WO2022177046A1 - 인지능력 개발 시스템과 방법 및 이를 위한 컴퓨터 프로그램 - Google Patents

인지능력 개발 시스템과 방법 및 이를 위한 컴퓨터 프로그램 Download PDF

Info

Publication number
WO2022177046A1
WO2022177046A1 PCT/KR2021/002695 KR2021002695W WO2022177046A1 WO 2022177046 A1 WO2022177046 A1 WO 2022177046A1 KR 2021002695 W KR2021002695 W KR 2021002695W WO 2022177046 A1 WO2022177046 A1 WO 2022177046A1
Authority
WO
WIPO (PCT)
Prior art keywords
cognitive
user
cognitive ability
ability development
content
Prior art date
Application number
PCT/KR2021/002695
Other languages
English (en)
French (fr)
Inventor
한승현
Original Assignee
(주) 로완
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주) 로완 filed Critical (주) 로완
Priority to US17/434,549 priority Critical patent/US20230116521A1/en
Priority to JP2021550086A priority patent/JP7351547B2/ja
Priority to EP21777919.8A priority patent/EP4068299A4/en
Publication of WO2022177046A1 publication Critical patent/WO2022177046A1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B5/00—Electrically-operated educational appliances
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
    • G09B7/02—Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Definitions

  • Embodiments relate to a cognitive ability development system and method, and a computer program therefor. More specifically, the embodiments perform customized dementia prevention that reflects individual characteristics through a comprehensive program that includes interventions in multiple areas important for dementia prevention, and can be implemented not only in the institutional type, but also in the at-home type, which the user comes to the institution and implements. It is about a technology related to a cognitive ability development system that can be implemented and used by multiple users.
  • the dementia population Due to the influence of such rapid aging, the dementia population is rapidly increasing. As of 2010, the global dementia population reached about 35.6 million, and by 2050, the number of dementia population is expected to triple, reaching 115.4 million. In Korea too, the prevalence of dementia by year, estimated based on the age, gender, education, and residential area standardized dementia prevalence based on the 2005 population census, is 9.08% in 2012, 9.74% in 2020, 9.61% in 2030, and 9.61% in 2040. 11.21% and 13.17% in 2050, it is predicted that the dementia population will exceed 1 million in 2027, and the dementia population will reach 2.12 million in 2050.
  • the social cost of dementia is estimated to exceed the combined cost of all three diseases: cancer, heart disease, and stroke.
  • the per capita dementia treatment cost is 3.1 million won per year, which is the highest among the five chronic diseases.
  • the total national dementia cost in Korea is estimated to be 8.7 trillion won per year, doubling every 10 years.
  • Patent Registration No. 10-1295187 discloses a brain function improvement system that performs a dementia prevention function by giving a user's achievement according to a score obtained according to the user's feedback delivered to the selected content, and its operation method is disclosed.
  • the conventional cognitive interventional treatment for dementia prevention and treatment has to be carried out under the supervision of an expert by visiting an institution such as a hospital, and therefore, in most cases, a high treatment cost of 50,000 to 120,000 won must be paid at a time.
  • a cognitive interventional treatment program using a computing device has been developed, there is a limitation in that it is difficult for general users to use due to the high cost of 50 million won per device.
  • Patent Document 1 Registered Patent Publication No. 10-1295187
  • the present invention is implemented in the form of a comprehensive program that includes interventions for multiple areas important for dementia prevention, so that a customized dementia prevention function reflecting individual characteristics can be performed, and the user comes to the institution and implements it
  • a cognitive ability development system and method, and a computer program for the same that can be implemented as a home-based type that manages users through communication through a network.
  • a cognitive ability development system includes a content providing module configured to provide cognitive ability development content to a user; an input module configured to receive user learning data for the cognitive ability development content; an analysis module configured to calculate performance information for a plurality of cognitive domains based on the learning data; and storing the learning result by machine learning using a preset training data set, and using the performance information for each of the plurality of cognitive areas and the learning result, the characteristics of the cognitive ability development content to be provided to the user and a machine learning module configured to determine.
  • the input module is further configured to receive the training data set, and labels the training data set by using a customized content preset for data included in the training data set, and labeling the training data set. and a data labeling unit configured to provide the processed data to the machine learning module.
  • the analysis module is configured to: Based on at least one of a recognition score for each of the plurality of cognitive domains, a consumption time for each of the plurality of cognitive domains, a progress rate for each of the plurality of cognitive domains, and a participation rate for each of the plurality of cognitive domains and determine the performance information.
  • the input module is further configured to receive the personal information of the user.
  • the analysis module is further configured to determine a reference value for deriving the performance information from one or more of the recognition score, the consumption time, the progress rate, and the participation rate, using the user's personal information.
  • the machine learning module a machine learning model learning unit configured to generate the learning result by performing machine learning using the training data set; and a machine learning model determining unit configured to determine a characteristic of the cognitive ability development content corresponding to the performance information for each of the plurality of cognitive domains by using the learning result.
  • the cognitive ability development system generating a learning result by machine learning using a preset training data set; storing the learning result in the cognitive ability development system; providing, by the cognitive ability development system, cognitive ability development content to a user; receiving, by the cognitive ability development system, user learning data for the cognitive ability development content; calculating, by the cognitive ability development system, performance information for a plurality of cognitive domains based on the learning data; and determining, by the cognitive ability development system, characteristics of cognitive ability development content to be provided to the user by using the plurality of cognitive domain performance information and the learning result.
  • generating the learning result may include: receiving, by the cognitive ability development system, the training data set; and labeling, by the cognitive ability development system, the training data set using customized content preset for the data included in the training data set.
  • the calculating of the performance information includes, by the cognitive ability development system, a recognition score for each of the plurality of cognitive domains, a consumption time for each of the plurality of cognitive domains, a progress rate for each of the plurality of cognitive domains, and the plurality of cognitive domains. and determining the performance information based on at least one of participation rates for each cognitive domain.
  • Cognitive ability development method before the step of calculating the performance information, the cognitive ability development system receiving the user's personal information; and determining, by the cognitive ability development system, a reference value for deriving the performance information from one or more of the cognitive score, the consumed time, the progress rate, and the participation rate using the user's personal information.
  • the computer program according to an embodiment is combined with hardware to execute the cognitive ability development method according to the above-described embodiments, and may be stored in a computer-readable recording medium.
  • customized dementia prevention reflecting individual characteristics can be achieved through a comprehensive program that includes interventions in multiple areas important for dementia prevention, such as cognition, motivation, blood vessels, exercise, and nutrition. There are advantages to doing it.
  • the cognitive ability development system and method according to an aspect of the present invention is not only an institution type that is implemented at an aged welfare center or a dementia safety center, but also a home type program in which a user is managed through a network and performs dementia prevention. It can be implemented, so that elderly people who have difficulty visiting can also use the Internet through the Internet, so that more users can benefit from the dementia prevention program than in the prior art.
  • the cognitive ability development system and method by configuring a program customized for users to continuously participate, to help prevent dementia, the user's lifestyle is corrected and the users based on accurate knowledge It has the advantage of strengthening the motivation to consistently practice the activity.
  • FIG. 1 is a schematic block diagram of a cognitive ability development system according to an embodiment.
  • FIG. 2 is a flowchart illustrating each step of the cognitive ability development method according to an embodiment.
  • FIG. 3 is a conceptual diagram illustrating a data processing process by the cognitive ability development method according to an exemplary embodiment.
  • 4A to 4F are exemplary images illustrating screens of content provided by the cognitive ability development system according to an embodiment.
  • FIG. 5 is an exemplary graph illustrating a cognitive score output on a user device by the cognitive ability development system according to an embodiment.
  • FIG. 1 is a schematic block diagram of a cognitive ability development system according to an embodiment.
  • the cognitive ability development system 2 includes a content providing module 21 , an input module 22 , an analysis module 23 , and a machine learning module 24 . do. Also, each module 21-24 may include one or a plurality of functional units.
  • each module 21-24 or unit included therein may be entirely hardware, or may have aspects that are partly hardware and partly software.
  • each module 21-24 or unit of the cognitive ability development system 2 may collectively refer to hardware and related software for processing data in a specific format and content and/or sending and receiving data in an electronic communication manner.
  • terms such as “unit”, “module”, “device”, “terminal”, “server” or “system” are intended to refer to a combination of hardware and software driven by the hardware.
  • the hardware may be a data processing device including a CPU or other processor.
  • software driven by hardware may refer to a running process, an object, an executable file, a thread of execution, a program, and the like.
  • each element constituting the cognitive ability development system 2 is not necessarily intended to refer to separate devices physically separated from each other. That is, the content providing module 21 , the input module 22 , the analysis module 23 , and the machine learning module 24 of FIG. 1 is an operation performed by the hardware constituting the cognitive ability development system 2 . It is only functionally classified according to the requirements, and each part does not necessarily have to be provided independently of each other. Of course, depending on the embodiment, at least one of the content providing module 21 , the input module 22 , the analysis module 23 , and the machine learning module 24 may be implemented as separate devices physically separated from each other. .
  • the content providing module 21 is configured to provide content for cognitive ability development to a user.
  • the content providing module 21 is a part for transmitting content to the user device 1 so that the content can be presented to the user using a display means and a sound output means provided in the user device 1 .
  • the cognitive ability development system 2 may communicate with the user device 1 through a wired and/or wireless network.
  • a communication method through a wired and/or wireless network may include any communication method capable of networking an object and an object, and is not limited to wired communication, wireless communication, 3G, 4G, or other methods. .
  • the user device 1 is shown in the form of a tablet computer in FIG. 1 , this is exemplary, and the user device 1 includes a mobile computing device such as a smartphone, a notebook computer, a personal computer; PC) and the like may be configured as any computing device.
  • a mobile computing device such as a smartphone, a notebook computer, a personal computer; PC
  • the cognitive ability development system 2 performs the function of an application server that enables the execution of the function of the application by communicating at least in part with an application (or app) running on the user device 1 . can do.
  • the cognitive ability development system 2 is at least partly a web server that provides a predetermined web page accessible through a web browser or the like running on the user device 1 . ) can also perform the function of
  • the cognitive ability development system 2 itself may be configured in the form of a device used by the user, and in this case, the user can directly use the content through the cognitive ability development system 2 Therefore, the user device 1 shown in FIG. 1 may be omitted.
  • the cognitive ability development content presented through the content providing module 21 may be related to a plurality of cognitive domains.
  • a plurality of cognitive domains is a multifaceted field for inducing activities for improving the cognitive ability of users from different viewpoints in order to improve cognitive ability, such as preventing a decrease in cognitive ability due to dementia or slowing down the rate of decrease. means they
  • the cognitive ability development system 2 may divide the contents that need to be managed for improvement of cognitive ability into five cognitive domains: vascular disease management, cognitive training, exercise, nutrition management, and motivation enhancement. .
  • the cognitive ability development content provided by the cognitive ability development system 2 aims to improve the ability of one or a plurality of cognitive domains among the above five cognitive domains, and is developed with the aim of strengthening a specific cognitive domain. and this is referred to as a characteristic of cognitive ability development content in this specification.
  • the cognitive ability development content may have the form of a game for the purpose of enhancing ability in a specific field.
  • the input module 22 is configured to receive, from the user device 1 , the user's learning data for the content provided to the user through the content providing module 21 .
  • the input module 22 may receive learning data through an input means (not shown) such as a keyboard or a touch screen. .
  • the analysis module 23 is configured to analyze the learning data input to the input module 22 to calculate performance information for each of the plurality of cognitive domains. For example, the analysis module 23 may determine the performance information based on the recognition score for the content (eg, game) of each cognitive domain, the consumption time for the content of each domain, the progress rate and/or participation rate for each domain, etc. .
  • the analysis module 23 includes the result analysis unit 231 for analyzing the cognitive score, which is the learning result of the user for each area, and/or the time and content required for achieving the goal of the content of each area. It may include a process analysis unit 232 for analyzing information on consumption time, such as the user's response time to the .
  • the analysis module 23 further includes a profiling unit 233 .
  • the user may input information such as his/her personal information, for example, gender, age, living environment (number of household members, etc.), and medical history such as whether past dementia was diagnosed through the input module 22 .
  • the profiling unit 233 is configured to determine a reference value for deriving performance information from the learning data, based on such personal information.
  • the reference value refers to information on the section for converting cognitive scores or consumption time into performance values, weight information to be applied to cognitive scores or consumption time, or the user's gender/age/residence environment/medical history, etc., affecting the performance value. It can refer to an adjustment value in any other way that causes
  • the machine learning module 24 stores a result of performing learning by machine learning using a training data set input in advance, and for the performance information obtained by the analysis module 23 It functions to determine the characteristics of user-customized content by applying the learning results of machine learning.
  • the machine learning module 240 includes a machine learning model learning unit 241 that performs machine learning using a training data set, and a machine learning that determines customized content for the user's performance information based on the learning result.
  • a model determination unit 242 may be included.
  • the input module 22 may further perform a function of receiving a training data set and inputting it to the machine learning model learning unit 241 for machine learning.
  • the input module 22 may include a data labeling unit 222 .
  • the data labeling unit 222 is suitable for improving the cognitive ability of the user who provided the data with respect to the data included in the training data set, and is trained using customized content information (ie, correct answer) determined by experts or clinical results.
  • the data of the data set may be labeled, and the labeled data may be provided to the machine learning model learning unit 241 .
  • the input module 22 may further include a personal information processing unit 223 .
  • the personal information processing unit 223 may perform masking on personal information so that the sensitive personal information of each user is not exposed when the machine learning model learning unit 241 performs learning using the training data set. have.
  • masking may mean deleting the sensitive information itself from the training data set, or even if the information is not deleted, the data is divided, combined, or It may refer to reconstruction.
  • the machine learning model determining unit 242 of the machine learning module 24 determines the type of the user corresponding to the user's performance information based on the data previously accumulated by the machine learning model learning unit 241, and the user It is possible to determine the characteristics of customized content suitable for For example, determining the type of user may mean classifying or clustering users based on a pattern of performance shown by the user in a plurality of cognitive domains, and the machine learning model determining unit 242 ) can use this type to determine customized content suitable for improving the cognitive ability of the corresponding user classification or cluster.
  • FIGS. 1 and 2 are flowchart illustrating each step of the cognitive ability development method according to an embodiment. For convenience of description, a cognitive ability development method according to the present embodiment will be described with reference to FIGS. 1 and 2 .
  • the input module 22 of the cognitive ability development system 2 may receive a training data set ( S11 ).
  • the training data set may be input or transmitted to the input module 22 from the administrator's user device, or may be received from an external server (not shown).
  • the data labeling unit 222 of the input module 22 uses customized content information determined based on experts or clinicians by each data of the training data set. to label the data (S12).
  • the personal information processing unit 223 of the input module 22 may remove sensitive information from data of the training data set or perform masking to prevent sensitive information from being associated with an individual data provider (S12).
  • the machine learning module 24 of the cognitive ability development system 2 may receive data on which labeling and masking have been completed, and use it to generate a learning result for determining customized content from the learning data (S13).
  • the learning result refers to determining the type of user based on the pattern of the learning data, and determining the characteristics of content suitable to be applied to the user of the corresponding type, for example, determining the type and number of cognitive areas corresponding to the content. it may be for
  • the learning process ( S11 - S13 ) by machine learning described above may be performed by the machine learning model learning unit 241 of the machine learning module 24 .
  • the machine learning module 24 may receive algorithms and parameters corresponding to the machine learning results from an external device or server and operate based on them, in this case the above-described learning process (S11- S13) may be omitted.
  • the content providing module 21 of the cognitive ability development system 2 provides cognitive ability development content having a plurality of cognitive domain-specific characteristics to the user. can be provided (S21).
  • the input module 22 of the cognitive ability development system 2 may receive the user's learning data for the provided content (S22).
  • learning data refers to a cognitive score achieved by a user solving a task provided through content having a form such as a game, time spent by the user in achieving the task, and a series of tasks in the content. It may include the user's progress rate or participation rate.
  • the input module 22 may further receive the user's personal information participating in the content at the same time as the reception of the learning data or before or after the reception of the learning data (S23).
  • the personal information may include information such as the user's gender/age/residence environment/medical history, but is not limited thereto.
  • the analysis module 23 of the cognitive ability development system 2 may derive performance information suitable for determining the type of user indicated by the corresponding learning data from the user's learning data (S24).
  • the performance information refers to the recognition score, consumed time, progress rate, participation rate, etc. achieved by the user for the content, or uses this information as a performance value according to a predetermined criterion (grade, threshold, weight, etc.) may have been converted to
  • the machine learning module 24 of the cognitive ability development system 2 may determine user-customized content based on the performance information derived by the analysis module 23 (S25). This may mean determining the characteristics (type, difficulty, time limit, etc.) of cognitive ability development content suitable to be presented to the user next, based on the type of user determined through the machine learning model. will be described later.
  • FIG. 3 is a conceptual diagram illustrating a data processing process by the cognitive ability development method according to an exemplary embodiment.
  • information such as usage history, progress rate, cognitive score and/or participation rate is derived from the user's learning data, and the information is used as performance information to provide the user with performance information. It is possible to determine customized content to be provided.
  • a cognitive score refers to a score achieved by a user for a task provided through content based on a multi-domain intervention having a plurality of cognitive domains.
  • the cognitive ability development content is content having five cognitive domains: vascular disease management, cognitive training, exercise, nutrition management, and motivation enhancement
  • the cognitive score is ⁇ 30, 40, 10, 5, 80 ⁇ , etc. It may be a data set including scores for a region as a data record.
  • 4A to 4F are exemplary images illustrating screens of content provided by the cognitive ability development system according to an embodiment, and are cognitive training among five cognitive domains of vascular disease management, cognitive training, exercise, nutrition management, and motivation enhancement. Displays the screen of the corresponding content.
  • a user participating in cognitive training sees the problem image 402 presented on the screen, and the same sum as the number displayed in the problem image 402 among a plurality of number panels included in the correct answer image 403 A plurality of panels to derive can be selected.
  • the content may include tasks for each difficulty corresponding to a plurality of difficulty levels as shown in the level image 401 on the screen, and the content is provided so that the difficulty of the task presented gradually increases as the task of the lower level is achieved. can be configured.
  • the time the user spends solving the task may be recorded by the cognitive ability development system.
  • the user checks the departure time and the required time from the problem images 412 and 413 presented as a task, calculates the arrival time by adding the required time to the departure time, and The task of selecting the correct answer image 415 may be performed. Similar to the content screen illustrated in FIG. 4A , in the case of this content, a level image 411 indicating the difficulty of the task and/or a timer image 414 indicating the consumption time may be further displayed on the screen.
  • the user reads the phrase in the problem image 422 presented as a task to check the problem, and answers the problem among the correct answer images 423 displayed on the screen
  • the task can be achieved by selecting the remaining fish except for them.
  • the number of fish selected by the user may be displayed through the counter image 424 .
  • a level image 421 indicating the difficulty of the task may be further displayed on the screen.
  • FIG. 4D as an example of another form of cognitive training, the user sees a series of arrows presented as a problem image 432 and moves the position from the starting point 436 in the answer presentation space 435 based on this. By doing so, the task of reaching the point 437 where the treasure corresponding to the correct answer is located can be performed.
  • the position movement according to the user's selection may be displayed so that the user can recognize it by a dotted line as shown in FIG. 4D, a virtual character, a pointer, or the like.
  • a level image 431 indicating the difficulty of the task and/or a timer image 434 indicating the consumption time may be further displayed on the screen.
  • FIG. 4E as an example of another form of cognitive training, the user sees a plurality of problem images 443 on which a predetermined number is displayed, and selects a large number of problem images 443 displayed on the screen in the order of decreasing numbers. You can perform tasks that you choose in order (or vice versa).
  • a level image 441 indicating the difficulty of the task and/or a timer image 444 indicating the consumption time may be further displayed on the screen.
  • a user may view objects presented as a problem image 452 and perform a task of selecting objects in order according to time. For example, in the case of the example shown in Fig. 4f, after the tomato sprouts grow and the tomato matures, the color becomes red. Therefore, it is correct to select the objects presented in the problem image 452 in the order from left to right. becomes this At this time, the content may be configured so that the user can try to solve the task only a limited number of times. it might be Also, like the content screen illustrated in FIG. 4A , in the case of this content, a level image 461 indicating the difficulty of the task and/or a timer image 464 indicating the consumption time may be further displayed on the screen.
  • the cognitive ability development system recognizes the cognitive training content as exemplified with reference to FIGS. 4A to 4F based on the difficulty (ie, level) achieved by the user or the time spent by the user in achieving the task. It is possible to determine the cognitive score of the training domain. In addition, the score of each of the five cognitive domains of vascular disease management, exercise, nutrition management, and motivation enhancement except for cognitive training may be determined as follows.
  • the cognitive score of the vascular disease management area will be determined based on the user's response by providing the user with medication guidance and management, education on vascular risk disease, etc. can Alternatively, the cognitive score in the vascular disease management area may be determined based on the presence or absence of diabetes, hypertension, dyslipidemia, obesity, excessive drinking, and smoking, which are representative risk factors. For example, a question for confirming whether the user corresponds to some of the above-mentioned risk factors may be presented through the contents, and the recognition score of the vascular disease management area may be determined based on the user's response. For example, the more risk factors the user has, the lower the cognitive score will be given.
  • the cognitive score of the exercise field may be determined based on the user's participation in the physical activity.
  • Physical activity is an organ-led activity periodically performed by the operator of the cognitive ability development system, and a cognitive score can be determined based on the number of attendance of the user.
  • the organ-led physical activity may have a differentiated form, such as a low-physical group, a general fitness group, a muscle-strengthening type, and an aerobic strengthening type, according to an individual's physical fitness level.
  • the cognitive score in the nutrition field may be determined based on the diet the user consumes. For example, through the cognitive ability development system, users are encouraged to eat vegetables, fish, nuts, fruits, olive oil and whole grains in a balanced way, and also alcoholic beverages, monosaccharides, fried foods, cheese, butter, and processed foods that are unhealthy for the body. may induce you to reduce your intake.
  • a questionnaire may be presented to the user through the cognitive ability development content in order to check the nutrition the user consumes, and a cognitive score in the nutrition field may be determined through the user's response.
  • the user uploads a picture of the diet that he or she consumes to the cognitive ability development system, and the cognitive ability development system recognizes the objects in the picture through the image processing technique and includes it in the diet eaten by the user.
  • the type of nutrient used may be determined, and based on this, the cognitive score of the user in the nutrition field may be determined.
  • the cognitive score in the field of motivation reinforcement suggests video content for viewing by a user participating in the cognitive ability development program or a person related to the user (eg, a guardian such as a family member), whether the viewing of the content is completed, the content
  • a recognition score in the field of synchronization enhancement may be determined based on the ratio of the viewing completion time among the total playing time of , and/or the ratio of the viewed contents among all the contents when there are a plurality of contents.
  • the cognitive ability development system may determine a cognitive score based on the user's self-evaluation by allowing the user to select his/her motivational state through content. For example, the user may view a support video of family members through content, and after viewing the support video, the user may determine a cognitive score in the field of motivation enhancement based on the self-evaluated motivational state.
  • the cognitive ability development system divides the cognitive domain for cognitive ability development into five domains: vascular disease management, cognitive training, exercise, nutrition management, and motivation reinforcement, and each It is possible to derive the user's cognitive score for the domain.
  • FIG. 5 is an exemplary graph illustrating a cognitive score output on a user device by the cognitive ability development system according to an embodiment.
  • the cognitive ability development system divides the user's learning through the contents into five cognitive domains of vascular disease management, cognitive training, exercise, nutrition management, and motivation enhancement, and in each domain, the user Based on the cognitive score achieved for the content, the user's cognitive ability may be represented in a pentagonal graph.
  • this is an example, and the type and number of cognitive domains classified by the cognitive ability development system according to the embodiments or the method of expressing the cognitive score of each domain are not limited to the form described herein.
  • the cognitive ability development system further uses the progress rate, usage history, and participation rate, etc. in addition to the cognitive score for each cognitive domain calculated as described above, so that the user's Performance information can be calculated.
  • the progress rate refers to the user's achievement rate for tasks provided in the entire content based on multi-domain intervention.
  • the cognitive ability development content includes a total of 25 tasks, 5 each for five cognitive domains: vascular disease management, cognitive training, exercise, nutrition management, and motivation enhancement, and the user
  • the rate of progress can be defined as 20%.
  • the progress rate may be defined for each recognition area.
  • the rate of progress may be determined by the sum of the cognitive scores achieved for the task rather than the number of tasks achieved. For example, in the above example, if the total of the cognitive scores attainable by the user through 25 tasks is 2500, and the average cognitive score of the user achieved through the 5 tasks is 80, the progress rate is [ It may be defined as 80/2500, that is, 3.2% as the value obtained by dividing the total score] by [the sum of the points attainable through the task].
  • the usage history refers to information that can identify the user's consumption type with respect to which content the user consumes among the content for multi-domain mediation.
  • the usage history may include information such as a user's content search history, time spent by the user for each content, or a total sum of time spent by the user for content in a specific cognitive area.
  • the participation rate may be information indicating a degree of a user's actual participation in content learning intended to be repeated for a predetermined period of time.
  • the cognitive ability development system may be implemented as an institution type that a user uses by visiting a hospital or clinic, or may be implemented as a home type that a user can use by accessing it through a network at his or her home.
  • the participation rate may refer to the number of learnings (or the number of learning days) in which the user actually performs learning from the number of learnings that can be carried out for a certain period (eg, one month).
  • the participation rate may be defined as information on the number of days that a user continuously performs learning through content. For example, the number of times a user complies with a learning schedule according to a predetermined learning schedule without omission may be defined as the participation rate, but is not limited thereto.
  • log information of a screen corresponding to the content provided to the user may be further used.
  • the log information of the screen means calculating the time the user stayed on each screen displayed corresponding to the content, calculating the time required for switching between screens, or using a user input means (eg, , may refer to detecting the trajectory of an operation made using a mouse).
  • User's actual participation information for the content may be calculated, and this participation information may be used in place of or as a supplement to the above-mentioned participation rate.
  • the cognitive ability development system may derive a cognitive score, a progress rate, a usage history participation rate, and screen log information derived from the learning data through the above process as user performance information.
  • the cognitive ability development system can determine the type of the user by analyzing the user's performance information based on the learning result of machine learning, determine the customized content suitable for the improvement of the user's cognitive ability, and present it to the user.
  • the learning result using the training data set may mean that users are clustered into a plurality of groups according to performance information, and characteristics of content suitable for improving the cognitive ability of users of the corresponding group are matched for each group.
  • users' performance information can be used for vascular disease management, cognitive training, exercise, nutrition management and It can be presented in the form of a data record, which is a five-dimensional value representing the performance of each of the five cognitive domains of motivational reinforcement.
  • Each training data included in the training data set is expressed in the form of a five-dimensional data record, and a data record corresponding to the center point of each group (ie, cluster) may be determined through clustering.
  • the cognitive ability development content may have characteristic information defining an area that can be improved through the corresponding content among five cognitive areas of vascular disease management, cognitive training, exercise, nutrition management, and motivation enhancement. Characteristic information can be set by an expert in advance, and since reinforcement of a plurality of regions is sometimes made through one content, the cognitive ability development contents are also five-dimensional data having characteristic values for each of the five regions. It can be expressed in the form of a record.
  • the learning result by machine learning is the five-dimensional data corresponding to the central data record of each data group generated by clustering the user learning data of the training data set, and the cognitive ability development of each data group. It may include a five-dimensional characteristic value of the cognitive ability development content set as appropriate.
  • the cognitive ability development system may determine which data group the target user's performance information corresponds to based on the learning result. That is, this means determining the type of the user based on the user's performance information.
  • the user's type determination calculates the distance between the data records corresponding to the center point of each data group and the user's performance information in a five-dimensional data space having five coordinate axes corresponding to each recognition area, and among these This can be done in such a way that a data group with the closest data record as a center point is determined.
  • the cognitive ability development content determined for the corresponding data group may be determined as the customized content of the corresponding user.
  • determining the user's type does not necessarily mean determining that the user's performance information belongs to any one data group, but calculating the similarity of the user's performance information with respect to each of a plurality of data groups and based on this By merging the customized contents corresponding to each data group, the user's customized contents may be determined.
  • the distance between the data records corresponding to the center point of each data group and the user's performance information is (a, b, c, d, e ) has a five-dimensional data form such as
  • a denotes a five-dimensional distance between the center point of the first data group and the user's performance information
  • b denotes a five-dimensional distance between the center point of the second data group and the user's performance information.
  • the customized contents corresponding to the first to fifth data groups are referred to as A, B, C, D, and E, respectively, the closer the distance from the user's performance information to the center point of each data group, the corresponding to the corresponding data group.
  • the user's customized content can be newly determined by defining the ratio between the contents so that the customized contents are included at a higher ratio, and merging the contents based on this.
  • the distance between the center point of each data group and the user's performance information is (a, b, c, d, e), and the customized content A, B, C, D, E in the newly created content.
  • the merging ratio between them may be determined as (1/a, 1/b, 1/c, 1/d, 1/e) in proportion to the reciprocal of the distance.
  • merging the contents means merging some of the plurality of tasks included in each content with the tasks included in other content as described above with reference to FIGS. 4A to 4F , so that tasks of different content are merged into new content. It can mean creating
  • the machine learning module of the cognitive ability development system uses the user's performance information as an input value for the machine learning-based analysis model to learn about the machine learning-based analysis model, and the learning result is a feature value of a 5-dimensional vector It is also possible to determine the type of content suitable for the user through the process of classification (classification) into a content corresponding to a specific task or content including a combination of specific tasks.
  • the machine learning module is a user whose performance information has a certain characteristic value (eg, the size of five-dimensional data, the value of each data item, the average of the values of each data item, the standard deviation of the values of each data item, etc.) It receives learning data including the characteristics of content (type of task, etc.) known to be effective against Corresponding content can be classified.
  • a certain characteristic value eg, the size of five-dimensional data, the value of each data item, the average of the values of each data item, the standard deviation of the values of each data item, etc.
  • 5D data itself, which is user performance information, may be used, or a 5D vector ( a, b, c, d, e), or a five-dimensional vector (1/a, 1/b, 1/c, 1/d, 1/e) representing the reciprocal of the distance may be used.
  • the method for determining the user-customized content described above is exemplary, and the method for the cognitive ability development system according to the embodiments to determine the customized content from the user's learning data based on machine learning is limited to the above-described example. not.
  • the operation by the cognitive ability development method according to the above-described embodiments may be at least partially implemented as a computer program and recorded in a computer-readable recording medium.
  • a computer-readable recording medium in which a program for implementing the operation by the cognitive ability development method according to the embodiments is recorded includes all types of recording devices in which computer-readable data is stored. Examples of the computer-readable recording medium include ROM, RAM, CD-ROM, magnetic tape, floppy disk, and optical data storage device.
  • the computer-readable recording medium may be distributed in network-connected computer systems, and the computer-readable code may be stored and executed in a distributed manner.
  • functional programs, codes, and code segments for implementing the present embodiment may be easily understood by those skilled in the art to which the present embodiment belongs.
  • the embodiments perform customized dementia prevention reflecting individual characteristics through a comprehensive program that includes interventions in multiple areas important for dementia prevention, and can be implemented not only in the institutional type that the user comes to the institution but also in the at-home type. It is about the technology related to the cognitive ability development system that can be used by users of

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Psychiatry (AREA)
  • Theoretical Computer Science (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Child & Adolescent Psychology (AREA)
  • Artificial Intelligence (AREA)
  • Neurology (AREA)
  • Social Psychology (AREA)
  • General Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Business, Economics & Management (AREA)
  • Neurosurgery (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)

Abstract

인지능력 개발 시스템은, 인지능력 개발 컨텐츠를 사용자에게 제공하도록 구성된 컨텐츠 제공 모듈; 상기 인지능력 개발 컨텐츠에 대한 사용자의 학습 데이터를 수신하도록 구성된 입력 모듈; 상기 학습 데이터에 기초하여 복수 개의 인지 영역별 성과 정보를 산출하도록 구성된 분석 모듈; 및 미리 설정된 훈련 데이터 셋을 이용한 머신러닝에 의한 학습 결과를 저장하며, 상기 복수 개의 인지 영역별 성과 정보 및 상기 학습 결과를 이용하여 상기 사용자에게 제공될 인지능력 개발 컨텐츠의 특성을 결정하도록 구성된 머신러닝(machine learning) 모듈을 포함한다. 상기 인지능력 개발 시스템에 의하면, 치매 예방에 중요한 다중 영역에 대한 중재가 포함된 종합 프로그램 형태의 컨텐츠를 사용자에게 제공하고 개인별 특성이 반영된 맞춤형 치매 예방 기능을 수행할 수 있다.

Description

인지능력 개발 시스템과 방법 및 이를 위한 컴퓨터 프로그램
실시예들은 인지능력 개발 시스템과 방법 및 이를 위한 컴퓨터 프로그램에 대한 것이다. 보다 상세하게는, 실시예들은 치매 예방에 중요한 다중 영역에 대한 중재가 포함된 종합 프로그램을 통해 개인별 특성이 반영된 맞춤형 치매 예방을 수행하며, 사용자가 기관에 와서 시행하는 기관형뿐만 아니라 재가형으로도 구현이 가능하여 다수의 사용자들에 의한 사용이 가능한 인지능력 개발 시스템 관련 기술에 대한 것이다.
의학의 발달에 의해 평균 수명이 증가하면서, 전세계적으로 고령화가 진행되고 있다. 한국의 경우 2000년에 65세 이상 노인 인구의 비율이 전체 인구의 7.2%로서 고령화 사회에 진입하였으며, 2017년에는 노인 인구 비율이 14%를 넘어 고령 사회로 진입하였다. 2030년에는 한국의 노인 인구 비율은 24.3%에 이르러 한국은 초고령 사회가 될 것으로 예측되고 있다.
이와 같은 급속한 고령화에 의한 영향으로, 치매 인구가 급격하게 증가하는 추세에 있다. 전 세계 치매 인구는 2010년 기준으로 약 3,560만명에 이르며, 2050년에는 치매 인구가 약 3배 증가하여 1억 1,540만명에 이를 것으로 예상된다. 한국에서도 2005년 인구 센서스 기준 연령, 성별, 교육, 거주지역 표준화 치매 유병률을 기준으로 추산한 향후 연도별 치매 유병률은 2012년에 9.08%, 2020년에 9.74%, 2030년에 9.61%, 2040년에 11.21%, 그리고 2050년에 13.17%로 증가되어 2027년에는 치매 인구가 100만명을 초과하고, 2050년에는 치매 인구가 212만명에 이를 것으로 예측되고 있다.
치매 인구가 급격히 증가함에 따라, 치매의 치료 및 관리 비용 또한 증가하고 있다. 치매의 사회적 비용은 암, 심장질환, 뇌졸중의 세 가지 질병을 모두 합한 비용을 초과하는 것으로 추정되며, 한국의 경우 치매로 인한 연간 총 진료비는 2010년 기준 8,100억원으로 노인성질환 중 2위이고, 1인당 치매 진료비는 연간 310만원으로 5대 만성질환 중 가장 높은 것으로 나타나고 있다. 또한, 한국의 국가 총 치매 비용은 연간 8조 7천억원으로 10년마다 두배씩 증가할 것으로 추정된다.
급격히 증가하는 치매로 인한 사회적 및 경제적 부담을 줄이기 위해서는, 치매 고위험군의 조기 발견을 통한 적극적 치료를 통하여 치매의 발병을 지연시킬 필요가 있다. 이를 위한 종래의 기술로, 등록특허공보 제10-1295187호는 선별된 콘텐츠에 대하여 전달한 사용자의 피드백에 따른 획득점수에 따라 사용자의 성취도를 부여함으로써 치매 예방 기능을 수행하는 뇌기능 향상 시스템 및 그 운용방법을 개시한다.
그러나, 치매 예방 및 치료를 위한 종래의 인지 중재 치료법은 병원 등 기관에 방문하여 전문가의 주관 하에 시행하여야 하므로 1회에 5~12만원에 달하는 높은 치료 비용을 지불하여야 하는 것이 대부분이다. 또한, 컴퓨팅 장치를 이용한 인지 중재 치료 프로그램도 개발되었으나, 장치 1대에 5천만원에 달하는 높은 비용으로 인하여 일반적인 사용자들이 사용하기 어려운 한계가 있다.
선행기술 :(특허문헌1) 등록특허공보 제10-1295187호
본 발명의 일 측면에 따르면, 치매 예방에 중요한 다중 영역에 대한 중재가 포함된 종합 프로그램의 형태로 구현되어 개인별 특성이 반영된 맞춤형 치매 예방 기능을 수행할 수 있고, 사용자가 기관에 와서 시행하는 기관형뿐만 아니라 네트워크를 통한 통신을 통하여 사용자들을 관리하는 재가형으로도 구현될 수 있는 인지능력 개발 시스템과 방법 및 이를 위한 컴퓨터 프로그램을 제공할 수 있다.
일 실시예에 따른 인지능력 개발 시스템은, 인지능력 개발 컨텐츠를 사용자에게 제공하도록 구성된 컨텐츠 제공 모듈; 상기 인지능력 개발 컨텐츠에 대한 사용자의 학습 데이터를 수신하도록 구성된 입력 모듈; 상기 학습 데이터에 기초하여 복수 개의 인지 영역별 성과 정보를 산출하도록 구성된 분석 모듈; 및 미리 설정된 훈련 데이터 셋(training data set)을 이용한 머신러닝에 의한 학습 결과를 저장하며, 상기 복수 개의 인지 영역별 성과 정보 및 상기 학습 결과를 이용하여 상기 사용자에게 제공될 인지능력 개발 컨텐츠의 특성을 결정하도록 구성된 머신러닝(machine learning) 모듈을 포함한다.
일 실시예에서, 상기 입력 모듈은, 상기 훈련 데이터 셋을 수신하도록 더 구성되며, 상기 훈련 데이터 셋에 포함된 데이터에 대해 미리 설정된 맞춤형 컨텐츠를 이용하여 상기 훈련 데이터 셋을 라벨링(labeling)하고, 라벨링된 데이터를 상기 머신러닝 모듈에 제공하도록 구성된 데이터 라벨링부를 포함한다.
일 실시예에서, 상기 분석 모듈은, 상기 복수 개의 인지 영역별 인지 점수, 상기 복수 개의 인지 영역별 소모 시간, 상기 복수 개의 인지 영역별 진행율 및 상기 복수 개의 인지 영역별 참여율 중 하나 이상에 기초하여 상기 성과 정보를 결정하도록 더 구성된다.
일 실시예에서, 상기 입력 모듈은 상기 사용자의 개인 정보를 수신하도록 더 구성된다. 이때, 상기 분석 모듈은, 상기 사용자의 개인 정보를 이용하여, 상기 인지 점수, 상기 소모 시간, 상기 진행율 및 상기 참여율 중 하나 이상으로부터 상기 성과 정보를 도출하기 위한 기준값을 결정하도록 더 구성된다.
일 실시예에서, 상기 머신러닝 모듈은, 상기 훈련 데이터 셋을 이용한 머신러닝을 수행함으로써 상기 학습 결과를 생성하도록 구성된 머신러닝 모델 학습부; 및 상기 학습 결과를 이용하여 상기 복수 개의 인지 영역별 성과 정보에 상응하는 상기 인지능력 개발 컨텐츠의 특성을 결정하도록 구성된 머신러닝 모델 판정부를 포함한다.
일 실시예에 따른 인지능력 개발 방법은, 인지능력 개발 시스템이 미리 설정된 훈련 데이터 셋을 이용한 머신러닝에 의한 학습 결과를 생성하는 단계; 상기 인지능력 개발 시스템에 상기 학습 결과를 저장하는 단계; 상기 인지능력 개발 시스템이 인지능력 개발 컨텐츠를 사용자에게 제공하는 단계; 상기 인지능력 개발 시스템이 상기 인지능력 개발 컨텐츠에 대한 사용자의 학습 데이터를 수신하는 단계; 상기 인지능력 개발 시스템이 상기 학습 데이터에 기초하여 복수 개의 인지 영역별 성과 정보를 산출하는 단계; 및 상기 인지능력 개발 시스템이 상기 복수 개의 인지 영역별 성과 정보 및 상기 학습 결과를 이용하여 상기 사용자에게 제공될 인지능력 개발 컨텐츠의 특성을 결정하는 단계를 포함한다.
일 실시예에서, 상기 학습 결과를 생성하는 단계는, 상기 인지능력 개발 시스템이 상기 훈련 데이터 셋을 수신하는 단계; 및 상기 인지능력 개발 시스템이 상기 훈련 데이터 셋에 포함된 데이터에 대해 미리 설정된 맞춤형 컨텐츠를 이용하여 상기 훈련 데이터 셋을 라벨링하는 단계를 더 포함하는 인지능력 개발 방법.
일 실시예에서, 상기 성과 정보를 산출하는 단계는, 상기 인지능력 개발 시스템이, 상기 복수 개의 인지 영역별 인지 점수, 상기 복수 개의 인지 영역별 소모 시간, 상기 복수 개의 인지 영역별 진행율 및 상기 복수 개의 인지 영역별 참여율 중 하나 이상에 기초하여 상기 성과 정보를 결정하는 단계를 포함한다.
일 실시예에 따른 인지능력 개발 방법은, 상기 성과 정보를 산출하는 단계 전에, 상기 인지능력 개발 시스템이 상기 사용자의 개인 정보를 수신하는 단계; 및 상기 인지능력 개발 시스템이, 상기 사용자의 개인 정보를 이용하여, 상기 인지 점수, 상기 소모 시간, 상기 진행율 및 상기 참여율 중 하나 이상으로부터 상기 성과 정보를 도출하기 위한 기준값을 결정하는 단계를 더 포함한다.
일 실시예에 따른 컴퓨터 프로그램은 하드웨어와 결합되어 전술한 실시예들에 따른 인지능력 개발 방법을 실행하기 위한 것으로서 컴퓨터로 판독 가능한 기록매체에 저장된 것일 수 있다.
본 발명의 일 측면에 따른 인지능력 개발 시스템 및 방법에 의하면, 인지, 동기, 혈관, 운동, 영양 등 치매 예방에 중요한 다중 영역에 대한 중재가 포함된 종합 프로그램을 통해 개인별 특성이 반영된 맞춤형 치매 예방을 수행할 수 있는 이점이 있다.
또한, 본 발명의 일 측면에 따른 인지능력 개발 시스템 및 방법은 노인복지관이나 치매안심센터에서는 기관에 와서 시행하는 기관형뿐만 아니라 사용자가 네트워크를 통해 관리를 받으며 치매 예방을 수행하는 재가형 프로그램을 통해서도 구현될 수 있어, 내방이 어려운 노인들도 인터넷을 통해 사용이 가능하여 종래에 비해 더 많은 사용자들이 치매 예방 프로그램의 혜택을 받도록 할 수 있다.
나아가, 본 발명의 일 측면에 따른 인지능력 개발 시스템 및 방법을 이용하면 사용자들이 지속적으로 참여하도록 맞춤형으로 프로그램을 구성함으로써, 치매 예방에 도움이 되도록 사용자들의 생활습관을 교정하고 사용자들이 정확한 지식에 기반한 활동을 꾸준히 실천하도록 동기를 강화할 수 있는 이점이 있다.
도 1은 일 실시예에 따른 인지능력 개발 시스템의 개략적인 블록도이다.
도 2는 일 실시예에 따른 인지능력 개발 방법의 각 단계를 도시하는 순서도이다.
도 3은 일 실시예에 따른 인지능력 개발 방법에 의한 데이터 처리 과정을 설명하기 위한 개념도이다.
도 4a 내지 4f는 일 실시예에 따른 인지능력 개발 시스템에 의해 제공되는 컨텐츠의 화면을 나타내는 예시적인 이미지이다.
도 5는 일 실시예에 따른 인지능력 개발 시스템에 의해 사용자 장치상에 출력되는 인지 점수를 나타내는 예시적인 그래프이다.
이하에서, 도면을 참조하여 본 발명의 실시예들에 대하여 상세히 살펴본다.
도 1은 일 실시예에 따른 인지능력 개발 시스템의 개략적인 블록도이다.
도 1을 참조하면, 본 실시예에 따른 인지능력 개발 시스템(2)은 컨텐츠 제공 모듈(21), 입력 모듈(22), 분석 모듈(23) 및 머신러닝(machine learning) 모듈(24)을 포함한다. 또한, 각각의 모듈(21-24)은 하나 또는 복수의 기능 부(unit)를 포함할 수 있다.
실시예들에 따른 인지능력 개발 시스템(2)과 이에 포함된 각 모듈(21-24) 또는 부는, 전적으로 하드웨어이거나, 또는 부분적으로 하드웨어이고 부분적으로 소프트웨어인 측면을 가질 수 있다. 예컨대, 인지능력 개발 시스템(2)의 각 모듈(21-24) 또는 부는 특정 형식 및 내용의 데이터를 처리하거나 또는/또한 전자통신 방식으로 주고받기 위한 하드웨어 및 이에 관련된 소프트웨어를 통칭할 수 있다. 본 명세서에서 "부", "모듈", "장치", "단말기", "서버" 또는 "시스템" 등의 용어는 하드웨어 및 해당 하드웨어에 의해 구동되는 소프트웨어의 조합을 지칭하는 것으로 의도된다. 예를 들어, 하드웨어는 CPU 또는 다른 프로세서(processor)를 포함하는 데이터 처리 기기일 수 있다. 또한, 하드웨어에 의해 구동되는 소프트웨어는 실행중인 프로세스, 객체(object), 실행파일(executable), 실행 스레드(thread of execution), 프로그램(program) 등을 지칭할 수 있다.
또한, 인지능력 개발 시스템(2)을 구성하는 각각의 요소는 반드시 서로 물리적으로 구분되는 별개의 장치를 지칭하는 것으로 의도되지 않는다. 즉, 도 1의 컨텐츠 제공 모듈(21), 입력 모듈(22), 분석 모듈(23) 및 머신러닝 모듈(24)은 인지능력 개발 시스템(2)을 구성하는 하드웨어를 해당 하드웨어에 의해 수행되는 동작에 따라 기능적으로 구분한 것일 뿐, 반드시 각각의 부가 서로 독립적으로 구비되어야 하는 것이 아니다. 물론, 실시예에 따라서는 컨텐츠 제공 모듈(21), 입력 모듈(22), 분석 모듈(23) 및 머신러닝 모듈(24) 중 하나 이상이 서로 물리적으로 구분되는 별개의 장치로 구현되는 것도 가능하다.
컨텐츠 제공 모듈(21)은 인지능력 개발을 위한 컨텐츠를 사용자에게 제공하도록 구성된다. 예를 들어, 컨텐츠 제공 모듈(21)은 사용자 장치(1)에 구비된 디스플레이 수단 및 소리 출력 수단 등을 이용하여 컨텐츠를 사용자에게 제시할 수 있도록 사용자 장치(1)에 컨텐츠를 전송하기 위한 부분일 수 있다. 이상의 동작을 위하여, 인지능력 개발 시스템(2)은 유선 및/또는 무선 네트워크를 통하여 사용자 장치(1)와 통신할 수 있다. 본 명세서에서 유선 및/또는 무선 네트워크를 통한 통신 방법은 객체와 객체가 네트워킹 할 수 있는 모든 통신 방법을 포함할 수 있으며, 유선 통신, 무선 통신, 3G, 4G, 혹은 그 이외의 방법으로 제한되지 않는다.
도 1에서 사용자 장치(1)는 태블릿(tablet) 컴퓨터의 형태로 도시되었으나, 이는 예시적인 것으로서, 사용자 장치(1)는 스마트폰(smartphone) 등 모바일 컴퓨팅 장치, 노트북 컴퓨터, 개인용 컴퓨터(Personal Computer; PC) 등 임의의 컴퓨팅 장치로 구성될 수 있다.
일 실시예에서, 인지능력 개발 시스템(2)은 적어도 부분적으로 사용자 장치(1)상에서 실행되는 애플리케이션(또는, 앱(app))과 통신함으로써 애플리케이션의 기능 수행을 가능하게 하는 애플리케이션 서버의 기능을 수행할 수 있다. 또는/또한, 인지능력 개발 시스템(2)은 적어도 부분적으로 사용자 장치(1)상에서 실행되는 웹 브라우저(web browser) 등을 통하여 접속 가능한 소정의 웹 페이지(web page)를 제공하는 웹 서버(web server)의 기능을 수행할 수도 있다.
그러나 이는 예시적인 것으로서, 다른 실시예에서는 인지능력 개발 시스템(2) 자체가 사용자가 사용하는 장치의 형태로 구성될 수 있으며, 이 경우 사용자는 인지능력 개발 시스템(2)을 통해 직접 컨텐츠를 이용할 수 있으므로 도 1에 도시된 사용자 장치(1)는 생략될 수도 있다.
본 발명의 실시예들에서, 컨텐츠 제공 모듈(21)을 통하여 제시되는 인지능력 개발 컨텐츠는 복수 개의 인지 영역에 관련된 것일 수 있다. 본 명세서에서 복수 개의 인지 영역이란, 치매 등으로 인한 인지능력의 저하를 방지하거나 저하 속도를 늦추는 등 인지능력을 개선하기 위하여 서로 상이한 관점에서 사용자의 인지능력 개선을 위한 활동을 유도하기 위한 다각적인 분야들 의미한다.
예를 들어, 일 실시예에서 인지능력 개발 시스템(2)은 인지능력의 개선을 위하여 관리가 필요한 내용들을 혈관질환 관리, 인지 훈련, 운동, 영양 관리 및 동기 강화의 5개의 인지 영역으로 구분할 수 있다. 이때, 인지능력 개발 시스템(2)에 의해 제공되는 인지능력 개발 컨텐츠는 전술한 5개의 인지 영역 중 하나 또는 복수의 인지 영역의 능력 개선을 목표로 하며, 특정한 인지 영역의 강화를 목표로 개발된 것일 수 있으며 이를 본 명세서에서는 인지능력 개발 컨텐츠의 특성으로 지칭한다. 예를 들어, 인지능력 개발 컨텐츠는 특정 분야의 능력 강화를 목적으로 하는 게임의 형식을 가질 수 있다.
입력 모듈(22)은, 컨텐츠 제공 모듈(21)을 통해 사용자에게 제공된 컨텐츠에 대한 사용자의 학습 데이터를 사용자 장치(1)로부터 수신하도록 구성된다. 또는, 인지능력 개발 시스템(2)이 사용자의 개인용 컴퓨터 등 사용자 장치 형태로 구현되는 경우, 입력 모듈(22)은 키보드나 터치스크린 등의 입력 수단(미도시)을 통해 학습 데이터를 입력받을 수 있다.
분석 모듈(23)은, 입력 모듈(22)에 입력된 학습 데이터를 분석하여 복수 개의 인지 영역별 성과 정보를 산출하도록 구성된다. 예를 들어, 분석 모듈(23)은 각 인지 영역의 컨텐츠(예컨대, 게임)에 대한 인지 점수, 각 영역의 컨텐츠에 대한 소모 시간, 영역별 진행율 및/또는 참여율 등을 토대로 성과 정보를 결정할 수 있다.
이를 위하여, 일 실시예에서 분석 모듈(23)은 각 영역에 대한 사용자의 학습 결과인 인지 점수를 분석하는 결과 분석부(231) 및/또는 각 영역의 컨텐츠의 목표 달성에 대해 소요된 시간과 컨텐츠에 대한 사용자의 응답 시간 등 소모 시간에 대한 정보를 분석하는 과정 분석부(232)를 포함할 수 있다.
또한 일 실시예에서, 분석 모듈(23)은 프로파일링(profiling)부(233)를 더 포함한다. 본 실시예에서 사용자는 입력 모듈(22)을 통하여 자신의 개인 정보, 예컨대, 성별, 나이, 거주환경(세대 구성원 수 등), 과거의 치매 진단 여부 등 병력과 같은 정보를 입력할 수 있다. 프로파일링부(233)는, 이러한 개인 정보를 토대로, 학습 데이터로부터 성과 정보를 도출하기 위한 기준값을 결정하도록 구성된다. 이때 기준값이란, 인지 점수나 소모 시간을 성과값으로 변환하기 위한 구간에 대한 정보, 인지 점수나 소모 시간에 적용되기 위한 가중치 정보, 또는 사용자의 성별/나이/거주환경/병력 등이 성과값에 영향을 미치도록 하는 다른 임의의 방식의 조정값을 지칭할 수 있다.
머신러닝 모듈(24)은, 사전에 입력된 훈련 데이터 셋(training data set)을 이용하여 머신러닝에 의한 학습을 수행한 결과를 저장하고, 있으며, 분석 모듈(23)에 의해 얻어진 성과 정보에 대해 머신러닝의 학습 결과를 적용함으로써 사용자 맞춤형 컨텐츠의 특성을 결정하는 기능을 한다.
이상의 동작을 위하여, 머신러닝 모듈(240)은 훈련 데이터 셋을 이용한 머신 러닝을 수행하는 머신러닝 모델 학습부(241)와, 학습 결과를 기반으로 사용자의 성과 정보에 대한 맞춤형 컨텐츠를 판정하는 머신러닝 모델 판정부(242)를 포함할 수 있다.
일 실시예에서, 입력 모듈(22)은 훈련 데이터 셋을 입력받고 이를 머신러닝을 위하여 머신러닝 모델 학습부(241)에 입력하는 기능을 더 수행할 수 있다. 이때, 입력 모듈(22)은 데이터 라벨링(labeling)부(222)를 포함할 수 있다. 데이터 라벨링부(222)는, 훈련 데이터 셋에 포함된 데이터들에 대하여 해당 데이터를 제공한 사용자의 인지능력 개선에 적합한 것으로 전문가나 임상 결과 등에 의하여 결정된 맞춤형 컨텐츠 정보(즉, 정답)를 이용하여 훈련 데이터 셋의 데이터들을 라벨링하고, 라벨링된 데이터를 머신러닝 모델 학습부(241)에 제공할 수 있다.
또한, 입력 모듈(22)은 개인 정보 처리부(223)를 더 포함할 수도 있다. 개인 정보 처리부(223)는, 머신러닝 모델 학습부(241)가 훈련 데이터 셋을 이용한 학습을 수행함에 있어서, 각 사용자의 민감한 개인 정보가 노출되지 않도록 개인 정보에 대한 마스킹(masking)을 수행할 수 있다. 이때 마스킹이란, 민감한 정보 자체를 훈련 데이터 셋으로부터 삭제하는 것을 의미할 수도 있으며, 또는 해당 정보를 삭제하지 않더라도 데이터 레코드들과 이를 제공한 개인을 매칭(matching)시키는 것이 불가능하도록 데이터를 분할, 조합 또는 재구성하는 것을 지칭할 수 있다.
머신러닝 모듈(24)의 머신러닝 모델 판정부(242)는, 머신러닝 모델 학습부(241)에 의하여 선행 누적된 데이터를 바탕으로 사용자의 성과 정보에 상응하는 사용자의 유형을 판정하고, 해당 사용자에게 적합한 맞춤형 컨텐츠의 특성을 결정할 수 있다. 예를 들어, 사용자의 유형을 판정한다는 것은 복수의 인지 영역에서 사용자가 보여준 성과의 패턴을 기준으로 사용자들을 분류(classification)하거나 군집화(clustering)하는 것을 의미할 수 있으며, 머신러닝 모델 판정부(242)는 이러한 유형을 이용하여 해당 사용자 분류 또는 군집의 인지능력 개선에 적합한 맞춤형 컨텐츠를 결정할 수 있다.
도 2는 일 실시예에 따른 인지능력 개발 방법의 각 단계를 도시하는 순서도이다. 설명의 편의를 위하여, 도 1 및 도 2를 참조하여 본 실시예에 따른 인지능력 개발 방법에 대하여 설명한다.
도 2를 참조하면, 먼저 머신러닝 기반의 학습 과정으로서 인지능력 개발 시스템(2)의 입력 모듈(22)은 훈련 데이터 셋을 수신할 수 있다(S11). 훈련 데이터 셋은 관리자의 사용자 장치로부터 입력 모듈(22)에 입력 또는 전송되거나, 또는 외부의 서버(미도시)로부터 수신될 수 있다.
훈련 데이터 셋을 이용하여 머신러닝을 수행하기 위한 전처리 과정으로서, 입력 모듈(22)의 데이터 라벨링부(222)는 훈련 데이터 셋의 각 데이터들에 의하여 전문가나 임상 등을 토대로 결정된 맞춤형 컨텐츠 정보를 이용하여 데이터들을 라벨링할 수 있다(S12). 또한, 입력 모듈(22)의 개인 정보 처리부(223)는 훈련 데이터 셋의 데이터들로부터 민감한 정보를 제거하거나 민감한 정보가 데이터 제공자 개인과 연관되지 않도록 하는 마스킹을 수행할 수도 있다(S12).
인지능력 개발 시스템(2)의 머신러닝 모듈(24)은, 라벨링 및 마스킹 등이 완료된 데이터를 입력받고 이를 이용하여 학습 데이터로부터 맞춤형 컨텐츠를 결정하기 위한 학습 결과를 생성할 수 있다(S13). 예를 들어, 학습 결과란 학습 데이터의 패턴을 기반으로 사용자의 유형을 판정하고, 해당 유형의 사용자에게 적용되기에 적합한 컨텐츠의 특성, 예컨대, 컨텐츠에 상응하는 인지 영역의 종류 및 개수 등을 결정하기 위한 것일 수 있다.
이상에서 설명한 머신러닝에 의한 학습 과정(S11-S13)은, 머신러닝 모듈(24)의 머신러닝 모델 학습부(241)에 의하여 수행될 수 있다. 그러나 다른 실시예에서, 머신러닝 모듈(24)은 외부의 장치나 서버 등으로부터 머신러닝 결과에 해당하는 알고리즘 및 파라미터 등을 수신하고 이를 기반으로 동작할 수도 있으며, 이 경우 전술한 학습 과정(S11-S13)은 생략될 수 있다.
머신러닝에 의한 학습 결과를 기반으로 대상 사용자에게 맞춤형 컨텐츠를 제공하기 위하여, 먼저 인지능력 개발 시스템(2)의 컨텐츠 제공 모듈(21)은 복수 개의 인지 영역별 특성을 갖는 인지능력 개발 컨텐츠를 사용자에게 제공할 수 있다(S21).
다음으로, 인지능력 개발 시스템(2)의 입력 모듈(22)은 제공된 컨텐츠에 대한 사용자의 학습 데이터를 수신할 수 있다(S22). 예를 들어, 학습 데이터란 예컨대 게임과 같은 형식을 가지는 컨텐츠를 통하여 제공되는 과제를 사용자가 해결함으로써 달성한 인지 점수나, 해당 과제의 달성에 사용자가 소모한 시간, 컨텐츠 내의 일련의 과제들에 대한 사용자의 진행율이나 참여율 등을 포함할 수 있다.
일 실시에에서, 입력 모듈(22)는 학습 데이터의 수신과 동시에 또는 학습 데이터의 수신 전 또는 후에 컨텐츠에 참여하는 사용자의 개인 정보를 더 수신할 수도 있다(S23). 예를 들어, 개인 정보는 사용자의 성별/나이/거주환경/병력 등의 정보를 포함할 수 있으나, 이에 한정되는 것은 아니다.
인지능력 개발 시스템(2)의 분석 모듈(23)은, 사용자의 학습 데이터로부터 해당 학습 데이터가 나타내는 사용자의 유형을 판정하기에 적합한 성과 정보를 도출할 수 있다(S24). 예를 들어, 성과 정보는 사용자가 컨텐츠에 대하여 달성한 인지 점수, 소모 시간, 진행율, 참여율 등을 지칭하는 것이거나, 또는 소정의 기준(등급, 문턱값, 가중치 등)에 의하여 이러한 정보를 성과값으로 변환한 것일 수 있다.
인지능력 개발 시스템(2)의 머신러닝 모듈(24)은, 분석 모듈(23)에 의하여 도출된 성과 정보에 기초하여 사용자 맞춤형 컨텐츠를 결정할 수 있다(S25). 이는, 머신러닝 모델을 통해 결정된 사용자의 유형을 토대로, 해당 사용자에게 다음에 제시되기에 적합한 인지능력 개발 컨텐츠의 특성(종류, 난이도, 제한 시간 등)을 결정하는 것을 의미할 수 있으며, 이에 대해서는 상세히 후술한다.
도 3은 일 실시예에 따른 인지능력 개발 방법에 의한 데이터 처리 과정을 설명하기 위한 개념도이다.
도 3을 참조하면, 본 발명의 실시예들에 따른 인지능력 개발 방법에서는 사용자의 학습 데이터로부터 사용 이력, 진행율, 인지 점수 및/또는 참여율 등의 정보를 도출하고, 이를 성과 정보로 이용하여 사용자에게 제공되기 위한 맞춤형 컨텐츠를 결정할 수 있다.
본 명세서에서 인지 점수란, 복수의 인지 영역을 가지는 다중 영역 중재 기반의 컨텐츠를 통해 제공되는 과제에 대하여 사용자가 달성한 점수를 지칭한다. 예컨대, 인지능력 개발 컨텐츠가 혈관질환 관리, 인지 훈련, 운동, 영양 관리 및 동기 강화의 5개의 인지 영역을 가지는 컨텐츠일 경우, 인지 점수란 {30, 40, 10, 5, 80} 등과 같이 각 인지 영역에 대한 점수들을 데이터 레코드로 포함하는 데이터 셋일 수 있다.
도 4a 내지 4f는 일 실시예에 따른 인지능력 개발 시스템에 의해 제공되는 컨텐츠의 화면을 나타내는 예시적인 이미지로서, 혈관질환 관리, 인지 훈련, 운동, 영양 관리 및 동기 강화의 5개의 인지 영역 중 인지 훈련에 해당하는 컨텐츠의 화면을 나타낸다.
도 4a를 참조하면, 인지 훈련에 참여하는 사용자는 화면상에 제시된 문제 이미지(402)를 보고, 정답 이미지(403)에 포함된 복수 개의 숫자 패널 중 문제 이미지(402)에 표시된 숫자와 동일한 합계를 도출하기 위한 복수 개의 패널을 선택할 수 있다. 이때, 컨텐츠는 화면상의 레벨 이미지(401)에 나타난 것과 같이 복수 개의 난이도에 해당하는 난이도별 과제들을 포함할 수 있으며, 낮은 레벨의 과제를 달성해 나갈수록 점차 제시되는 과제의 난이도가 증가하도록 컨텐츠가 구성될 수 있다. 또한, 타이머 이미지(404)로 표시된 것과 같이 사용자가 과제를 해결하는 데에 소모하는 시간이 인지능력 개발 시스템에 의하여 기록될 수 있다.
도 4b를 참조하면, 다른 형태의 인지 훈련에 대한 예시로서 사용자는 과제로 제시된 문제 이미지(412, 413)로부터 출발시간과 소요시간을 확인하고, 출발시간에 소요시간을 더한 도착시간을 산출하고 이를 정답 이미지(415)로 선택하는 과제를 수행할 수 있다. 도 4a에 예시된 컨텐츠 화면과 마찬가지로, 본 컨텐츠의 경우에도 과제의 난이도를 타나내는 레벨 이미지(411) 및/또는 소모 시간을 나타내는 타이머 이미지(414)가 화면상에 더 표시될 수도 있다.
도 4c를 참조하면, 또 다른 형태의 인지 훈련에 대한 예시로서 사용자는 과제로 제시된 문제 이미지(422) 내의 문구를 읽어 문제를 확인하고, 화면상에 표시된 정답 이미지(423)들 중 문제에 대한 답에 해당하는 이미지를 선택하는 과제를 수행할 수 있다. 도 4c에 도시된 예시의 경우, 왼쪽으로 헤엄치는 반달무늬 주황색 물고기는 화면 상단의 좌측과 중앙에 위치하고 있으므로, 이를 제외한 나머지 물고기들을 선택함으로써 해당 과제를 달성할 수 있다. 이때 사용자가 선택한 물고기의 숫자는 카운터 이미지(424)를 통해 표시될 수 있다. 또한, 도 4a에 예시된 컨텐츠 화면과 마찬가지로, 본 컨텐츠의 경우에도 과제의 난이도를 타나내는 레벨 이미지(421)가 화면상에 더 표시될 수도 있다.
도 4d를 참조하면, 또 다른 형태의 인지 훈련에 대한 예시로서 사용자는 문제 이미지(432)로 제시된 일련의 화살표를 보고 이에 기초하여 정답 제시 공간(435) 내의 출발 지점(436)으로부터 위치 이동을 실시함으로써 정답에 해당하는 보물이 위치하는 지점(437)에 도달하는 과제를 실시할 수 있다. 이때, 사용자의 선택에 따른 위치 이동은 도 4d에 도시된 것과 같은 점선이나, 가상의 캐릭터, 포인터 등에 의해 사용자가 인지할 수 있도록 표시될 수도 있다. 도 4a에 예시된 컨텐츠 화면과 마찬가지로, 본 컨텐츠의 경우에도 과제의 난이도를 타나내는 레벨 이미지(431) 및/또는 소모 시간을 나타내는 타이머 이미지(434)가 화면상에 더 표시될 수도 있다.
도 4e를 참조하면, 또 다른 형태의 인지 형태의 훈련에 대한 예시로서 사용자는 소정의 숫자가 표시된 복수 개의 문제 이미지(443)를 보고 화면 상에 표시된 문제 이미지(443)들을 숫자가 적은 순서에서 많은 순서로(또는, 그 반대로) 선택하는 과제를 수행할 수 있다. 도 4a에 예시된 컨텐츠 화면과 마찬가지로, 본 컨텐츠의 경우에도 과제의 난이도를 타나내는 레벨 이미지(441) 및/또는 소모 시간을 나타내는 타이머 이미지(444)가 화면상에 더 표시될 수도 있다.
도 4f를 참조하면, 또 다른 형태의 인지 훈련에 대한 예시로서 사용자는 문제 이미지(452)로 제시된 사물들을 보고 사물들을 시간에 따른 순서대로 선택하는 과제를 수행할 수 있다. 예컨대, 도 4f에 도시된 예시의 경우 토마토의 싹이 자라 토마토가 열린 후, 토마토가 성숙하면 색이 붉은 색이 되는 것이므로 문제 이미지(452)에 제시된 사물들을 좌측으로부터 우측의 순서대로 선택하는 것이 정답이 된다. 이때, 사용자는 제한된 횟수만큼만 과제 해결을 시도할 수 있도록 컨텐츠가 구성될 수도 있으며, 이 경우 사용자가 과제 해결을 시도한 횟수(또는, 남은 시도 가능 횟수)가 카운터 이미지(453)에 의해 화면상에 표시될 수도 있다. 또한, 도 4a에 예시된 컨텐츠 화면과 마찬가지로, 본 컨텐츠의 경우에도 과제의 난이도를 타나내는 레벨 이미지(461) 및/또는 소모 시간을 나타내는 타이머 이미지(464)가 화면상에 더 표시될 수도 있다.
일 실시예에 따른 인지능력 개발 시스템은, 도 4a 내지 4f를 참조하여 예시한 것과 같은 인지 훈련 컨텐츠에 대해 사용자가 달성한 난이도(즉, 레벨)나 사용자가 과제의 달성에 소모한 시간을 토대로 인지 훈련 영역의 인지 점수를 결정할 수 있다. 또한, 5개의 인지 영역 중 인지 훈련을 제외한 혈관질환 관리, 운동, 영양 관리 및 동기 강화의 각 영역의 점수는 다음과 같이 결정될 수 있다.
먼저, 혈관질환 관리 영역의 인지 점수는, 컨텐츠를 통해 사용자에게 복약 지도 및 관리, 혈관성 위험 질환 교육 등을 실시하고, 교육 이후 사용자에게 교육 내용에 관련된 질문을 제시하여 이에 대한 사용자의 응답을 토대로 결정될 수 있다. 또는/또한, 혈관질환 관리 영역의 인지 점수는 대표적인 위험인자에 해당하는 당뇨, 고혈압, 이상지질혈증, 비만, 과음, 흡연 등의 유무를 토대로 결정될 수도 있다. 예컨대, 컨텐츠를 통하여 사용자가 전술한 위험인자 중 몇 가지에 해당되는지 여부를 확인할 수 있는 질문을 제시하고, 이에 대한 사용자의 응답을 통하여 혈관질환 관리 영역의 인지 점수를 결정할 수 있다. 예컨대, 사용자가 가지고 있는 위험인자가 많을수록 인지 점수는 낮게 부여될 것이다.
다음으로, 운동 분야의 인지 점수는 신체 활동에 대한 사용자의 참여도를 토대로 결정될 수 있다. 신체 활동이란 인지능력 개발 시스템의 운영자에 의하여 주기적으로 시행되는 기관 주도의 활동으로서, 이에 대한 사용자의 출석 회수를 토대로 인지 점수를 결정할 수 있다. 이때, 기관 주도의 신체 활동은 개인의 체력 수준에 따라 저체력군 및 일반체력군, 근력 강화형 및 유산소 강화형 등으로 차별화된 형태를 가질 수도 있다. 그러나 이는 예시적인 것으로서, 기관 주도의 활동에 사용자가 참여하는 것이 불가능할 경우에는, 사용자 스스로 신체 활동을 하도록 유도하고 설문을 통해 신체 활동의 빈도 및 지속 시간 등을 확인하여 이를 토대로 인지 점수를 결정할 수도 있다.
다음으로, 영양 분야의 인지 점수는 사용자가 섭취하는 식단을 토대로 결정될 수 있다. 예를 들어, 인지능력 개발 시스템을 통하여 사용자가 야채, 생선, 견과류, 과일, 올리브유 및 통곡물 등을 균형 있게 섭취하도록 유도하며, 또한 몸에 좋지 않은 주류, 단당류, 튀김류, 치즈, 버터, 가공식품은 섭취량을 줄이도록 유도할 수 있다. 다음으로, 사용자가 섭취하는 영양을 확인하기 위하여 인지능력 개발 컨텐츠를 통해 사용자에게 설문을 제시하고, 이에 대한 사용자의 응답을 통하여 영양 분야의 인지 점수를 결정할 수 있다. 또는, 인지능력 개발 컨텐츠를 통하여 사용자가 자신이 섭취하는 식단의 사진을 인지능력 개발 시스템에 업로드하도록 하고, 인지능력 개발 시스템에서 이미지 처리 기법을 통하여 사진 상의 객체들을 인식함으로써 사용자가 섭취하는 식단에 포함된 영양소의 종류를 결정하고, 이를 토대로 영양 분야의 사용자의 인지 점수를 결정할 수도 있다.
다음으로, 동기강화 분야의 인지 점수는 인지능력 개발 프로그램에 참여하는 사용자 또는 사용자의 관련자(예컨대, 가족 등 보호자)가 시청하기 위한 영상 컨텐츠 등을 제시하고, 해당 컨텐츠의 시청이 완료되었는지 여부, 컨텐츠의 전체 재생시간 중 시청이 완료된 시간의 비율, 및/또는 복수의 컨텐츠가 있는 경우 전체 컨텐츠 중에서 시청된 컨텐츠의 비율 등을 토대로 동기강화 분야의 인지 점수를 결정할 수 있다. 또는, 다른 실시예에서 인지능력 개발 시스템은 사용자가 컨텐츠를 통해 자신의 동기 부여 상태를 선택하도록 함으로써, 사용자가 자가 평가한 내용을 토대로 인지 점수를 결정할 수도 있다. 예를 들어, 사용자가 가족들의 응원 영상을 컨텐츠를 통해 시청하도록 하고, 응원 영상의 시청 후 사용자가 자가 평가한 동기부여 상태롤 토대로 동기강화 분야의 인지 점수를 결정할 수 있다.
이상에서 설명한 것과 같이, 일 실시예에 따른 인지능력 개발 시스템은 인지능력 개발을 위한 인지 영역을 혈관질환 관리, 인지 훈련, 운동, 영양 관리 및 동기 강화의 5개의 영역으로 나누고, 컨텐츠를 기반으로 각 영역에 대한 사용자의 인지 점수를 도출할 수 있다.
도 5는 일 실시예에 따른 인지능력 개발 시스템에 의해 사용자 장치상에 출력되는 인지 점수를 나타내는 예시적인 그래프이다.
도 5를 참조하면, 일 실시예에 따른 인지능력 개발 시스템은 컨텐츠를 통한 사용자의 학습을 혈관질환 관리, 인지 훈련, 운동, 영양 관리 및 동기 강화의 5개의 인지 영역으로 구분하여, 각 영역에서 사용자가 컨텐츠에 대하여 달성한 인지 점수를 토대로 사용자의 인지 능력을 오각형 형태의 그래프로 나타낼 수 있다. 그러나 이는 예시적인 것으로서, 실시예들에 따른 인지능력 개발 시스템에 의해 구분되는 인지 영역의 종류 및 개수나, 각 영역의 인지 점수를 표출하는 방식은 본 명세서에 설명된 형태로 한정되는 것은 아니다.
다시 도 3을 참조하면, 본 발명의 실시예들에 따른 인지능력 개발 시스템은 전술한 것과 같이 산출되는 인지 영역별 인지 점수에 더하여 진행율, 사용 이력, 및 참여율 등을 더 이용하여 컨텐츠에 대한 사용자의 성과 정보를 산출할 수 있다.
본 명세서에서 진행율이란, 다중 영역 중재 기반의 컨텐츠 전체에서 제공되는 과제들에 대한 사용자의 달성율을 지칭한다. 예를 들어, 인지능력 개발 컨텐츠가 혈관질환 관리, 인지 훈련, 운동, 영양 관리 및 동기 강화의 5개의 인지 영역에 대해 각각 5개씩의 총 25개의 과제를 포함하며, 사용자가 이 중 5개의 과제를 달성하였을 경우, 진행율은 20%로 정의될 수 있다. 그러나 이는 예시적인 것으로서, 다른 실시예에서 진행율은 각각의 인지 영역별로 정의될 수도 있다.
또 다른 실시예에서, 진행율은 달성한 과제의 수가 아니라 과제에 대해 달성한 인지 점수의 총합으로 결정될 수도 있다. 예를 들어, 전술한 예에서 25개 과제를 통해 사용자가 달성 가능한 인지 점수의 총합이 2500점이며, 5개의 과제를 통하여 달성한 사용자의 평균 인지 점수가 80점일 경우, 진행율은 [사용자가 달성한 점수 총합]을 [과제를 통해 달성 가능한 점수의 총합]으로 나눈 값으로서 80/2500, 즉, 3.2%로 정의될 수도 있다.
일 실시예에서, 사용 이력은 사용자가 다중 영역 중재를 위한 컨텐츠 중 어떤 컨텐츠를 소비하는지에 대한 사용자의 소비 유형을 파악할 수 있는 정보를 지칭한다. 예를 들어, 사용 이력이란 사용자의 컨텐츠 검색 이력이나, 각 컨텐츠에 대해 사용자가 소모한 시간, 또는 특정 인지 영역의 컨텐츠들에 대해 사용자가 소모한 시간의 총 합계 등과 같은 정보를 포함할 수 있다.
일 실시예에서, 참여율은 소정의 기간 동안 반복적으로 진행되도록 의도된 컨텐츠 학습에 대하여 사용자가 실제로 참여한 정도를 나타내는 정보일 수 있다. 예컨대, 실시예들에 따른 인지능력 개발 시스템은 사용자가 병원이나 클리닉 등에 내원하여 사용하는 기관형으로 구현되거나, 또는 사용자가 자신의 집에서 네트워크를 통하여 접속하여 사용이 가능한 재가형으로 구현될 수 있다. 이때, 참여율이란 일정 기간(예컨대, 1달) 동안 진행 가능한 학습 회수에서 사용자가 실제로 학습을 수행한 학습의 회수(또는, 학습일수)를 지칭하는 것일 수 있다.
또한, 다른 실시예에서 참여율이란 사용자가 컨텐츠를 통한 학습을 연속적으로 수행한 일 수에 대한 정보로 정의될 수도 있다. 예를 들어, 사용자가 사전에 결정된 학습 스케쥴에 따른 학습 일정을 누락 없이 준수한 학습 회수를 참여율로 정의할 수 있으나, 이에 한정되는 것은 아니다.
일 실시예에서는, 사용자의 학습 데이터로부터 맞춤형 컨텐츠를 결정함에 있어서 사용자에게 제공된 컨텐츠에 해당하는 화면의 로그(log) 정보가 더 이용될 수도 있다. 본 명세서에서 화면의 로그 정보란, 컨텐츠에 상응하여 표시되는 각 화면에서 사용자가 머무른 시간을 산출하거나, 화면과 화면 사이의 전환에 소요된 시간을 산출하거나, 또는 각 화면 내에서 사용자 입력 수단(예컨대, 마우스)을 이용하여 이루어진 조작의 궤적을 탐지한 것을 지칭할 수 있다. 예를 들어, 컨텐츠 화면 상에서 마우스를 이용한 사용자의 포인터 조작 궤적을 추적하여 포인터가 장시간 머무런 화면상의 지점의 위치를 화면 로그를 이용하여 분석하거나, 사용자가 화면에서 머무른 시간을 로그를 이용하여 분석함으로써 컨텐츠에 대한 사용자의 실제 참여 정보를 산출할 수 있고, 이러한 참여 정보는 전술한 참여율을 대체하여 또는 이를 보조하여 사용될 수도 있다.
실시예들에 따른 인지능력 개발 시스템은, 이상의 과정에 의하여 학습 데이터로부터 도출되는 인지 점수, 진행율, 사용 이력 참여율 및 화면 로그 정보 등을 사용자의 성과 정보로 도출할 수 있다. 또한, 인지능력 개발 시스템은 사용자의 성과 정보를 머신러닝의 학습 결과에 기반하여 분석함으로써 해당 사용자의 유형을 판정하고, 해당 사용자의 인지능력 개선에 적합한 맞춤형 컨텐츠를 결정하여 사용자에게 제시할 수 있다.
예를 들어, 훈련 데이터 셋을 이용한 학습 결과는 사용자들을 성과 정보에 따라 복수 개의 그룹으로 클러스터링하고, 각 그룹에 대해 해당 그룹의 사용자들의 인지능력 개선에 적합한 컨텐츠의 특성을 매칭시킨 것을 의미할 수 있다. 예를 들어, 훈련 데이터 셋의 사용자들의 인지 점수, 진행율, 참여율, 사용 이력 및 화면 로그 등을 종합적으로 분석한 결과에 기반하여, 사용자들의 성과 정보는 혈관질환 관리, 인지 훈련, 운동, 영양 관리 및 동기 강화의 5개의 인지 영역 각각의 성과를 나타내는 5차원의 값인 데이터 레코드 형태로 표시될 수 있다.
훈련 데이터 셋에 포함된 각 학습 데이터들은 각각 5차원 데이터 레코드 형태로 표현되고, 이에 대한 군집화를 통하여 각 그룹(즉, 클러스터)의 중심점에 해당하는 데이터 레코드가 결정될 수 있다. 이때, 인지능력 개발 컨텐츠는 혈관질환 관리, 인지 훈련, 운동, 영양 관리 및 동기 강화의 5개의 인지 영역 중 해당 컨텐츠를 통해 개선이 가능한 분야를 정의하는 특성 정보를 가질 수 있다. 특성 정보는 사전에 전문가에 의하여 설정될 수 있으며, 하나의 컨텐츠를 통해 복수의 영역에 대한 강화가 이루어지는 경우도 있으므로, 인지능력 개발 컨텐츠들 또한 5개의 영역 각각에 대한 특성값을 가지는 5차원의 데이터 레코드 형태로 표현될 수 있다.
즉, 본 실시예에서 머신 러닝에 의한 학습 결과란, 훈련 데이터 셋의 사용자 학습 데이터를 클러스터링하여 생성된 각 데이터 그룹의 중심 데이터 레코드에 해당하는 5차원의 데이터와, 각 데이터 그룹의 인지능력 개발에 적합한 것으로 설정된 인지능력 개발 컨텐츠의 5차원의 특성값을 포함할 수 있다.
이때, 대상 사용자로부터 학습 데이터가 수신되면, 인지능력 개발 시스템에서는 학습 결과를 기반으로 대상 사용자의 성과 정보가 어떤 데이터 그룹에 해당하는지를 결정할 수 있다. 즉, 이는 사용자의 성과 정보를 토대로 사용자의 유형을 판정하는 것을 의미한다. 사용자의 유형 판정은, 각 인지 영역에 해당하는 5개의 좌표축을 가지는 5차원의 데이터 공간 내에서, 각 데이터 그룹의 중심점에 해당하는 데이터 레코드들과 사용자의 성과 정보 사이의 거리를 산출하고, 이 중 가장 가까이 위치한 데이터 레코드를 중심점으로 하는 데이터 그룹을 결정하는 방식으로 이루어질 수 있다. 다음으로, 해당 데이터 그룹에 대해 결정되어 있는 인지능력 개발 컨텐츠를 해당 사용자의 맞춤형 컨텐츠로 결정할 수 있다.
또 다른 실시예에서, 사용자의 유형 판정은 반드시 사용자의 성과 정보가 어느 하나의 데이터 그룹에 속하는 것으로 판정하는 것을 의미하지 않으며, 복수의 데이터 그룹 각각에 대한 사용자의 성과 정보의 유사도를 산출하고 이를 기반으로 각 데이터 그룹에 해당하는 맞춤형 컨텐츠를 병합하는 방식으로 해당 사용자의 맞춤형 컨텐츠를 결정할 수도 있다.
즉, 각 인지 영역에 해당하는 5개의 좌표축을 가지는 5차원의 데이터 공간 내에서, 각 데이터 그룹의 중심점에 해당하는 데이터 레코드들과 사용자의 성과 정보 사이의 거리는 (a, b, c, d, e)와 같은 5차원 데이터 형태를 갖는다. 예컨대, a는 제1 데이터 그룹의 중심점과 사용자의 성과 정보 사이의 5차원 거리를 의미하며, b는 제2 데이터 그룹의 중심점과 사용자의 성과 정보 사이의 5차원 거리를 의미한다. 이때, 제1 내지 제5 데이터 그룹에 해당하는 맞춤형 컨텐츠를 각각 A, B, C, D, E로 지칭하면, 사용자의 성과 정보로부터 각 데이터 그룹의 중심점까지의 거리가 가까울수록 해당 데이터 그룹에 상응하는 맞춤형 컨텐츠가 더 높은 비율로 포함되도록 컨텐츠 사이의 비율을 정의하고, 이를 토대로 컨텐츠들을 병합함으로써 사용자의 맞춤형 컨텐츠를 새롭게 결정할 수 있다.
예를 들어, 전술한 예에서 각 데이터 그룹의 중심점과 사용자의 성과 정보 사이의 거리는 (a, b, c, d, e)이며, 새롭게 생성될 컨텐츠에서 맞춤형 컨텐츠 A, B, C, D, E 사이의 병합 비율은 거리의 역수에 비례하여 (1/a, 1/b, 1/c, 1/d, 1/e)로 결정될 수 있다. 이때, 컨텐츠를 병합한다는 것은 각 도 4a 내지 4f를 참조하여 전술한 것과 같이 각 컨텐츠에 포함된 복수의 과제 중 일부를 다른 컨텐츠에 포함된 과제와 병합하여 서로 상이한 컨텐츠의 과제들이 병합된 새로운 컨텐츠를 생성하는 것을 의미할 수 있다.
또는, 인지능력 개발 시스템의 머신러닝 모듈은 사용자의 성과 정보를 머신러닝 기반의 분석 모델에 대한 입력값으로 사용하여 머신러닝 기반의 분석 모델에 대한 학습을 수행하고, 학습 결과 5차원 벡터의 특징값을 특정 과제 또는 특정 과제들의 병합을 포함하는 컨텐츠에 상응하는 것으로 분류(classification)하는 과정을 통하여 사용자에게 적합한 컨텐츠의 종류를 결정할 수도 있다.
분류를 위하여, 머신러닝 모듈은 성과 정보가 일정한 특성값(예컨대, 5차원 데이터의 크기, 각 데이터 항목의 값, 각 데이터 항목의 값의 평균, 각 데이터 항목의 값들의 표준 편차 등)을 가지는 사용자들에 대하여 효과가 있는 것으로 알려진 컨텐츠의 특성(과제의 종류 등)을 포함하는 학습 데이터를 입력받아 분석 모델에 대한 학습을 수행하고, 학습 결과 결정된 파라미터를 기반으로 분석 대상인 미지의 사용자의 성과 정보에 상응하는 컨텐츠를 분류할 수 있다. 이때 분석 모델에 대한 입력값으로는 사용자의 성과 정보인 5차원 데이터 자체가 이용될 수도 있고, 또는 전술한 클러스터링의 결과 얻어지는 각 데이터 그룹의 중심점과 사용자의 성과 정보 사이의 거리를 나타내는 5차원 벡터 (a, b, c, d, e), 또는 상기 거리의 역수를 나타내는 5차원 벡터 (1/a, 1/b, 1/c, 1/d, 1/e)가 이용될 수도 있다.
그러나, 이상에서 설명한 사용자 맞춤형 컨텐츠의 결정 방식은 예시적인 것으로서, 실시예들에 따른 인지능력 개발 시스템이 머신러닝을 기반으로 사용자의 학습 데이터로부터 맞춤형 컨텐츠를 결정하는 방식은 전술한 예에 한정되는 것은 아니다.
한편, 이상에서 설명한 실시예들에 따른 인지능력 개발 방법에 의한 동작은 적어도 부분적으로 컴퓨터 프로그램으로 구현되고 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다. 실시예들에 따른 인지능력 개발 방법에 의한 동작을 구현하기 위한 프로그램이 기록되고 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수도 있다. 또한, 본 실시예를 구현하기 위한 기능적인 프로그램, 코드 및 코드 세그먼트(segment)들은 본 실시예가 속하는 기술 분야의 통상의 기술자에 의해 용이하게 이해될 수 있을 것이다.
이상에서 살펴본 본 발명은 도면에 도시된 실시예들을 참고로 하여 설명하였으나 이는 예시적인 것에 불과하며 당해 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 실시예의 변형이 가능하다는 점을 이해할 것이다. 그러나, 이와 같은 변형은 본 발명의 기술적 보호범위 내에 있다고 보아야 한다. 따라서, 본 발명의 진정한 기술적 보호범위는 첨부된 청구범위의 기술적 사상에 의해서 정해져야 할 것이다.
실시예들은 치매 예방에 중요한 다중 영역에 대한 중재가 포함된 종합 프로그램을 통해 개인별 특성이 반영된 맞춤형 치매 예방을 수행하며, 사용자가 기관에 와서 시행하는 기관형뿐만 아니라 재가형으로도 구현이 가능하여 다수의 사용자들에 의한 사용이 가능한 인지능력 개발 시스템 관련 기술에 대한 것이다.

Claims (10)

  1. 인지능력 개발 컨텐츠를 사용자에게 제공하도록 구성된 컨텐츠 제공 모듈;
    상기 인지능력 개발 컨텐츠에 대한 사용자의 학습 데이터를 수신하도록 구성된 입력 모듈;
    상기 학습 데이터에 기초하여 복수 개의 인지 영역별 성과 정보를 산출하도록 구성된 분석 모듈; 및
    미리 설정된 훈련 데이터 셋을 이용한 머신러닝에 의한 학습 결과를 저장하며, 상기 복수 개의 인지 영역별 성과 정보 및 상기 학습 결과를 이용하여 상기 사용자에게 제공될 인지능력 개발 컨텐츠의 특성을 결정하도록 구성된 머신러닝 모듈을 포함하는 인지능력 개발 시스템.
  2. 제1항에 있어서,
    상기 입력 모듈은,
    상기 훈련 데이터 셋을 수신하도록 더 구성되며,
    상기 훈련 데이터 셋에 포함된 데이터에 대해 미리 설정된 맞춤형 컨텐츠를 이용하여 상기 훈련 데이터 셋을 라벨링하고, 라벨링된 데이터를 상기 머신러닝 모듈에 제공하도록 구성된 데이터 라벨링부를 포함하는 인지능력 개발 시스템.
  3. 제1항에 있어서,
    상기 분석 모듈은, 상기 복수 개의 인지 영역별 인지 점수, 상기 복수 개의 인지 영역별 소모 시간, 상기 복수 개의 인지 영역별 진행율 및 상기 복수 개의 인지 영역별 참여율 중 하나 이상에 기초하여 상기 성과 정보를 결정하도록 더 구성된 인지능력 개발 시스템.
  4. 제3항에 있어서,
    상기 입력 모듈은 상기 사용자의 개인 정보를 수신하도록 더 구성되며,
    상기 분석 모듈은, 상기 사용자의 개인 정보를 이용하여, 상기 인지 점수, 상기 소모 시간, 상기 진행율 및 상기 참여율 중 하나 이상으로부터 상기 성과 정보를 도출하기 위한 기준값을 결정하도록 더 구성된 인지능력 개발 시스템.
  5. 제1항에 있어서,
    상기 머신러닝 모듈은,
    상기 훈련 데이터 셋을 이용한 머신러닝을 수행함으로써 상기 학습 결과를 생성하도록 구성된 머신러닝 모델 학습부; 및
    상기 학습 결과를 이용하여 상기 복수 개의 인지 영역별 성과 정보에 상응하는 상기 인지능력 개발 컨텐츠의 특성을 결정하도록 구성된 머신러닝 모델 판정부를 포함하는 인지능력 개발 시스템.
  6. 인지능력 개발 시스템이 미리 설정된 훈련 데이터 셋을 이용한 머신러닝에 의한 학습 결과를 생성하는 단계;
    상기 인지능력 개발 시스템에 상기 학습 결과를 저장하는 단계;
    상기 인지능력 개발 시스템이 인지능력 개발 컨텐츠를 사용자에게 제공하는 단계;
    상기 인지능력 개발 시스템이 상기 인지능력 개발 컨텐츠에 대한 사용자의 학습 데이터를 수신하는 단계;
    상기 인지능력 개발 시스템이 상기 학습 데이터에 기초하여 복수 개의 인지 영역별 성과 정보를 산출하는 단계; 및
    상기 인지능력 개발 시스템이 상기 복수 개의 인지 영역별 성과 정보 및 상기 학습 결과를 이용하여 상기 사용자에게 제공될 인지능력 개발 컨텐츠의 특성을 결정하는 단계를 포함하는 인지능력 개발 방법.
  7. 제6항에 있어서,
    상기 학습 결과를 생성하는 단계는,
    상기 인지능력 개발 시스템이 상기 훈련 데이터 셋을 수신하는 단계; 및
    상기 인지능력 개발 시스템이 상기 훈련 데이터 셋에 포함된 데이터에 대해 미리 설정된 맞춤형 컨텐츠를 이용하여 상기 훈련 데이터 셋을 라벨링하는 단계를 더 포함하는 인지능력 개발 방법.
  8. 제6항에 있어서,
    상기 성과 정보를 산출하는 단계는, 상기 인지능력 개발 시스템이, 상기 복수 개의 인지 영역별 인지 점수, 상기 복수 개의 인지 영역별 소모 시간, 상기 복수 개의 인지 영역별 진행율 및 상기 복수 개의 인지 영역별 참여율 중 하나 이상에 기초하여 상기 성과 정보를 결정하는 단계를 포함하는 인지능력 개발 방법.
  9. 제8항에 있어서,
    상기 성과 정보를 산출하는 단계 전에,
    상기 인지능력 개발 시스템이 상기 사용자의 개인 정보를 수신하는 단계; 및
    상기 인지능력 개발 시스템이, 상기 사용자의 개인 정보를 이용하여, 상기 인지 점수, 상기 소모 시간, 상기 진행율 및 상기 참여율 중 하나 이상으로부터 상기 성과 정보를 도출하기 위한 기준값을 결정하는 단계를 더 포함하는 인지능력 개발 방법.
  10. 하드웨어와 결합되어,
    미리 설정된 훈련 데이터 셋을 이용한 머신러닝에 의한 학습 결과를 생성하는 단계;
    인지능력 개발 컨텐츠를 사용자에게 제공하는 단계;
    상기 인지능력 개발 컨텐츠에 대한 사용자의 학습 데이터를 수신하는 단계;
    상기 학습 데이터에 기초하여 복수 개의 인지 영역별 성과 정보를 산출하는 단계; 및
    상기 복수 개의 인지 영역별 성과 정보 및 상기 학습 결과를 이용하여 상기 사용자에게 제공될 인지능력 개발 컨텐츠의 특성을 결정하는 단계를 실행하도록 컴퓨터로 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.
PCT/KR2021/002695 2021-02-17 2021-03-04 인지능력 개발 시스템과 방법 및 이를 위한 컴퓨터 프로그램 WO2022177046A1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US17/434,549 US20230116521A1 (en) 2021-02-17 2021-03-04 System and method for improving cognitive ability and computer program for the same
JP2021550086A JP7351547B2 (ja) 2021-02-17 2021-03-04 認知能力開発システムと方法及びそのためのコンピュータプログラム
EP21777919.8A EP4068299A4 (en) 2021-02-17 2021-03-04 SYSTEM AND METHOD FOR DEVELOPING COGNITIVE ABILITY, AND ASSOCIATED COMPUTER PROGRAM

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2021-0020809 2021-02-17
KR1020210020809A KR102487399B1 (ko) 2021-02-17 2021-02-17 인지능력 개발 시스템과 방법 및 이를 위한 컴퓨터 프로그램

Publications (1)

Publication Number Publication Date
WO2022177046A1 true WO2022177046A1 (ko) 2022-08-25

Family

ID=82930746

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/002695 WO2022177046A1 (ko) 2021-02-17 2021-03-04 인지능력 개발 시스템과 방법 및 이를 위한 컴퓨터 프로그램

Country Status (5)

Country Link
US (1) US20230116521A1 (ko)
EP (1) EP4068299A4 (ko)
JP (1) JP7351547B2 (ko)
KR (3) KR102487399B1 (ko)
WO (1) WO2022177046A1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230306408A1 (en) * 2022-03-22 2023-09-28 Bank Of America Corporation Scribble text payment technology
CN116312971B (zh) * 2023-05-15 2023-08-29 之江实验室 认知训练素材生成方法、认知训练方法、装置和介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130087075A (ko) * 2012-01-27 2013-08-06 주식회사 넷블루 통합형 인지 재활 시스템 및 통합형 인지 재활 서비스 제공 방법
KR101295187B1 (ko) 2012-01-20 2013-08-09 (주)가바플러스 치매 예방을 위한 뇌기능 향상 시스템 및 그 운용방법
KR20180041089A (ko) * 2015-03-12 2018-04-23 아킬리 인터랙티브 랩스 인크. 인지 능력 측정을 위한 프로세서 구현 시스템 및 방법
KR101969540B1 (ko) * 2018-03-26 2019-08-13 주식회사 에임메드 인지 기능 재활 훈련 방법 및 장치
KR20200006246A (ko) * 2018-07-10 2020-01-20 연세대학교 원주산학협력단 인지재활 훈련 장치 및 방법
KR102166022B1 (ko) * 2020-04-07 2020-10-16 (주)휴먼아이티솔루션 치매 케어 훈련 모델 제공 방법, 장치 및 컴퓨터-판독가능 기록 매체

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6306086B1 (en) * 1999-08-06 2001-10-23 Albert Einstein College Of Medicine Of Yeshiva University Memory tests using item-specific weighted memory measurements and uses thereof
DE60322848D1 (de) * 2002-02-22 2008-09-25 Mclean Hospital Corp System für kontinuierliche leistungstests
US9881515B2 (en) * 2011-04-20 2018-01-30 Sylvain Jean-Pierre Daniel Moreno Cognitive training system and method
KR102309048B1 (ko) * 2018-12-10 2021-10-05 연세대학교 산학협력단 인지 과제 생성 방법 및 장치
US20200302296A1 (en) * 2019-03-21 2020-09-24 D. Douglas Miller Systems and method for optimizing educational outcomes using artificial intelligence
KR102050917B1 (ko) * 2019-06-03 2019-12-02 (주)인스파이어팩토리 가상현실을 활용한 치매 재활 훈련 시스템 및 장치

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101295187B1 (ko) 2012-01-20 2013-08-09 (주)가바플러스 치매 예방을 위한 뇌기능 향상 시스템 및 그 운용방법
KR20130087075A (ko) * 2012-01-27 2013-08-06 주식회사 넷블루 통합형 인지 재활 시스템 및 통합형 인지 재활 서비스 제공 방법
KR20180041089A (ko) * 2015-03-12 2018-04-23 아킬리 인터랙티브 랩스 인크. 인지 능력 측정을 위한 프로세서 구현 시스템 및 방법
KR101969540B1 (ko) * 2018-03-26 2019-08-13 주식회사 에임메드 인지 기능 재활 훈련 방법 및 장치
KR20200006246A (ko) * 2018-07-10 2020-01-20 연세대학교 원주산학협력단 인지재활 훈련 장치 및 방법
KR102166022B1 (ko) * 2020-04-07 2020-10-16 (주)휴먼아이티솔루션 치매 케어 훈련 모델 제공 방법, 장치 및 컴퓨터-판독가능 기록 매체

Also Published As

Publication number Publication date
US20230116521A1 (en) 2023-04-13
KR20220117431A (ko) 2022-08-24
EP4068299A1 (en) 2022-10-05
KR20230017343A (ko) 2023-02-03
JP2023517259A (ja) 2023-04-25
KR20220142415A (ko) 2022-10-21
EP4068299A4 (en) 2023-05-10
JP7351547B2 (ja) 2023-09-27
KR102487399B1 (ko) 2023-01-11

Similar Documents

Publication Publication Date Title
Terzimehić et al. A review & analysis of mindfulness research in HCI: Framing current lines of research and future opportunities
US11145396B1 (en) Discovering context-specific complexity and utilization sequences
McCaig et al. Trends in antimicrobial prescribing rates for children and adolescents
Wood et al. Are missing outcome data adequately handled? A review of published randomized controlled trials in major medical journals
WO2022177046A1 (ko) 인지능력 개발 시스템과 방법 및 이를 위한 컴퓨터 프로그램
Wozniak et al. Hypertension control cascade: a framework to improve hypertension awareness, treatment, and control
Blendon et al. The public and the smallpox threat
AU2008310577A1 (en) Self-improving method of using online communities to predict health-related outcomes
KR20130087075A (ko) 통합형 인지 재활 시스템 및 통합형 인지 재활 서비스 제공 방법
AU2003223333A1 (en) A method and system of mass and multiple casualty triage
de Castro-Sampaio et al. Profile of nursing diagnoses in people with hypertension and diabetes
Joshi et al. The role of health information kiosks in diverse settings: a systematic review
KR20210052122A (ko) 사용자 맞춤형 식품 정보 서비스 제공 시스템 및 그 방법
US11315686B2 (en) Individualized care management system based on digestive activity
Kimberley et al. Stepping up to rethink the future of rehabilitation: IV STEP considerations and inspirations
JP2015228202A (ja) 判断システム、判断方法、及び判断プログラム
US20210050080A1 (en) System and methods for developing and using a microbiome-based action component
CN112466423A (zh) 智能慢病健康管理方法及系统
Zakariya et al. Physical activity prediction using fitness data: challenges and issues
Gibbs Detection and treatment of autism spectrum disorder by occupational therapy practitioners: Addressing racial disparity in diagnosis
Gass et al. Telemedicine acceptance and efficacy in the context of preventive cardiology interventions: A systematic review
Riegel et al. Standardized telephonic case management in a Hispanic heart failure population: an effective intervention
Terzimehić et al. A review & analysis of mindfulness research in hci
Greenwood-Hickman et al. Exploring Differences in Older Adult Accelerometer-Measured Sedentary Behavior and Resting Blood Pressure Before and During the COVID-19 Pandemic
Bartlett et al. Health education and medicine: Competition or cooperation?

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2021550086

Country of ref document: JP

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 2021777919

Country of ref document: EP

Effective date: 20211007

NENP Non-entry into the national phase

Ref country code: DE