WO2024123099A1 - 아토피피부염 환자 개인맞춤형 증상 관리 시스템 - Google Patents

아토피피부염 환자 개인맞춤형 증상 관리 시스템 Download PDF

Info

Publication number
WO2024123099A1
WO2024123099A1 PCT/KR2023/020067 KR2023020067W WO2024123099A1 WO 2024123099 A1 WO2024123099 A1 WO 2024123099A1 KR 2023020067 W KR2023020067 W KR 2023020067W WO 2024123099 A1 WO2024123099 A1 WO 2024123099A1
Authority
WO
WIPO (PCT)
Prior art keywords
symptom
atopic dermatitis
management
group
information
Prior art date
Application number
PCT/KR2023/020067
Other languages
English (en)
French (fr)
Inventor
안강모
김지현
김영민
Original Assignee
사회복지법인 삼성생명공익재단
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 사회복지법인 삼성생명공익재단 filed Critical 사회복지법인 삼성생명공익재단
Publication of WO2024123099A1 publication Critical patent/WO2024123099A1/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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • 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
    • G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location

Definitions

  • This invention was made under project number 1465036022 and project number HR21C0885020022 under the support of the Ministry of Health and Welfare.
  • the research management agency for the project is Korea Health Industry Development Institute, the research project name is "Research-oriented Hospital Development (R&D)," and the research project name is "Future patient-centered K-DEM Station construction project", the host organization is Samsung Seoul Hospital, and the research period is 2021.07.01 ⁇ 2029.12.31.
  • the present invention relates to a personalized symptom management system for patients with atopic dermatitis. More specifically, the present invention relates to a personalized symptom management system for atopic dermatitis patients, which is optimized for each individual and provides personalized symptom management guidelines for atopic dermatitis by comprehensively considering individual biological characteristics, behavioral characteristics, or environmental influence characteristics. It relates to a method that can be provided and a device based on it.
  • Atopic dermatitis is a chronic, recurrent inflammatory skin disease that usually begins in infancy or childhood and is accompanied by pruritus (itching), dry skin, and characteristic eczema.
  • the main symptoms are severe itching, dry skin, and dermatitis (eczema), and the distribution and response pattern of skin lesions appears somewhat differently depending on the patient's age.
  • Atopic dermatitis often improves or disappears with age, but even after improvement, it tends to be easily itchy or inflammatory reactions caused by certain substances or stimuli, and eczema on the hands and feet often appears as children and adults progress, making management difficult.
  • atopic dermatitis is a chronic disease that, once it occurs, has a profound impact on the quality of life and requires active treatment and management, causing large social costs.
  • Atopic dermatitis is a chronic recurrent skin disease that shows a cycle of worsening and improving over and over again. It is important to break the patient's vicious cycle of itching-scratching-itching, and it is important to manage factors that worsen symptoms.
  • Atopic dermatitis, an allergic disease occurs or worsens symptoms due to complex factors such as genetic factors, environmental factors, and individual life characteristics. In particular, it is known that the worsening and remission of the disease varies greatly between individuals.
  • environmental harmful factors such as indoor/outdoor air pollutants worsen atopic dermatitis, atopic dermatitis has become known as a representative environmental disease. In the case of infants and children, patients spend an absolutely large amount of time indoors, so they are exposed to indoor environments. may be especially affected.
  • atopic dermatitis management should be done by comprehensively considering the individual's biological characteristics, behavioral characteristics, and environmental influence characteristics.
  • the progression of atopic dermatitis symptoms is known to vary greatly from person to person, and is known to be influenced by various factors such as genetic factors and severity. For example, there may be patients who cannot be managed by controlling risk factors, and conversely, there may be patients whose symptoms improve well by managing risk factors such as environmental factors, so a process of selecting patients is necessary.
  • the present inventors selected and classified subjects suitable for atopic dermatitis symptom management, created a personalized atopic dermatitis symptom management system for the selected subjects, and confirmed that its performance was significantly superior.
  • the purpose of the present invention is to provide a method for providing a symptom management guide for atopic dermatitis.
  • Another object of the present invention is to provide a device for providing symptom management guide for atopic dermatitis.
  • Another object of the present invention is to provide a computer program for providing a symptom management guide for atopic dermatitis.
  • the present invention relates to a personalized symptom management system for atopic dermatitis patients.
  • the method of providing a symptom management guide for atopic dermatitis according to the present invention provides real-time customized symptom management by comprehensively considering individual biological characteristics, behavioral characteristics, or environmental influence characteristics. Guides can be provided.
  • One aspect of the present invention is a method of providing a personalized atopic dermatitis symptom management guide, in which the phenotype of the atopic dermatitis symptoms possessed by the subject is determined based on screening data, and the subject is managed based on the phenotype.
  • a method of providing a symptom management guide for atopic dermatitis including a provision step of providing real-time symptom management guidelines and environmental impact prevention action guidelines based on the day's atopic dermatitis symptom score predicted through real-time environmental information and a prediction model.
  • the selection step includes a modification step of modifying the phenotype by reflecting the results of conventional treatment and environmental management evaluation performed on the subject for which the phenotype has been determined, and the subject based on the modified phenotype. It can be classified into group 1, which does not require symptom management, group 2, where symptom management is possible, or group 3, where symptom management is not possible.
  • the screening data includes the subject's atopic dermatitis symptom severity score, duration of atopic dermatitis, age of onset, presence or absence of food allergy, skin barrier status information, presence or absence of allergen sensitization, and genetic factors. It may include one or more selected from the group consisting of (genotype) or microbiome information.
  • the outdoor environment information may include temperature, humidity, PM2.5 fine dust concentration, pollen concentration, NO 2 concentration, O 3 concentration, SO 2 concentration, and CO concentration information.
  • the indoor environment information may include temperature, humidity, PM2.5 fine dust concentration, formaldehyde (HCHO) concentration, CO concentration, and CO 2 concentration information.
  • HCHO formaldehyde
  • the symptom change prediction model may be a LASSO (least absolute shrinkage and selection operator) model.
  • the symptom change prediction model may be a LASSO model that minimizes the loss function expressed by Equation 1 below.
  • the providing step provides environmental management guidelines and hospital guidance information when the real-time symptom score deteriorates below the first reference value, and environmental management when the real-time symptom score exceeds the first reference value and is below the second reference value. It may include a step of providing detailed instructions, providing instructions and medication instructions, and providing environmental management instructions if the second standard is exceeded.
  • the moisturizer-drug use information may be information on whether a moisturizer is used and information on whether a topical steroid is used.
  • Another aspect of the present invention is to determine the phenotype of atopic dermatitis symptoms possessed by a subject based on screening data, and to select the subject based on the phenotype into a first group that does not require symptom management and a second group that can manage symptoms.
  • a classification department that classifies groups and symptoms into group 3, which cannot be managed;
  • a data collection unit that collects a dataset containing atopic dermatitis symptom information, outdoor environment information, indoor environment information, and moisturizer-drug use information over a predetermined period for the subjects selected as group 2;
  • a prediction unit that uses a symptom change prediction model to predict the symptom score of atopic dermatitis at a future time compared to the time when the dataset was collected, and selects valid variables from the dataset based on the prediction results to modify the symptom change prediction model;
  • It is a symptom management guide providing device for atopic dermatitis, including a guideline providing unit that provides symptom management and environmental management action guidelines to the target based on the atopic dermatitis symptom score predicted based on real-time environmental information and a prediction model.
  • Another aspect of the present invention is a computer program stored in a storage medium, where the computer program, when executed on one or more processors, performs the following operations for providing a symptom management guide for atopic dermatitis, the operations being: data for selection. Based on this, the phenotype of the subject's atopic dermatitis symptoms is determined, and based on the phenotype, the subject is divided into Group 1, which does not require symptom management, Group 2, where symptom management is possible, and Group 3, where symptom management is not possible.
  • Classification operation to classify as;
  • a collection operation to collect a dataset containing atopic dermatitis symptom information, outdoor environment information, indoor environment information, and moisturizer-drug use information over a predetermined period for the subjects selected as group 2;
  • a prediction operation that uses a symptom change prediction model to predict the symptom score of atopic dermatitis at a future time compared to the time when the dataset was collected, and selects valid variables from the dataset based on the prediction results to modify the symptom change prediction model;
  • It is a computer program stored in a storage medium that includes a provision operation of providing symptom management and environmental management action guidelines to the target based on the symptom score of atopic dermatitis predicted based on real-time environmental information and a prediction model.
  • the processor may consist of one or more cores, and may include a central processing unit (CPU), a graphics processing unit (GPU), and a tensor processing unit of a computing device. It may include a processor for data analysis and deep learning, such as a processing unit (TPU).
  • the processor may read a computer program stored in a memory and perform data processing for machine learning according to an embodiment.
  • the present invention relates to a personalized symptom management system for atopic dermatitis patients.
  • the symptom management system according to the present invention provides individualized symptom management guidelines for atopic dermatitis by comprehensively considering individual biological characteristics, behavioral characteristics, or environmental influence characteristics. As a result, management guidelines for atopic dermatitis optimized for each subject can be provided.
  • FIG. 1 is a diagram illustrating an outline of a method for providing a symptom management guide for atopic dermatitis according to an embodiment of the present invention.
  • Figure 2 is a diagram showing a system for providing a symptom management guide for atopic dermatitis according to an embodiment of the present invention.
  • Figure 3 is a diagram showing a device for providing a symptom management guide for atopic dermatitis according to an embodiment of the present invention.
  • Figure 4 is a diagram for explaining a method of providing a symptom management guide for atopic dermatitis according to an embodiment of the present invention.
  • Figure 5 is a diagram showing the results of identifying effective variables through a symptom change prediction model according to an embodiment of the present invention.
  • Figure 6 is a diagram showing the results of predicting the symptom score of atopic dermatitis using a symptom change prediction model according to an embodiment of the present invention.
  • the phenotype of the atopic dermatitis symptoms possessed by the subject is determined, and based on the phenotype, the subject is classified into group 1, which does not require symptom management, group 2, where symptom management is possible, or group 2, where symptom management is not possible.
  • Method for providing symptom management guide for atopic dermatitis including.
  • unit and “module” used in the specification refer to a unit that processes at least one function or operation, and may be implemented as hardware, software, or a combination of hardware and software.
  • Figure 1 is a diagram illustrating an outline of a method for providing a symptom management guide for atopic dermatitis according to an embodiment of the present invention
  • Figure 2 is a diagram showing a system for providing a symptom management guide for atopic dermatitis according to an embodiment of the present invention.
  • the atopic dermatitis symptom management guide providing system includes a terminal (10), an atopic dermatitis symptom management guide providing device (20), an environmental information measuring device (30), and a server (40). ) may include.
  • the terminal 10 may be connected to at least one of the atopic dermatitis symptom management guide providing device 20, the server 40, and the environmental information measuring device 30 through a wired, short-range wireless communication network, or long-distance wireless communication network.
  • atopic dermatitis symptom management guide providing device (20), server (40), and environmental information measuring device (30) Wifi, legacy cellular network, 5G network, next-generation communication network, Internet, and Bluetooth ), Bluetooth low energy (BLE, bluetooth low energy), NFC (near field communication), and/or softAP (or wi-fi direct).
  • the terminal 10 is a device that can communicate through the network 50, and may be a personal computer, laptop, tablet PC, or mobile phone. If wireless communication is possible, a device for providing symptom management guide for atopic dermatitis through an application (20) Data can be transmitted and received wirelessly.
  • the terminal 10 may be a patient-side personal terminal or a hospital-side terminal.
  • the terminal 10 collects the patient's basic personal information (demographic information such as age, gender, weight, etc.) and daily symptom information from patients with atopic dermatitis and transmits them to the server.
  • basic personal information and daily patient symptom information By receiving basic personal information and daily patient symptom information and receiving indoor environment information and outdoor environment information from a server or environmental information measuring device, a dataset can be built independently on the storage device in the terminal.
  • the terminal is a patient-side terminal, the patient's basic personal information and daily symptom information can be input directly from the patient and environmental information can be received.
  • the terminal is a hospital-side terminal, the patient's basic information can be received through an interview by the medical staff in charge during treatment. can be input into the terminal.
  • the atopic dermatitis symptom management guide providing device 20 may be an application running as software on a user terminal, or may be included in a server that communicates with the user terminal. If the atopic dermatitis symptom management guide providing device 20 is implemented in the form of an application within the terminal, the user (patient or medical staff) can receive a symptom management guide for atopic dermatitis by running the application installed within the terminal. Meanwhile, if the atopic dermatitis symptom management guide providing device 20 is included in the server, the user can connect to the network with the atopic dermatitis symptom management guide providing device by executing the application in the terminal, and use the terminal to provide the user with atopic dermatitis. Services related to symptom management may be provided.
  • the atopic dermatitis symptom management guide providing device 20 may collect screening data from the user to determine whether it is suitable for providing an atopic dermatitis symptom management guide.
  • Data for screening include atopic dermatitis symptom severity score (SCORAD score, etc.), duration of atopic dermatitis, age at onset, presence or absence of food allergy, presence or absence of allergen sensitization, genetic factors (genotype) or microbiome information. It can be.
  • Atopic dermatitis symptom management guide providing device (20)
  • the above information can be input directly from the user or received from a server through an existing database.
  • the received screening data can be used to determine whether the user who uses the atopic dermatitis symptom management guide providing device is suitable for providing the atopic dermatitis symptom management guide and to determine the phenotype of the user's atopic dermatitis symptoms. .
  • the atopic dermatitis symptom management guide providing device 20 can receive a dataset containing basic personal information entered by the user into the terminal, daily symptom information, and indoor and outdoor environment information received from a server or environmental information measuring device.
  • the atopic dermatitis symptom management guide providing device 20 trains an artificial intelligence model or machine learning model through the provided dataset, and can predict individual symptom changes (atopic dermatitis symptom score) using the learned model. Additionally, the atopic dermatitis symptom management guide providing device 20 may transmit predicted symptom change data to the terminal and/or server.
  • the atopic dermatitis symptom management guide providing device 20 may transmit an atopic dermatitis symptom guide to the terminal and/or server based on a real-time score based on predicted atopic dermatitis symptom information and real-time target clinical information and environmental information. You can.
  • the environmental information measuring device 30 can communicate with at least one terminal, an atopic dermatitis symptom management guide provision device, and a server through a wired, short-range wireless communication network, or long-distance wireless communication network.
  • the environmental information measuring device may include an outdoor environmental measuring device or an indoor environmental measuring device.
  • the environmental information measuring device may not include an outdoor air environment measuring device, in which case the weather status or weather forecast data may be provided to at least one of the server, terminal, and atopic dermatitis symptom management guide providing device through the network environment. You can.
  • the outdoor environment measurement device and/or the indoor environment measurement device may be an Internet of Things (IoT) device.
  • IoT Internet of Things
  • Infants and children with atopic dermatitis spend a significant amount of time indoors, so they are more likely to be affected by the indoor environment than adult atopic dermatitis patients.
  • indoor It is very important to consider environmental information. Therefore, in the case of atopic dermatitis patients who are sensitive to the indoor environment, the current indoor environment information is sensitively considered in real time using an indoor environment measurement device based on an Internet of Things device placed in the space where the patient stays to provide more accurate information on the patient's atopic dermatitis symptoms. can predict and provide accurate management guidelines.
  • Internet of Things devices may be smartphones, tablet computers, smart watches, smart rings, and network-connectable PH meters, thermometers, and devices for measuring the concentration of atmospheric components.
  • the outdoor environment measuring device and/or the indoor environment measuring device can measure temperature, pollen concentration, humidity, PM2.5 fine dust concentration, NO 2 concentration, O 3 concentration, SO 2 concentration, and CO concentration information.
  • the server 40 receives basic personal information (demographic information such as age, gender, weight, etc.) entered by the patient or medical staff from the terminal, and patient symptom information entered by day, and receives indoor and/or Outdoor environmental information can be received.
  • the server can receive individually predicted atopic dermatitis symptom information from the atopic dermatitis symptom management guide providing device 20, receive atopic dermatitis management guidelines based on this, and store the above information in a separate database using a network environment. Information can be stored or transmitted to the user through the terminal.
  • the server 40 can communicate with a prescription delivery system (OCS), a medical image storage and transmission system (PACS), and an electronic medical record (EMR) through a network environment, and communicates with the system to provide information about the subject related to atopic dermatitis. It can be sent, received and managed.
  • OCS prescription delivery system
  • PACS medical image storage and transmission system
  • EMR electronic medical record
  • Figure 3 is a diagram showing a device for providing a symptom management guide for atopic dermatitis according to an embodiment of the present invention
  • Figure 4 is a diagram for explaining a method for providing a symptom management guide for atopic dermatitis according to an embodiment of the present invention.
  • the atopic dermatitis symptom management guide providing device 1000 includes a symptom management target classification unit (classification unit, 100), a dataset collection unit (collection unit, 200), and a symptom change prediction unit ( It may include a prediction unit, 300) and a symptom management guidance provision unit (guidance provision unit, 400).
  • a method of providing a symptom management guide for atopic dermatitis determines the phenotype of atopic dermatitis symptoms possessed by a subject based on screening data, and classifies the subject based on the phenotype.
  • the classification unit 100 can determine the phenotype of atopic dermatitis symptoms possessed by the subject based on the screening data. Additionally, the classification unit may classify the object into one or more groups based on the determined phenotype. For example, the classification department determines the phenotype of atopic dermatitis symptoms and, based on this, classifies the subject into group 1, which does not require symptom management, group 2, where symptom management is possible, or group 3, where symptom management is not possible. can do. At this time, the classification unit may classify the object into group 1, group 2, or group 3 based on one or more reference values.
  • atopic dermatitis symptom severity score of SCORAD of 24.5, total IgE of 53.5, sensitization to inhaled allergens, a family history of allergy, and transepidermal water loss (TEWL). If it is 10 g/h/m 2 in the lesion and 40 g/h/m 2 in the lesion, it can be judged that improvement of the disease can be helped through skin care and symptom management, and can be classified into group 2. .
  • the classification unit 100 may modify the phenotype of an object for which the phenotype has been determined by reflecting the evaluation results over a predetermined period of time. Specifically, the classification unit 100 may modify the phenotype by reflecting the results of conventional treatment and environmental management evaluation performed on the subject for which the phenotype has been determined. Additionally, the classification unit 100 may classify the subject into group 1, which does not require symptom management, group 2, where symptom management is possible, or group 3, where symptom management is not possible, based on the modified phenotype.
  • the phenotype is primarily determined through the classification unit 100, even if the subject (patient) is a group 1 or 3 group that does not require or is unable to manage symptoms, general treatment and environment are provided after the primary phenotype is determined.
  • subjects whose atopic dermatitis severity and symptoms have significantly improved through management they may be modified to group 2 during the revision process and become eligible for provision of atopic dermatitis symptom management guide.
  • the classification unit 100 includes the subject's atopic dermatitis symptom severity score, duration of atopic dermatitis, age of onset, presence or absence of food allergy, presence or absence of allergen sensitization, genetic factors (genotype), skin barrier status information, or microbiome.
  • the object may be classified using selection data that includes one or more items selected from a group consisting of (microbiome) information.
  • Group 1 which does not require symptom management, has very mild atopic dermatitis and does not require separate atopic dermatitis symptom management, or atopic dermatitis symptom management is ineffective, and is therefore excluded from atopic dermatitis symptom management. It can be.
  • the subject may be reclassified to group 2 through a monitoring process. That is, the classification unit repeatedly measures the phenotype of atopic dermatitis symptoms of a subject classified into group 1, and when the subject's phenotype changes to a phenotype corresponding to group 2, the subject may be changed to group 2.
  • the symptoms of atopic dermatitis are very severe, and even if symptom management guidelines are provided by the guideline provision department, the likelihood of improvement is extremely low and symptom management is ineffective, so the symptoms are classified by the classification department. may be excluded from management.
  • Group 3 as in Group 1, if the atopic dermatitis has improved due to changes in the subject's environment and improvement in eating habits through monitoring, and the phenotype can be classified as Group 2, then Group 2 is classified through the classification department.
  • the classification unit can be reclassified as: That is, the classification unit repeatedly measures the phenotype of atopic dermatitis symptoms of a subject classified into group 3, and when the subject's phenotype changes to a phenotype corresponding to group 2, the subject can be changed to group 2. In addition, if the subject is classified into group 3, the classification unit can provide the subject with a notification of a hospital visit recommendation, which can lead the subject to receive intensive treatment through drug treatment, etc.
  • the atopic dermatitis symptom management guide providing device 1000 performs a process of selecting subjects suitable for symptom management through a classification unit, and through this, the symptoms of atopic dermatitis are reliably identified for the selected subjects. It is possible to predict and provide management guidelines based on this.
  • the collection unit 200 provides data containing atopic dermatitis symptom information, outdoor environment information, indoor environment information, and moisturizer-drug use information over a predetermined period for subjects selected as group 2 by the classification unit 100. You can collect sets. At this time, the predetermined period may be a sufficient period to predict reliable symptom information of atopic dermatitis through the above information, for example, it may mean a period of at least one month or more.
  • the atopic dermatitis symptom information may be atopic dermatitis symptom score information, for example, Atopic Dermatitis Symptom Score (ADSS).
  • the outdoor environment information may include temperature, humidity, PM2.5 fine dust concentration, pollen concentration, NO 2 concentration, O 3 concentration, SO 2 concentration, and CO concentration information.
  • Indoor environment information may include temperature, humidity, PM2.5 fine dust concentration, formaldehyde (HCHO) concentration, CO concentration, and CO 2 concentration information.
  • the moisturizer-drug use information may include information on whether a moisturizer is used and information on whether a topical steroid is used.
  • the prediction unit 300 can use a symptom change prediction model to predict the symptom score of atopic dermatitis at a future time compared to the time when the data set was collected. Additionally, the prediction unit 300 may select effective variables from the dataset based on the prediction results and modify the symptom change prediction model.
  • the symptom change prediction model may be a machine learning model or a neural network model.
  • the symptom change prediction model may be a LASSO (least absolute shrinkage and selection operator) model.
  • the symptom change prediction model may be a LASSO model that minimizes the loss function expressed in Equation 1 below.
  • the dataset includes atopic dermatitis symptom scores, outdoor environment information (temperature, humidity, PM2.5 fine dust concentration, pollen concentration, NO 2 concentration, O 3 concentration, SO 2 concentration, and CO concentration information), indoor Environmental information (temperature, humidity, PM2.5 fine dust concentration, formaldehyde (HCHO) concentration, CO concentration, and CO 2 concentration information) may be included, and among these variables, the effective variable suitable for predicting the subject's atopic dermatitis symptom score is the symptom score. It can be selected through a change prediction model.
  • the symptom change prediction model may be a neural network model
  • the neural network model may be a deep neural network model
  • a deep neural network may include an input layer and an output layer, or may include a plurality of separate hidden layers other than the input layer and the output layer.
  • Deep neural networks include convolutional neural network (CNN), recurrent neural network (RNN), restricted Boltzmann machine (RBM), and deep belief network (DBN).
  • CNN convolutional neural network
  • RNN recurrent neural network
  • RBM restricted Boltzmann machine
  • DBN deep belief network
  • a deep neural network may be a convolutional neural network.
  • the guidance provision unit 400 calculates a real-time symptom score based on the symptom score of atopic dermatitis predicted through real-time clinical information, real-time environmental information, and a modified symptom change prediction model, and provides symptom management to the target based on the real-time symptom score. Can provide guidance.
  • the guidance providing unit 400 may provide appropriate symptom management guidance to the subject based on the real-time symptom score, for example, environmental management guidance according to the severity of the subject's atopic dermatitis symptoms based on one or more reference values, It can provide guidance appropriate to the subject's current condition, such as skin care guides, medication instructions, or hospital guidance information.
  • the guidance provision unit 400 provides environmental management guidelines and hospital guidance information when the real-time symptom score deteriorates below the first standard, and environmental management guidelines when the real-time symptom score exceeds the first standard and is below the second standard. and medication instructions, and if it exceeds the second standard, environmental management guidelines can be provided.
  • the guidance provision unit 400 provides hospital guidance information and recommends additional treatment such as immunotherapy if the subject's condition does not improve despite providing guidance for a certain period of time, that is, if the real-time symptom score does not improve. Notifications can be provided to the target.
  • Example 1 Building a symptom change prediction model and predicting symptom information of atopic dermatitis
  • Atopic Dermatitis Symptom Score was used as symptom score information for atopic dermatitis to build a symptom change prediction model. After collecting six daily symptom scores, the sum of each score was calculated to determine the severity score for that day. At this time, the symptom score was expressed as a value between 0 and 24 points, and consisted of 6 symptom items such as nighttime sleep disturbance, skin redness, skin dryness, skin oozing, crusting, and edema (0: none, 1: mild, 2: moderate) , 3: severe, 4: very severe (evaluating severity scores between 0 and 4), and a symptom change prediction model was constructed after checking the scores.
  • symptom items such as nighttime sleep disturbance, skin redness, skin dryness, skin oozing, crusting, and edema (0: none, 1: mild, 2: moderate) , 3: severe, 4: very severe (evaluating severity scores between 0 and 4), and a symptom change prediction model was constructed after checking the scores.
  • moisturizers and topical steroids were used.
  • outdoor environmental information temperature, humidity, PM2.5 fine dust concentration, pollen concentration, NO 2 , O 3 , SO 2 , CO, etc.
  • indoor environmental information temperature, humidity, PM2.5 fine dust concentration, formaldehyde (HCHO) concentration, CO concentration, CO2 concentration, etc.
  • the symptom change prediction model was based on the least absolute shrinkage and selection operator (LASSO) model, which is a Machine-Learning-Algorithm-Based Prediction Model, and the model was constructed according to Equation 1 below.
  • LASSO least absolute shrinkage and selection operator
  • Root mean square deviation when applying LASSO model Train Test Percentage of average score 0.57 0.42 10.1%
  • the various embodiments presented herein may be implemented as a method, apparatus, or article of manufacture using standard programming and/or engineering techniques.
  • article of manufacture includes a computer program, carrier, or media accessible from any computer-readable storage device.
  • computer-readable storage media include magnetic storage devices (e.g., hard disks, floppy disks, magnetic strips, etc.), optical disks (e.g., CDs, DVDs, etc.), smart cards, and flash. Includes, but is not limited to, memory devices (e.g., EEPROM, cards, sticks, key drives, etc.).
  • various storage media presented herein include one or more devices and/or other machine-readable media for storing information.
  • the present inventors selected and classified subjects suitable for atopic dermatitis symptom management, created a personalized atopic dermatitis symptom management system for the selected subjects, and confirmed that its performance was significantly superior.
  • the purpose of the present invention is to provide a method for providing a symptom management guide for atopic dermatitis.
  • Another object of the present invention is to provide a device for providing symptom management guide for atopic dermatitis.
  • Another object of the present invention is to provide a computer program for providing a symptom management guide for atopic dermatitis.

Landscapes

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

Abstract

본 발명은 아토피피부염 환자 개인맞춤형 증상 관리 시스템에 관한 것으로, 본 발명에 따른 증상관리 시스템은 개인별 생물학적 특성, 행동 특성 또는 환경적 영향 특성을 종합적으로 고려하여 아토피피부염에 대한 개인별 증상관리 지침을 제공할 수 있는 것으로, 대상에 따라 최적화된 아토피피부염에 대한 관리 지침을 제공할 수 있다.

Description

아토피피부염 환자 개인맞춤형 증상 관리 시스템
본 발명은 보건복지부의 지원 하에서 과제고유번호 1465036022, 과제번호 HR21C0885020022에 의해 이루어진 것으로서, 상기 과제의 연구관리전문기관은 한국보건산업진흥원, 연구사업명은 "연구중심병원육성(R＆D)", 연구과제명은 "미래형 환자중심 K-DEM Station 구축 사업", 주관기관은 삼성서울병원, 연구기간은 2021.07.01 ~ 2029.12.31.이다.
본 발명은 아토피피부염 환자 개인맞춤형 증상 관리 시스템에 관한 것으로, 더욱 상세하게는, 개인 맞춤형으로 최적화되어 개인별 생물학적 특성, 행동 특성 또는 환경적 영향 특성을 종합적으로 고려하여 아토피피부염에 대한 개인별 증상관리 지침을 제공할 수 있는 방법 및 이를 기반으로 한 장치에 관한 것이다.
아토피피부염은 주로 유아기 혹은 소아기에 시작되는 만성 재발성의 염증성 피부질환으로 소양증 (가려움증)과 피부건조증, 특징적인 습진을 동반하는 질환이다. 주요 증상은 심한 소양증과 피부 건조증 및 피부염 (습진)으로, 피부 병변의 분포와 반응 양상은 환자의 연령에 따라 다소 다르게 나타난다. 아토피피부염은 나이가 들면서 호전되거나 없어지는 경우가 많지만 호전된 후에도 특정 물질이나 자극에 의해 쉽게 가렵거나 염증 반응이 나타나는 경향이 있고, 소아기 및 성인기로 갈수록 손, 발 습진이 나타나는 경우가 많아 관리에 어려움이 있다. 이처럼 아토피피부염은 만성적 질환으로서 한번 생기면 삶의 질에 심대한 영향을 끼치며, 많은 사회적 비용을 야기하는 적극적인 치료 및 관리가 필요한 질환이다.
아토피피부염은 악화와 호전을 반복하는 악화 사이클을 나타내는 만성 재발성 피부질환으로 환자의 가려움증-긁음-가려움증의 악순환 고리를 끊어주는 것이 중요하며, 증상을 악화시키는 요인을 관리하는 것이 중요하다. 알레르기질환인 아토피피부염은 유전적 요인과 환경적 요인 및 개인의 생활 특성 등 복합적인 요인에 의해 발생 또는 증상 악화가 일어나며, 특히 질병의 악화 및 관해는 개인 간 편차가 매우 큰 것으로 알려져 있다. 최근 실내/외 공기오염물질 등 환경유해인자가 아토피피부염을 악화시킨다는 보고가 축적이 되면서 아토피피부염은 대표적인 환경성질환으로 알려져 있으며, 영유아, 소아의 환자의 경우 실내에 머무는 시간이 절대적으로 많아 실내 환경에 의한 영향을 특히 더 받을 수 있다.
따라서, 아토피피부염의 증상 관리에 있어서 개인의 생물학적 특성, 행동 특성, 환경적인 영향 특성 등을 종합적으로 고려하여 관리가 이루어져야 한다. 다만, 아토피피부염 증상의 진행 과정은 개인 편차가 큰 것으로 알려져 있으며, 이는 유전적인 요인, 중증도 등 여러 요인에 의하여 영향을 받는 것으로 알려져 있다. 가령 위험요인 제어에 의한 관리가 안되는 환자도 있을 수 있으며 반대로 환경요인 등 위험인자 관리에 의해 증상 개선이 잘 되는 환자도 있을 수 있어, 환자를 선별하는 과정이 필요하다.
이러한 배경에서, 아토피피부염 증상관리가 적절한 환자를 선별하면서, 선별된 환자에 대해 개인의 생물학적 특성, 행동 특성, 환경적인 영향 특성 등을 종합적으로 고려한 개인 맞춤형 증상관리 서비스 개발이 필요한 실정이다.
이에 본 발명자들은 아토피피부염 증상관리에 적합한 대상들을 선별 및 분류하고, 선별된 대상들에 대해 개인 맞춤화된 아토피피부염의 증상관리 시스템을 제작하고, 이의 성능이 월등히 우수한 것을 확인하였다.
이에, 본 발명의 목적은 아토피피부염의 증상 관리 가이드 제공 방법을 제공하는 것이다.
본 발명의 다른 목적은 아토피피부염의 증상 관리 가이드 제공 장치를 제공하는 것이다.
본 발명의 또 다른 목적은 아토피피부염의 증상 관리 가이드 제공을 위한 컴퓨터 프로그램을 제공하는 것이다.
본 발명은 아토피피부염 환자 개인맞춤형 증상 관리 시스템에 관한 것으로, 본 발명에 따른 아토피피부염의 증상 관리 가이드 제공 방법은 개인별 생물학적 특성, 행동 특성 또는 환경적 영향 특성을 종합적으로 고려하여 실시간으로 맞춤화된 증상관리 가이드를 제공할 수 있다.
이하 본 발명을 더욱 자세히 설명하고자 한다.
본 발명의 일 양태는, 개인별 맞춤형 아토피피부염의 증상 관리 가이드 제공 방법에 있어서, 선별용 데이터를 기초로 대상이 보유한 아토피피부염 증상의 표현형 (phenotype)을 결정하고, 표현형을 기반으로 대상을 증상관리가 필요하지 않은 제1군, 증상관리가 가능한 제2군 또는 증상관리가 불가능한 제3군으로 분류하는 선별 단계; 제2군으로 선별된 대상에 대해 소정의 기간에 걸쳐 아토피피부염의 증상 정보, 실외 환경 정보, 실내 환경 정보 및 보습제-약물 사용 정보가 포함된 데이터세트를 수집하는 수집 단계; 증상변화 예측모델을 이용하여 데이터세트가 수집된 시점 대비 미래시점의 아토피피부염의 증상 점수를 예측하고, 예측 결과를 기반으로 데이터세트 중 유효변수를 선별하여 증상변화 예측모델을 수정하는 예측 단계; 실시간 환경정보 및 예측모델을 통해 예측된 그날의 아토피피부염의 증상 점수를 기초로 실시간 증상관리 지침 및 환경영향 예방 행동지침을 제공하는 제공 단계;를 포함하는, 아토피피부염의 증상 관리 가이드 제공 방법이다.
본 발명의 일 구현예에서, 선별 단계는 표현형이 결정된 대상에 대해 수행된 일반 치료 (conventional treatment) 및 환경관리 평가 결과를 반영하여 표현형을 수정하는 수정 단계를 포함하고, 수정된 표현형을 기반으로 대상을 증상관리가 필요하지 않은 제1군, 증상관리가 가능한 제2군 또는 증상관리가 불가능한 제3군으로 분류하는 것일 수 있다.
본 발명의 일 구현예에서, 방법은, 제1군 또는 제3군으로 분류된 대상의 아토피피부염 증상의 표현형을 반복적으로 측정하고, 대상의 표현형이 제2군에 대응되는 표현형으로 변화한 경우 대상을 제2군으로 변경하는 모니터링 단계;를 포함하는 것일 수 있다.
본 발명의 일 구현예에서, 선별용 데이터는, 대상의 아토피피부염 증상 중증도 점수, 아토피피부염의 지속기간, 발생 연령, 식품알레르기 여부, 피부 장벽 상태 정보, 알레르겐 감작 (allergen sensitization) 유무, 유전적 요인 (genotype) 또는 마이크로바이옴 (microbiome) 정보로 이루어진 그룹에서 선택된 하나 이상을 포함하는 것일 수 있다.
본 발명의 일 구현예에서, 실외 환경 정보는 온도, 습도, PM2.5 미세먼지 농도, 꽃가루 농도, NO2 농도, O3 농도, SO2 농도 및 CO 농도 정보를 포함하는 것일 수 있다.
본 발명의 일 구현예에서, 실내 환경 정보는 온도, 습도, PM2.5 미세먼지 농도, 폼알데하이드 (HCHO) 농도, CO 농도 및 CO2 농도 정보를 포함하는 것일 수 있다.
본 발명의 일 구현예에서, 증상변화 예측모델은 LASSO (least absolute shrinkage and selection operator) 모델인 것일 수 있다.
본 발명의 일 구현예에서, 증상변화 예측모델은 하기 수학식 1로 표현되는 손실함수를 최소화하는 LASSO 모델인 것일 수 있다.
[수학식 1]
Figure PCTKR2023020067-appb-img-000001
[여기서,
Figure PCTKR2023020067-appb-img-000002
는 i번째 날의 증상점수,
Figure PCTKR2023020067-appb-img-000003
는 상수,
Figure PCTKR2023020067-appb-img-000004
는 i번째 날이 위험인자 중 j번째 인자 (
Figure PCTKR2023020067-appb-img-000005
)의 값,
Figure PCTKR2023020067-appb-img-000006
는 조절계수 (regularization parameter)임]
본 발명의 일 구현예에서, 제공 단계는 실시간 증상 점수가 제1기준치 이하로 악화된 경우 환경 관리 지침 및 병원 안내 정보를 제공하고, 실시간 증상 점수가 제1기준치 초과 및 제2기준치 이하인 경우 환경 관리 지침 및 투약 지침을 제공하고, 제2기준치 초과인 경우 환경 관리 지침을 제공하는 세부 지침 제공 단계를 포함하는 것일 수 있다.
본 발명의 일 구현예에서, 보습제-약물 사용 정보는 보습제 사용 여부 정보 및 국소 스테로이드제 사용 여부 정보인 것일 수 있다.
본 발명의 다른 양태는, 선별용 데이터를 기초로 대상이 보유한 아토피피부염 증상의 표현형 (phenotype)을 결정하고, 표현형을 기반으로 대상을 증상관리가 필요하지 않은 제1군, 증상관리가 가능한 제2군 및 증상관리가 불가능한 제3군으로 분류하는 분류부; 제2군으로 선별된 대상에 대해 소정의 기간에 걸쳐 아토피피부염의 증상 정보, 실외 환경 정보, 실내 환경 정보 및 보습제-약물 사용 정보가 포함된 데이터세트를 수집하는 데이터 수집부; 증상변화 예측모델을 이용하여 데이터세트가 수집된 시점 대비 미래시점의 아토피피부염의 증상 점수를 예측하고, 예측 결과에 기반하여 데이터세트 중 유효변수를 선별하여 증상변화 예측모델을 수정하는 예측부; 실시간 환경정보 및 예측모델을 기반으로 예측된 아토피피부염의 증상 점수를 기초로, 대상에게 증상관리 및 환경관리 행동지침을 제공하는 지침 제공부;를 포함하는, 아토피피부염의 증상 관리 가이드 제공 장치이다.
본 발명의 또 다른 양태는, 저장 매체에 저장된 컴퓨터 프로그램으로서, 컴퓨터 프로그램은 하나 이상의 프로세서에서 실행되는 경우, 아토피피부염의 증상 관리 가이드 제공을 위한 이하의 동작들을 수행하도록 하며, 동작들은: 선별용 데이터를 기초로 대상이 보유한 아토피피부염 증상의 표현형 (phenotype)을 결정하고, 상기 표현형을 기반으로 대상을 증상관리가 필요하지 않은 제1군, 증상관리가 가능한 제2군 및 증상관리가 불가능한 제3군으로 분류하는 분류 동작; 제2군으로 선별된 대상에 대해 소정의 기간에 걸쳐 아토피피부염의 증상 정보, 실외 환경 정보, 실내 환경 정보 및 보습제-약물 사용 정보가 포함된 데이터세트를 수집하는 수집 동작; 증상변화 예측모델을 이용하여 데이터세트가 수집된 시점 대비 미래시점의 아토피피부염의 증상 점수를 예측하고, 예측 결과에 기반하여 데이터세트 중 유효변수를 선별하여 증상변화 예측모델을 수정하는 예측 동작; 실시간 환경정보 및 예측모델을 기반으로 예측된 아토피피부염의 증상 점수를 기초로, 대상에게 증상관리 및 환경관리 행동지침을 제공하는 제공 동작;를 포함하는, 저장 매체에 저장된 컴퓨터 프로그램이다.
본 발명의 일 구현예에서, 프로세서는, 하나 이상의 코어로 구성될 수 있으며, 컴퓨팅 장치의 중앙 처리 장치 (central processing unit; CPU), 그래픽 처리 장치 (graphics processing unit; GPU), 텐서 처리 장치(tensor processing unit; TPU) 등의 데이터 분석, 딥러닝을 위한 프로세서를 포함할 수 있다. 프로세서는, 메모리에 저장된 컴퓨터 프로그램을 판독하여 일 실시예에 따른 기계 학습을 위한 데이터 처리를 수행할 수 있다.
본 발명은 아토피피부염 환자 개인맞춤형 증상 관리 시스템에 관한 것으로, 본 발명에 따른 증상관리 시스템은 개인별 생물학적 특성, 행동 특성 또는 환경적 영향 특성을 종합적으로 고려하여 아토피피부염에 대한 개인별 증상관리 지침을 제공할 수 있는 것으로, 대상에 따라 최적화된 아토피피부염에 대한 관리 지침을 제공할 수 있다.
도 1은 본 발명의 일 실시예 따른 아토피피부염의 증상 관리 가이드 제공 방법의 개요를 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 아토피피부염의 증상 관리 가이드 제공 시스템을 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 따른 아토피피부염의 증상 관리 가이드 제공 장치를 나타낸 도면이다.
도 4는 본 발명의 일 실시예에 따른 아토피피부염의 증상 관리 가이드 제공 방법을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 증상변화 예측모델을 통해 유효 변수를 파악한 결과를 나타낸 도면이다.
도 6은 본 발명의 일 실시예에 따른 증상변화 예측모델을 이용한 아토피피부염의 증상점수를 예측한 결과를 나타낸 도면이다.
개인별 맞춤형 아토피피부염의 증상 관리 가이드 제공 방법에 있어서,
선별용 데이터를 기초로 대상이 보유한 아토피피부염 증상의 표현형 (phenotype)을 결정하고, 상기 표현형을 기반으로 대상을 증상관리가 필요하지 않은 제1군, 증상관리가 가능한 제2군 또는 증상관리가 불가능한 제3군으로 분류하는 선별 단계;
제2군으로 선별된 대상에 대해 소정의 기간에 걸쳐 아토피피부염의 증상 정보, 실외 환경 정보, 실내 환경 정보 및 보습제-약물 사용 정보가 포함된 데이터세트를 수집하는 수집 단계;
증상변화 예측모델을 이용하여 상기 데이터세트가 수집된 시점 대비 미래시점의 아토피피부염의 증상 점수를 예측하고, 예측 결과를 기반으로 상기 데이터세트 중 유효변수를 선별하여 증상변화 예측모델을 수정하는 예측 단계;
실시간 환경정보 및 예측모델을 기반으로 예측된 아토피피부염의 증상 점수를 기초로, 대상에게 증상관리 및 환경관리 행동지침을 제공하는 제공 단계;
를 포함하는, 아토피피부염의 증상 관리 가이드 제공 방법.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 어떤 구성 요소를 "포함" 한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다. 용어 "및/또는," "그리고/또는"은 그 관련되어 나열되는 항목들의 모든 조합들 및 어느 하나를 포함한다.
또한, 명세서에 기재된 "쪋 부", "쪋 모듈"의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
본 명세서 상에서 실시예들과 관련되어 설명된 다양한 예시적 논리적 블록들, 구성들, 모듈들, 회로들, 수단들, 로직들, 및 알고리즘 단계들이 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양쪽 모두의 조합들로 구현될 수 있음을 인식해야 한다. 하드웨어 및 소프트웨어의 상호교환성을 명백하게 예시하기 위해, 다양한 예시적 컴포넌트들, 블록들, 구성들, 수단들, 로직들, 모듈들, 회로들, 및 단계들은 그들의 기능성 측면에서 일반적으로 위에서 설명되었다. 그러한 기능성이 하드웨어로 또는 소프트웨어로서 구현되는지 여부는 전반적인 시스템에 부과된 특정 어플리케이션(application) 및 설계 제한들에 달려 있다. 숙련된 기술자들은 각각의 특정 어플리케이션들을 위해 다양한 방법들로 설명된 기능성을 구현할 수 있다. 다만, 그러한 구현의 결정들이 본 개시내용의 영역을 벗어나게 하는 것으로 해석되어서는안된다.
도 1은 본 발명의 일 실시예 따른 아토피피부염의 증상 관리 가이드 제공 방법의 개요를 설명하기 위한 도면이고, 도 2는 본 발명의 일 실시예에 따른 아토피피부염의 증상 관리 가이드 제공 시스템을 나타낸 도면이다.
도 1 및 도 2를 참조하면, 일 실시예에 따른 아토피피부염의 증상 관리 가이드 제공 시스템은 단말 (10), 아토피피부염 증상 관리 가이드 제공 장치 (20), 환경정보 측정장치 (30) 및 서버 (40)를 포함할 수 있다.
단말 (10)은 아토피피부염 증상관리 가이드 제공장치 (20), 서버 (40) 및 환경정보 측정장치 (30) 중 적어도 하나 이상과 유선, 근거리 무선 통신 네트워크 또는 원거리 무선 통신네트워크 연결될 수 있다. 예를 들어, 아토피피부염 증상관리 가이드 제공장치 (20), 서버 (40) 및 환경정보 측정장치 (30) 중 적어도 하나 이상과 Wifi, 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 블루투스 (Bluetooth), 저전력 블루투스 (BLE, bluetooth low energe), NFC (near field communication) 및/또는 softAP (또는 wi-fi direct)를 통하여 통신할 수 있다.
단말 (10)은 네트워크 (50)를 통해 통신할 수 있는 기기로, 개인용 컴퓨터, 노트북, 태블릿 PC, 모바일폰일 수 있고, 무선 통신이 가능한 경우 어플리케이션을 통하여 아토피피부염의 증상관리 가이드 제공 장치 (20)와 데이터를 무선으로 송 수신할 수 있다.
단말 (10)은 환자 측 개인 단말이거나 병원측 단말일 수 있다. 단말 (10)은 데이터세트를 구축하기 위해 아토피피부염을 가진 환자로부터 환자의 개인 기본정보 (나이, 성별, 체중 등의 인구학적 정보), 일별로 환자의 증상 정보를 수집하여 서버로 송신하거나, 환자의 개인 기본정보, 일별 환자의 증상 정보를 입력받고 서버 또는 환경정보 측정장치로부터 실내 환경정보 및 실외 환경 정보를 수신 받아 단말 내의 저장장치에 독립적으로 데이터세트를 구축할 수 있다. 이때, 단말이 환자측 단말인 경우 환자로부터 환자의 개인 기본정보 및 일별 증상 정보를 직접 입력받고 환경정보를 수신할 수 있고, 단말이 병원측 단말인 경우 진료 시 담당 의료진의 문진을 통해 환자의 기본 정보가 단말에 입력될 수 있다.
아토피피부염 증상 관리 가이드 제공 장치 (20)는 사용자 단말 상에 소프트웨어로 구동되는 어플리케이션일 수 있거나, 사용자 단말과 통신하는 서버에 포함될 수 있다. 아토피피부염 증상 관리 가이드 제공 장치 (20)가 단말 내에 어플리케이션 형태로 구현되는 경우, 사용자 (환자 또는 의료진)은 단말 내에 설치된 어플리케이션을 실행하여 아토피피부염의 증상관리 가이드를 제공받을 수 있다. 한편, 아토피피부염 증상 관리 가이드 제공 장치 (20)가 서버내에 포함되는 경우 사용자는 단말 내에 어플리케이션을 실행함에 따라 아토피피부염의 증상관리 가이드 제공 장치와 네트워크 접속될 수 있으며, 단말을 이용하여 사용자에게 아토피피부염 증상 관리와 관련한 서비스가 제공될 수 있다.
아토피피부염 증상관리 가이드 제공 장치 (20)는 아토피피부염 증상 관리 가이드를 제공하기 위해 적합한지 판단하기 위해, 사용자로부터 선별용 데이터를 수집할 수 있다. 선별용 데이터는 아토피피부염 증상 중증도 점수 (SCORAD 점수 등), 아토피피부염의 지속기간, 발생 연령, 식품알레르기 여부, 알레르겐 감작 (allergen sensitization) 유무, 유전적 요인 (genotype) 또는 마이크로바이옴 (microbiome) 정보일 수 있다.
아토피피부염 증상관리 가이드 제공 장치 (20) 상기 정보를 사용자로부터 직접 입력받거나 또는 서버로부터 기존에 구축된 데이터베이스를 통해 수신할 수 있다. 수신된 선별용 데이터는 아토피피부염 증상관리 가이드 제공 장치를 이용하는 사용자가 아토피피부염 증상관리 가이드 제공에 적합한 대상인지 판별하기 위해, 사용자가 보유한 아토피피부염 증상의 표현형 (phenotype)을 결정하기 위해 이용될 수 있다.
아토피피부염 증상 관리 가이드 제공 장치 (20)은 사용자가 단말에 입력한 개인 기본정보, 일별 증상 정보와 서버 또는 환경정보 측정장치로부터 수신받는 실내 및 실외 환경 정보가 포함된 데이터세트를 수신할 수 있다. 아토피피부염 증상 관리 가이드 제공 장치 (20)은 제공받은 데이터세트를 통해 인공지능 모델 또는 기계학습 모델을 학습시키고, 학습된 모델을 이용하여 개인별 증상변화 (아토피피부염의 증상점수)를 예측할 수 있다. 그리고, 아토피피부염 증상 관리 가이드 제공 장치 (20)는 예측된 증상변화 데이터를 단말 및/또는 서버로 송신할 수 있다.
또한, 아토피피부염 증상 관리 가이드 제공 장치 (20)는 예측된 아토피피부염의 증상정보와 실시간 대상의 임상 정보 및 환경정보를 기초로 실시간 점수를 기반으로 아토피피부염 증상 가이드를 단말 및/또는 서버로 송신할 수 있다.
환경정보 측정장치 (30)는 단말, 아토피피부염 증상관리 가이드 제공장치 및 서버 적어도 하나 이상과 유선, 근거리 무선 통신 네트워크 또는 원거리 무선 통신네트워크를 통하여 통신할 수 있다.
환경정보 측정장치는 실외 환경 측정장치 또는 실내 환경 측정장치를 포함하는 것일 수 있다. 또는, 환경정보 측정장치는 실외 대기 환경 측정장치를 포함하지 않을 수 있고, 이 경우 기상 현황 또는 기상예보 데이터가 네트워크 환경을 통해 서버, 단말 및 아토피피부염 증상관리 가이드 제공 장치 중 적어도 하나 이상에 제공될 수 있다.
이때, 실외 환경 측정 장치 및/또는 실내 환경 측정장치는 사물 인터넷 (internet of things, IoT) 장치일 수 있다. 영유아, 소아 아토피피부염 환자의 경우 실내에 머무는 시간이 절대적으로 많아 실내 환경에 의한 영향을 성인 아토피피부염 환자에 비해 많이 받을 수 있고, 아토피피부염의 증상 정보 예측 및 이를 기반으로 한 관리지침 제공에 있어서 실내 환경 정보를 고려하는 것이 매우 중요하다. 따라서, 실내 환경에 민감한 아토피피부염 환자의 경우, 환자가 머무는 공간에 배치된 사물 인터넷 장치 기반의 실내 환경 측정장치를 이용하여 현재 실내환경 정보를 실시간으로 민감하게 고려하여 보다 정확하게 환자의 아토피피부염 증상 정보를 예측하고, 정확한 관리지침을 제공할 수 있다. 사물 인터넷 장치는 스마트폰, 태블릿 컴퓨터, 스마트 워치, 스마트링 및 네트워크 연결이 가능한 PH 계, 온도계, 대기 성분의 농도 측정 장치 등일 수 있다.
실외 환경 측정 장치 및/또는 실내 환경 측정장치는 온도, 꽃가루 농도, 습도, PM2.5 미세먼지 농도, NO2 농도, O3 농도, SO2 농도 및 CO 농도 정보를 측정할 수 있다.
서버 (40)는 단말로부터 환자 또는 의료진이 입력한 개인 기본정보 (나이, 성별, 체중 등의 인구학적 정보), 일별로 입력된 환자의 증상 정보를 수신받고, 환경정보 측정장치로부터 실내 및/또는 실외 환경정보를 수신받을 수 있다. 또한, 서버는 아토피피부염 증상 관리 가이드 제공 장치 (20)로부터 개인별로 예측된 아토피피부염의 증상정보를 수신 받고, 이에 기초한 아토피피부염 관리지침을 수신 받을 수 있고, 네트워크 환경을 이용하여 별도의 데이터베이스에 상기 정보를 저장하거나 단말을 통해 사용자에게 송신할 수 있다.
서버 (40)는 처방전달시스템 (OCS), 의료영상저장전송시스템 (PACS) 및 전자의무기록 (EMR)과 네트워크 환경을 통해 통신할 수 있으며, 상기 시스템과 통신하여 아토피피부염과 관련한 대상의 정보를 송수신하고 관리할 수 있다.
도 3은 본 발명의 일 실시예에 따른 아토피피부염 증상 관리 가이드 제공 장치를 나타낸 도면이고, 도 4는 본 발명의 일 실시예에 따른 아토피피부염의 증상 관리 가이드 제공 방법을 설명하기 위한 도면이다.
도 3을 참조하면, 일 실시예에 따른 아토피피부염 증상 관리 가이드 제공 장치 (1000)는 증상관리 대상 분류부 (분류부, 100), 데이터세트 수집부 (수집부, 200), 증상변화 예측부 (예측부, 300) 및 증상관리 지침 제공부 (지침 제공부, 400)을 포함하는 것일 수 있다.
도 4를 참조하면, 일 실시예에 따른 아토피피부염의 증상 관리 가이드 제공 방법은 선별용 데이터를 기초로 대상이 보유한 아토피피부염 증상의 표현형 (phenotype)을 결정하고, 표현형을 기반으로 대상을 분류하는 분류 단계 (S101), 선별된 대상에 대해 소정의 기간에 걸쳐 데이터세트를 수집하는 수집 단계 (S102), 증상변화 예측모델을 이용하여 아토피피부염의 증상점수를 예측하고, 예측 결과를 기반으로 데이터세트 중 유효변수를 선별하여 증상변화 예측모델을 수정하는 예측 단계 (S103) 및 실시간 임상 정보, 실시간 환경정보 및 수정된 증상변화 예측모델을 통해 예측된 아토피피부염의 증상점수를 기초로 대상에게 증상관리 지침을 제공하는 제공 단계 (S104)를 포함할 수 있다.
분류부 (100)는 선별용 데이터를 기초로 대상이 보유한 아토피피부염 증상의 표현형 (phenotype)을 결정할 수 있다. 그리고, 분류부는 결정된 표현형을 기반으로 대상을 하나 이상의 군으로 분류할 수 있다. 예를 들어, 분류부는 아토피피부염 증상의 표현형 (phenotype)을 결정하고, 이를 바탕으로 대상을 증상관리가 필요하지 않은 제1군, 증상관리가 가능한 제2군 또는 증상관리가 불가능한 제3군으로 분류할 수 있다. 이때, 분류부는 하나 또는 그 이상의 기준값을 기준으로 대상을 제1군, 제2군 또는 제3군으로 분류하는 것일 수 있다. 예를 들어, 4세 환아가 등록시 아토피피부염 증상 중증도 점수인 SCORAD가 24.5점, 총 IgE가 53.5, 흡인 알레르겐에 감작되어 있고, 알레르기 가족력이 있으며, 경피수분손실도 (Transepidermal water loss; TEWL)가 비병변에서 10 g/h/m2, 병변에서 40 g/h/m2인 경우, 피부관리 및 증상관리를 통해 질환 개선이 도움이 될 수 있다고 판단될 수 있고, 제2군으로 분류될 수 있다.
분류부 (100)는 표현형이 결정된 대상에 대해서 소정의 기간을 걸친 평가 결과를 반영하여 표현형을 수정할 수 있다. 구체적으로, 분류부 (100)는 표현형이 결정된 대상에 대해 수행된 일반 치료 (conventional treatment) 및 환경관리 평가 결과를 반영하여 표현형을 수정할 수 있다. 그리고, 분류부 (100)는 수정된 표현형을 기반으로 대상을 증상관리가 필요하지 않은 제1군, 증상관리가 가능한 제2군 또는 증상관리가 불가능한 제3군으로 분류할 수 있다. 예를 들어, 분류부 (100)을 통해 1차적으로 표현형을 결정하였을 때, 증상관리가 필요하지 않거나 불가능한 제1군 또는 제3군의 대상 (환자)라 하더라도 1차 표현형 결정 후 일반 치료 및 환경관리를 통해 아토피피부염의 중증도 및 증상의 개선 폭이 큰 대상의 경우에는 수정 과정에서 제2군으로 수정되어 아토피피부염 증상 관리 가이드 제공 대상이 될 수 있다.
분류부 (100)는 대상의 아토피피부염 증상 중증도 점수, 아토피피부염의 지속기간, 발생 연령, 식품알레르기 여부, 알레르겐 감작 (allergen sensitization) 유무, 유전적 요인 (genotype), 피부장벽 상태 정보 또는 마이크로바이옴 (microbiome) 정보로 이루어진 그룹에서 선택된 하나 이상을 포함하는 선별용 데이터를 이용하여 대상을 분류하는 것일 수 있다.
증상관리가 필요하지 않은 제1군에 해당되는 대상은 매우 경증의 아토피피부염을 보유한 대상으로 별도의 아토피피부염의 증상관리가 필요치 않거나, 아토피피부염 증상관리가 비효율적인 대상으로 아토피피부염 증상관리 대상에서 제외될 수 있다. 다만, 제1군에 해당하는 대상의 경우라 하더라도 생활 환경, 식습관 등의 변화로 인하여 아토피피부염이 기존보다 심해지는 경우에는 모니터링 과정을 거쳐 제2군으로 다시 분류될 수 있다. 즉, 분류부는 제1군으로 분류된 대상의 아토피피부염 증상의 표현형을 반복적으로 측정하고, 대상의 표현형이 제2군에 대응되는 표현형으로 변화한 경우 대상을 제2군으로 변경할 수 있다. 이와 유사하게, 제3군에 해당하는 대상의 경우 보유한 아토피피부염의 증상이 매우 심각한 대상으로 지침 제공부에서 증상관리 지침을 제공받더라도 호전 가능성이 극히 낮고 증상 관리가 비효율적이기 때문에, 분류부에 의해 증상관리 대상에서 제외될 수 있다. 한편, 제1군과 마찬가지로 제3군의 경우에도 모니터링을 통해 대상의 환경 변화 및 식습관 등의 개선으로 보유한 아토피피부염이 호전되어 표현형이 제2군으로 해당될 수 있는 경우, 분류부를 통해 제2군으로 다시 분류될 수 있다. 즉, 분류부는 제3군으로 분류된 대상의 아토피피부염 증상의 표현형을 반복적으로 측정하고, 대상의 표현형이 제2군에 대응되는 표현형으로 변화한 경우 대상을 제2군으로 변경할 수 있다. 또한, 분류부는 대상이 제3군으로 분류된 경우 대상에게 병원방문 권고 알림을 제공할 수 있고, 이를 통해 대상이 약물 치료 등을 통해 집중치료를 받을 수 있게 유도할 수 있다.
전술한 바와 같이 분류부에 의해 제1군 또는 제3군으로 분류된 대상의 경우, 보유한 아토피피부염의 증상이 매우 경미하거나 매우 심각한 상태로, 예측부를 통한 아토피피부염 증상 예측이 부정확할 가능성이 높고, 증상관리 지침 제공을 통해 증상관리 하는 것이 매우 비효율적일 수 있다. 따라서, 일 실시예에 따른 아토피피부염 증상 관리 가이드 제공 장치 (1000)는 분류부를 통해 증상 관리 대상에 적합한 대상을 선별하는 과정을 수행하고, 이를 통해 선별된 대상들에 대해 신뢰성 높게 아토피피부염의 증상을 예측하고 이를 기반으로 관리 지침을 제공하는 것이 가능하다.
수집부 (200)는 분류부 (100)에 의해 제2군으로 선별된 대상에 대해 소정의 기간에 걸쳐 아토피피부염의 증상 정보, 실외 환경 정보, 실내 환경 정보 및 보습제-약물 사용 정보가 포함된 데이터세트를 수집할 수 있다. 이때, 소정의 기간은 상기 정보를 통해 신뢰성 있는 아토피피부염의 증상정보를 예측하기 위해 충분한 기간일 수 있으며, 예를 들어, 최소 한달 이상의 기간을 의미하는 것일 수 있다.
이때, 아토피피부염의 증상 정보는 아토피피부염의 증상 점수 정보일 수 있으며, 예를 들어, Atopic Dermatitis Symptom Score (ADSS)일 수 있다. 실외 환경 정보는 온도, 습도, PM2.5 미세먼지 농도, 꽃가루 농도, NO2 농도, O3 농도, SO2 농도 및 CO 농도 정보를 포함하는 것일 수 있다. 실내 환경정보는 온도, 습도, PM2.5 미세먼지 농도, 폼알데하이드 (HCHO) 농도, CO 농도 및 CO2 농도 정보를 포함하는 것일 수 있다. 보습제-약물 사용 정보는 보습제 사용 여부 정보 및 국소 스테로이드제 사용 여부 정보를 포함하는 것일 수 있다.
예측부 (300)는 증상변화 예측모델을 이용하여 데이터세트가 수집된 시점 대비 미래시점의 아토피피부염의 증상 점수를 예측할 수 있다. 또한, 예측부 (300)는 예측 결과를 기반으로 데이터세트 중 유효변수를 선별하여 증상변화 예측모델을 수정할 수 있다.
증상변화 예측모델은 기계학습 모델 또는 뉴럴 네트워크 모델일 수 있다. 기계학습 모델인 경우, 증상변화 예측모델은 LASSO (least absolute shrinkage and selection operator) 모델인 것일 수 있다. 또한, 증상변화 예측모델은 하기 수학식 1로 표현되는 손실함수를 최소화하는 LASSO 모델인 것일 수 있다.
[수학식 1]
Figure PCTKR2023020067-appb-img-000007
[여기서,
Figure PCTKR2023020067-appb-img-000008
는 i번째 날의 증상점수,
Figure PCTKR2023020067-appb-img-000009
는 상수,
Figure PCTKR2023020067-appb-img-000010
는 i번째 날이 위험인자 중 j번째 인자 (
Figure PCTKR2023020067-appb-img-000011
)의 값,
Figure PCTKR2023020067-appb-img-000012
는 조절계수 (regularization parameter)임]
LASSO 모델은 학습과정을 통해 손실함수 (cost function)를 최소화하는 변수 조합을 찾고 조절변수 (λ)를 이용하여 설명변수 (증상 위험인자) 포함여부를 결정한다. 즉, λ=0 이 되는 경우 해당 변수는 제외되며 제외되지 않은 위험인자는 유효변수로 선택된다. 이후, 선택된 유효 변수만을 이용하여 예측 모델을 결정하고 증상점수를 예측할 수 있다. 전술한 바와 같이, 데이터세트에는 아토피피부염의 증상 점수, 실외 환경 정보 (온도, 습도, PM2.5 미세먼지 농도, 꽃가루 농도, NO2 농도, O3 농도, SO2 농도 및 CO 농도 정보), 실내 환경 정보 (온도, 습도, PM2.5 미세먼지 농도, 폼름알데하이드 (HCHO) 농도, CO 농도 및 CO2 농도 정보)가 포함될 수 있고, 이들 변수 중 대상의 아토피피부염 증상 점수 예측에 적합한 유효 변수가 증상변화 예측모델을 통해 선택될 수 있다.
한편, 증상변화 예측모델은 뉴럴 네트워크 모델일 수 있고, 뉴럴 네트워크 모델은 딥 뉴럴 네트워크 모델일 수 있다.
딥 뉴럴 네트워크는 입력 레이어, 출력 레이어를 포함할 수 있고, 또는 입력 레이어 및 출력 레이어 외의 별개의 복수의 히든 레이어를 포함하는 것일 수 있다. 딥 뉴럴 네트워크는 컨볼루셔널 뉴럴 네트워크 (convolutional neural network; CNN), 리커런트 뉴럴 네트워크(recurrent neural network; RNN), 제한 볼츠만 머신 (restricted boltzmann machine; RBM), 심층 신뢰 네트워크(deep belief network; DBN), Q 네트워크, U 네트워크, 샴 네트워크 등을 포함할 수 있고, 예를 들어, 딥 뉴럴 네트워크는 컨볼루셔널 뉴럴 네트워크일 수 있다.
지침 제공부 (400)은 실시간 임상 정보, 실시간 환경정보 및 수정된 증상변화 예측모델을 통해 예측된 아토피피부염의 증상 점수를 기초로 실시간 증상 점수를 산정하고, 실시간 증상 점수에 기반하여 대상에게 증상관리 지침을 제공할 수 있다.
지침 제공부 (400)는 실시간 증상 점수에 기반하여 대상에게 알맞은 증상관리 지침을 제공할 수 있고, 예를 들어, 하나 이상의 기준치를 기준으로 하여 대상이 보유한 아토피피부염 증상의 경중에 따라 환경 관리 지침, 피부 관리 가이드, 투약 지침 또는 병원 안내 정보 등의 대상의 현재 상태에 적합한 지침을 제공할 수 있다. 구체적으로, 지침 제공부 (400)는 실시간 증상 점수가 제1기준치 이하로 악화된 경우 환경 관리 지침 및 병원 안내 정보를 제공하고, 실시간 증상 점수가 제1기준치 초과 및 제2기준치 이하인 경우 환경 관리 지침 및 투약 지침을 제공하고, 제2기준치 초과인 경우 환경 관리 지침을 제공할 수 있다.
한편, 지침 제공부 (400)는 일정 기간 이상의 지침 제공에도 불구하고 대상의 상태가 개선되지 않는 경우, 즉, 실시간 증상 점수가 개선되지 않는 경우에는 병원 안내 정보 및 면역 요법 등의 추가적인 치료를 권고하는 알림을 대상에게 제공할 수 있다.
실시예 1: 증상변화 예측모델 구축 및 아토피피부염의 증상정보 예측
증상변화 예측모델 구축을 위한 아토피피부염의 증상 점수 정보로는 Atopic Dermatitis Symptom Score (ADSS)를 이용하였다. 6가지의 일 증상점수를 수집한 후 각 점수의 합을 구하여 해당일의 중증도 점수로 하였다. 이때, 증상점수는 0~24 점 사이의 값으로 표현되었으며, 야간 수면장애, 피부 발적, 피부 건조증, 피부 진물 딱지, 부종 등 6가지 증상 항목 (0: 없음, 1: 약한 정도, 2: 중간 정도, 3: 심함, 4: 아주 심함의 0-4 사이의 중증도 점수를 평가)에 대하여 점수를 체크한 후 증상변화 예측모델을 구축하였다. 또한, 보습제 사용 및 국소 스테로이드제 사용여부와 실외 환경정보 (온도, 습도, PM2.5 미세먼지 농도, 꽃가루 농도, NO2, O3, SO2, CO 등)와 실내 환경정보 (온도, 습도, PM2.5 미세먼지 농도, 폼알데하이드 (HCHO) 농도, CO 농도, CO2 농도 등)를 이용하였다.
증상변화 예측모델로는 Machine-Learning-Algorithm-Based Prediction Model인 least absolute shrinkage and selection operator (LASSO) 모델을 기본으로 하였고, 하기 수학식 1에 따라 모델을 구성하였다.
[수학식 1]
Figure PCTKR2023020067-appb-img-000013
[여기서,
Figure PCTKR2023020067-appb-img-000014
는 i번째 날의 증상점수,
Figure PCTKR2023020067-appb-img-000015
는 상수,
Figure PCTKR2023020067-appb-img-000016
는 i번째 날이 위험인자 중 j번째 인자 (
Figure PCTKR2023020067-appb-img-000017
)의 값,
Figure PCTKR2023020067-appb-img-000018
는 조절계수 (regularization parameter)임]
LASSO 모델은 손실함수 (cost function)을 최소화하는 변수 조합을 찾고 (training) 조절변수 (λ)를 이용하여 설명변수 (증상 위험인자) 포함여부를 결정한다. 즉 λ=0 이면 해당 변수는 제외하였다. 이후 선택된 변수만을 이용하여 증상변화 예측 모델을 결정하고 증상점수를 예측하였다. 전술한 바와 같이 위험인자 (x)에 전날의 증상점수 (ADSS), 보습제 사용 여부, 국소 스테로이드제 사용 여부, 실외 환경정보 (온도, 습도, PM2.5 미세먼지 농도, 꽃가루 농도, NO2, O3, SO2, CO 등)와 실내 환경정보 (온도, 습도, PM2.5 미세먼지 농도, 폼알데하이드 (HCHO) 농도, CO 농도, CO2 농도 등)를 포함시켰으며, 각 환자 별로 트레이닝 한 후 해당 환자의 중요변수를 선택하고, 다음날의 증상점수를 예측하였다.
한 환자에 대해 상기 LASSO 모델을 적용한 결과, 도 5와 같이 17가지의 인자 중 전날의 증상점수 (lag), 국소 스테로이드제 사용 여부, 실내 온도, 실외 O3 농도, 실내 CO 농도, 실외 꽃가루 농도, 실외 SO2 농도, 실내 폼알데하이드 농도, 실내 PM2.5 미세먼지 농도, 실외 습도, 실외 NO2 농도 등이 증상 예측에 있어서 중요한 인자로 파악되었다.
또한, 표 1 및 도 6에서 확인할 수 있듯이 이를 이용하여 증상점수를 예측한 결과, 약 90%의 예측력을 나타낸 것을 확인하였다.
LASSO 모델 적용 시 평균 제곱근 편차 (RMSE)
Train Test 평균 점수 대비 백분율
0.57 0.42 10.1%
여기서 제시된 다양한 실시예들은 방법, 장치, 또는 표준 프로그래밍 및/또는 엔지니어링 기술을 사용한 제조 물품(article)으로 구현될 수 있다. 용어 제조 물품은 임의의 컴퓨터-판독가능 저장장치로부터 액세스 가능한 컴퓨터 프로그램, 캐리어, 또는 매체(media)를 포함한다. 예를 들어, 컴퓨터-판독가능 저장매체는 자기 저장 장치(예를 들면, 하드 디스크, 플로피 디스크, 자기 스트립, 등), 광학 디스크(예를 들면, CD, DVD, 등), 스마트 카드, 및 플래쉬 메모리 장치(예를 들면, EEPROM, 카드, 스틱, 키 드라이브, 등)를 포함하지만, 이들로 제한되는 것은 아니다. 또한, 여기서 제시되는 다양한 저장 매체는 정보를 저장하기 위한 하나 이상의 장치 및/또는 다른 기계-판독가능한 매체를 포함한다.
제시된 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조는 예시적인 접근들의 일례임을 이해하도록 한다. 설계 우선순위들에 기반하여, 본 개시의 범위 내에서 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조가 재배열될 수 있다는 것을 이해하도록 한다. 첨부된 방법 청구항들은 샘플 순서로 다양한 단계들의 엘리먼트들을 제공하지만 제시된 특정한 순서 또는 계층 구조에 한정되는 것을 의미하지는 않는다.
제시된 실시예들에 대한 설명은 임의의 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 개시를 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이며, 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 개시는 여기에 제시된 실시예들로 한정되는 것이 아니라, 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.
이에 본 발명자들은 아토피피부염 증상관리에 적합한 대상들을 선별 및 분류하고, 선별된 대상들에 대해 개인 맞춤화된 아토피피부염의 증상관리 시스템을 제작하고, 이의 성능이 월등히 우수한 것을 확인하였다.
이에, 본 발명의 목적은 아토피피부염의 증상 관리 가이드 제공 방법을 제공하는 것이다.
본 발명의 다른 목적은 아토피피부염의 증상 관리 가이드 제공 장치를 제공하는 것이다.
본 발명의 또 다른 목적은 아토피피부염의 증상 관리 가이드 제공을 위한 컴퓨터 프로그램을 제공하는 것이다.

Claims (12)

  1. 개인별 맞춤형 아토피피부염의 증상 관리 가이드 제공 방법에 있어서,
    선별용 데이터를 기초로 대상이 보유한 아토피피부염 증상의 표현형 (phenotype)을 결정하고, 상기 표현형을 기반으로 대상을 증상관리가 필요하지 않은 제1군, 증상관리가 가능한 제2군 또는 증상관리가 불가능한 제3군으로 분류하는 선별 단계;
    제2군으로 선별된 대상에 대해 소정의 기간에 걸쳐 아토피피부염의 증상 정보, 실외 환경 정보, 실내 환경 정보 및 보습제-약물 사용 정보가 포함된 데이터세트를 수집하는 수집 단계;
    증상변화 예측모델을 이용하여 상기 데이터세트가 수집된 시점 대비 미래시점의 아토피피부염의 증상 점수를 예측하고, 예측 결과를 기반으로 상기 데이터세트 중 유효변수를 선별하여 증상변화 예측모델을 수정하는 예측 단계; 및
    실시간 환경정보 및 예측모델을 기반으로 예측된 아토피피부염의 증상 점수를 기초로, 대상에게 증상관리 및 환경관리 행동지침을 제공하는 제공 단계;
    를 포함하는, 아토피피부염의 증상 관리 가이드 제공 방법.
  2. 제1항에 있어서, 상기 방법은,
    제1군 또는 제3군으로 분류된 대상의 아토피피부염 증상의 표현형을 반복적으로 측정하고, 대상의 표현형이 제2군에 대응되는 표현형으로 변화한 경우 대상을 제2군으로 변경하는 모니터링 단계;
    를 포함하는 것인, 아토피피부염의 증상 관리 가이드 제공 방법.
  3. 제1항에 있어서, 상기 선별용 데이터는,
    대상의 아토피피부염 증상 중증도 점수, 아토피피부염의 지속기간, 발생 연령, 식품알레르기 여부, 피부 장벽 상태 정보, 알레르겐 감작 (allergen sensitization) 유무, 유전적 요인 (genotype) 또는 마이크로바이옴 (microbiome) 정보로 이루어진 그룹에서 선택된 하나 이상을 포함하는 것인, 아토피피부염의 증상 관리 가이드 제공 방법.
  4. 제1항에 있어서, 상기 실외 환경 정보는 온도, 습도, PM2.5 미세먼지 농도, 꽃가루 농도, NO2 농도, O3 농도, SO2 농도 및 CO 농도 정보를 포함하는 것인, 아토피피부염의 증상 관리 가이드 제공 방법.
  5. 제1항에 있어서, 상기 실내 환경 정보는 사물인터넷 (IOT) 기반으로 측정된 것인, 아토피피부염의 증상 관리 가이드 제공 방법.
  6. 제1항에 있어서, 상기 실내 환경 정보는 온도, 습도, PM2.5 미세먼지 농도, 폼알데하이드 (HCHO) 농도, CO 농도 및 CO2 농도 정보를 포함하는 것인, 아토피피부염의 증상 관리 가이드 제공 방법.
  7. 제1항에 있어서, 상기 증상변화 예측모델은 LASSO (least absolute shrinkage and selection operator) 모델인 것인, 아토피피부염의 증상 관리 가이드 제공 방법.
  8. 제7항에 있어서, 상기 증상변화 예측모델은 하기 수학식 1로 표현되는 손실함수를 최소화하는 LASSO 모델인 것인, 아토피피부염의 증상 관리 가이드 제공 방법.
    [수학식 1]
    Figure PCTKR2023020067-appb-img-000019
    [여기서,
    Figure PCTKR2023020067-appb-img-000020
    는 i번째 날의 증상점수,
    Figure PCTKR2023020067-appb-img-000021
    는 상수,
    Figure PCTKR2023020067-appb-img-000022
    는 i번째 날이 위험인자 중 j번째 인자 (
    Figure PCTKR2023020067-appb-img-000023
    )의 값,
    Figure PCTKR2023020067-appb-img-000024
    는 조절계수 (regularization parameter)임]
  9. 제1항에 있어서, 상기 제공 단계는 실시간 증상 점수가 제1기준치 이하로 악화된 경우 환경 관리 지침 및 병원 안내 정보를 제공하고, 실시간 증상 점수가 제1기준치 초과 및 제2기준치 이하인 경우 환경 관리 지침 및 투약 지침을 제공하고, 제2기준치 초과인 경우 환경 관리 지침을 제공하는 세부 지침 제공 단계를 포함하는 것인, 아토피피부염의 증상 관리 가이드 제공 방법.
  10. 제1항에 있어서, 상기 보습제-약물 사용 정보는 보습제 사용 여부 정보 및 국소 스테로이드제 사용 여부 정보인 것인, 아토피피부염의 증상 관리 가이드 제공 방법.
  11. 선별용 데이터를 기초로 대상이 보유한 아토피피부염 증상의 표현형 (phenotype)을 결정하고, 상기 표현형을 기반으로 대상을 증상관리가 필요하지 않은 제1군, 증상관리가 가능한 제2군 및 증상관리가 불가능한 제3군으로 분류하는 분류부;
    상기 제2군으로 선별된 대상에 대해 소정의 기간에 걸쳐 아토피피부염의 증상 정보, 실외 환경 정보, 실내 환경 정보 및 보습제-약물 사용 정보가 포함된 데이터세트를 수집하는 데이터 수집부;
    증상변화 예측모델을 이용하여 상기 데이터세트가 수집된 시점 대비 미래시점의 아토피피부염의 증상 점수를 예측하고, 예측 결과에 기반하여 상기 데이터세트 중 유효변수를 선별하여 증상변화 예측모델을 수정하는 예측부; 및
    실시간 환경정보 및 예측모델을 기반으로 예측된 아토피피부염의 증상 점수를 기초로, 대상에게 증상관리 및 환경관리 행동지침을 제공하는 지침 제공부;
    를 포함하는, 아토피피부염의 증상 관리 가이드 제공 장치.
  12. 저장 매체에 저장된 컴퓨터 프로그램으로서, 컴퓨터 프로그램은 하나 이상의 프로세서에서 실행되는 경우, 아토피피부염의 증상 관리 가이드 제공을 위한 이하의 동작들을 수행하도록 하며, 동작들은:
    선별용 데이터를 기초로 대상이 보유한 아토피피부염 증상의 표현형 (phenotype)을 결정하고, 상기 표현형을 기반으로 대상을 증상관리가 필요하지 않은 제1군, 증상관리가 가능한 제2군 및 증상관리가 불가능한 제3군으로 분류하는 분류 동작;
    상기 제2군으로 선별된 대상에 대해 소정의 기간에 걸쳐 아토피피부염의 증상 정보, 실외 환경 정보, 실내 환경 정보 및 보습제-약물 사용 정보가 포함된 데이터세트를 수집하는 수집 동작;
    증상변화 예측모델을 이용하여 상기 데이터세트가 수집된 시점 대비 미래시점의 아토피피부염의 증상 점수를 예측하고, 예측 결과에 기반하여 상기 데이터세트 중 유효변수를 선별하여 증상변화 예측모델을 수정하는 예측 동작; 및
    실시간 환경정보 및 예측모델을 기반으로 예측된 아토피피부염의 증상 점수를 기초로, 대상에게 증상관리 및 환경관리 행동지침을 제공하는 제공 동작;
    를 포함하는, 저장 매체에 저장된 컴퓨터 프로그램.
PCT/KR2023/020067 2022-12-08 2023-12-07 아토피피부염 환자 개인맞춤형 증상 관리 시스템 WO2024123099A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020220170799A KR20240085675A (ko) 2022-12-08 2022-12-08 아토피피부염 환자 개인맞춤형 증상 관리 시스템
KR10-2022-0170799 2022-12-08

Publications (1)

Publication Number Publication Date
WO2024123099A1 true WO2024123099A1 (ko) 2024-06-13

Family

ID=91379824

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/020067 WO2024123099A1 (ko) 2022-12-08 2023-12-07 아토피피부염 환자 개인맞춤형 증상 관리 시스템

Country Status (2)

Country Link
KR (1) KR20240085675A (ko)
WO (1) WO2024123099A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101864614B1 (ko) * 2017-03-29 2018-06-05 안동과학대학교 산학협력단 아토피 오토케어 장치 및 그 방법
KR102188766B1 (ko) * 2020-03-09 2020-12-11 주식회사 글로벌비즈텍 인공지능 기반의 헬스케어 서비스 제공장치
KR20210147746A (ko) * 2020-05-29 2021-12-07 연세대학교 산학협력단 학습 모델 기반의 아토피 피부염 관리 장치 및 그 방법
KR102342770B1 (ko) * 2021-03-30 2021-12-23 주식회사 라이프시맨틱스 질병 예측치의 분포를 이용한 건강관리 상담 시스템
KR20220076618A (ko) * 2020-12-01 2022-06-08 가톨릭대학교 산학협력단 질병 예측 장치, 방법 및 기록 매체

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101864614B1 (ko) * 2017-03-29 2018-06-05 안동과학대학교 산학협력단 아토피 오토케어 장치 및 그 방법
KR102188766B1 (ko) * 2020-03-09 2020-12-11 주식회사 글로벌비즈텍 인공지능 기반의 헬스케어 서비스 제공장치
KR20210147746A (ko) * 2020-05-29 2021-12-07 연세대학교 산학협력단 학습 모델 기반의 아토피 피부염 관리 장치 및 그 방법
KR20220076618A (ko) * 2020-12-01 2022-06-08 가톨릭대학교 산학협력단 질병 예측 장치, 방법 및 기록 매체
KR102342770B1 (ko) * 2021-03-30 2021-12-23 주식회사 라이프시맨틱스 질병 예측치의 분포를 이용한 건강관리 상담 시스템

Also Published As

Publication number Publication date
KR20240085675A (ko) 2024-06-17

Similar Documents

Publication Publication Date Title
Chernozhukov et al. The association of opening K–12 schools with the spread of COVID-19 in the United States: County-level panel data analysis
Twigg et al. The impact of understaffed shifts on nurse‐sensitive outcomes
Greenhow et al. Management and outcomes of previously healthy, full-term, febrile infants ages 7 to 90 days
Allaudeen et al. Inability of providers to predict unplanned readmissions
WO2021242010A1 (ko) 학습 모델 기반의 아토피 피부염 관리 장치 및 그 방법
CN111081379B (zh) 一种疾病概率决策方法及其系统
Baptist et al. Older adults with asthma: does age of asthma onset make a difference?
WO2018169224A1 (ko) 알레르기 질환 환자 맞춤형 환경 통합관리 시스템
WO2019225910A1 (ko) Nihss를 이용한 뇌졸중 중증도의 예측 및 분석 방법과 시스템
Jung et al. Predicting need for advanced illness or palliative care in a primary care population using electronic health record data
Venkatapurapu et al. A computational platform integrating a mechanistic model of Crohn’s disease for predicting temporal progression of mucosal damage and healing
Hernandez-Boussard et al. Relationship of Affordable Care Act implementation to emergency department utilization among young adults
Mudd et al. Primary care accessibility effects on health care utilization among urban children
Lucini et al. Natural language processing to measure the frequency and mode of communication between healthcare professionals and family members of critically ill patients
Han et al. Prediction of human thermal comfort preference based on supervised learning
Bolton et al. Machine learning and synthetic outcome estimation for individualised antimicrobial cessation
Yang et al. Deep-learning approach to predict survival outcomes using wearable actigraphy device among end-stage cancer patients
Lin et al. Disparities in emergency department prioritization and rooming of patients with similar triage acuity score
Wang et al. A deep learning model for predicting multidrug-resistant organism infection in critically ill patients
Hah et al. Whole body pain distribution and risk factors for widespread pain among patients presenting with abdominal pain: a retrospective cohort study
WO2024123099A1 (ko) 아토피피부염 환자 개인맞춤형 증상 관리 시스템
Ji et al. Assessing nocturnal scratch with actigraphy in atopic dermatitis patients
CN108447533A (zh) 一种多功能智慧医疗系统
JP2005063218A (ja) 疾病対策支援方法および疾病対策支援システム
Landa et al. Modelling hospital medical wards to address patient complexity: a case-based simulation-optimization approach

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: 23901117

Country of ref document: EP

Kind code of ref document: A1