing the pain period from the start point of pain to the present point into a plurality of pain sections (S120)
  • a step of receiving quantified pain information about the pain level for each pain section from the user S130
  • a step of generating a pain graph representing a change in the user's pain during the pain period based on the pain information S140
  • a pain graph generation method comprising a is provided.
  • the pain period from the corresponding point to the present point is divided into a plurality of sections based on the user's discomfort input from the user, that is, based on the information on the point at which pain and/or discomfort started, and the pain for each section is divided into a plurality of sections. It is possible to generate and provide a pain graph capable of effectively grasping the pain change pattern during the user's pain period by receiving numerical information about the degree from the user.
  • FIG. 1 is a flowchart illustrating a method for generating a pain graph according to a first embodiment of the present invention
  • FIG. 2 is a detailed flowchart thereof.
  • step 110 information on the start time of pain may be input from the user.
  • the pain period for generating the pain graph that is, the range of time displacement on the X-axis of the pain graph can be set, and basic data for generating a plurality of divided pain sections can be prepared as will be described later.
  • the pain period of 10 days from 10 days ago to the present point for dividing a plurality of pain sections is reduced. set and the time displacement on the X-axis of the pain graph may be provided.
  • discomfort may be understood as meaning including physical pain and/or psychological discomfort experienced by a patient, and in the present invention, 'discomfort' having the above meaning is collectively used as 'pain'.
  • the pain period from the start point of pain to the present point may be divided into a plurality of pain sections.
  • the pain section may be divided according to a predetermined criterion so as to represent each meaning of the pain pattern that is changed during the pain period.
  • the pain section may be divided into shorter lengths as it approaches the present point.
  • the pain level changes gradually after being recognized by the first user, and at a certain point in time, the user may wish to visit the hospital, so the pain section is divided into the present time to reflect the general change in pain.
  • the closer to the shorter the length can be divided.
  • the plurality of pain sections is a period representing a reference value for the user's pain, and is a first pain section divided from the start of pain to 50% or less of the pain period, and a period representing the average value of the user's pain.
  • the second pain section is divided from 50% to 75% of the pain period, and the third pain is divided from 75% of the pain period to 90% of the pain period as a period showing the user's tendency to change pain.
  • the interval and a fourth pain interval divided from 90% of the pain period to the present time may be included as a period indicating the user's current pain state.
  • the first pain section is a section that is temporally farthest from the present point, and the pain information of the corresponding section can be a standard for analyzing pain information of subsequent pain sections.
  • the second pain section is a section in which the pain level is gradually changed over time after the first pain section, and the pain information of the corresponding section may represent average pain information for the pain period.
  • the third pain section is a section where a full-scale change in pain level occurs, and the change pattern of pain can be observed through pain information in the section.
  • the fourth pain section is a section in which the pain level of the user at the current point is well reflected because it is closest to the current point.
  • the first pain interval is from 10 days to 5 days ago
  • the second pain interval is from 5 days to 2.5 days ago
  • the third pain interval is from 2.5 days to 1 day ago
  • the fourth pain interval is can be divided from one day ago to the present time.
  • step 130 quantified pain information for each pain section may be input from the user.
  • the step of receiving pain information may be performed by allowing the user to select one of the pain levels classified from 1 to 10 .
  • the user can easily input the pain level perceived by the user for each pain section.
  • a pain graph representing the user's pain changes during the pain period may be generated.
  • the pain graph may be generated in the form of a line graph in which the numerical values of pain information are connected by a straight line, or in the form of a curved graph reflecting the tendency of the pain information values.
  • the pain graph of the above curve may be generated by analyzing the input pain information value based on big data on the tendency of the pain information and projecting big data data matching it to the input pain information.
  • the step of analyzing the pain graph of the second pain section to the fourth pain section may be further included in order to determine whether the user is in an emergency situation.
  • the analysis of the pain graph of the sections other than the first pain section is the section where the user’s perception of the occurrence of pain starts as described above in the case of the first pain section, and the full-scale change in pain is from the second pain section It can be understood to effectively grasp the degree of change in actual pain as it appears.
  • the step of analyzing the pain graph ( S150 ) may be performed by calculating an average slope of the pain graph.
  • the change pattern of pain or its emergency can be grasped.
  • the step of analyzing the pain graph (S150) is a step of calculating a first slope with respect to the numerical value of the pain information of the second pain section to the third pain section (S154), and the step of analyzing the pain information of the third pain section and the fourth pain section. It may include calculating a second slope for the numerical value (S156), and calculating an absolute value of a difference between the first slope and the second slope (S157).
  • the second pain section to the fourth pain section are again divided into the second pain section, the third pain section, and the third pain section to the fourth pain section, and after calculating the slopes in the divided sections, the difference between the two slopes is calculated.
  • the step (S160) of determining an emergency situation may be further included.
  • the step of determining an emergency situation may be further included.
  • the pain level of the pain section including the present point is compared with a preset reference value, so that the pain level is a reference value. In case of abnormality, it can be judged as an emergency.
  • the pain section including the present time point may be the fourth pain section described above.
  • the step of transmitting the pain graph to an electronic medical record (EMR) in charge of the user (S180) may be further included.
  • the generated pain graph is provided to the user so that the user can understand his or her own pain change, and by transmitting the pain graph to the user's EMR, that is, the electronic medical record, the doctor in charge uses the pain graph as basic data for treatment It is possible to assist in providing more effective treatment by identifying changes in the user's pain patterns or the current user's emergency situation.
  • a pain graph generating system 100 according to a second embodiment of the present invention will be described.
  • the first input unit 110 that receives information on the start time of pain from the user 10 , divides the pain period from the start point of pain to the present point into a plurality of pain sections.
  • the dividing unit 120 to do the same, the second input unit 130 for receiving quantified pain information about the pain level for each pain section from the user 10, and the change in pain of the user 10 during the pain period based on the pain information
  • a pain graph generating system 100 including a generating unit 140 for generating a pain graph representing
  • the division unit 120 divides the pain period from the time point to the present point into a plurality of sections based on the information on the start time of the pain of the user 10 received through the first input unit 110 . and generates a pain graph in which the generation unit 140 can effectively identify the pain change pattern during the pain period of the user 10 based on the numerical information on the pain level for each section received through the second input unit 130 .
  • the generation unit 140 can effectively identify the pain change pattern during the pain period of the user 10 based on the numerical information on the pain level for each section received through the second input unit 130 .
  • FIG. 3 is a block diagram showing the pain graph generating system 100 according to the second embodiment of the present invention.
  • the first input unit 110 may receive information on the start time of pain from the user 10 .
  • the division unit 120 may divide the pain period from the start point of pain to the present point into a plurality of pain sections.
  • the pain section may be divided into shorter lengths as it approaches the present point.
  • the plurality of pain sections is a period representing a reference value for pain of the user 10, and the first pain section divided from the start point of pain to 50% or less of the pain period, the average value of the pain of the user 10 A second pain section divided from 50% of the pain period to 75% or less of the pain period as a period indicated, and a period indicating the tendency of the user 10 to change pain, from 75% of the pain period to 90 of the pain period A third pain section divided up to % time point or less, and a fourth pain section divided from 90% of the pain period to the present point as a period indicating the current pain state of the user 10 may be included.
  • the second input unit 130 may receive quantified pain information about the pain level for each pain section from the user 10 .
  • the second input unit 130 may allow the user 10 to select a pain level divided into 1 to 10.
  • the analysis unit 150 may analyze the pain graph of the second pain section to the fourth pain section to determine whether the user 10 is in an emergency situation.
  • the analysis unit 150 may analyze the pain graph by calculating an average slope of the pain graph.
  • the analysis unit 150 calculates a first slope with respect to the value of pain information in the second pain section to the third pain section, and calculates a second slope with respect to the value of pain information in the third pain section to the fourth pain section
  • the pain graph can be analyzed by calculating the absolute value of the difference between the first slope and the second slope.
  • the determination unit 160 may determine an emergency situation when the value calculated by the analysis unit 150 analyzing the pain graph exceeds a reference value.
  • the determination unit 160 may determine an emergency situation when the pain information of the pain section including the current point is equal to or greater than a reference value.
  • the transmitter 180 may transmit the pain graph to the EMR of the attending physician 20 of the user 10 .
  • the step of preparing a list of each of the plurality of symptoms and the plurality of diseases (S210), the step of matching the symptoms with the diseases related to the symptoms (S220), A step of differentially setting a score related to a symptom matched with a disease according to the prevalence of the disease for each disease (S230), providing the user with a plurality of symptom lists and receiving at least one selection from the user that corresponds to the user (S240) ), and calculating the summation score by summing the scores related to the symptoms selected by the user for each disease, and deriving the predicted disease information in the order of the highest summation score (S250).
  • each symptom of a plurality of symptom lists is matched with a relevant one of each disease of a plurality of disease lists, and at this time, the correlation score of one symptom is differentially set for each disease according to the prevalence between the symptom and the disease. And, based on the result of the symptom selected by the user, predictive disease information is derived based on the summed score of each related score for each disease and provided to the user. It is possible.
  • FIG. 4 is a flowchart illustrating a method for predicting an onset disease according to a third embodiment of the present invention
  • FIG. 5 is a detailed flowchart thereof.
  • step 210 a list of each of a plurality of symptoms and a plurality of diseases may be prepared.
  • a first database may be prepared by listing and listing possible diseases
  • a second database may be prepared by listing and listing after excluding overlapping symptoms related to the diseases.
  • the symptom may be matched with a disease related to the symptom.
  • one symptom among the plurality of symptoms may be matched with a plurality of diseases related to the corresponding symptom, and such matching may be repeatedly performed for all of the plurality of symptoms.
  • a 'fever' symptom can be matched with 'cold', 'migraine', 'typhoid', 'cerebral hemorrhage', etc. related to the symptom.
  • a correlation score of a symptom matched with a disease may be differentially set for each disease according to the prevalence of the disease with respect to the symptom.
  • the related score of one symptom for calculating the summed score is set differently for each matched disease, and in this case, the related score may be differentially set for each disease based on the prevalence of the disease with respect to the symptom.
  • the prevalence may be understood as a percentage of people having a specific disease in a target group, and may be understood as a probability of developing a specific disease in a group of people having a specific symptom.
  • the prevalence of 'fever' symptom was 'cold', 'migraine', 'typhoid', 'cerebral hemorrhage' in that order. If it is high, the correlation score for 'cold' of 'fever' symptoms may be the highest, and the correlation score for 'cerebral hemorrhage' may be the lowest.
  • a plurality of symptom lists may be provided to the user so that at least one corresponding to the user may be selected from the user.
  • the plurality of symptom lists described above are provided to the user, and accordingly, symptoms recognized by the user can be selected from among the symptoms in the list, which can be basic data for calculating the summation score.
  • step 250 by summing the scores related to symptoms selected by the user for each disease, the summed score may be calculated, and predicted disease information may be derived in the order of the highest summed score.
  • the scores related to each symptom included in the disease are summed, and the diseases are exposed in the order of the highest score based on the summed score, so that the user can determine his/her own It can help identify the expected disease.
  • a step ( S260 ) of receiving personal information including at least one of gender, age, and residential area from the user may be further included.
  • personal information may be utilized as a means for correcting the summed score as will be described later, and such personal information may include at least one of gender, age, and residential area.
  • the step of deriving the expected disease information includes a step of correcting the summed score by subtracting the rule out score from the summed score of the disease when the prevalence of the personal information of the disease is less than the first criterion (S254) can do.
  • the rule out means to exclude a specific disease from the list of results. If the prevalence of a specific disease according to the user's personal information does not meet the first criterion, the user According to the personal information of the patient, the accuracy of the results can be further improved by excluding diseases with a significantly low or no incidence from the predicted disease information.
  • rule-out score may be set so high that the disease cannot recover the subtracted portion in any case.
  • diseases that appear only in one sex according to sex can be given as an example.
  • prostate cancer, testicular cancer, cervical cancer, and ovarian cancer are diseases that occur only in one sex due to biological differences between men and women, and the prevalence in other sexes is significantly higher. Since it is low or converges to 0%, if the user is male, the rule-out score for cervical cancer or ovarian cancer can be subtracted from the predicted disease information.
  • the step of deriving the expected disease information (S250) may include a step (S256) of correcting the summed score by subtracting the adjustment score from the summed score of the disease when the prevalence of the personal information of the disease is less than the second criterion (S256).
  • the probability of developing a disease according to the user's personal information is expected to be extremely low compared to cases other than personal information It is possible to further improve the accuracy and utility of the results by preventing them from being placed higher in the priority of disease information.
  • the incidence of breast cancer in men is extremely low, if not 0%, prevalence rates according to individual personal information.
  • By subtracting the adjustment score from it is possible to prevent being placed higher in the priority of predicted disease information.
  • the adjustment score may be set to increase or decrease in proportion to the prevalence rate.
  • the step of deriving expected disease information is a step of correcting the summed score by subtracting the correction score from the summed score when the deviation between the prevalence of the disease for personal information and the prevalence for cases other than personal information is less than the third criterion (S258) ) may be included.
  • the probability of developing a disease according to the user's personal information is extremely low compared to cases other than personal information by reducing the sum of the disease score by the correction score and correcting it It is possible to further improve the utility and accuracy of the results by preventing them from being placed higher in the priority of disease information.
  • the correction score is subtracted to prevent being placed higher in the priority of predicted disease information.
  • the correction score may be set to increase or decrease in proportion to the prevalence.
  • the symptoms may include main symptoms and sub-symptoms for the main symptoms.
  • the main symptom can be specifically divided into several detailed symptoms, and accordingly, the accuracy of the predicted disease information can be further improved by selecting the main symptom as well as the detailed symptoms from the user.
  • the main symptom of 'fever' can be further subdivided into detailed symptoms such as 'high fever' and 'slight fever'.
  • a related score can be given only for the detailed symptoms of the selected main symptom, and in this case, depending on whether or not it is related to the main symptom, the precedence and the back in the expected disease information are largely divided, and thereafter, the By obtaining a relevant score according to whether it is related or not, it is possible to distinguish the precedent and the latter within the predicted disease information in detail.
  • 'fever' is selected as the main symptom and 'slight fever' is selected among the detailed symptoms of 'fever'
  • 'dry eye syndrome' is not related to 'fever', so a related score for 'slight fever' cannot be obtained and ' A cold may be accompanied by a low fever
  • 'typhoid' is accompanied by a high fever
  • 'typhoid' does not get a score related to 'slight fever'
  • 'cold' acquires a score related to 'slight fever', resulting in a 'cold' ' may be exposed at the top of the predicted disease information ranking.
  • a related score may be given to both the main symptom and the detailed symptoms, and in this case, even for diseases that are matched to the same main symptom, it is expected that the disease
  • the precedence and the latter in the information can be divided.
  • 'fever' is selected as the main symptom and 'slight fever' is selected among the detailed symptoms of 'fever'
  • 'cold' has a higher score for 'fever' than 'typhoid', so 'Cold' can be accompanied by a slight fever, whereas 'typhoid' is accompanied by a high fever, so the difference in the sum of the two diseases according to the score associated with 'slight fever' increases, so the expected disease of 'cold' and 'typhoid' A clear difference can occur in the ranking of information.
  • the step of deriving the predicted disease information ( S250 ) may be performed by selecting the top N diseases as the predicted disease information based on the summation score.
  • the user may need to be provided with only the most likely expected disease information.
  • only the N selected predicted disease information such as the top 1, 2, 3, etc.
  • the step ( S259 ) of receiving a selection from the user of the number of higher-order diseases to be exposed as the predicted disease information based on the summation score may be further included.
  • a step ( S280 ) of transmitting a plurality of symptom lists including the user's selection result and the predicted disease information to the EMR in charge of the user may be further included.
  • the derived predicted disease information is provided to the user so that the user can understand the onset disease, and a plurality of symptom lists including the user's selection result and the predicted disease information are transmitted to the user's EMR to the treating physician. It can assist patients to provide more effective treatment by providing a questionnaire based on expected disease information as basic data.
  • An onset disease prediction system 200 according to a fourth embodiment of the present invention will be described.
  • a list generating unit 210 for providing a list of each of a plurality of symptoms and a plurality of diseases
  • a matching unit 220 for matching symptoms with diseases related to the symptoms
  • the score setting unit 230 differentially sets the relevant score of symptoms matched with the disease for each disease according to the prevalence of the disease with respect to the symptom, and provides a plurality of symptom lists to the user 10 from the user 10 to the user.
  • An onset disease prediction system 200 including a derivation unit 250 is provided.
  • the matching unit 220 matches each symptom of the plurality of symptom lists with a related one among each disease of the plurality of disease lists, and at this time, the score setting unit 230 determines the prevalence between symptoms and diseases. Accordingly, the relevant score of one symptom is differentially set for each disease, and the result derivation unit 250 based on the result for the corresponding symptom selected by the symptom selection unit 240 sums up each relevant score for each disease based on the summation score By deriving predicted disease information and providing it to the user 10 , the user 10 can effectively predict and understand his/her onset disease.
  • FIG. 6 is a block diagram illustrating an onset disease prediction system 200 according to a fourth embodiment of the present invention.
  • the list generator 210 may prepare a list of each of a plurality of symptoms and a plurality of diseases.
  • the matching unit 220 may match a symptom with a disease related to the symptom.
  • the score setting unit 230 may differentially set a score related to a symptom matched with a disease for each disease according to the prevalence of the disease with respect to the symptom.
  • the symptom selection unit 240 may provide the user 10 with a list of a plurality of symptoms so that at least one corresponding to the user 10 may be selected by the user 10 .
  • the result derivation unit 250 may calculate the summation score by summing the scores related to the symptoms selected by the user 10 for each disease, and may derive the expected disease information in the order of the highest summation score.
  • the personal information input unit 260 may receive personal information including at least one of gender, age, and residential area from the user 10 after the step of differentially setting for each disease.
  • the result derivation unit 250 may include a first correction unit 254 for correcting the summed score by subtracting a rule out score from the summed score of the disease when the prevalence of the disease for personal information is less than the first criterion.
  • the result derivation unit 250 may include a second corrector 256 that corrects the summed score by subtracting the adjustment score from the summed score of the disease when the prevalence of the disease for personal information is less than the second criterion.
  • the result derivation unit 250 is a third correction unit 258 that corrects the summation score by subtracting the correction score from the summation score when the deviation between the prevalence of the disease for personal information and the prevalence rate for cases other than personal information is less than the third criterion.
  • the third correction unit 258 may include
  • the symptoms may include main symptoms and sub-symptoms for the main symptoms.
  • the result derivation unit 250 may select the top N diseases as predicted disease information based on the summed score.
  • the transmitter 280 may transmit a plurality of symptom lists and predicted disease information including the selection result of the user 10 to the EMR of the doctor 20 of the user 10 .
  • a step of preparing a list of each of a plurality of symptoms and a plurality of diseases (S210), a step of matching the symptoms with a disease related to the symptoms (S220), a step for the symptoms
  • a step of differentially setting a score related to a symptom matched with a disease according to the prevalence of the disease for each disease (S230), providing the user with a plurality of symptom lists and receiving at least one selection from the user that corresponds to the user (S240) ), calculating the summation score by summing the scores related to the symptoms selected by the user for each disease, and deriving the expected disease information in the order of the highest summation score (S250), providing the user with the user's selection result and expected disease information
  • a method for providing basic medical care data including the step (S310), and the step (S320) of transmitting a plurality of symptom list and expected disease information including the user's selection result to the EMR in charge of the user
  • each symptom of a plurality of symptom lists is matched with a relevant one of each disease of a plurality of disease lists, and at this time, the correlation score of one symptom is differentially set for each disease according to the prevalence between the symptom and the disease. And, based on the result of the symptom selected by the user, predictive disease information is derived based on the summed score of each related score for each disease and provided to the user. Furthermore, by transmitting a plurality of symptom list and expected disease information including the user's selection result to the user's EMR, it is used as basic data for treatment, enabling faster and more accurate treatment.
  • FIG. 7 is a flowchart illustrating a method for providing basic medical care data according to a fifth embodiment of the present invention
  • FIG. 8 is a detailed flowchart thereof.
  • step 210 a list of each of a plurality of symptoms and a plurality of diseases may be prepared.
  • the symptom may be matched with a disease related to the symptom.
  • a correlation score of a symptom matched with a disease may be differentially set for each disease according to the prevalence of the disease with respect to the symptom.
  • a plurality of symptom lists may be provided to the user so that at least one corresponding to the user may be selected from the user.
  • step 250 by summing the scores related to symptoms selected by the user for each disease, the summed score may be calculated, and predicted disease information may be derived in the order of the highest summed score.
  • a step ( S260 ) of receiving personal information including at least one of gender, age, and residential area from the user may be further included.
  • the step of deriving the expected disease information includes a step of correcting the summed score by subtracting the rule out score from the summed score of the disease when the prevalence of the personal information of the disease is less than the first criterion (S254) can do.
  • the step of deriving the expected disease information (S250) may include a step (S256) of correcting the summed score by subtracting the adjustment score from the summed score of the disease when the prevalence of the personal information of the disease is less than the second criterion (S256).
  • the step of deriving expected disease information is a step of correcting the summed score by subtracting the correction score from the summed score when the deviation between the prevalence of the disease for personal information and the prevalence for cases other than personal information is less than the third criterion (S258) ) may be included.
  • the symptoms may include main symptoms and sub-symptoms for the main symptoms.
  • the step of deriving the predicted disease information ( S250 ) may be performed by selecting the top N diseases as the predicted disease information based on the summation score.
  • a plurality of symptom lists including the user's selection result and predicted disease information may be transmitted to the EMR in charge of the user.
  • the step of receiving information on the start point of pain from the user Prior to providing the information to the user (S310), the step of receiving information on the start point of pain from the user (S110), the step of dividing the pain period from the start point of pain to the present point into a plurality of pain sections (S120), the step of receiving from the user
  • the step of receiving quantified pain information about the pain level for each pain section S130
  • the step of generating a pain graph representing the user's pain changes during the pain period based on the pain information are further included
  • the step of transmitting the pain graph to the EMR may be performed to further transmit the pain graph to the EMR of the person in charge.
  • step 110 information on the start time of pain may be input from the user.
  • the pain period from the start point of pain to the present point may be divided into a plurality of pain sections.
  • the pain section may be divided into shorter lengths as it approaches the present point.
  • the plurality of pain sections is a period representing a reference value for the user's pain, and is a first pain section divided from the start of pain to 50% or less of the pain period, and a period representing the average value of the user's pain.
  • the second pain section is divided from 50% to 75% of the pain period, and the third pain is divided from 75% of the pain period to 90% of the pain period as a period showing the user's tendency to change pain.
  • the interval and a fourth pain interval divided from 90% of the pain period to the present time may be included as a period indicating the user's current pain state.
  • step 130 quantified pain information for each pain section may be input from the user.
  • the step of receiving pain information may be performed by allowing the user to select one of the pain levels classified from 1 to 10 .
  • a pain graph representing the user's pain changes during the pain period may be generated.
  • the step of analyzing the pain graph of the second pain section to the fourth pain section may be further included in order to determine whether the user is in an emergency situation.
  • the step of analyzing the pain graph ( S150 ) may be performed by calculating an average slope of the pain graph.
  • the step of analyzing the pain graph (S150) is a step of calculating a first slope with respect to the value of pain information in the second pain section to the third pain section,
  • the method may include calculating a second slope, and calculating an absolute value of a difference between the first slope and the second slope.
  • the step (S160) of determining an emergency situation may be further included.
  • the step of determining an emergency situation may be further included.
  • the step of transmitting the pain graph to the EMR of the treating person ( S320 ) may be performed to further transmit the pain graph to the EMR of the treating person.
  • the step of receiving an input from the attending physician as to whether the evaluation criteria for a plurality of symptom lists are not met may be further included.
  • the step S330 of receiving an input from the attending physician may be performed based on the user's medical treatment result of the attending physician.
  • the attending physician performs treatment based on the multiple symptom list and expected disease information including the user's selection result, and evaluates the multiple symptom list and expected disease information based on the treatment result, the list is not reasonable or expected
  • a plurality of symptom lists may be input from the attending physician that do not meet the evaluation criteria.
  • the plurality of symptom lists do not meet the evaluation criteria after receiving the input from the attending physician (S330), transmitting the plurality of symptom lists to the server of the designated medical expert group (S340), and the plurality of symptoms from the medical expert group
  • the step of receiving correction information for the list (S350) may be further included.
  • the plurality of symptom lists that do not meet the evaluation criteria can be corrected by a group of medical experts as collective intelligence, and accordingly, the plurality of symptom lists are updated as described later to further improve disease prediction. do.
  • the step of receiving input from the attending physician (S330) is performed so that, when the plurality of symptom lists do not meet the evaluation criteria, a comment from the treating physician regarding the non-evaluation criteria is further input, and transmitting to the server of the medical expert group ( S340) may be performed to further transmit the comment to the server of the medical expert group.
  • the doctor's comment on the fact that the plurality of symptom lists do not meet the evaluation criteria can serve as a milestone for the medical expert group's correction, so that the medical expert group's correction can be made more quickly and effectively.
  • updating the plurality of symptom lists by correcting the plurality of symptom lists according to the correction items ( S360 ) may be further included.
  • a list generating unit 210 generating unit 140 for providing a list of each of a plurality of symptoms and a plurality of diseases, and matching for matching symptoms with diseases related to symptoms
  • a list of a plurality of symptoms including the result derivation unit 250 for deriving , the information providing unit 310 for providing the user 10 with the selection result and expected disease information of the user 10 , and the selection result of the user 10 .
  • a transmission unit 320 for transmitting the expected disease information to the EMR of the attending physician
  • the matching unit 220 matches each symptom of the plurality of symptom lists with a related one among each disease of the plurality of disease lists, and at this time, the score setting unit 230 ) differentially sets the correlation score of one symptom for each disease according to the prevalence between the symptom and the disease, and based on the result for the corresponding symptom selected by the symptom selection unit 240, the result derivation unit 250 sets the correlation score for each disease.
  • the user 10 can effectively predict and understand his/her onset disease, and , further, by transmitting a plurality of symptom list and expected disease information including the selection result of the user 10 from the transmission unit 320 to the EMR of the attending physician 20 of the user 10, it is used as basic data for treatment. Faster and more accurate treatment is possible.
  • FIG. 9 is a configuration diagram illustrating a system for providing basic medical care data according to a sixth embodiment of the present invention.
  • the list generator 210 and the generator 140 may prepare a list of each of a plurality of symptoms and a plurality of diseases.
  • the matching unit 220 may match a symptom with a disease related to the symptom.
  • the score setting unit 230 may differentially set a score related to a symptom matched with a disease for each disease according to the prevalence of the disease with respect to the symptom.
  • the symptom selection unit 240 may provide the user 10 with a list of a plurality of symptoms so that at least one corresponding to the user 10 may be selected by the user 10 .
  • the personal information input unit 260 may receive personal information including at least one of gender, age, and residential area from the user 10 after the step of differentially setting for each disease.
  • the result derivation unit 250 may calculate the summation score by summing the scores related to the symptoms selected by the user 10 for each disease, and may derive the expected disease information in the order of the highest summation score.
  • the result derivation unit 250 may include a first correction unit 254 for correcting the summed score by subtracting a rule out score from the summed score of the disease when the prevalence of the disease for personal information is less than the first criterion.
  • the result derivation unit 250 may include a second corrector 256 that corrects the summed score by subtracting the adjustment score from the summed score of the disease when the prevalence of the disease for personal information is less than the second criterion.
  • the result derivation unit 250 is a third correction unit 258 that corrects the summation score by subtracting the correction score from the summation score when the deviation between the prevalence of the disease for personal information and the prevalence rate for cases other than personal information is less than the third criterion.
  • the third correction unit 258 may include
  • the symptoms may include main symptoms and sub-symptoms for the main symptoms.
  • the result derivation unit 250 may select the top N diseases as predicted disease information based on the summed score.
  • the transmitter 320 may transmit a plurality of symptom lists and predicted disease information including the selection result of the user 10 to the EMR of the doctor 20 of the user 10 .
  • the first input unit 110 for receiving information on the start time of pain from the user 10 , the division unit 120 for dividing the pain period from the beginning of pain to the present time into a plurality of pain sections, and the pain section from the user 10 .
  • a second input unit 130 that receives quantified pain information for each pain level, and a generation unit 140 that generates a pain graph representing a change in pain of the user 10 during a pain period based on the pain information are further provided.
  • the transmission unit 320 may further transmit the pain graph to the EMR in charge.
  • the first input unit 110 may receive information on the start time of pain from the user 10 .
  • the division unit 120 may divide the pain period from the start point of pain to the present point into a plurality of pain sections.
  • the pain section may be divided into shorter lengths as it approaches the present point.
  • the plurality of pain sections is a period representing the reference value for pain of the user 10, and the first pain section divided from the start point of pain to 50% or less of the pain period, the average value of the pain of the user 10
  • a second pain section divided from 50% of the pain period to 75% or less of the pain period as a period indicated, and a period indicating the tendency of the user 10 to change pain, from 75% of the pain period to 90 of the pain period
  • a third pain section divided up to % time point or less, and a fourth pain section divided from 90% of the pain period to the present time point as a period representing the current pain state of the user 10 may be included.
  • the second input unit 130 may receive quantified pain information about the pain level for each pain section from the user 10 .
  • the second input unit 130 may allow the user 10 to select a pain level divided into 1 to 10.
  • the analysis unit 150 may analyze the pain graph of the second pain section to the fourth pain section to determine whether the user 10 is in an emergency situation.
  • the analysis unit 150 may analyze the pain graph by calculating an average slope of the pain graph.
  • the analysis unit 150 calculates a first slope with respect to the value of pain information in the second pain section to the third pain section, and calculates a second slope with respect to the value of pain information in the third pain section to the fourth pain section
  • the pain graph can be analyzed by calculating the absolute value of the difference between the first slope and the second slope.
  • the determination unit 160 may determine an emergency situation when the value calculated by the analysis unit 150 analyzing the pain graph exceeds a reference value.
  • the determination unit 160 may determine an emergency situation when the pain information of the pain section including the current point is equal to or greater than a reference value.
  • the transmitter 320 may transmit the pain graph to the EMR of the attending physician 20 of the user 10 .
  • the transmitter 320 may further transmit a plurality of symptom lists and predicted disease information including the selection result of the user 10 to the EMR of the attending physician 20 of the user 10 .
  • the evaluation input unit 330 may receive an input from the doctor 20 in charge of whether the evaluation criteria for the plurality of symptom lists are not met.
  • whether the evaluation criteria are not met may be determined based on the medical treatment result of the user 10 of the attending physician 20 .
  • the transmitter 320 transmits the plurality of symptom lists to the server of the designated medical expert group 30 when the plurality of symptom lists do not meet the evaluation criteria after the step of receiving the input from the attending physician 20, and the correction input unit ( The 350 may receive correction information for a plurality of symptom lists from the medical expert group 30 .
  • the evaluation input unit 330 may further receive a comment of the attending physician 20 regarding the non-compliance with the evaluation criteria when the plurality of symptom lists do not meet the evaluation criteria, and the transmission unit 320 may send the comments to the medical expert group (30) can be further transmitted to the server.
  • the update unit 360 may update the plurality of symptom lists by correcting the plurality of symptom lists according to the correction items.
  • each component can be identified as each process.
  • the process of the above-described embodiment can be easily understood from the point of view of the components of the apparatus.
  • the technical contents described above may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer-readable medium.
  • the computer-readable medium may include program instructions, data files, data structures, etc. alone or in combination.
  • the program instructions recorded on the medium may be specially designed and configured for the embodiments, or may be known and available to those skilled in the art of computer software.
  • Examples of the computer-readable recording medium include magnetic media such as hard disks, floppy disks and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic media such as floppy disks.
  • - includes magneto-optical media, and hardware devices specially configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like.
  • Examples of program instructions include not only machine language codes such as those generated by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like.
  • a hardware device may be configured to operate as one or more software modules to perform the operations of the embodiments, and vice versa.

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

통증 그래프 생성 방법이 개시된다. 본 발명의 일 측면에 따르면, 사용자로부터 통증(discomfort) 시작 시점의 정보를 입력받는 단계, 통증 시작 시점부터 현시점까지의 통증 기간을 복수의 통증 구간으로 분할하는 단계, 사용자로부터 통증 구간별 통증 정도에 대한 수치화된 통증 정보를 입력받는 단계, 및 통증 정보를 토대로 통증 기간 동안의 사용자의 통증 변화 모습을 나타내는 통증 그래프를 생성하는 단계를 포함하는 통증 그래프 생성 방법이 제공된다.

Description

통증 그래프 생성 방법 및 그 시스템
본 발명은 통증 그래프 생성 방법 및 그 시스템에 관한 것이다.
최근, 컴퓨터 또는 스마트폰 등의 개발 및 성능 발전에 따라 다양한 분야에서 사용자 편의를 도모하는 서비스 제공을 위한 컴퓨터 프로그램 내지 어플리케이션들이 개발 및 보급되어 사용되고 있다.
이러한 최근 추세에 따라 의료 분야에서도 사용자가 통증/불편함이 있거나 질환의 발병이 의심되어 병원을 내원하기 전에 미리 본인의 통증/불편함 상태 내지 예상 발병 질환을 파악하고 그에 적합한 진료과를 찾아 갈 수 있도록 하는 컴퓨터 프로그램 내지 어플리케이션 등에 대한 수요가 발생되고 있다.
또한 상기한 것과 같은 사용자의 검색 결과는 의사의 EMR(전자의무기록, electronic medical record)로 전송될 경우 사용자의 진료를 위한 기초 자료로서 활용될 수 있는 효과도 기대할 수 있는 바, 이처럼 사용자와 의사 모두에게 유익한 의료 활동을 가능케하는 방법 내지 시스템의 구축에 대한 니즈가 증대되고 있는 실정이다.
[선행기술문헌]
[특허문헌]
대한민국 등록특허공보 제 10-1729143 호 (2017.04.21. 공고)
본 발명은 사용자로부터 입력받은 통증 정보를 분석해 사용자의 통증 기간 동안의 통증 변화 양상을 효과적으로 파악 가능한 통증 그래프를 생성 및 제공 가능한 통증 그래프 생성 방법 및 그 시스템을 제공하는 것이다.
본 발명은 사용자로부터 입력받은 증상 정보를 분석해 증상에 대한 질환의 유병률을 토대로 사용자의 예상 질환 정보를 생성 및 제공함을 통해 사용자가 효과적으로 본인의 발병 질환을 예상 및 파악하는 것이 가능한 발병 질환 예측 방법 및 그 시스템을 제공하는 것이다.
본 발명은 사용자의 해당 증상 선택 결과를 포함하는 증상 리스트 및 사용자의 해당 증상 선택에 따라 도출된 예상 질환 정보를 사용자의 담당의 EMR로 전송해 진료를 위한 기초 데이터로 활용되도록 함으로써 보다 신속하고 정확한 진료가 가능한 진료 기초 데이터 제공 방법 및 그 시스템을 제공하는 것이다.
본 발명의 일 측면에 따르면, 사용자로부터 통증(discomfort) 시작 시점의 정보를 입력받는 단계, 통증 시작 시점부터 현시점까지의 통증 기간을 복수의 통증 구간으로 분할하는 단계, 사용자로부터 통증 구간별 통증 정도에 대한 수치화된 통증 정보를 입력받는 단계, 및 통증 정보를 토대로 통증 기간 동안의 사용자의 통증 변화 모습을 나타내는 통증 그래프를 생성하는 단계를 포함하는 통증 그래프 생성 방법이 제공된다.
복수의 통증 구간은 사용자의 통증에 대한 기준치를 나타내는 기간으로서 통증 시작 시점부터 통증 기간의 50% 시점 이하까지 분할되는 제1 통증 구간, 사용자의 통증에 대한 평균값을 나타내는 기간으로서 통증 기간의 50% 시점 이후부터 통증 기간의 75% 시점 이하까지 분할되는 제2 통증 구간, 사용자의 통증 변화 경향을 나타내는 기간으로서 통증 기간의 75% 시점 이후부터 통증 기간의 90% 시점 이하까지 분할되는 제3 통증 구간, 및 사용자의 현재 통증 상태를 나타내는 기간으로서 통증 기간의 90% 시점 이후부터 현시점까지 분할되는 제4 통증 구간을 포함할 수 있다.
통증 그래프를 생성하는 단계 이후에 사용자의 응급 상황인지 여부를 판단하기 위해 제2 통증 구간 내지 제4 통증 구간의 통증 그래프를 분석하는 단계가 더 포함될 수 있다.
통증 그래프를 분석하는 단계는 통증 그래프의 평균 기울기를 산출하여 수행될 수 있다.
통증 그래프를 분석하는 단계는 제2 통증 구간 내지 제3 통증 구간의 통증 정보의 수치에 대한 제1 기울기를 산출하는 단계, 제3 통증 구간 내지 제4 통증 구간의 통증 정보의 수치에 대한 제2 기울기를 산출하는 단계, 및 제1 기울기와 제2 기울기간 차의 절대값을 산출하는 단계를 포함할 수 있다.
통증 그래프를 분석하는 단계 이후에 통증 그래프를 분석하여 산출된 값이 기준값을 초과하는 경우 응급 상황으로 판단하는 단계가 더 포함될 수 있다.
통증 정보를 입력받는 단계는 1부터 10까지로 구분된 통증 정도 중 사용자가 택일하도록 하여 수행될 수 있다.
통증 정보를 입력받는 단계 이후에 현시점을 포함하는 통증 구간의 통증 정보가 기준 수치 이상인 경우 응급 상황으로 판단하는 단계가 더 포함될 수 있다.
통증 그래프를 생성하는 단계 이후에 통증 그래프를 사용자의 담당의 EMR(electronic medical record)로 전송하는 단계가 더 포함될 수 있다.
본 발명의 타 측면에 따르면, 사용자로부터 통증(discomfort) 시작 시점의 정보를 입력받는 제1 입력부, 통증 시작 시점부터 현시점까지의 통증 기간을 복수의 통증 구간으로 분할하는 분할부, 사용자로부터 통증 구간별 통증 정도에 대한 수치화된 통증 정보를 입력받는 제2 입력부, 및 통증 정보를 토대로 통증 기간 동안의 사용자의 통증 변화 모습을 나타내는 통증 그래프를 생성하는 생성부를 포함하는 통증 그래프 생성 시스템이 제공된다.
본 발명에 따르면, 사용자로부터 입력받은 통증 정보를 분석해 사용자의 통증 기간 동안의 통증 변화 양상을 효과적으로 파악 가능한 통증 그래프를 생성 및 제공할 수 있다.
본 발명에 따르면, 사용자로부터 입력받은 증상 정보를 분석해 증상에 대한 질환의 유병률을 토대로 사용자의 예상 질환 정보를 생성 및 제공함을 통해 사용자가 효과적으로 본인의 발병 질환을 예상 및 파악하는 것이 가능하다.
본 발명에 따르면, 사용자의 해당 증상 선택 결과를 포함하는 증상 리스트 및 사용자의 해당 증상 선택에 따라 도출된 예상 질환 정보를 사용자의 담당의 EMR로 전송해 진료를 위한 기초 데이터로 활용되도록 함으로써 보다 신속하고 정확한 진료가 가능하다.
도 1은 본 발명의 제1 실시예에 따른 통증 그래프 생성 방법을 나타낸 순서도.
도 2는 본 발명의 제1 실시예에 따른 통증 그래프 생성 방법을 나타낸 세부 순서도.
도 3은 본 발명의 제2 실시예에 따른 통증 그래프 생성 시스템을 나타낸 구성도.
도 4는 본 발명의 제3 실시예에 따른 발병 질환 예측 방법을 나타낸 순서도.
도 5는 본 발명의 제3 실시예에 따른 발병 질환 예측 방법을 나타낸 세부 순서도.
도 6은 본 발명의 제4 실시예에 따른 발병 질환 예측 시스템을 나타낸 구성도.
도 7은 본 발명의 제5 실시예에 따른 진료 기초 데이터 제공 방법을 나타낸 순서도.
도 8은 본 발명의 제5 실시예에 따른 진료 기초 데이터 제공 방법을 나타낸 세부 순서도.
도 9는 본 발명의 제6 실시예에 따른 진료 기초 데이터 제공 시스템을 나타낸 구성도.
[부호의 설명]
10: 사용자
20: 담당의
30: 의학 전문가 그룹
100: 통증 그래프 생성 시스템
110: 제1 입력부
120: 분할부
130: 제2 입력부
140: 생성부
150: 분석부
160: 판단부
180: 전송부
200: 발병 질환 예측 시스템
210: 리스트 생성부
220: 매칭부
230: 점수 설정부
240: 증상 선택부
250: 결과 도출부
254: 제1 보정부
256: 제2 보정부
258: 제3 보정부
260: 개인 정보 입력부
280: 전송부
300: 진료 기초 데이터 제공 시스템
310: 정보 제공부
320: 전송부
330: 평가 입력부
350: 보정 입력부
360: 갱신부
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하, 본 발명에 따른 통증 그래프 생성 방법, 발병 질환 예측 방법, 진료 기초 데이터 제공 방법 및 그 시스템(100, 200, 및 300)을 첨부도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
본 발명의 제1 실시예에 따른 통증 그래프 생성 방법에 대해 설명한다.
본 실시예에 따르면, 도 1에 도시된 바와 같이, 사용자로부터 통증(discomfort) 시작 시점의 정보를 입력받는 단계(S110), 통증 시작 시점부터 현시점까지의 통증 기간을 복수의 통증 구간으로 분할하는 단계(S120), 사용자로부터 통증 구간별 통증 정도에 대한 수치화된 통증 정보를 입력받는 단계(S130), 및 통증 정보를 토대로 통증 기간 동안의 사용자의 통증 변화 모습을 나타내는 통증 그래프를 생성하는 단계(S140)를 포함하는 통증 그래프 생성 방법이 제공된다.
이와 같은 본 실시예에 따르면, 사용자로부터 입력받은 사용자의 discomfort, 즉 통증 및/또는 불편함이 시작된 시점에 대한 정보를 토대로 해당 시점부터 현시점까지의 통증 기간을 복수의 구간으로 분할하고 해당 구간별 통증 정도에 대한 수치 정보를 사용자로부터 입력받아 사용자의 통증 기간 동안의 통증 변화 양상을 효과적으로 파악 가능한 통증 그래프를 생성 및 제공하는 것이 가능하다.
이하 도 1 및 도 2를 참조하여 본 실시예에 따른 통증 그래프 생성 방법의 각 단계에 대하여 설명하도록 한다.
도 1은 본 발명의 제1 실시예에 따른 통증 그래프 생성 방법을 나타낸 순서도이고, 도 2는 그 세부 순서도이다.
단계110에서는 사용자로부터 통증(discomfort) 시작 시점의 정보를 입력받을 수 있다.
이에 따라 통증 그래프를 생성하기 위한 통증 기간, 즉 통증 그래프의 X축상 시간 변위 발생 범위를 세팅할 수 있고, 또한 후술할 바와 같이 분할된 복수의 통증 구간을 생성하기 위한 기초 자료가 마련될 수 있다.
예를 들어 사용자가 통증을 10일전부터 인지하기 시작하였다면 사용자로부터 10일전의 통증 시작 시점 정보를 입력받게 되고, 이에 따라 복수의 통증 구간 분할을 위한 10일전부터 현시점까지의 총 10일이라는 통증 기간이 설정되고 통증 그래프의 X축상 시간 변위가 마련될 수 있다.
여기서 discomfort는 환자가 겪는 신체적인 통증 및/또는 심리적인 불편함을 포함하는 의미로 이해될 수 있으며, 본 발명에서는 상기한 의미를 갖는 'discomfort'를 '통증'으로 통칭하여 사용하도록 한다.
단계120에서는 통증 시작 시점부터 현시점까지의 통증 기간을 복수의 통증 구간으로 분할할 수 있다.
이 경우 후술할 바와 같이 통증 구간은 통증 기간 동안 변화되는 통증의 양상이 갖는 각 의미을 대표할 수 있도록 일정 기준에 따라 분할될 수 있다.
이에 따라 사용자로부터 분할된 통증 구간 각각에서 사용자가 인지했던 평균적 통증 정보를 입력받음으로써 사용자 정보 입력 편의를 도모할 수 있다.
통증 구간은 현시점에 가까울수록 길이가 짧게 분할될 수 있다.
즉 일반적으로 통증 정도는 최초 사용자에게 인지된 이후 점차적으로 변화되고 특정 시점에 이르러서는 사용자가 병원의 내원을 희망할 만큼 커지게 될 수 있으므로, 이와 같은 통증의 일반적 변화 양상이 반영되도록 통증 구간을 현시점에 가까울수록 그 길이가 짧게 분할할 수 있다.
보다 구체적으로 복수의 통증 구간은 사용자의 통증에 대한 기준치를 나타내는 기간으로서 통증 시작 시점부터 통증 기간의 50% 시점 이하까지 분할되는 제1 통증 구간, 사용자의 통증에 대한 평균값을 나타내는 기간으로서 통증 기간의 50% 시점 이후부터 통증 기간의 75% 시점 이하까지 분할되는 제2 통증 구간, 사용자의 통증 변화 경향을 나타내는 기간으로서 통증 기간의 75% 시점 이후부터 통증 기간의 90% 시점 이하까지 분할되는 제3 통증 구간, 및 사용자의 현재 통증 상태를 나타내는 기간으로서 통증 기간의 90% 시점 이후부터 현시점까지 분할되는 제4 통증 구간을 포함할 수 있다.
즉 제1 통증 구간은 현시점에서 시간적으로 가장 먼 구간으로서 해당 구간의 통증 정보는 이후 통증 구간들의 통증 정보를 분석하기 위한 기준이 될 수 있다.
다음으로 제2 통증 구간은 제1 통증 구간 이후 시간이 지남에 따라 통증 정도가 점진적으로 변화되는 구간으로서 해당 구간의 통증 정보는 통증 기간에 대한 평균적 통증 정보를 나타낼 수 있다.
또한 제3 통증 구간은 통증 정도의 본격적 변화가 나타나는 구간으로서 해당 구간의 통증 정보를 통해 통증의 변화 양상을 살필 수 있다.
제4 통증 구간은 현시점과 가장 가까워 사용자의 현시점의 통증 정도가 잘 반영된 구간으로서, 해당 구간의 통증 정보를 통해 현시점의 사용자 통증 정도를 파악할 수 있다.
그리고 각 구간의 분할 길이는 상술한 바와 같이 통증의 일반적 변화 양상이 반영되도록 설정된 것으로 이해할 수 있다.
예를 들어 10일의 통증 기간에 대하여 제1 통증 구간은 10일전부터 5일전까지, 제2 통증 구간은 5일전부터 2.5일전까지, 제3 통증 구간은 2.5일전부터 하루전까지, 그리고 제4 통증 구간은 하루전부터 현시점까지로 분할될 수 있다.
단계130에서는 사용자로부터 통증 구간별 통증 정도에 대한 수치화된 통증 정보를 입력받을 수 있다.
이에 따라 사용자로부터 각 통증 구간별로 인지했던 통증 정도를 수치로 입력받음으로써 후술할 바와 같은 통증 그래프를 생성할 수 있다.
다시 말해 사용자로부터 입력된 수치화된 통증 정보를 통해 통증 그래프의 X축상 통증 정도의 크기 변위를 마련할 수 있게 된다.
보다 구체적으로 통증 정보를 입력받는 단계(S130)는 1부터 10까지로 구분된 통증 정도 중 사용자가 택일하도록 하여 수행될 수 있다.
즉 1 내지 10이라는 수치화된 통증 정도 선택 범위를 사용자에게 제공함으로써 사용자로부터 각 통증 구간별 본인이 인지했던 통증 정도를 용이하게 입력받을 수 있다.
예를 들어 사용자로부터 제1 구간에서 미약한 정도의 통증을 느꼈다면 2점, 제2 구간에서 다소 증가된 통증을 느꼈다면 3점, 제3 구간에서 보다 증가된 통증을 느꼈다면 7점, 제4 구간에서 병원 내원의 필요성을 느낄 정도의 통증을 느꼈다면 9점의 통증 정보를 입력받을 수 있다.
단계140에서는 통증 정보를 토대로 통증 기간 동안의 사용자의 통증 변화 모습을 나타내는 통증 그래프를 생성할 수 있다.
이 경우 통증 그래프는 통증 정보의 수치를 직선으로 연결한 꺾은 선 그래프의 형태로 생성될 수도 있고, 또는 통증 정보 수치의 경향성을 반영한 곡선 그래프의 형태로 생성될 수도 있다.
보다 구체적으로 상기한 곡선의 통증 그래프는 통증 정보가 갖는 경향성에 대한 빅데이터를 기반으로 하여 입력된 통증 정보 수치를 분석해 이와 매칭되는 빅데이터 자료를 입력된 통증 정보에 투영하여 생성될 수 있다.
통증 그래프를 생성하는 단계(S140) 이후에 사용자의 응급 상황인지 여부를 판단하기 위해 제2 통증 구간 내지 제4 통증 구간의 통증 그래프를 분석하는 단계(S150)가 더 포함될 수 있다.
이 경우 제1 통증 구간을 제외한 나머지 구간의 통증 그래프를 분석하는 것은 제1 통증 구간의 경우 상술한 바와 같이 사용자의 통증 발생에 대한 인지가 시작되는 구간으로 통증의 본격적인 변화 양상은 제2 통증 구간으로부터 나타나게 되는 바 실질적인 통증의 변화 정도를 효과적으로 파악하기 위함으로 이해될 수 있다.
통증 그래프를 분석하는 단계(S150)는 통증 그래프의 평균 기울기를 산출하여 수행될 수 있다.
즉 제2 통증 구간 내지 제4 통증 구간 각각의 통증 정도 수치가 나타내는 경향성에 근거하여 해당 구간들에서의 평균적인 기울기를 산출함으로써 통증의 변화 양상 또는 그 응급성 등을 파악할 수 있게 된다.
통증 그래프를 분석하는 단계(S150)는 제2 통증 구간 내지 제3 통증 구간의 통증 정보의 수치에 대한 제1 기울기를 산출하는 단계(S154), 제3 통증 구간 내지 제4 통증 구간의 통증 정보의 수치에 대한 제2 기울기를 산출하는 단계(S156), 및 제1 기울기와 제2 기울기간 차의 절대값을 산출하는 단계(S157)를 포함할 수 있다.
즉 제2 통증 구간 내지 제4 통증 구간을 다시 제2 통증 구간 내지 제3 통증 구간과 제3 통증 구간 내지 제4 통증 구간으로 구분하고 각 구분된 구간들에서의 기울기를 산출한 후 양 기울기 차의 절대값을 구하여 통증 그래프를 분석할 수 있다.
이에 따라 평균적 통증 정도를 나타내는 제2 구간으로부터 통증이 변화되는 제3 구간 및 현시점의 통증 정도를 반영하는 제4 통증 구간에 이르기까지의 통증 변화 양상 내지 그 응급성을 보다 효과적으로 파악할 수 있게 된다.
통증 그래프를 분석하는 단계(S150) 이후에 통증 그래프를 분석하여 산출된 값이 기준값을 초과하는 경우 응급 상황으로 판단하는 단계(S160)가 더 포함될 수 있다.
다시 말해 상술한 바와 같이 제2 통증 구간으로부터 제4 통증 구간에 이르기까지의 통증 기간에 대한 평균 기울기 내지 기울기 차의 절대값이 기설정된 기준값을 초과하는지 여부를 비교하여 사용자의 상태가 현재 응급한지 여부를 판단할 수 있다.
통증 정보를 입력받는 단계 이후에 현시점을 포함하는 통증 구간의 통증 정보가 기준 수치 이상인 경우 응급 상황으로 판단하는 단계(S170)가 더 포함될 수 있다.
다시 말해 상술한 바와 같이 통증 그래프의 기울기 분석을 통해 사용자의 응급 상황 여부를 판단하는 것과는 별개로, 직관적으로 현시점을 포함하는 통증 구간의 통증 정도를 바로 기설정된 기준 수치와 비교함으로써 통증 정도가 기준 수치 이상인 경우 응급 상황으로 판단할 수 있다.
보다 구체적으로 상기한 현시점을 포함하는 통증 구간은 상술한 제4 통증 구간일 수 있다.
통증 그래프를 생성하는 단계(S140) 이후에 통증 그래프를 사용자의 담당의 EMR(electronic medical record)로 전송하는 단계(S180)가 더 포함될 수 있다.
즉 생성된 통증 그래프를 사용자에게 제공하여 본인의 통증 변화를 파악할 수 있게 함은 물론, 상기 통증 그래프를 사용자의 담당의 EMR, 즉 전자의무기록으로 전송함으로써 담당의가 통증 그래프를 기초 데이터로 하여 진료시 사용자의 통증 변화 양상 내지 현재 사용자의 응급 상황 여부를 파악하여 보다 효과적인 진료를 하도록 보조할 수 있다.
본 발명의 제2 실시예에 따른 통증 그래프 생성 시스템(100)에 대해 설명한다.
본 실시예에 따르면, 도 3에 도시된 바와 같이, 사용자(10)로부터 통증 시작 시점의 정보를 입력받는 제1 입력부(110), 통증 시작 시점부터 현시점까지의 통증 기간을 복수의 통증 구간으로 분할하는 분할부(120), 사용자(10)로부터 통증 구간별 통증 정도에 대한 수치화된 통증 정보를 입력받는 제2 입력부(130), 및 통증 정보를 토대로 통증 기간 동안의 사용자(10)의 통증 변화 모습을 나타내는 통증 그래프를 생성하는 생성부(140)를 포함하는 통증 그래프 생성 시스템(100)이 제공된다.
이와 같은 본 실시예에 따르면, 제1 입력부(110)를 통해 입력받은 사용자(10)의 통증 이 시작된 시점에 대한 정보를 토대로 분할부(120)가 해당 시점부터 현시점까지의 통증 기간을 복수의 구간으로 분할하고 제2 입력부(130)를 통해 입력받은 해당 구간별 통증 정도에 대한 수치 정보를 토대로 생성부(140)가 사용자(10)의 통증 기간 동안의 통증 변화 양상을 효과적으로 파악 가능한 통증 그래프를 생성하여 사용자(10)에게 제공하는 것이 가능하다.
이하 도 3을 참조하여 본 실시예에 따른 통증 그래프 생성 시스템(100)의 각 구성에 대하여 설명하도록 한다.
도 3은 본 발명의 제2 실시예에 따른 통증 그래프 생성 시스템(100)을 나타낸 구성도이다.
제1 입력부(110)는 사용자(10)로부터 통증 시작 시점의 정보를 입력받을 수 있다.
분할부(120)는 통증 시작 시점부터 현시점까지의 통증 기간을 복수의 통증 구간으로 분할할 수 있다.
여기서 통증 구간은 현시점에 가까울수록 길이가 짧게 분할될 수 있다.
보다 구체적으로 복수의 통증 구간은 사용자(10)의 통증에 대한 기준치를 나타내는 기간으로서 통증 시작 시점부터 통증 기간의 50% 시점 이하까지 분할되는 제1 통증 구간, 사용자(10)의 통증에 대한 평균값을 나타내는 기간으로서 통증 기간의 50% 시점 이후부터 통증 기간의 75% 시점 이하까지 분할되는 제2 통증 구간, 사용자(10)의 통증 변화 경향을 나타내는 기간으로서 통증 기간의 75% 시점 이후부터 통증 기간의 90% 시점 이하까지 분할되는 제3 통증 구간, 및 사용자(10)의 현재 통증 상태를 나타내는 기간으로서 통증 기간의 90% 시점 이후부터 현시점까지 분할되는 제4 통증 구간을 포함할 수 있다.
제2 입력부(130)는 사용자(10)로부터 통증 구간별 통증 정도에 대한 수치화된 통증 정보를 입력받을 수 있다.
보다 구체적으로 제2 입력부(130)는 1부터 10까지로 구분된 통증 정도 중 사용자(10)가 택일하도록 할 수 있다.
분석부(150)는 사용자(10)의 응급 상황인지 여부를 판단하기 위해 제2 통증 구간 내지 제4 통증 구간의 통증 그래프를 분석할 수 있다.
분석부(150)는 통증 그래프의 평균 기울기를 산출하여 통증 그래프를 분석할 수 있다.
분석부(150)는 제2 통증 구간 내지 제3 통증 구간의 통증 정보의 수치에 대한 제1 기울기를 산출하고, 제3 통증 구간 내지 제4 통증 구간의 통증 정보의 수치에 대한 제2 기울기를 산출하여, 제1 기울기와 제2 기울기간 차의 절대값을 산출해 통증 그래프를 분석할 수 있다.
판단부(160)는 분석부(150)가 통증 그래프를 분석하여 산출된 값이 기준값을 초과하는 경우 응급 상황으로 판단할 수 있다.
판단부(160)는 현시점을 포함하는 통증 구간의 통증 정보가 기준 수치 이상인 경우 응급 상황으로 판단할 수 있다.
전송부(180)는 통증 그래프를 사용자(10)의 담당의(20) EMR로 전송할 수 있다.
본 발명의 제3 실시예에 따른 발병 질환 예측 방법에 대해 설명한다.
본 실시예에 따르면, 도 4에 도시된 바와 같이, 복수의 증상 및 복수의 질환 각각의 리스트를 마련하는 단계(S210), 증상을 증상에 유관한 질환과 매칭시키는 단계(S220), 증상에 대한 질환의 유병률에 따라 질환과 매칭된 증상의 유관 점수를 질환별로 차등적으로 설정하는 단계(S230), 사용자에게 복수의 증상 리스트를 제공하여 사용자로부터 본인에 해당되는 것을 적어도 하나 이상 선택받는 단계(S240), 및 질환별로 사용자에 의해 선택된 증상의 유관 점수를 합산해 합산 점수를 산출하여 합산 점수가 높은 순으로 예상 질환 정보를 도출하는 단계(S250)를 포함하는 발병 질환 예측 방법이 제공된다.
이와 같은 본 실시예에 따르면, 복수의 증상 리스트의 각 증상을 복수의 질환 리스트의 각 질환 중 유관한 것과 매칭시키고 이 때 증상과 질환 간의 유병률에 따라 일 증상의 유관 점수를 질환별로 차등적으로 세팅하고 사용자로부터 선택받은 해당 증상에 대한 결과를 토대로 질환별로 각 유관 점수를 합산한 합산 점수를 기준으로 예상 질환 정보를 도출 및 이를 사용자에게 제공함으로써, 사용자는 효과적으로 본인의 발병 질환을 예상 및 파악하는 것이 가능하다.
이하 도 4 및 도 5를 참조하여 본 실시예에 따른 발병 질환 예측 방법의 각 단계에 대하여 설명하도록 한다.
도 4는 본 발명의 제3 실시예에 따른 발병 질환 예측 방법을 나타낸 순서도이고, 도 5는 그 세부 순서도이다.
단계210에서는 복수의 증상 및 복수의 질환 각각의 리스트를 마련할 수 있다.
즉 발병 가능한 질환들을 나열해 리스트화하여 제1 데이터 베이스를 마련하고, 상기 질환들과 관련된 증상들을 중복되는 것을 제외한 후 나열 및 리스트화하여 제2 데이터 베이스를 마련할 수 있다.
단계220에서는 증상을 증상에 유관한 질환과 매칭시킬 수 있다.
다시 말해 복수의 증상 중 일 증상을 해당 증상과 관련성이 있는 복수의 질환과 매칭시키고, 이와 같은 매칭을 복수의 증상 모두에 대하여 반복하여 수행할 수 있다.
예를 들어 '발열' 증상을 해당 증상과 유관한 '감기', '편두통', '장티푸스', '뇌출혈' 등과 매칭시킬 수 있다.
단계230에서는 증상에 대한 질환의 유병률에 따라 질환과 매칭된 증상의 유관 점수를 질환별로 차등적으로 설정할 수 있다.
즉 합산 점수를 산출하기 위한 일 증상의 유관 점수를 매칭된 질환별로 상이하게 설정하되, 이 때 유관 점수는 증상에 대한 질환의 유병률을 기준으로 하여 질환별로 차등적으로 설정될 수 있다.
여기서 유병률(prevalence)은 대상 집단에서 특정 질환을 지니고 있는 사람의 분율로서 특정 증상이 있는 사람의 집단에서 특정 질환이 발병될 확률로서 이해될 수 있다.
예를 들어 '발열' 증상과 매칭된 '감기', '편두통', '장티푸스', '뇌출혈' 중에서 '발열' 증상에 대한 유병률이 '감기', '편두통', '장티푸스', '뇌출혈' 순으로 높다면 '발열' 증상의'감기'에서의 유관 점수가 가장 높고, '뇌출혈'에서의 유관 점수가 가장 낮을 수 있다.
단계240에서는 사용자에게 복수의 증상 리스트를 제공하여 사용자로부터 본인에 해당되는 것을 적어도 하나 이상 선택받을 수 있다.
다시 말해 상술한 복수의 증상 리스트가 사용자에게 제공되고, 이에 따라 사용자로부터 해당 리스트의 증상 중에서 본인이 인지한 증상들을 선택받을 수 있으며, 이는 합산 점수 산출을 위한 기초 데이터가 될 수 있다.
단계250에서는 질환별로 사용자에 의해 선택된 증상의 유관 점수를 합산해 합산 점수를 산출하여 합산 점수가 높은 순으로 예상 질환 정보를 도출할 수 있다.
즉 사용자로부터 선택받은 증상들을 적어도 하나 이상 포함하는 질환별로 당해 질환이 포함하는 증상들 각각의 유관 점수를 합산하고, 이러한 합산 점수를 기준으로 해당 점수가 높은 순으로 질환들을 노출시켜 사용자로 하여금 본인의 예상 질환을 파악하도록 할 수 있다.
질환별로 차등적으로 설정하는 단계(S230) 이후에 사용자로부터 성별, 연령 및 거주 지역 중 적어도 어느 하나를 포함하는 개인 정보를 입력받는 단계(S260)가 더 포함될 수 있다.
이에 따라 개인 정보는 후술할 바와 같이 상기 합산 점수를 보정하기 위한 수단으로 활용될 수 있으며, 이러한 개인 정보에는 성별, 연령 및 거주 지역 중 적어도 어느 하나를 포함하는 것일 수 있다.
예상 질환 정보를 도출하는 단계(S250)는 질환의 개인 정보에 대한 유병률이 제1 기준 미만인 경우 질환의 합산 점수에서 룰아웃(rule out) 점수를 감산하여 합산 점수를 보정하는 단계(S254)를 포함할 수 있다.
여기서 룰아웃(rule out)은 특정 질환을 결과 목록에서 배제시킨다는 의미로서, 사용자의 개인 정보에 따른 특정 질환의 유병률이 제1 기준에 미달한다면 해당 질환의 합산 점수를 룰아웃 점수만큼 감하여 보정함으로써 사용자의 개인 정보에 따라 발병 가능성이 현저히 낮거나 없는 질환을 예상 질환 정보에서 배제시켜 결과의 정확도를 보다 향상시킬 수 있다.
이 때 룰아웃 점수는 어떠한 경우에도 당해 질환이 감산 부분을 회복할 수 없을 정도로 크게 설정될 수 있다.
이에 대해 성별에 따라 한 성별에서만 나타나는 질환을 예로 들 수 있고, 상술해보면 전립선암, 고환암, 자궁경부암, 난소암 등은 남녀 사이의 생물학적 차이에 의해 한 성별에서만 발생되는 질환으로서 다른 성별에서는 유병률이 현저히 낮거나 0%에 수렴하는 것이므로 성별이 남자인 사용자라면 자궁경부암이나 난소암에 대하여 룰아웃 점수를 차감하여 예상 질환 정보에서 배제시킬 수 있다.
예상 질환 정보를 도출하는 단계(S250)는 질환의 개인 정보에 대한 유병률이 제2 기준 미만인 경우 질환의 합산 점수에서 조정 점수를 감산하여 합산 점수를 보정하는 단계(S256)를 포함할 수 있다.
즉 사용자의 개인 정보에 따른 특정 질환의 유병률이 제2 기준에 미달한다면 해당 질환의 합산 점수를 조정 점수만큼 감하여 보정함으로써 사용자의 개인 정보에 따른 발병 가능성이 개인 정보 외의 경우와 대비해 극히 낮은 질환이 예상 질환 정보의 우선 순위에서 상위에 배치되는 것을 방지하여 결과의 정확성 및 효용성을 보다 향상시킬 수 있다.
예를 들어 남자(성별)의 유방암 발병, 40세(나이)의 알츠하이머병 발병, 또는 한국(거주 지역)에서의 말라리아 발병은 각 개인 정보에 따라 유병률이 0%는 아니나 극히 낮은 경우로서 이러한 경우들에서 조정 점수를 차감하여 예상 질환 정보의 우선 순위에서 상위에 배치되는 것을 방지할 수 있다.
여기서 조정 점수는 상기 유병률에 비례하여 증감되도록 설정될 수 있다.
예상 질환 정보를 도출하는 단계(S250)는 질환의 개인 정보에 대한 유병률과 개인정보 외의 경우에 대한 유병률 간의 편차가 제3 기준 미만인 경우 합산 점수에서 보정 점수를 감산하여 합산 점수를 보정하는 단계(S258)를 포함할 수 있다.
즉 사용자의 개인 정보에 따른 특정 질환의 유병률이 제3 기준에 미달한다면 해당 질환의 합산 점수를 보정 점수만큼 감하여 보정함으로써 사용자의 개인 정보에 따른 발병 가능성이 개인 정보 외의 경우와 대비해 극히 낮은 질환이 예상 질환 정보의 우선 순위에서 상위에 배치되는 것을 방지하여 결과의 효용성 및 정확성을 보다 향상시킬 수 있다.
예를 들어 남자(성별)의 유방암 유병률은 여자와 비교 시 큰 편차를 가지므로 이러한 경우 보정 점수를 차감하여 예상 질환 정보의 우선 순위에서 상위에 배치되는 것을 방지할 수 있다.
여기서 보정 점수는 상기 유병률에 비례하여 증감되도록 설정될 수 있다.
증상은 주증상 및 주증상에 대한 세부 증상을 포함할 수 있다.
즉 주증상은 구체적으로 여러 세부 증상을 구분될 수 있고 이에 따라 주증상과 더불어 세부 증상까지 사용자로부터 선택받음으로써 예상 질환 정보의 정확도를 보다 향상시킬 수 있게 된다.
예를 들어 '발열'이라는 주증상은 '고열', '미열' 등의 세부 증상으로 다시 구분될 수 있다.
보다 구체적으로 유관 점수는 선택된 주증상에 대한 세부 증상에 대해서만 부여될 수 있고, 이 경우 주증상과의 유관 여부에 따라 1차적으로 예상 질환 정보 내에서의 크게 선후위가 구분되고 이후 주증상과의 유관 여부에 따라 유관 점수를 획득하여 세부적으로 예상 질환 정보 내에서 선후위가 구분될 수 있게 된다.
예를 들어 '발열'이 주증상으로 선택되고 이에 따라 '발열'의 세부 증상 중 '미열'이 선택된 경우, '안구건조증'은 '발열'과 무관한 바 '미열'의 유관 점수를 얻지 못하고 '감기'는 미열이 동반될 수 있음에 반해'장티푸스'는 고열을 동반하므로 '장티푸스'는 '미열'의 유관 점수를 얻지 못하는 반면 '감기'는 '미열'의 유관 점수를 획득하여 결과적으로 '감기'가 예상 질환 정보 순위에서 상위에 노출될 수 있다.
또한 유관 점수는 주증상과 세부 증상 모두에 부여될 수 있고, 이 경우 동일한 주증상에 매칭된 질환들이라 하더라도 상기 주증상에 대한 세부 증상들과의 관계 정도에 따른 유관 점수의 추가 획득에 의해 예상 질환 정보 내에서의 선후위가 나뉘어질 수 있게 된다.
예를 들어 '발열'이 주증상으로 선택되고 이에 따라 '발열'의 세부 증상 중 '미열'이 선택된 경우, '감기'는 '장티푸스'보다 '발열'의 유관 점수가 크므로 예상 질환 정보 순위에서 앞서게 되고, '감기'는 미열이 동반될 수 있음에 반해'장티푸스'는 고열을 동반하므로 '미열'의 유관 점수에 의해 양 질환의 합산 점수의 차이가 커져 '감기'와 '장티푸스'의 예상 질환 정보 순위에서 확연한 차이가 발생될 수 있다.
예상 질환 정보를 도출하는 단계(S250)는 합산 점수를 기준으로 상위 N개의 질환을 예상 질환 정보로 선택하여 수행될 수 있다.
즉 사용자는 가장 유력한 예상 질환 정보만을 제공받을 필요가 발생 가능하므로, 이 경우 합산 점수를 기준으로 당해 점수가 높은 순으로 상위 1개, 2개, 3개 쪋 등 N개의 선택된 예상 질환 정보만을 사용자에게 제공함으로써 제공 정보의 효용성을 보다 향상시킬 수 있다.
보다 구체적으로 예상 질환 정보를 도출하는 단계(S250) 이전에 사용자로부터 합산 점수를 기준으로 예상 질환 정보로 노출될 상위 질환의 개수를 선택받는 단계(S259)가 더 포함될 수 있다.
예상 질환 정보를 도출하는 단계(S250) 이후에 사용자의 선택 결과를 포함한 복수의 증상 리스트 및 예상 질환 정보를 사용자의 담당의 EMR로 전송하는 단계(S280)가 더 포함될 수 있다.
즉 도출된 예상 질환 정보를 사용자에게 제공하여 본인의 발병 질환을 파악 가능하도록 함은 물론, 사용자의 선택 결과를 포함한 복수의 증상 리스트 및 상기 예상 질환 정보를 사용자의 담당의 EMR으로 전송함으로써 담당의로 하여금 예상 질환 정보를 기초 데이터로 하여 문진 등을 함으로써 보다 효과적인 진료가 가능하도록 보조할 수 있다.
본 발명의 제4 실시예에 따른 발병 질환 예측 시스템(200)에 대해 설명한다.
본 실시예에 따르면, 도 6에 도시된 바와 같이, 복수의 증상 및 복수의 질환 각각의 리스트를 마련하는 리스트 생성부(210), 증상을 증상에 유관한 질환과 매칭시키는 매칭부(220), 증상에 대한 질환의 유병률에 따라 질환과 매칭된 증상의 유관 점수를 질환별로 차등적으로 설정하는 점수 설정부(230), 사용자(10)에게 복수의 증상 리스트를 제공하여 사용자(10)로부터 본인에 해당되는 것을 적어도 하나 이상 선택받는 증상 선택부(240), 및 질환별로 사용자(10)에 의해 선택된 증상의 유관 점수를 합산해 합산 점수를 산출하여 합산 점수가 높은 순으로 예상 질환 정보를 도출하는 결과 도출부(250)를 포함하는 발병 질환 예측 시스템(200)이 제공된다.
이와 같은 본 실시예에 따르면, 매칭부(220)에서 복수의 증상 리스트의 각 증상을 복수의 질환 리스트의 각 질환 중 유관한 것과 매칭시키고 이 때 점수 설정부(230)가 증상과 질환 간의 유병률에 따라 일 증상의 유관 점수를 질환별로 차등적으로 세팅하고 증상 선택부(240)에 의해 선택받은 해당 증상에 대한 결과를 토대로 결과 도출부(250)에서 질환별로 각 유관 점수를 합산한 합산 점수를 기준으로 예상 질환 정보를 도출 및 이를 사용자(10)에게 제공함으로써, 사용자(10)는 효과적으로 본인의 발병 질환을 예상 및 파악하는 것이 가능하다.
이하 도 6을 참조하여 본 실시예에 따른 발병 질환 예측 시스템(200)의 각 구성에 대하여 설명하도록 한다.
도 6은 본 발명의 제4 실시예에 따른 발병 질환 예측 시스템(200)을 나타낸 구성도이다.
리스트 생성부(210)는 복수의 증상 및 복수의 질환 각각의 리스트를 마련할 수 있다.
매칭부(220)는 증상을 증상에 유관한 질환과 매칭시킬 수 있다.
점수 설정부(230)는 증상에 대한 질환의 유병률에 따라 질환과 매칭된 증상의 유관 점수를 질환별로 차등적으로 설정할 수 있다.
증상 선택부(240)는 사용자(10)에게 복수의 증상 리스트를 제공하여 사용자(10)로부터 본인에 해당되는 것을 적어도 하나 이상 선택받을 수 있다.
결과 도출부(250)는 질환별로 사용자(10)에 의해 선택된 증상의 유관 점수를 합산해 합산 점수를 산출하여 합산 점수가 높은 순으로 예상 질환 정보를 도출할 수 있다.
개인 정보 입력부(260)는 질환별로 차등적으로 설정하는 단계 이후에 사용자(10)로부터 성별, 연령 및 거주 지역 중 적어도 어느 하나를 포함하는 개인 정보를 입력받을 수 있다.
결과 도출부(250)는 질환의 개인 정보에 대한 유병률이 제1 기준 미만인 경우 질환의 합산 점수에서 룰아웃(rule out) 점수를 감산하여 합산 점수를 보정하는 제1 보정부(254)를 포함할 수 있다.
결과 도출부(250)는 질환의 개인 정보에 대한 유병률이 제2 기준 미만인 경우 질환의 합산 점수에서 조정 점수를 감산하여 합산 점수를 보정하는 제2 보정부(256)를 포함할 수 있다.
결과 도출부(250)는 질환의 개인 정보에 대한 유병률과 개인정보 외의 경우에 대한 유병률 간의 편차가 제3 기준 미만인 경우 합산 점수에서 보정 점수를 감산하여 합산 점수를 보정하는 제3 보정부(258)를 포함할 수 있다.
증상은 주증상 및 주증상에 대한 세부 증상을 포함할 수 있다.
결과 도출부(250)는 합산 점수를 기준으로 상위 N개의 질환을 예상 질환 정보로 선택할 수 있다.
전송부(280)는 사용자(10)의 선택 결과를 포함한 복수의 증상 리스트 및 예상 질환 정보를 사용자(10)의 담당의(20) EMR로 전송할 수 있다.
본 발명의 제5 실시예에 따른 진료 기초 데이터 제공 방법에 대해 설명한다.
본 실시예에 따르면, 도 7에 도시된 바와 같이, 복수의 증상 및 복수의 질환 각각의 리스트를 마련하는 단계(S210), 증상을 증상에 유관한 질환과 매칭시키는 단계(S220), 증상에 대한 질환의 유병률에 따라 질환과 매칭된 증상의 유관 점수를 질환별로 차등적으로 설정하는 단계(S230), 사용자에게 복수의 증상 리스트를 제공하여 사용자로부터 본인에 해당되는 것을 적어도 하나 이상 선택받는 단계(S240), 질환별로 사용자에 의해 선택된 증상의 유관 점수를 합산해 합산 점수를 산출하여 합산 점수가 높은 순으로 예상 질환 정보를 도출하는 단계(S250), 사용자의 선택 결과 및 예상 질환 정보를 사용자에게 제공하는 단계(S310), 및 사용자의 선택 결과를 포함한 복수의 증상 리스트 및 예상 질환 정보를 사용자의 담당의 EMR로 전송하는 단계(S320)를 포함하는 진료 기초 데이터 제공 방법이 제공된다.
이와 같은 본 실시예에 따르면, 복수의 증상 리스트의 각 증상을 복수의 질환 리스트의 각 질환 중 유관한 것과 매칭시키고 이 때 증상과 질환 간의 유병률에 따라 일 증상의 유관 점수를 질환별로 차등적으로 세팅하고 사용자로부터 선택받은 해당 증상에 대한 결과를 토대로 질환별로 각 유관 점수를 합산한 합산 점수를 기준으로 예상 질환 정보를 도출 및 이를 사용자에게 제공함으로써, 사용자는 효과적으로 본인의 발병 질환을 예상 및 파악하는 것이 가능하고, 더 나아가 사용자의 선택 결과를 포함한 복수의 증상 리스트 및 예상 질환 정보를 사용자의 담당의 EMR로 전송함으로써 진료를 위한 기초 데이터로 활용되도록 하여 보다 신속하고 정확한 진료가 가능하다.
이하 도 7 및 도 8을 참조하여 본 실시예에 따른 진료 기초 데이터 제공 방법의 각 단계에 대하여 설명하도록 한다.
도 7은 본 발명의 제5 실시예에 따른 진료 기초 데이터 제공 방법을 나타낸 순서도이고, 도 8은 그 세부 순서도이다.
단계210에서는 복수의 증상 및 복수의 질환 각각의 리스트를 마련할 수 있다.
단계220에서는 증상을 증상에 유관한 질환과 매칭시킬 수 있다.
단계230에서는 증상에 대한 질환의 유병률에 따라 질환과 매칭된 증상의 유관 점수를 질환별로 차등적으로 설정할 수 있다.
단계240에서는 사용자에게 복수의 증상 리스트를 제공하여 사용자로부터 본인에 해당되는 것을 적어도 하나 이상 선택받을 수 있다.
단계250에서는 질환별로 사용자에 의해 선택된 증상의 유관 점수를 합산해 합산 점수를 산출하여 합산 점수가 높은 순으로 예상 질환 정보를 도출할 수 있다.
질환별로 차등적으로 설정하는 단계(S230) 이후에 사용자로부터 성별, 연령 및 거주 지역 중 적어도 어느 하나를 포함하는 개인 정보를 입력받는 단계(S260)가 더 포함될 수 있다.
예상 질환 정보를 도출하는 단계(S250)는 질환의 개인 정보에 대한 유병률이 제1 기준 미만인 경우 질환의 합산 점수에서 룰아웃(rule out) 점수를 감산하여 합산 점수를 보정하는 단계(S254)를 포함할 수 있다.
예상 질환 정보를 도출하는 단계(S250)는 질환의 개인 정보에 대한 유병률이 제2 기준 미만인 경우 질환의 합산 점수에서 조정 점수를 감산하여 합산 점수를 보정하는 단계(S256)를 포함할 수 있다.
예상 질환 정보를 도출하는 단계(S250)는 질환의 개인 정보에 대한 유병률과 개인정보 외의 경우에 대한 유병률 간의 편차가 제3 기준 미만인 경우 합산 점수에서 보정 점수를 감산하여 합산 점수를 보정하는 단계(S258)를 포함할 수 있다.
증상은 주증상 및 주증상에 대한 세부 증상을 포함할 수 있다.
예상 질환 정보를 도출하는 단계(S250)는 합산 점수를 기준으로 상위 N개의 질환을 예상 질환 정보로 선택하여 수행될 수 있다.
단계320에서는 사용자의 선택 결과를 포함한 복수의 증상 리스트 및 예상 질환 정보를 사용자의 담당의 EMR로 전송할 수 있다.
이에 따라 담당의로 하여금 사용자의 선택 결과를 포함한 복수의 증상 리스트 및 예상 질환 정보를 진료를 위한 기초 데이터로 활용해 보다 신속하고 정확한 진료가 가능하도록 할 수 있다.
사용자에게 제공하는 단계(S310) 이전에, 사용자로부터 통증 시작 시점의 정보를 입력받는 단계(S110), 통증 시작 시점부터 현시점까지의 통증 기간을 복수의 통증 구간으로 분할하는 단계(S120), 사용자로부터 통증 구간별 통증 정도에 대한 수치화된 통증 정보를 입력받는 단계(S130), 및 통증 정보를 토대로 통증 기간 동안의 사용자의 통증 변화 모습을 나타내는 통증 그래프를 생성하는 단계(S140)가 더 포함되고, 담당의 EMR로 전송하는 단계(S320)는 통증 그래프를 담당의 EMR로 더 전송하도록 수행될 수 있다.
이의 각 단계에 대하여 살펴보자면 다음과 같다.
단계110에서는 사용자로부터 통증 시작 시점의 정보를 입력받을 수 있다.
단계120에서는 통증 시작 시점부터 현시점까지의 통증 기간을 복수의 통증 구간으로 분할할 수 있다.
통증 구간은 현시점에 가까울수록 길이가 짧게 분할될 수 있다.
보다 구체적으로 복수의 통증 구간은 사용자의 통증에 대한 기준치를 나타내는 기간으로서 통증 시작 시점부터 통증 기간의 50% 시점 이하까지 분할되는 제1 통증 구간, 사용자의 통증에 대한 평균값을 나타내는 기간으로서 통증 기간의 50% 시점 이후부터 통증 기간의 75% 시점 이하까지 분할되는 제2 통증 구간, 사용자의 통증 변화 경향을 나타내는 기간으로서 통증 기간의 75% 시점 이후부터 통증 기간의 90% 시점 이하까지 분할되는 제3 통증 구간, 및 사용자의 현재 통증 상태를 나타내는 기간으로서 통증 기간의 90% 시점 이후부터 현시점까지 분할되는 제4 통증 구간을 포함할 수 있다.
단계130에서는 사용자로부터 통증 구간별 통증 정도에 대한 수치화된 통증 정보를 입력받을 수 있다.
보다 구체적으로 통증 정보를 입력받는 단계(S130)는 1부터 10까지로 구분된 통증 정도 중 사용자가 택일하도록 하여 수행될 수 있다.
단계140에서는 통증 정보를 토대로 통증 기간 동안의 사용자의 통증 변화 모습을 나타내는 통증 그래프를 생성할 수 있다.
통증 그래프를 생성하는 단계(S140) 이후에 사용자의 응급 상황인지 여부를 판단하기 위해 제2 통증 구간 내지 제4 통증 구간의 통증 그래프를 분석하는 단계(S150)가 더 포함될 수 있다.
통증 그래프를 분석하는 단계(S150)는 통증 그래프의 평균 기울기를 산출하여 수행될 수 있다.
통증 그래프를 분석하는 단계(S150)는 제2 통증 구간 내지 제3 통증 구간의 통증 정보의 수치에 대한 제1 기울기를 산출하는 단계, 제3 통증 구간 내지 제4 통증 구간의 통증 정보의 수치에 대한 제2 기울기를 산출하는 단계, 및 제1 기울기와 제2 기울기간 차의 절대값을 산출하는 단계를 포함할 수 있다.
통증 그래프를 분석하는 단계(S150) 이후에 통증 그래프를 분석하여 산출된 값이 기준값을 초과하는 경우 응급 상황으로 판단하는 단계(S160)가 더 포함될 수 있다.
통증 정보를 입력받는 단계(S130) 이후에 현시점을 포함하는 통증 구간의 통증 정보가 기준 수치 이상인 경우 응급 상황으로 판단하는 단계(S170)가 더 포함될 수 있다.
담당의 EMR로 전송하는 단계(S320)는 통증 그래프를 담당의 EMR로 더 전송하도록 수행될 수 있다.
담당의 EMR로 전송하는 단계(S320) 이후에 복수의 증상 리스트에 대한 평가 기준 미달 여부를 담당의로부터 입력받는 단계(S330)가 더 포함될 수 있다.
즉 담당의로부터 복수의 증상 리스트가 기설정된 평가 기준에 미달하는지 여부를 입력받아 후술할 바와 같이 상기 복수의 증상 리스트를 보정 및 갱신할지 여부를 판단할 수 있게 된다.
보다 구체적으로 담당의로부터 입력받는 단계(S330)는 담당의의 사용자 진료 결과를 토대로 수행될 수 있다.
이 경우 담당의는 사용자의 선택 결과를 포함한 복수의 증상 리스트 및 예상 질환 정보를 기초로 하여 진료를 수행하고 해당 진료 결과를 토대로 복수의 증상 리스트 및 예상 질환 정보를 평가하였을 때 리스트가 합당하지 않거나 예상 질환 정보와 실제 진단된 질환이 불일치하는 경우 담당의로부터 복수의 증상 리스트가 평가 기준에 미달함을 입력받을 수 있다.
또한 담당의로부터 입력받는 단계(S330) 이후에 복수의 증상 리스트가 평가 기준에 미달하는 경우 복수의 증상 리스트를 지정된 의학 전문가 그룹의 서버로 전송하는 단계(S340), 및 의학 전문가 그룹으로부터 복수의 증상 리스트에 대한 보정 사항을 입력받는 단계(S350)가 더 포함될 수 있다.
이에 따라 평가 기준에 미달하는 복수의 증상 리스트는 집단 지성으로서의 의학 전문가 그룹에 의하여 보정될 수 있게 되고, 이에 따라 후술할 바와 같이 복수의 증상 리스트가 갱신됨으로써 이후의 질환 예측도를 보다 향상시킬 수 있게 된다.
보다 구체적으로 담당의로부터 입력받는 단계(S330)는 복수의 증상 리스트가 평가 기준에 미달하는 경우 평가 기준 미달에 대한 담당의의 코멘트를 더 입력받도록 수행되고, 의학 전문가 그룹의 서버로 전송하는 단계(S340)는 코멘트를 의학 전문가 그룹의 서버로 더 전송하도록 수행될 수 있다.
이 경우 복수의 증상 리스트가 평가 기준 미달하는 것에 대한 담당의의 코멘트는 의학 전문가 그룹의 보정에 대한 일 이정표로서의 역할을 수행할 수 있으며, 이에 따라 의학 전문가 그룹에 의한 보정이 보다 신속하고 효과적으로 이루어질 수 있게 된다.
상기 보정 사항을 입력받는 단계(S350) 이후에 상기 복수의 증상 리스트를 상기 보정 사항에 따라 보정하여 상기 복수의 증상 리스트를 갱신하는 단계(S360)가 더 포함될 수 있다.
이 경우 복수의 증상 리스트가 갱신됨으로써 이후의 질환 예측도를 보다 향상시킬 수 있게 된다.
본 발명의 제6 실시예에 따른 진료 기초 데이터 제공 시스템에 대해 설명한다.
본 실시예에 따르면, 도 9에 도시된 바와 같이, 복수의 증상 및 복수의 질환 각각의 리스트를 마련하는 리스트 생성부(210)생성부(140), 증상을 증상에 유관한 질환과 매칭시키는 매칭부(220), 증상에 대한 질환의 유병률에 따라 질환과 매칭된 증상의 유관 점수를 질환별로 차등적으로 설정하는 점수 설정부(230), 사용자(10)에게 복수의 증상 리스트를 제공하여 사용자(10)로부터 본인에 해당되는 것을 적어도 하나 이상 선택받는 증상 선택부(240), 질환별로 사용자(10)에 의해 선택된 증상의 유관 점수를 합산해 합산 점수를 산출하여 합산 점수가 높은 순으로 예상 질환 정보를 도출하는 결과 도출부(250), 사용자(10)의 선택 결과 및 예상 질환 정보를 사용자(10)에게 제공하는 정보 제공부(310), 및 사용자(10)의 선택 결과를 포함한 복수의 증상 리스트 및 예상 질환 정보를 사용자(10)의 담당의(20) EMR로 전송하는 전송부(320)를 포함하는 진료 기초 데이터 제공 시스템이 제공된다.
이와 같은 본 실시예에 따르면, 이와 같은 본 실시예에 따르면, 매칭부(220)에서 복수의 증상 리스트의 각 증상을 복수의 질환 리스트의 각 질환 중 유관한 것과 매칭시키고 이 때 점수 설정부(230)가 증상과 질환 간의 유병률에 따라 일 증상의 유관 점수를 질환별로 차등적으로 세팅하고 증상 선택부(240)에 의해 선택받은 해당 증상에 대한 결과를 토대로 결과 도출부(250)에서 질환별로 각 유관 점수를 합산한 합산 점수를 기준으로 예상 질환 정보를 도출 및 이를 정보 제공부(310)를 통해 사용자(10)에게 제공함으로써, 사용자(10)는 효과적으로 본인의 발병 질환을 예상 및 파악하는 것이 가능하고, 더 나아가 전송부(320)에서 사용자(10)의 선택 결과를 포함한 복수의 증상 리스트 및 예상 질환 정보를 사용자(10)의 담당의(20) EMR로 전송함으로써 진료를 위한 기초 데이터로 활용되도록 하여 보다 신속하고 정확한 진료가 가능하다.
이하 도 9를 참조하여 본 실시예에 따른 진료 기초 데이터 시스템의 각 구성에 대하여 설명하도록 한다.
도 9는 본 발명의 제6 실시예에 따른 진료 기초 데이터 제공 시스템을 나타낸 구성도이다.
리스트 생성부(210)생성부(140)는 복수의 증상 및 복수의 질환 각각의 리스트를 마련할 수 있다.
매칭부(220)는 증상을 증상에 유관한 질환과 매칭시킬 수 있다.
점수 설정부(230)는 증상에 대한 질환의 유병률에 따라 질환과 매칭된 증상의 유관 점수를 질환별로 차등적으로 설정할 수 있다.
증상 선택부(240)는 사용자(10)에게 복수의 증상 리스트를 제공하여 사용자(10)로부터 본인에 해당되는 것을 적어도 하나 이상 선택받을 수 있다.
개인 정보 입력부(260)는 질환별로 차등적으로 설정하는 단계 이후에 사용자(10)로부터 성별, 연령 및 거주 지역 중 적어도 어느 하나를 포함하는 개인 정보를 입력받을 수 있다.
결과 도출부(250)는 질환별로 사용자(10)에 의해 선택된 증상의 유관 점수를 합산해 합산 점수를 산출하여 합산 점수가 높은 순으로 예상 질환 정보를 도출할 수 있다.
결과 도출부(250)는 질환의 개인 정보에 대한 유병률이 제1 기준 미만인 경우 질환의 합산 점수에서 룰아웃(rule out) 점수를 감산하여 합산 점수를 보정하는 제1 보정부(254)를 포함할 수 있다.
결과 도출부(250)는 질환의 개인 정보에 대한 유병률이 제2 기준 미만인 경우 질환의 합산 점수에서 조정 점수를 감산하여 합산 점수를 보정하는 제2 보정부(256)를 포함할 수 있다.
결과 도출부(250)는 질환의 개인 정보에 대한 유병률과 개인정보 외의 경우에 대한 유병률 간의 편차가 제3 기준 미만인 경우 합산 점수에서 보정 점수를 감산하여 합산 점수를 보정하는 제3 보정부(258)를 포함할 수 있다.
증상은 주증상 및 주증상에 대한 세부 증상을 포함할 수 있다.
결과 도출부(250)는 합산 점수를 기준으로 상위 N개의 질환을 예상 질환 정보로 선택부할 수 있다.
전송부(320)는 사용자(10)의 선택 결과를 포함한 복수의 증상 리스트 및 예상 질환 정보를 사용자(10)의 담당의(20) EMR로 전송할 수 있다.
사용자(10)로부터 통증 시작 시점의 정보를 입력받는 제1 입력부(110), 통증 시작 시점부터 현시점까지의 통증 기간을 복수의 통증 구간으로 분할하는 분할부(120), 사용자(10)로부터 통증 구간별 통증 정도에 대한 수치화된 통증 정보를 입력받는 제2 입력부(130), 및 통증 정보를 토대로 통증 기간 동안의 사용자(10)의 통증 변화 모습을 나타내는 통증 그래프를 생성하는 생성부(140)를 더 포함하고, 전송부(320)는 통증 그래프를 담당의 EMR로 더 전송할 수 있다.
이의 각 단계에 대하여 살펴보자면 다음과 같다.
제1 입력부(110)는 사용자(10)로부터 통증 시작 시점의 정보를 입력받을 수 있다.
분할부(120)는 통증 시작 시점부터 현시점까지의 통증 기간을 복수의 통증 구간으로 분할할 수 있다.
여기서 통증 구간은 현시점에 가까울수록 길이가 짧게 분할될 수 있다.
보다 구체적으로 복수의 통증 구간은 사용자(10)의 통증에 대한 기준치를 나타내는 기간으로서 통증 시작 시점부터 통증 기간의 50% 시점 이하까지 분할되는 제1 통증 구간, 사용자(10)의 통증에 대한 평균값을 나타내는 기간으로서 통증 기간의 50% 시점 이후부터 통증 기간의 75% 시점 이하까지 분할되는 제2 통증 구간, 사용자(10)의 통증 변화 경향을 나타내는 기간으로서 통증 기간의 75% 시점 이후부터 통증 기간의 90% 시점 이하까지 분할되는 제3 통증 구간, 및 사용자(10)의 현재 통증 상태를 나타내는 기간으로서 통증 기간의 90% 시점 이후부터 현시점까지 분할되는 제4 통증 구간을 포함할 수 있다.
제2 입력부(130)는 사용자(10)로부터 통증 구간별 통증 정도에 대한 수치화된 통증 정보를 입력받을 수 있다.
보다 구체적으로 제2 입력부(130)는 1부터 10까지로 구분된 통증 정도 중 사용자(10)가 택일하도록 할 수 있다.
분석부(150)는 사용자(10)의 응급 상황인지 여부를 판단하기 위해 제2 통증 구간 내지 제4 통증 구간의 통증 그래프를 분석할 수 있다.
분석부(150)는 통증 그래프의 평균 기울기를 산출하여 통증 그래프를 분석할 수 있다.
분석부(150)는 제2 통증 구간 내지 제3 통증 구간의 통증 정보의 수치에 대한 제1 기울기를 산출하고, 제3 통증 구간 내지 제4 통증 구간의 통증 정보의 수치에 대한 제2 기울기를 산출하여, 제1 기울기와 제2 기울기간 차의 절대값을 산출해 통증 그래프를 분석할 수 있다.
판단부(160)는 분석부(150)가 통증 그래프를 분석하여 산출된 값이 기준값을 초과하는 경우 응급 상황으로 판단할 수 있다.
판단부(160)는 현시점을 포함하는 통증 구간의 통증 정보가 기준 수치 이상인 경우 응급 상황으로 판단할 수 있다.
전송부(320)는 통증 그래프를 사용자(10)의 담당의(20) EMR로 전송할 수 있다.
전송부(320)는 사용자(10)의 선택 결과를 포함한 복수의 증상 리스트 및 예상 질환 정보를 사용자(10)의 담당의(20) EMR로 더 전송할 수 있다.
평가 입력부(330)는 복수의 증상 리스트에 대한 평가 기준 미달 여부를 담당의(20)로부터 입력받을 수 있다.
보다 구체적으로 상기 평가 기준 미달 여부는 담당의(20)의 사용자(10) 진료 결과를 토대로 판단될 수 있다.
또한 전송부(320)는 담당의(20)로부터 입력받는 단계 이후에 복수의 증상 리스트가 평가 기준에 미달하는 경우 복수의 증상 리스트를 지정된 의학 전문가 그룹(30)의 서버로 전송하고, 보정 입력부(350)는 의학 전문가 그룹(30)으로부터 복수의 증상 리스트에 대한 보정 사항을 입력받을 수 있다.
보다 구체적으로 평가 입력부(330)는 복수의 증상 리스트가 평가 기준에 미달하는 경우 평가 기준 미달에 대한 담당의(20)의 코멘트를 더 입력받을 수 있고, 전송부(320)는 코멘트를 의학 전문가 그룹(30)의 서버로 더 전송할 수 있다.
갱신부(360)는 상기 복수의 증상 리스트를 상기 보정 사항에 따라 보정하여 상기 복수의 증상 리스트를 갱신할 수 있다.
한편, 전술된 실시예의 구성 요소는 프로세스적인 관점에서 용이하게 파악될 수 있다. 즉 각각의 구성 요소는 각각의 프로세스로 파악될 수 있다. 또한 전술된 실시예의 프로세스는 장치의 구성 요소 관점에서 용이하게 파악될 수 있다.
또한 앞서 설명한 기술적 내용들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예들을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 하드웨어 장치는 실시예들의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상, 본 발명의 일 실시예에 대하여 설명하였으나, 해당 기술 분야에서 통상의 지식을 가진 자라면 특허청구범위에 기재된 본 발명의 사상으로부터 벗어나지 않는 범위 내에서, 구성 요소의 부가, 변경, 삭제 또는 추가 등에 의해 본 발명을 다양하게 수정 및 변경시킬 수 있을 것이며, 이 또한 본 발명의 권리범위 내에 포함된다고 할 것이다.

Claims (10)

  1. 사용자로부터 통증(discomfort) 시작 시점의 정보를 입력받는 단계;
    상기 통증 시작 시점부터 현시점까지의 통증 기간을 복수의 통증 구간으로 분할하는 단계;
    상기 사용자로부터 상기 통증 구간별 통증 정도에 대한 수치화된 통증 정보를 입력받는 단계; 및
    상기 통증 정보를 토대로 상기 통증 기간 동안의 상기 사용자의 통증 변화 모습을 나타내는 통증 그래프를 생성하는 단계를 포함하는 통증 그래프 생성 방법.
  2. 제1항에 있어서,
    상기 복수의 통증 구간은,
    상기 사용자의 통증에 대한 기준치를 나타내는 기간으로서 상기 통증 시작 시점부터 상기 통증 기간의 50% 시점 이하까지 분할되는 제1 통증 구간;
    상기 사용자의 통증에 대한 평균값을 나타내는 기간으로서 상기 통증 기간의 50% 시점 이후부터 상기 통증 기간의 75% 시점 이하까지 분할되는 제2 통증 구간;
    상기 사용자의 통증 변화 경향을 나타내는 기간으로서 상기 통증 기간의 75% 시점 이후부터 상기 통증 기간의 90% 시점 이하까지 분할되는 제3 통증 구간; 및
    상기 사용자의 현재 통증 상태를 나타내는 기간으로서 상기 통증 기간의 90% 시점 이후부터 현시점까지 분할되는 제4 통증 구간을 포함하는, 통증 그래프 생성 방법.
  3. 제2항에 있어서,
    상기 통증 그래프를 생성하는 단계 이후에,
    상기 사용자의 응급 상황인지 여부를 판단하기 위해 상기 제2 통증 구간 내지 상기 제4 통증 구간의 상기 통증 그래프를 분석하는 단계를 더 포함하는 통증 그래프 생성 방법.
  4. 제3항에 있어서,
    상기 통증 그래프를 분석하는 단계는,
    상기 통증 그래프의 평균 기울기를 산출하여 수행되는, 통증 그래프 생성 방법.
  5. 제3항에 있어서,
    상기 통증 그래프를 분석하는 단계는,
    상기 제2 통증 구간 내지 상기 제3 통증 구간의 상기 통증 정보의 수치에 대한 제1 기울기를 산출하는 단계;
    상기 제3 통증 구간 내지 상기 제4 통증 구간의 상기 통증 정보의 수치에 대한 제2 기울기를 산출하는 단계; 및
    상기 제1 기울기와 상기 제2 기울기간 차의 절대값을 산출하는 단계를 포함하는, 통증 그래프 생성 방법.
  6. 제4항 또는 제5항에 있어서,
    상기 통증 그래프를 분석하는 단계 이후에,
    상기 통증 그래프를 분석하여 산출된 값이 기준값을 초과하는 경우 응급 상황으로 판단하는 단계를 더 포함하는 통증 그래프 생성 방법.
  7. 제1항에 있어서,
    상기 통증 정보를 입력받는 단계는,
    1부터 10까지로 구분된 상기 통증 정도 중 사용자가 택일하도록 하여 수행되는, 통증 그래프 생성 방법.
  8. 제1항에 있어서,
    상기 통증 정보를 입력받는 단계 이후에,
    현시점을 포함하는 상기 통증 구간의 상기 통증 정보가 기준 수치 이상인 경우 응급 상황으로 판단하는 단계를 더 포함하는 통증 그래프 생성 방법.
  9. 제1항에 있어서,
    상기 통증 그래프를 생성하는 단계 이후에,
    상기 통증 그래프를 상기 사용자의 담당의 EMR(electronic medical record)로 전송하는 단계를 더 포함하는 통증 그래프 생성 방법.
  10. 사용자로부터 통증(discomfort) 시작 시점의 정보를 입력받는 제1 입력부;
    상기 통증 시작 시점부터 현시점까지의 통증 기간을 복수의 통증 구간으로 분할하는 분할부;
    상기 사용자로부터 상기 통증 구간별 통증 정도에 대한 수치화된 통증 정보를 입력받는 제2 입력부; 및
    상기 통증 정보를 토대로 상기 통증 기간 동안의 상기 사용자의 통증 변화 모습을 나타내는 통증 그래프를 생성하는 생성부를 포함하는 통증 그래프 생성 시스템.
PCT/KR2020/095161 2020-06-10 2020-12-29 통증 그래프 생성 방법 및 그 시스템 WO2021251577A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US17/914,723 US20230131979A1 (en) 2020-06-10 2020-12-29 Discomfort graph generating method and system

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR10-2020-0070497 2020-06-10
KR20200070497 2020-06-10
KR10-2020-0093184 2020-07-27
KR1020200093184A KR102437307B1 (ko) 2020-06-10 2020-07-27 통증 그래프 생성 방법 및 그 시스템

Publications (1)

Publication Number Publication Date
WO2021251577A1 true WO2021251577A1 (ko) 2021-12-16

Family

ID=78845650

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2020/095161 WO2021251577A1 (ko) 2020-06-10 2020-12-29 통증 그래프 생성 방법 및 그 시스템

Country Status (2)

Country Link
US (1) US20230131979A1 (ko)
WO (1) WO2021251577A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050267338A1 (en) * 2000-10-16 2005-12-01 Neuroscience Toolworks, Inc. Comprehensive pain assessment systems and methods
KR20090003473A (ko) * 2007-06-12 2009-01-12 주식회사 알엑스커뮤니케이션즈 문진을 이용한 질환추정 및 치료효과 관리시스템 및 그방법
US20170169175A1 (en) * 2015-09-15 2017-06-15 Michael Graff Patient care management system
KR20170089727A (ko) * 2016-01-27 2017-08-04 주식회사 라이프사이언스테크놀로지 통증 모니터링 서비스 방법, 장치 및 시스템
KR101958818B1 (ko) * 2018-11-16 2019-07-02 성주은 개인 맞춤형 통증 관리 방법 및 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050267338A1 (en) * 2000-10-16 2005-12-01 Neuroscience Toolworks, Inc. Comprehensive pain assessment systems and methods
KR20090003473A (ko) * 2007-06-12 2009-01-12 주식회사 알엑스커뮤니케이션즈 문진을 이용한 질환추정 및 치료효과 관리시스템 및 그방법
US20170169175A1 (en) * 2015-09-15 2017-06-15 Michael Graff Patient care management system
KR20170089727A (ko) * 2016-01-27 2017-08-04 주식회사 라이프사이언스테크놀로지 통증 모니터링 서비스 방법, 장치 및 시스템
KR101958818B1 (ko) * 2018-11-16 2019-07-02 성주은 개인 맞춤형 통증 관리 방법 및 장치

Also Published As

Publication number Publication date
US20230131979A1 (en) 2023-04-27

Similar Documents

Publication Publication Date Title
WO2016036192A1 (en) Image display apparatus and image display method
WO2017003136A1 (ko) 사용자 인증 방법 및 장치
WO2016089009A1 (en) Method and cloud server for managing device
WO2022065811A1 (en) Multimodal translation method, apparatus, electronic device and computer-readable storage medium
WO2019000801A1 (zh) 数据同步方法、装置、设备及计算机可读存储介质
WO2023172025A1 (ko) 시계열적 정보를 인코딩하는 모델을 사용하여 개체-쌍 사이의 연관성 관련 정보를 예측하는 방법 및 이를 이용하여 생성되는 예측 시스템
WO2019000466A1 (zh) 人脸识别方法、装置、存储介质及电子设备
WO2019074339A1 (ko) 신호 변환 시스템 및 신호 변환 방법
WO2022154457A1 (en) Action localization method, device, electronic equipment, and computer-readable storage medium
WO2023080379A1 (ko) 다유전자 위험점수를 이용한 시간 의존 연관성 기반의 질환 발병 정보 생성 장치 및 그 방법
WO2018076453A1 (zh) 一种关联应用显示方法、装置及移动终端
WO2020209693A1 (ko) 인공지능 모델을 갱신하는 전자 장치, 서버 및 그 동작 방법
WO2020168606A1 (zh) 广告视频优化方法、装置、设备及计算机可读存储介质
WO2020209624A1 (en) Head mounted display device and operating method thereof
WO2021251577A1 (ko) 통증 그래프 생성 방법 및 그 시스템
WO2021251578A1 (ko) 발병 질환 예측 방법 및 그 시스템
WO2021251579A1 (ko) 진료 기초 데이터 제공 방법 및 그 시스템
WO2020017827A1 (ko) 전자 장치, 및 전자 장치의 제어 방법
WO2018076871A1 (zh) 联系人信息的同步方法、装置、介质、电子设备及系统
WO2020060161A1 (ko) 대화형 인터페이스를 이용한 통계 분석 시스템과 통계분석 방법
WO2023033275A1 (ko) 개인 맞춤 생체나이 예측 모형 생성 방법 및 시스템
WO2019139373A1 (en) Method of providing notification and electronic device supporting same
WO2023058835A1 (ko) 전자 장치 및 그 제어 방법
WO2021230449A1 (ko) 연합 학습을 위한 전자 장치를 제어하는 방법 및 디바이스
WO2018074702A1 (en) Electronic apparatus and method for providing blood sugar care service

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20939751

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 12/05/2023)

122 Ep: pct application non-entry in european phase

Ref document number: 20939751

Country of ref document: EP

Kind code of ref document: A1