WO2024144337A1 - Diabetes management service method and device - Google Patents
Diabetes management service method and device Download PDFInfo
- Publication number
- WO2024144337A1 WO2024144337A1 PCT/KR2023/021958 KR2023021958W WO2024144337A1 WO 2024144337 A1 WO2024144337 A1 WO 2024144337A1 KR 2023021958 W KR2023021958 W KR 2023021958W WO 2024144337 A1 WO2024144337 A1 WO 2024144337A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- blood sugar
- meal
- data
- diabetes management
- management service
- Prior art date
Links
- 206010012601 diabetes mellitus Diseases 0.000 title claims abstract description 295
- 238000000034 method Methods 0.000 title claims abstract description 44
- 239000008280 blood Substances 0.000 claims abstract description 382
- 210000004369 blood Anatomy 0.000 claims abstract description 382
- 235000012054 meals Nutrition 0.000 claims abstract description 309
- 235000013305 food Nutrition 0.000 claims abstract description 121
- 238000005259 measurement Methods 0.000 claims abstract description 85
- 230000008859 change Effects 0.000 claims abstract description 25
- 238000013507 mapping Methods 0.000 claims abstract description 7
- 230000004044 response Effects 0.000 claims description 49
- 230000036541 health Effects 0.000 claims description 48
- 238000004891 communication Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 14
- 230000015654 memory Effects 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 10
- 239000000284 extract Substances 0.000 claims description 5
- 230000002641 glycemic effect Effects 0.000 claims description 5
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 abstract description 34
- 239000008103 glucose Substances 0.000 abstract description 34
- 238000007726 management method Methods 0.000 description 272
- 241000209094 Oryza Species 0.000 description 29
- 235000007164 Oryza sativa Nutrition 0.000 description 29
- 235000009566 rice Nutrition 0.000 description 29
- 238000010586 diagram Methods 0.000 description 14
- 229940077731 carbohydrate nutrients Drugs 0.000 description 13
- 150000001720 carbohydrates Chemical class 0.000 description 13
- 235000014633 carbohydrates Nutrition 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 235000005686 eating Nutrition 0.000 description 11
- 230000000291 postprandial effect Effects 0.000 description 10
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 235000005911 diet Nutrition 0.000 description 6
- 230000037213 diet Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000037406 food intake Effects 0.000 description 6
- 235000012631 food intake Nutrition 0.000 description 6
- 235000012149 noodles Nutrition 0.000 description 6
- 238000010606 normalization Methods 0.000 description 6
- 229940079593 drug Drugs 0.000 description 5
- 239000003814 drug Substances 0.000 description 5
- 230000003993 interaction Effects 0.000 description 5
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 4
- 102000017011 Glycated Hemoglobin A Human genes 0.000 description 4
- 102000004877 Insulin Human genes 0.000 description 4
- 108090001061 Insulin Proteins 0.000 description 4
- 235000021074 carbohydrate intake Nutrition 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 108091005995 glycated hemoglobin Proteins 0.000 description 4
- 229940125396 insulin Drugs 0.000 description 4
- 235000021190 leftovers Nutrition 0.000 description 4
- 235000015097 nutrients Nutrition 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 108090000623 proteins and genes Proteins 0.000 description 4
- 241001107116 Castanospermum australe Species 0.000 description 3
- 206010018429 Glucose tolerance impaired Diseases 0.000 description 3
- 208000001280 Prediabetic State Diseases 0.000 description 3
- 235000021279 black bean Nutrition 0.000 description 3
- 239000003925 fat Substances 0.000 description 3
- 235000020981 healthy eating habits Nutrition 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 201000009104 prediabetes syndrome Diseases 0.000 description 3
- 102000004169 proteins and genes Human genes 0.000 description 3
- 235000019997 soju Nutrition 0.000 description 3
- 230000035882 stress Effects 0.000 description 3
- 210000004243 sweat Anatomy 0.000 description 3
- 235000019640 taste Nutrition 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 2
- 238000013264 cohort analysis Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 235000008242 dietary patterns Nutrition 0.000 description 2
- 239000010794 food waste Substances 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- JYGXADMDTFJGBT-VWUMJDOOSA-N hydrocortisone Chemical compound O=C1CC[C@]2(C)[C@H]3[C@@H](O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 JYGXADMDTFJGBT-VWUMJDOOSA-N 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000007958 sleep Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 235000016795 Cola Nutrition 0.000 description 1
- 235000011824 Cola pachycarpa Nutrition 0.000 description 1
- 206010023379 Ketoacidosis Diseases 0.000 description 1
- 208000007976 Ketosis Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 235000008429 bread Nutrition 0.000 description 1
- 235000021152 breakfast Nutrition 0.000 description 1
- 235000019577 caloric intake Nutrition 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 230000003915 cell function Effects 0.000 description 1
- 235000019219 chocolate Nutrition 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 238000013506 data mapping Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000002934 diuretic Substances 0.000 description 1
- 229940030606 diuretics Drugs 0.000 description 1
- 235000006694 eating habits Nutrition 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 235000020774 essential nutrients Nutrition 0.000 description 1
- 235000013410 fast food Nutrition 0.000 description 1
- 210000001035 gastrointestinal tract Anatomy 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000008821 health effect Effects 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 235000009200 high fat diet Nutrition 0.000 description 1
- 235000008085 high protein diet Nutrition 0.000 description 1
- 229940088597 hormone Drugs 0.000 description 1
- 239000005556 hormone Substances 0.000 description 1
- 229960000890 hydrocortisone Drugs 0.000 description 1
- 201000001421 hyperglycemia Diseases 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000008376 long-term health Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 235000008528 macronutrient intake Nutrition 0.000 description 1
- 238000002483 medication Methods 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 229940127234 oral contraceptive Drugs 0.000 description 1
- 239000003539 oral contraceptive agent Substances 0.000 description 1
- 230000036542 oxidative stress Effects 0.000 description 1
- 210000000496 pancreas Anatomy 0.000 description 1
- 235000015927 pasta Nutrition 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 235000021395 porridge Nutrition 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- -1 rice Chemical class 0.000 description 1
- 230000009183 running Effects 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 230000009182 swimming Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 239000005495 thyroid hormone Substances 0.000 description 1
- 229940036555 thyroid hormone Drugs 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
- 230000009184 walking Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
-
- 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
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—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
Definitions
- the present invention relates to diabetes management technology, and more specifically, to diabetes management service technology for understanding and predicting the interaction between food and blood sugar, beyond simply recording meal data.
- Diabetes refers to a condition in which the level of glucose in the blood is higher than normal. It is a disease named because glucose, which should be used as energy in our body, is excreted through urine. Diabetes occurs when sugar floats around in the blood without being broken down. When you eat food, it is digested in the gastrointestinal tract, converted into glucose, and absorbed into the blood. Glucose that enters the blood is called blood sugar, and blood sugar is moved to cells and used as energy needed for our activities. In order for blood sugar to enter cells and be used as energy, a hormone called insulin, produced by the pancreas, is required. Diabetes is when insulin is not secreted normally or does not function properly even when secreted. As a result, glucose that cannot enter the cells continues to accumulate in the blood, causing hyperglycemia.
- Diabetes is caused by genetics, viruses, obesity, aging, incorrect eating habits, stress, and drugs, and aging can lead to a decline in cellular function in the body. In countries with higher per capita income, diabetes is more likely to occur, and continued stress can interfere with cortisol secretion and insulin action. When people with genetic factors for diabetes take medications such as diuretics, oral contraceptives, and thyroid hormones, there is a high risk of developing or worsening diabetes. Diabetes is known to cause temporary elevations in blood sugar levels to awaken genes related to cancer, and is known to increase oxidative stress, thereby increasing the risk of developing heart disease. Therefore, to manage diabetes, managing postprandial blood sugar (Postprandial glucose) is becoming important.
- Postprandial glucose postprandial blood sugar
- carbohydrates are essential nutrients. If you consume extremely limited carbohydrates while eating a high-protein and high-fat diet, your blood sugar level may improve, but normal metabolic processes cannot occur, resulting in ketoacidosis or adverse health effects. Therefore, carbohydrate intake must account for 40-60% of total calories consumed.
- diabetes can be appropriately managed if an appropriate amount of carbohydrate intake is suggested.
- a user simply eats an appropriate amount of rice to manage diabetes, that is, by controlling the amount of rice properly, the postprandial blood sugar level can be controlled.
- Rice is easy to identify, and rice has a uniform composition in most cases.
- rice is the main source of carbohydrates in the Korean diet. Energy intake was significantly lower for women than men at 2,125 kcal for men and 1,591 kcal for women, and the macronutrient intake ratio (%) for men was 68.7:16.4:14.9 for carbohydrates: fat: protein, and 71.0:15.1 for women. It was 13.8. Therefore, there is an urgent need to suggest an appropriate amount of carbohydrate intake for diabetes management services.
- Embodiments of the present invention provide a diabetes management guide that displays recommended intake based on user data such as meal scan data and blood sugar measurement data and blood sugar predicted through a blood sugar prediction model, thereby helping the user with diabetes by consuming an appropriate amount of carbohydrates.
- user data such as meal scan data and blood sugar measurement data and blood sugar predicted through a blood sugar prediction model
- Embodiments of the present invention use meal data to accurately classify food, integrate it into meal events, and connect integrated meal events with blood sugar changes, so that they go beyond simply recording meal data and understand the interaction between food and blood sugar. We aim to provide predictable diabetes management service methods and devices.
- the meal data may include at least one of images, text, and metadata related to the user's meal.
- At least one key value classified by food may be extracted from the received meal data, and at least one food may be identified using the extracted at least one key value.
- the step of identifying the meal event includes at least one of the following: when meal data including an image is received, when meal data including text is received, and when the user's blood sugar level exceeds a preset blood sugar level value. can be set as the start point of the meal event.
- the method includes calculating an evaluation index for evaluating a blood sugar response to the identified meal event using an average blood sugar value of the meal event, and evaluating the blood sugar response for each meal event through the calculated evaluation index. It may further include.
- the method further includes normalizing the mapped blood sugar measurement data for each meal event by considering the blood sugar level for each user, and comparing the blood sugar response of the user group in a standardized manner through the normalized blood sugar measurement data for each meal event. It can be included.
- the method may further include recommending at least one of meals, meal order, and meal speed personalized for each theme to the user using the at least one extracted key value.
- the method uses external data containing at least one of personal information, health checkup data, and public institution data to create a cohort of other users with a preset similarity or more to the user, and collects blood sugar response data of the created cohort.
- a step of analyzing and providing customized blood sugar management recommendations to the user may be further included.
- a communication module comprising: memory that stores one or more programs; and a processor executing the one or more stored programs, wherein the processor receives the user's meal data and blood sugar measurement data, and identifies a meal event using at least one of the received meal data and blood sugar measurement data. , Identifying at least one food from the received meal data and integrating it into the identified meal event, mapping blood sugar measurement data corresponding to the integrated meal event to blood sugar measurement data for each meal event, and mapping the mapped meal event to blood sugar measurement data for each meal event.
- a diabetes management service device may be provided that calculates the user's blood sugar level and predicts blood sugar changes using star blood sugar measurement data and a pre-learned blood sugar prediction model, and outputs the calculated blood sugar level and the predicted blood sugar change. there is.
- the processor may extract at least one key value classified by food from the received meal data, and cook at least one meal using the extracted at least one key value.
- the processor starts a meal event in at least one of the following cases: when meal data including an image is received, when meal data including text is received, and when the user's blood sugar level exceeds a preset blood sugar level value. It can be set to any point in time.
- the processor may calculate an evaluation index for evaluating a blood sugar response for the identified meal event using the average blood sugar value of the meal event, and evaluate the blood sugar response for each meal event through the calculated evaluation index.
- the processor may normalize the mapped blood sugar measurement data for each meal event by considering the blood sugar level for each user, and compare the blood sugar responses of user groups in a standardized manner through the normalized blood sugar measurement data for each meal event.
- the processor may recommend at least one of a meal, meal order, and meal speed personalized for each theme to the user using the at least one extracted key value.
- the processor may use the extracted at least one key value to process elements that are not suitable for meal recommendation as exceptions and recommend a meal by excluding the exceptions.
- the processor creates a cohort of other users with a preset similarity or higher to the user using external data containing at least one of personal information, health examination data, and public institution data, and provides blood sugar response data of the created cohort.
- a step of analyzing and providing customized blood sugar management recommendations to the user may be further included.
- the disclosed technology can have the following effects. However, since it does not mean that a specific embodiment must include all of the following effects or only the following effects, the scope of rights of the disclosed technology should not be understood as being limited thereby.
- Embodiments of the present invention provide a diabetes management guide that displays recommended intake based on user data such as meal scan data and blood sugar measurement data and blood sugar predicted through a blood sugar prediction model, thereby helping the user with diabetes by consuming an appropriate amount of carbohydrates. can be easily managed.
- Embodiments of the present invention allow users to easily manage diabetes by consuming an appropriate amount of carbohydrates, thereby reducing the intake of an appropriate amount of carbohydrates (e.g., rice, porridge, noodles, bread, etc.) from a health management perspective, and diabetic patients.
- the pre-stage population can be converted into a normal blood sugar population. Through this, embodiments of the present invention can help create healthy lifestyle habits.
- Embodiments of the present invention can more accurately record and analyze blood sugar changes related to a meal by setting the start point of the meal event.
- Embodiments of the present invention can cut blood sugar measurement data for each meal event and map it to each meal event.
- Embodiments of the present invention can establish the connection between blood sugar data and meal events more accurately and flexibly.
- Embodiments of the present invention can ensure the accuracy of meal data and, as a result, provide more accurate information in analyzing the relationship between blood sugar measurement data and food.
- a user when a user takes a photo of a meal or inputs food-related text, the photo is analyzed and a blood sugar prediction result is provided to show a predicted value of how the meal will affect blood sugar.
- Embodiments of the present invention can provide information about blood sugar response to the user in real time, and the user can make healthy meal choices based on this.
- Embodiments of the present invention provide users with immediate feedback on blood sugar management and can help form healthy eating habits in the long term.
- Embodiments of the present invention can show the overall blood sugar response and the differences between different groups through blood sugar conversion rates.
- Embodiments of the present invention provide personalized meal recommendations, and can identify and exclude unhealthy elements from the recommendations.
- Embodiments of the present invention can provide personalized blood sugar management recommendations by utilizing external information such as health checkup data.
- Figure 3 is a flowchart showing a diabetes management service method according to an embodiment of the present invention.
- the blood sugar meter 102 is attached to the user's body and measures the user's blood sugar using a blood collection method or a non-invasive method.
- a blood glucose meter uses the principle of directly measuring glucose contained in blood, while a non-invasive blood glucose meter measures glucose contained in the user's sweat rather than blood, but the glucose level in sweat is proportional to blood sugar.
- the principle is to measure blood sugar indirectly using glucose in sweat.
- the blood glucose meter 102 may be provided in the form of a wearable device such as a patch-type sensor attached to the body, a wristwatch-type sensor, or a clothing-type sensor.
- the blood glucose meter 102 may be provided in the form of a wearable device.
- blood sugar measurement begins.
- the blood sugar meter 102 can measure blood sugar periodically and continuously for a predetermined period of time from the time of food intake, either manually or automatically. If the blood glucose meter 102 is a manual method, it may provide means such as a special alarm sound or vibration for the start time, measurement cycle, and end time to encourage the user to operate the buttons.
- the blood sugar meter 102 is connected to the user terminal 101 through short-distance wireless communication such as Bluetooth, Wi-Fi, or Zigbee.
- the diabetes management service device 100 may store the user's blood sugar measurement record using blood sugar measurement data measured through the blood sugar meter 102. Additionally, the diabetes management service device 100 may calculate blood sugar measurement data and provide an analysis report to the user terminal 101. Additionally, the diabetes management service device 100 may predict the user's glycated hemoglobin based on blood sugar measurement data and a blood sugar prediction model.
- blood sugar level at 30 minutes, 1 hour, or 2 hours can be measured and recorded using the blood sugar meter 102.
- the diabetes management service device 100 may provide a regular delivery service including standard food and measurement records that may be helpful in diabetes management in connection with an external regular delivery service.
- the diabetes management service device 100 may reflect the estimated blood sugar level as 1/N of the intake when the user eats with N other users in the blood sugar prediction process.
- Figure 3 is a flowchart showing a diabetes management service method according to an embodiment of the present invention.
- the diabetes management service device 100 can predict blood sugar through a blood sugar prediction model if there is food to be consumed in the photograph taken from meal scan data.
- the diabetes management service device 100 may provide, through the user terminal 101, a blood sugar prediction graph in which the user's blood sugar level may increase when the user eats a meal.
- the diabetes management service device 100 may provide a comparison between the user's current blood sugar prediction graph and the previously learned normal user's blood sugar prediction graph.
- the diabetes management service device 100 may provide the user with a blood sugar prediction graph showing that the blood sugar level may be higher by an average of 40 mg/dl than that of a normal user.
- the user terminal 101 may take a photo again for the user or provide a diet recommendation for a diabetes management service.
- the above-described determination of the volume of the rice bowl does not occur once, and the volume of the rice bowl may change when the user goes to a different restaurant or changes the atmosphere.
- the user terminal 101 may reset the rice volume again, or inquire from the user how much it has grown or decreased compared to the amount of rice consumed previously. For example, the user terminal 101 can understand that the user inputs that the amount of rice consumed has increased by 10% or decreased by 10% compared to the previous amount, or that although it is not accurate, the user has operated it by taking that into account, so the accuracy is low. If you want to measure accurately, you can say, “Perform initialization again.”
- cafeterias serve small amounts of food at the beginning of the meal out of concern for food shortage, and serve more at the end of the meal to reduce leftovers.
- users within the distribution consume food uniformly, there may be a lot of leftover food in the later stages of the distribution, resulting in a lot of food waste.
- the diabetes management service device 100 may match the food distribution pattern and food type according to the distribution time and provide management standards (for example, in the form of an image or weight) for the appropriate amount of food according to the distribution time at the cafeteria.
- Memory 130 stores one or more programs related to diabetes management services.
- the diabetes management service device 100 learns by reflecting specific data most relevant to postprandial blood sugar prediction among the data input to the blood sugar prediction model in order of weight, and learns the blood sugar prediction model to provide more accurate postprandial blood sugar prediction. Blood sugar levels can be predicted.
- the diabetes management service device 100 uses a general-purpose blood sugar model suitable for general users to create a personalized blood sugar model that matches meal log data such as meals of a specific individual, and uses the personalized blood sugar model. This allows you to predict postprandial blood sugar levels. Additionally, the diabetes management service device 100 may collect feedback from postprandial predictions of specific individuals to calibrate and update the general blood sugar model.
- the diabetes management service device 100 not only predicts postprandial blood sugar levels, but also determines whether or not to enter the pre-diabetes stage, the period until entry, the period from entry to entry, or whether or not to enter the previously learned blood sugar level.
- the model can be used to predict postprandial blood sugar levels.
- the diabetes management service device 100 may predict pre-diabetes by learning a new pre-diabetes model that is different from the previously learned blood sugar model.
- Figure 8 is a diagram showing the operation of a diabetes management service device according to another embodiment of the present invention.
- the diabetes management service device 100 includes a communication module 110, a database 120, a memory 130 that stores one or more programs, and a processor 140 that executes one or more programs stored in the memory.
- the processor 140 receives the user's meal data and blood sugar measurement data, identifies a meal event using at least one of the received meal data and blood sugar measurement data, and identifies at least one food from the received meal data. Integrate the blood sugar measurement data corresponding to the integrated meal event into blood sugar measurement data for each meal event, and use the mapped blood sugar measurement data for each meal event and a pre-learned blood sugar prediction model to level the user's blood sugar level. Calculates and predicts blood sugar changes, and outputs the calculated blood sugar level and predicted blood sugar changes.
- meal data may include at least one of an image, text, and metadata related to the user's meal.
- the processor 140 may extract at least one key value classified by food from the received meal data and identify at least one food using the at least one extracted key value.
- the processor 140 may perform at least one of the following: when meal data including an image is received, when meal data including text is received, and when the user's blood sugar level exceeds a preset blood sugar level value.
- the case can be set as the start point of the meal event.
- the processor 140 calculates an evaluation index for evaluating the glycemic response for the identified meal event using the average blood sugar value of the meal event, and calculates the blood sugar response for each meal event through the calculated evaluation index. Responses can be evaluated.
- the processor 140 normalizes the mapped blood sugar measurement data for each meal event by considering the blood sugar level for each user, and normalizes the blood sugar response of the user group in a standardized manner through the normalized blood sugar measurement data for each meal event. You can compare.
- the processor 140 may recommend at least one of a personalized meal, meal order, and meal speed for each theme to the user using at least one extracted key value.
- the processor 140 may use at least one extracted key value to process elements that are not suitable for meal recommendation as exceptions and recommend a meal by excluding the exceptions.
- the processor 140 uses external data including at least one of personal information, health checkup data, and public institution data to create a cohort of other users with a preset similarity or more to the user, and generates the generated cohort of other users.
- external data including at least one of personal information, health checkup data, and public institution data to create a cohort of other users with a preset similarity or more to the user, and generates the generated cohort of other users.
- the diabetes management service device 100 can classify various foods consumed by the user and map blood sugar data corresponding to each meal. This mapping process is important in understanding how individual foods combine to affect blood sugar. Various foods consumed by the user affect blood sugar levels through the digestion process. Therefore, the diabetes management service device 100 uses the image, text, or other metadata of each meal to accurately classify foods, integrate the classified foods into meal events, and associate the integrated meal events with blood sugar changes. You can. The diabetes management service device 100 goes beyond simply recording meal data and can contribute to understanding and predicting the interaction between food and blood sugar.
- the diabetes management service device 100 may be implemented in a user terminal or as a diabetes management server that communicates with the user terminal.
- the diabetes management service device 100 can receive the user's continuous glucose monitor (CGM) data in real time to the app and track the user's blood sugar level and changes.
- CGM continuous glucose monitor
- the diabetes management service device 100 can combine CGM data and meal data classified by AI for analysis and prediction, and predict the user's current blood sugar level and expected blood sugar change due to the meal.
- the diabetes management service device 100 may visually provide all of the above information so that the user can check the expected blood sugar change after a meal through the app. This can help users make immediate decisions about managing their blood sugar.
- the diabetes management service device 100 may provide a personalized meal recommendation service based on accumulated individual meal data, blood sugar response, and other characteristics.
- the diabetes management service device 100 allows users to share their meal records and related metadata with the community within the app for community sharing. This increases interaction between users and provides motivation and support for forming healthy eating habits.
- step S201 the diabetes management service device receives the user's meal data and blood sugar measurement data.
- the diabetes management service device 100 may identify food through image analysis and user input, integrate it into a meal event, and map it to blood sugar response data.
- the diabetes management service device 100 performs a blood sugar data mapping operation for each meal, which may be based on the concept of a 'meal event'.
- a 'meal event' When a user inputs a meal through image or text input, etc., this 'meal' may be identified as a specific 'meal event'.
- a meal event can start from the moment a user uploads an image or enters text, and can last for a set amount of time (e.g., 2 hours or more). Blood sugar measurement data during this period can be linked to this meal event and analyzed. Rather than simply using the entire daily blood sugar data, the diabetes management service device 100 may cut the blood sugar measurement data by meal event and map it to each meal event.
- a meal event can be triggered when a user inputs an image of food. This may coincide with the point in time when the user actually starts eating.
- the start of a meal event is linked to image upload, allowing blood sugar changes related to meals to be more accurately recorded and analyzed.
- the diabetes management service device 100 can also flexibly set the event end. Meal events can end after a certain amount of time (e.g. 2 hours) by default, but this can be adjusted depending on the user's needs. Additionally, the diabetes management service device 100 may detect that the blood sugar level falls back to the average level and end the event. In this way, the diabetes management service device 100 can more accurately and flexibly establish the connection between blood sugar data and meal events.
- a certain amount of time e.g. 2 hours
- the process of integrating multiple foods into a meal event may involve the use of unique values. This can be important to remove duplicates if the same food is photographed multiple times during a meal.
- the diabetes management service device 100 can identify a unique value in each food image or text data and regard it as one food when the same food appears repeatedly. Through this, the diabetes management service device 100 can ensure the accuracy of meal data and, as a result, provide more accurate information in analyzing the relationship between blood sugar measurement data and food.
- the diabetes management service device 100 may evaluate a meal event.
- E-GMI 3.31 + (0.02392 * average (blood sugar levels measured within the event).
- a blood sugar management index was selected to evaluate the glycemic response to a meal, and the blood sugar management index is
- the diabetes management service device 100 may calculate GMI using the average blood sugar value of a meal event, which may be referred to as 'E-GMI' (Event-based GMI).
- the diabetes management service device 100 displays the maximum value (MAX) 310 of the glucose index according to the main menu names AA to JJ and the average value of the glucose index (Average). )(320) can be obtained.
- the diabetes management service device 100 may normalize blood sugar measurement data by considering individual blood sugar levels and perform standardized comparison and analysis.
- the diabetes management service device 100 provides personalized meal recommendations for meal recommendation services and exception processing, and can identify elements unsuitable for health and exclude them from the recommendations.
- the diabetes management service device 100 can classify food by various key values such as color and shape. Through this, the diabetes management service device 100 may recommend at least one of themed meals, meal order, and meal speed to the user. For example, the diabetes management service device 100 may provide meal recommendations by theme based on data such as blood sugar response to brown food, indoor/outdoor eating patterns, consumption of specific types of food, etc. These themed meal recommendations add a fun element to the user experience and can contribute to increasing users' interest and dwell time in the app. This process can serve as an important factor in promoting user participation as well as personalized meal recommendations.
- the diabetes management service device 100 collects the blood sugar response by location and maps the blood sugar response according to the menu of each restaurant corresponding to the location, so that the user can select a restaurant or restaurant menu where blood sugar level rises less than the preset blood sugar level. It can be recommended to Additionally, because each restaurant has different cooking methods, even if the food is the same, users' blood sugar response tendencies may vary depending on the restaurant (location). The diabetes management service device 100 may provide the user with the blood sugar tendency of other user groups for each restaurant.
- the diabetes management service device 100 may provide personalized blood sugar management recommendations by utilizing external information such as health checkup data.
- the diabetes management service device 100 may be connected to an external data source to provide personalized services.
- External information may include personal information entered by the user, health checkup data, public institution data, etc.
- the diabetes management service device 100 may form a 'cohort', a group of other people with similar characteristics to the user, based on outsourced information.
- personalized blood sugar management recommendations can be provided to these users. This approach can be important in providing users with a more personalized experience, beyond just general recommendations.
- the various embodiments described above are implemented as software including instructions stored in a machine-readable storage media (e.g., a computer). It can be.
- the device is a device capable of calling instructions stored from a storage medium and operating according to the called instructions, and may include an electronic device (eg, electronic device A) according to the disclosed embodiments.
- the processor may perform the function corresponding to the instruction directly or using other components under the control of the processor.
- Instructions may contain code generated or executed by a compiler or interpreter.
- a storage medium that can be read by a device may be provided in the form of a non-transitory storage medium.
- 'non-transitory' only means that the storage medium does not contain signals and is tangible, and does not distinguish whether the data is stored semi-permanently or temporarily in the storage medium.
- the method according to the various embodiments described above may be provided and included in a computer program product.
- Computer program products are commodities and can be traded between sellers and buyers.
- the computer program product may be distributed on a machine-readable storage medium (e.g. compact disc read only memory (CD-ROM)) or online through an application store (e.g. Play StoreTM).
- an application store e.g. Play StoreTM
- at least a portion of the computer program product may be at least temporarily stored or created temporarily in a storage medium such as the memory of a manufacturer's server, an application store's server, or a relay server.
- the various embodiments described above are stored in a recording medium that can be read by a computer or similar device using software, hardware, or a combination thereof. It can be implemented in . In some cases, embodiments described herein may be implemented in a processor itself. According to software implementation, embodiments such as procedures and functions described in this specification may be implemented as separate software modules. Each of the software modules may perform one or more functions and operations described herein.
- each component e.g., module or program
- each component may be composed of a single or multiple entities, and some of the sub-components described above may be omitted, or other sub-components may be omitted. Sub-components may be further included in various embodiments.
- some components e.g., modules or programs
- operations performed by a module, program, or other component may be executed sequentially, in parallel, iteratively, or heuristically, or at least some operations may be executed in a different order, omitted, or other operations may be added. It can be.
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Optics & Photonics (AREA)
- Veterinary Medicine (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Nutrition Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
The present invention relates to a diabetes management service method and device. The diabetes management service method according to one embodiment of the present invention comprises the steps of: receiving meal data and blood glucose measurement data of a user; identifying a meal event by using the received meal data and/or blood glucose measurement data; identifying at least one food from the received meal data and integrating same into the identified meal event; mapping, to blood glucose measurement data for each meal event, the blood glucose measurement data corresponding to the integrated meal event; using the mapped blood glucose measurement data for each meal event and a blood glucose prediction model trained in advance, so as to calculate the blood glucose level of the user and predict a blood glucose change; and outputting the calculated blood glucose level and the predicted blood glucose change.
Description
본 발명은 당뇨병 관리 기술에 관한 것으로, 보다 상세하게는 단순히 식사 데이터를 기록하는 것을 넘어, 음식과 혈당 간의 상호작용을 이해하고 예측하기 위한, 당뇨병 관리 서비스 기술에 관한 것이다.The present invention relates to diabetes management technology, and more specifically, to diabetes management service technology for understanding and predicting the interaction between food and blood sugar, beyond simply recording meal data.
당뇨병은 혈액 속의 포도당 수치가 정상인보다 높은 상태를 말하며, 우리 몸에서 에너지로 사용되어야 하는 포도당이 소변으로 빠져 나온다 하여 이름이 붙여진 병이다. 당뇨병은 혈액에 당이 분해되지 않고 떠돌아다닌다. 음식을 섭취하면 위장관에서 소화되어 포도당으로 바뀌어 혈액속으로 흡수된다. 혈액속에 들어간 포도당을 혈당 이라고 하며, 혈당은 세포로 이동되어 우리가 활동하는데 필요한 에너지로 쓰이게 된다. 혈당이 세포로 들어가 에너지로 사용되기 위해서는 췌장에서 만들어지는 인슐린 이라는 호르몬이 반드시 필요하다. 당뇨병은 이러한 인슐린이 정상적으로 분비되지 않거나, 분비가 되더라도 제 기능을 하지 못하는 것이다. 그 결과로 세포로 들어가지 못한 포도당이 혈액 내로 계속 쌓이게 되면서 고혈당을 일으키게 된다. Diabetes refers to a condition in which the level of glucose in the blood is higher than normal. It is a disease named because glucose, which should be used as energy in our body, is excreted through urine. Diabetes occurs when sugar floats around in the blood without being broken down. When you eat food, it is digested in the gastrointestinal tract, converted into glucose, and absorbed into the blood. Glucose that enters the blood is called blood sugar, and blood sugar is moved to cells and used as energy needed for our activities. In order for blood sugar to enter cells and be used as energy, a hormone called insulin, produced by the pancreas, is required. Diabetes is when insulin is not secreted normally or does not function properly even when secreted. As a result, glucose that cannot enter the cells continues to accumulate in the blood, causing hyperglycemia.
당뇨병은 유전, 바이러스, 비만증, 노화, 잘못된 식사습관, 스트레스 및 약물 등에 의해 발병되고, 노화로 인한 체내의 세포기능 저하될 수 있다. 국민소득 높은 나라일수록 당뇨병이 많이 발생할 수 있고, 스트레스가 지속되어 코티솔 분비 및 인슐린 작용에 방해될 수 있다. 당뇨병의 유전요인 보유자가 이뇨제, 경구피임약, 갑상선 호르몬 등 약물 복용시 당뇨병 발생 및 악화 가능성 높다. 당뇨병은 일시적인 혈당 상승도 암과 관련된 유전자를 깨우는 것으로 보고 되어 있고, 산화스트레스를 높여 심장병 발병의 위험을 높이는 것으로 알려져 있다. 따라서, 당뇨병을 관리하기 위해, 식후혈당(Postprandial Glucose) 관리가 중요해지고 있다. Diabetes is caused by genetics, viruses, obesity, aging, incorrect eating habits, stress, and drugs, and aging can lead to a decline in cellular function in the body. In countries with higher per capita income, diabetes is more likely to occur, and continued stress can interfere with cortisol secretion and insulin action. When people with genetic factors for diabetes take medications such as diuretics, oral contraceptives, and thyroid hormones, there is a high risk of developing or worsening diabetes. Diabetes is known to cause temporary elevations in blood sugar levels to awaken genes related to cancer, and is known to increase oxidative stress, thereby increasing the risk of developing heart disease. Therefore, to manage diabetes, managing postprandial blood sugar (Postprandial glucose) is becoming important.
혈당 조절 및 유지의 목표는 탄수화물이라는 영양소를 관리하는 것이 중요하다. 하지만, 탄수화물은 필수 영양소이다. 고단백 및 고지방 식이를 하면서 극도로 제한된 탄수화물을 섭취하면 혈당 수치는 좋아질지 몰라도 정상적인 대사과정이 일어나지 못해 케톤산증이 발생하거나 건강에 악영향을 끼치게 된다. 따라서 총 섭취 열량의 40~60%는 탄수화물 섭취가 반드시 이루어져야 한다.The goal of controlling and maintaining blood sugar is important to manage the nutrient called carbohydrates. However, carbohydrates are essential nutrients. If you consume extremely limited carbohydrates while eating a high-protein and high-fat diet, your blood sugar level may improve, but normal metabolic processes cannot occur, resulting in ketoacidosis or adverse health effects. Therefore, carbohydrate intake must account for 40-60% of total calories consumed.
이에 따라, 적정량의 탄수화물 섭취를 제안한다면 당뇨병이 적절히 관리될 수 있다. 예컨대, 사용자가 당뇨병을 관리하기 위한 적절한 밥 양을 덜어내기만 해도 즉, 밥 양만 잘 조절해도 식후혈당을 잡을 수 있다. 밥은 식별 용이하며, 밥은 대부분의 경우 균일한 구성이다. 당뇨병 관리 서비스의 효과를 극대화하기 위해, 밥은 한국인 식단 중 탄수화물의 주요 공급원이다. 에너지 섭취량은 남자가 2,125 kcal, 여자가 1,591 kcal로 여자가 남자보다 유의적으로 낮았고, 남자의 다량 영양소 섭취 비율(%)은 탄수화물:지방:단백질이 68.7:16.4:14.9, 여자는 71.0:15.1:13.8 이었다. 따라서 당뇨병 관리 서비스를 위해 적정량의 탄수화물 섭취를 제안하는 것이 절실히 필요한 상황이다. Accordingly, diabetes can be appropriately managed if an appropriate amount of carbohydrate intake is suggested. For example, if a user simply eats an appropriate amount of rice to manage diabetes, that is, by controlling the amount of rice properly, the postprandial blood sugar level can be controlled. Rice is easy to identify, and rice has a uniform composition in most cases. To maximize the effectiveness of diabetes management services, rice is the main source of carbohydrates in the Korean diet. Energy intake was significantly lower for women than men at 2,125 kcal for men and 1,591 kcal for women, and the macronutrient intake ratio (%) for men was 68.7:16.4:14.9 for carbohydrates: fat: protein, and 71.0:15.1 for women. It was 13.8. Therefore, there is an urgent need to suggest an appropriate amount of carbohydrate intake for diabetes management services.
본 발명의 실시예들은 식사 스캔 데이터, 혈당 측정 데이터 등의 사용자 데이터와 혈당 예측 모델을 통해 예측된 혈당을 기반으로 권장 섭취량을 표시하는 당뇨병 관리 가이드를 제공함으로써, 사용자가 적정량의 탄수화물 섭취를 통해 당뇨병을 쉽게 관리할 수 있는, 당뇨병 관리 서비스 방법 및 장치를 제공하고자 한다.Embodiments of the present invention provide a diabetes management guide that displays recommended intake based on user data such as meal scan data and blood sugar measurement data and blood sugar predicted through a blood sugar prediction model, thereby helping the user with diabetes by consuming an appropriate amount of carbohydrates. We aim to provide diabetes management service methods and devices that can easily manage diabetes.
본 발명의 실시예들은 식사 데이터를 이용해 음식을 정확히 분류하여 식사 이벤트로 통합하고, 통합된 식사 이벤트와 혈당 변화를 연결함으로써, 단순히 식사 데이터를 기록하는 것을 넘어, 음식과 혈당 간의 상호작용을 이해하고 예측할 수 있는, 당뇨병 관리 서비스 방법 및 장치를 제공하고자 한다.Embodiments of the present invention use meal data to accurately classify food, integrate it into meal events, and connect integrated meal events with blood sugar changes, so that they go beyond simply recording meal data and understand the interaction between food and blood sugar. We aim to provide predictable diabetes management service methods and devices.
다만, 본 발명의 해결하고자 하는 과제는 이에 한정되는 것이 아니며, 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위의 환경에서도 다양하게 확장될 수 있을 것이다.However, the problem to be solved by the present invention is not limited to this, and may be expanded in various environments without departing from the spirit and scope of the present invention.
본 발명의 일 실시예에 따르면, 당뇨병 관리 서비스 장치에 의해 당뇨병 관리 서비스 방법에 있어서, 사용자의 식사 데이터 및 혈당 측정 데이터를 수신하는 단계; 상기 수신된 식사 데이터 및 혈당 측정 데이터 중에서 적어도 하나를 이용하여 식사 이벤트를 식별하는 단계; 상기 수신된 식사 데이터로부터 적어도 하나의 음식을 식별하여 상기 식별된 식사 이벤트로 통합하는 단계; 상기 통합된 식사 이벤트와 대응되는 혈당 측정 데이터를 식사 이벤트별 혈당 측정 데이터로 맵핑하는 단계; 상기 맵핑된 식사 이벤트별 혈당 측정 데이터와 기학습된 혈당 예측 모델을 이용하여 사용자의 혈당 수준을 산출하고 혈당 변화를 예측하는 단계; 및 상기 산출된 혈당 수준 및 상기 예측된 혈당 변화를 출력하는 단계를 포함하는, 당뇨병 관리 서비스 방법이 제공될 수 있다.According to an embodiment of the present invention, a diabetes management service method provided by a diabetes management service device, comprising: receiving meal data and blood sugar measurement data of a user; Identifying a meal event using at least one of the received meal data and blood sugar measurement data; identifying at least one food from the received meal data and incorporating it into the identified meal event; mapping blood sugar measurement data corresponding to the integrated meal event into blood sugar measurement data for each meal event; calculating the user's blood sugar level and predicting changes in blood sugar using the mapped blood sugar measurement data for each meal event and a pre-learned blood sugar prediction model; and outputting the calculated blood sugar level and the predicted blood sugar change. A diabetes management service method may be provided.
상기 식사 데이터는, 사용자의 식사와 관련된 이미지, 텍스트 및 메타 데이터 중에서 적어도 하나를 포함할 수 있다.The meal data may include at least one of images, text, and metadata related to the user's meal.
상기 식별된 식사 이벤트로 통합하는 단계는, 상기 수신된 식사 데이터로부터 음식별로 구분된 적어도 하나의 키값을 추출하고, 상기 추출된 적어도 하나의 키값을 이용하여 적어도 하나의 음식을 식별할 수 있다.In the step of integrating into the identified meal event, at least one key value classified by food may be extracted from the received meal data, and at least one food may be identified using the extracted at least one key value.
상기 식사 이벤트를 식별하는 단계는, 이미지가 포함된 식사 데이터가 수신되는 경우, 텍스트가 포함된 식사 데이터가 수신되는 경우 및 사용자의 혈당 수치가 기설정된 혈당 수치 값을 초과하는 경우 중에서 적어도 하나의 경우를 식사 이벤트의 시작 시점으로 설정할 수 있다.The step of identifying the meal event includes at least one of the following: when meal data including an image is received, when meal data including text is received, and when the user's blood sugar level exceeds a preset blood sugar level value. can be set as the start point of the meal event.
상기 방법은, 상기 식별된 식사 이벤트에 대해 식사 이벤트의 평균 혈당 값을 이용하여 혈당 반응을 평가하기 위한 평가 지표를 계산하고, 상기 계산된 평가 지표를 통해 각 식사 이벤트에 대한 혈당 반응을 평가하는 단계를 더 포함할 수 있다.The method includes calculating an evaluation index for evaluating a blood sugar response to the identified meal event using an average blood sugar value of the meal event, and evaluating the blood sugar response for each meal event through the calculated evaluation index. It may further include.
상기 방법은, 상기 맵핑된 식사 이벤트별 혈당 측정 데이터를 사용자별 혈당 수준을 고려하여 정규화하고, 상기 정규화된 식사 이벤트별 혈당 측정 데이터를 통해 사용자 그룹의 혈당 반응을 표준화된 방식으로 비교하는 단계를 더 포함할 수 있다.The method further includes normalizing the mapped blood sugar measurement data for each meal event by considering the blood sugar level for each user, and comparing the blood sugar response of the user group in a standardized manner through the normalized blood sugar measurement data for each meal event. It can be included.
상기 방법은, 상기 추출된 적어도 하나의 키값을 이용하여 사용자에게 테마별로 개인화된 식사, 식사 순서 및 식사 속도 중에서 적어도 하나를 추천하는 단계를 더 포함할 수 있다.The method may further include recommending at least one of meals, meal order, and meal speed personalized for each theme to the user using the at least one extracted key value.
상기 식사를 추천하는 단계는, 상기 추출된 적어도 하나의 키값을 이용하여 식사 추천에 적합하지 않은 요소를 예외 사항으로 처리하고, 상기 예외 사항을 제외시켜 식사를 추천할 수 있다.In the step of recommending a meal, elements that are not suitable for meal recommendation may be processed as exceptions using the extracted at least one key value, and the meal may be recommended by excluding the exceptions.
상기 방법은, 개인 정보, 건강검진 데이터 및 공공기관 데이터 중에서 적어도 하나가 포함된 외부 데이터를 이용하여 사용자와 기설정된 유사도 이상을 가진 다른 사용자들의 코호트를 생성하고, 상기 생성된 코호트의 혈당 반응 데이터를 분석하여 사용자에게 맞춤형 혈당 관리 권장사항을 제공하는 단계를 더 포함할 수 있다.The method uses external data containing at least one of personal information, health checkup data, and public institution data to create a cohort of other users with a preset similarity or more to the user, and collects blood sugar response data of the created cohort. A step of analyzing and providing customized blood sugar management recommendations to the user may be further included.
한편, 본 발명의 다른 실시예에 따르면, 통신 모듈; 하나 이상의 프로그램을 저장하는 메모리; 및 상기 저장된 하나 이상의 프로그램을 실행하는 프로세서를 포함하고, 상기 프로세서는, 사용자의 식사 데이터 및 혈당 측정 데이터를 수신하고, 상기 수신된 식사 데이터 및 혈당 측정 데이터 중에서 적어도 하나를 이용하여 식사 이벤트를 식별하고, 상기 수신된 식사 데이터로부터 적어도 하나의 음식을 식별하여 상기 식별된 식사 이벤트로 통합하고, 상기 통합된 식사 이벤트와 대응되는 혈당 측정 데이터를 식사 이벤트별 혈당 측정 데이터로 맵핑하고, 상기 맵핑된 식사 이벤트별 혈당 측정 데이터와 기학습된 혈당 예측 모델을 이용하여 사용자의 혈당 수준을 산출하고 혈당 변화를 예측하고, 상기 산출된 혈당 수준 및 상기 예측된 혈당 변화를 출력하는, 당뇨병 관리 서비스 장치가 제공될 수 있다.Meanwhile, according to another embodiment of the present invention, a communication module; memory that stores one or more programs; and a processor executing the one or more stored programs, wherein the processor receives the user's meal data and blood sugar measurement data, and identifies a meal event using at least one of the received meal data and blood sugar measurement data. , Identifying at least one food from the received meal data and integrating it into the identified meal event, mapping blood sugar measurement data corresponding to the integrated meal event to blood sugar measurement data for each meal event, and mapping the mapped meal event to blood sugar measurement data for each meal event. A diabetes management service device may be provided that calculates the user's blood sugar level and predicts blood sugar changes using star blood sugar measurement data and a pre-learned blood sugar prediction model, and outputs the calculated blood sugar level and the predicted blood sugar change. there is.
상기 식사 데이터는, 사용자의 식사와 관련된 이미지, 텍스트 및 메타 데이터 중에서 적어도 하나를 포함할 수 있다.The meal data may include at least one of images, text, and metadata related to the user's meal.
상기 프로세서는, 상기 수신된 식사 데이터로부터 음식별로 구분된 적어도 하나의 키값을 추출하고, 상기 추출된 적어도 하나의 키값을 이용하여 적어도 하나의 음식을 할 수 있다.The processor may extract at least one key value classified by food from the received meal data, and cook at least one meal using the extracted at least one key value.
상기 프로세서는, 이미지가 포함된 식사 데이터가 수신되는 경우, 텍스트가 포함된 식사 데이터가 수신되는 경우 및 사용자의 혈당 수치가 기설정된 혈당 수치 값을 초과하는 경우 중에서 적어도 하나의 경우를 식사 이벤트의 시작 시점으로 설정할 수 있다.The processor starts a meal event in at least one of the following cases: when meal data including an image is received, when meal data including text is received, and when the user's blood sugar level exceeds a preset blood sugar level value. It can be set to any point in time.
상기 프로세서는, 상기 식별된 식사 이벤트에 대해 식사 이벤트의 평균 혈당 값을 이용하여 혈당 반응을 평가하기 위한 평가 지표를 계산하고, 상기 계산된 평가 지표를 통해 각 식사 이벤트에 대한 혈당 반응을 평가할 수 있다.The processor may calculate an evaluation index for evaluating a blood sugar response for the identified meal event using the average blood sugar value of the meal event, and evaluate the blood sugar response for each meal event through the calculated evaluation index. .
상기 프로세서는, 상기 맵핑된 식사 이벤트별 혈당 측정 데이터를 사용자별 혈당 수준을 고려하여 정규화하고, 상기 정규화된 식사 이벤트별 혈당 측정 데이터를 통해 사용자 그룹의 혈당 반응을 표준화된 방식으로 비교할 수 있다.The processor may normalize the mapped blood sugar measurement data for each meal event by considering the blood sugar level for each user, and compare the blood sugar responses of user groups in a standardized manner through the normalized blood sugar measurement data for each meal event.
상기 프로세서는, 상기 추출된 적어도 하나의 키값을 이용하여 사용자에게 테마별로 개인화된 식사, 식사 순서 및 식사 속도 중에서 적어도 하나를 추천할 수 있다.The processor may recommend at least one of a meal, meal order, and meal speed personalized for each theme to the user using the at least one extracted key value.
상기 프로세서는, 상기 추출된 적어도 하나의 키값을 이용하여 식사 추천에 적합하지 않은 요소를 예외 사항으로 처리하고, 상기 예외 사항을 제외시켜 식사를 추천할 수 있다.The processor may use the extracted at least one key value to process elements that are not suitable for meal recommendation as exceptions and recommend a meal by excluding the exceptions.
상기 프로세서는, 개인 정보, 건강검진 데이터 및 공공기관 데이터 중에서 적어도 하나가 포함된 외부 데이터를 이용하여 사용자와 기설정된 유사도 이상을 가진 다른 사용자들의 코호트를 생성하고, 상기 생성된 코호트의 혈당 반응 데이터를 분석하여 사용자에게 맞춤형 혈당 관리 권장사항을 제공하는 단계를 더 포함할 수 있다.The processor creates a cohort of other users with a preset similarity or higher to the user using external data containing at least one of personal information, health examination data, and public institution data, and provides blood sugar response data of the created cohort. A step of analyzing and providing customized blood sugar management recommendations to the user may be further included.
개시된 기술은 다음의 효과를 가질 수 있다. 다만, 특정 실시예가 다음의 효과를 전부 포함하여야 한다거나 다음의 효과만을 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.The disclosed technology can have the following effects. However, since it does not mean that a specific embodiment must include all of the following effects or only the following effects, the scope of rights of the disclosed technology should not be understood as being limited thereby.
본 발명의 실시예들은 식사 스캔 데이터, 혈당 측정 데이터 등의 사용자 데이터와 혈당 예측 모델을 통해 예측된 혈당을 기반으로 권장 섭취량을 표시하는 당뇨병 관리 가이드를 제공함으로써, 사용자가 적정량의 탄수화물 섭취를 통해 당뇨병을 쉽게 관리할 수 있다. Embodiments of the present invention provide a diabetes management guide that displays recommended intake based on user data such as meal scan data and blood sugar measurement data and blood sugar predicted through a blood sugar prediction model, thereby helping the user with diabetes by consuming an appropriate amount of carbohydrates. can be easily managed.
본 발명의 실시예들은 사용자가 적정량의 탄수화물 섭취를 통해 당뇨병을 쉽게 관리함으로써, 적정량의 탄수화물(예컨대, 밥, 죽, 면, 빵 등)의 섭취를 건강 관리 측면에서 적절히 적게 유도할 수 있고, 당뇨 전단계 인구를 정상혈당 인구로 유도할 수 있다. 이를 통해, 본 발명의 실시예들은 건강한 생활 습관을 조성하는데 도움이 될 수 있다. Embodiments of the present invention allow users to easily manage diabetes by consuming an appropriate amount of carbohydrates, thereby reducing the intake of an appropriate amount of carbohydrates (e.g., rice, porridge, noodles, bread, etc.) from a health management perspective, and diabetic patients. The pre-stage population can be converted into a normal blood sugar population. Through this, embodiments of the present invention can help create healthy lifestyle habits.
본 발명의 실시예들은 식사 데이터를 이용해 음식을 정확히 분류하여 식사 이벤트로 통합하고, 통합된 식사 이벤트와 혈당 변화를 연결함으로써, 단순히 식사 데이터를 기록하는 것을 넘어, 음식과 혈당 간의 상호작용을 이해하고 예측할 수 있다.Embodiments of the present invention use meal data to accurately classify food, integrate it into meal events, and connect integrated meal events with blood sugar changes, so that they go beyond simply recording meal data and understand the interaction between food and blood sugar. It is predictable.
본 발명의 실시예들은 식사 이벤트의 시작 시점을 설정함으로써, 식사와 관련된 혈당 변화를 보다 정확하게 기록하고 분석할 수 있다.Embodiments of the present invention can more accurately record and analyze blood sugar changes related to a meal by setting the start point of the meal event.
본 발명의 실시예들은 혈당 측정 데이터를 식사 이벤트별로 잘라내어 각 식사 이벤트와 맵핑할 수 있다.Embodiments of the present invention can cut blood sugar measurement data for each meal event and map it to each meal event.
본 발명의 실시예들은 혈당 데이터와 식사 이벤트 간의 연결을 보다 정확하고 유연하게 설정할 수 있다.Embodiments of the present invention can establish the connection between blood sugar data and meal events more accurately and flexibly.
본 발명의 실시예들은 식사 데이터의 정확성을 보장하고, 결과적으로 혈당 측정 데이터와 음식 간의 관계 분석에 있어 더욱 정확한 정보를 제공할 수 있다.Embodiments of the present invention can ensure the accuracy of meal data and, as a result, provide more accurate information in analyzing the relationship between blood sugar measurement data and food.
본 발명의 실시예들은 사용자가 식사의 사진을 찍거나 음식관련 텍스트를 입력하면, 이를 분석하여 혈당 예측 결과를 제공하여 그 식사가 혈당에 어떤 영향을 미칠지에 대한 예측치를 보여줄 수 있다.In embodiments of the present invention, when a user takes a photo of a meal or inputs food-related text, the photo is analyzed and a blood sugar prediction result is provided to show a predicted value of how the meal will affect blood sugar.
본 발명의 실시예들은 사용자에게 실시간으로 혈당 반응에 대한 정보를 제공할 수 있으며, 사용자가 이를 바탕으로 건강한 식사 선택을 할 수 있다.Embodiments of the present invention can provide information about blood sugar response to the user in real time, and the user can make healthy meal choices based on this.
본 발명의 실시예들은 사용자에게 혈당 관리에 대한 즉각적인 피드백을 제공하며, 장기적으로 건강한 식습관 형성에 도움을 줄 수 있다.Embodiments of the present invention provide users with immediate feedback on blood sugar management and can help form healthy eating habits in the long term.
본 발명의 실시예들은 전체적으로는 어떤 혈당 반응이 나타나는지, 그리고 다른 그룹 간의 차이는 어떻게 나타나는지를 혈당 변환율로 보여줄 수 있다.Embodiments of the present invention can show the overall blood sugar response and the differences between different groups through blood sugar conversion rates.
본 발명의 실시예들은 개인화된 식사 추천을 제공하며, 건강에 부적합한 요소를 식별하여 추천에서 제외할 수 있다. Embodiments of the present invention provide personalized meal recommendations, and can identify and exclude unhealthy elements from the recommendations.
본 발명의 실시예들은 건강검진 데이터 등 외부 정보를 활용하여 개인화된 혈당 관리 권장사항을 제공할 수 있다.Embodiments of the present invention can provide personalized blood sugar management recommendations by utilizing external information such as health checkup data.
도 1은 본 발명의 일 실시예에 따른 당뇨병 관리 서비스 시스템의 구성을 나타낸 도면이다.Figure 1 is a diagram showing the configuration of a diabetes management service system according to an embodiment of the present invention.
도 2는 본 발명의 일 실시예에 따른 당뇨병 관리 서비스의 동작을 나타낸 도면이다.Figure 2 is a diagram showing the operation of a diabetes management service according to an embodiment of the present invention.
도 3은 본 발명의 일 실시예에 따른 당뇨병 관리 서비스 방법을 나타낸 흐름도이다.Figure 3 is a flowchart showing a diabetes management service method according to an embodiment of the present invention.
도 4 내지 도 6은 본 발명의 일 실시예에 따른 당뇨병 관리 서비스 동작 예시를 나타낸 도면이다.Figures 4 to 6 are diagrams showing examples of diabetes management service operations according to an embodiment of the present invention.
도 7은 본 발명의 일 실시예에 따른 당뇨병 관리 서비스 장치의 구성도이다.Figure 7 is a configuration diagram of a diabetes management service device according to an embodiment of the present invention.
도 8은 본 발명의 다른 실시예에 따른 당뇨병 관리 서비스 장치의 동작을 나타낸 도면이다.Figure 8 is a diagram showing the operation of a diabetes management service device according to another embodiment of the present invention.
도 9는 본 발명의 다른 실시예에 따른 당뇨병 관리 서비스 방법에 대한 흐름도이다.Figure 9 is a flowchart of a diabetes management service method according to another embodiment of the present invention.
도 10는 본 발명의 다른 실시예에 따른 당뇨병 관리 서비스 장치에 의한 음식 데이터 분류 동작 예시를 나타낸 도면이다.Figure 10 is a diagram showing an example of a food data classification operation by a diabetes management service device according to another embodiment of the present invention.
도 11 및 도 12는 본 발명의 다른 실시예에 따른 당뇨병 관리 서비스 장치에 의한 혈당 인덱스 예시 및 데이터 정규화 예시를 나타낸 도면이다.Figures 11 and 12 are diagrams showing an example of a blood sugar index and an example of data normalization by a diabetes management service device according to another embodiment of the present invention.
본 발명은 다양한 변환을 가할 수 있고 여러가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 구체적으로 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 기술적 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해될 수 있다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.Since the present invention can be modified in various ways and can have various embodiments, specific embodiments will be illustrated in the drawings and described in detail in the detailed description. However, this is not intended to limit the present invention to specific embodiments, and may be understood to include all transformations, equivalents, and substitutes included in the technical idea and scope of the present invention. In describing the present invention, if it is determined that a detailed description of related known technologies may obscure the gist of the present invention, the detailed description will be omitted.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들이 용어들에 의해 한정되는 것은 아니다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.Terms such as first, second, etc. may be used to describe various components, but the components are not limited by the terms. Terms are used only to distinguish one component from another.
본 발명에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 본 발명에서 사용한 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나 이는 당 분야에 종사하는 기술자의 의도, 판례, 또는 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.The terms used in the present invention are only used to describe specific embodiments and are not intended to limit the present invention. The terms used in the present invention are general terms that are currently widely used as much as possible while considering the function in the present invention, but this may vary depending on the intention of a person skilled in the art, precedents, or the emergence of new technology. In addition, in certain cases, there are terms arbitrarily selected by the applicant, and in this case, the meaning will be described in detail in the description of the relevant invention. Therefore, the terms used in the present invention should be defined based on the meaning of the term and the overall content of the present invention, rather than simply the name of the term.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 발명에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.Singular expressions include plural expressions unless the context clearly dictates otherwise. In the present invention, terms such as “comprise” or “have” are intended to designate the presence of features, numbers, steps, operations, components, parts, or combinations thereof described in the specification, but are not intended to indicate the presence of one or more other features. It should be understood that it does not exclude in advance the possibility of the existence or addition of elements, numbers, steps, operations, components, parts, or combinations thereof.
이하, 본 발명의 실시예들을 첨부 도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings. In the description with reference to the accompanying drawings, identical or corresponding components will be assigned the same drawing numbers and overlapping descriptions thereof will be omitted. do.
도 1은 본 발명의 일 실시예에 따른 당뇨병 관리 서비스 시스템의 구성을 나타낸 도면이다.Figure 1 is a diagram showing the configuration of a diabetes management service system according to an embodiment of the present invention.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 당뇨병 관리 서비스 시스템(10)은 사용자 단말(101), 혈당 측정기(102), 헬스 디바이스(103), 당뇨병 관리 서비스 장치(100) 및 의료 데이터 서버(200)를 포함한다. 그러나 도시된 구성요소 모두가 필수 구성요소인 것은 아니다. 도시된 구성요소보다 많은 구성요소에 의해 당뇨병 관리 서비스 시스템(10)이 구현될 수도 있고, 그보다 적은 구성요소에 의해서도 당뇨병 관리 서비스 시스템(10)이 구현될 수 있다.As shown in Figure 1, the diabetes management service system 10 according to an embodiment of the present invention includes a user terminal 101, a blood sugar meter 102, a health device 103, a diabetes management service device 100, and Includes a medical data server 200. However, not all of the illustrated components are essential components. The diabetes management service system 10 may be implemented with more components than the components shown, or the diabetes management service system 10 may be implemented with fewer components.
이하, 도 1의 당뇨병 관리 서비스 장치(100)의 각 구성요소들의 구체적인 구성 및 동작을 설명한다.Hereinafter, the specific configuration and operation of each component of the diabetes management service device 100 of FIG. 1 will be described.
혈당 측정기(102)는 사용자 몸에 부착되어 채혈 방식 또는 비침습 방식으로 사용자의 혈당을 측정한다. 다시 말해, 채혈 방식의 혈당 측정기는 혈액에 포함된 포도당을 직접 측정하는 원리이고, 비침습 방식의 혈당 측정기는 혈액이 아닌 사용자의 땀 속에 포함된 포도당을 측정하되 땀 속의 포도당 수치는 혈당과 비례하므로 땀 속의 포도당을 이용하여 혈당을 간접적으로 측정하는 원리이다.The blood sugar meter 102 is attached to the user's body and measures the user's blood sugar using a blood collection method or a non-invasive method. In other words, a blood glucose meter uses the principle of directly measuring glucose contained in blood, while a non-invasive blood glucose meter measures glucose contained in the user's sweat rather than blood, but the glucose level in sweat is proportional to blood sugar. The principle is to measure blood sugar indirectly using glucose in sweat.
혈당 측정기(102)는 비침습 방식일 경우, 신체에 붙이는 패치형 센서, 손목시계형 센서, 의류형 센서 등과 같은 웨어러블 기기의 형태로 제공될 수 있으며, 소정의 측정 개시 명령이 입력되거나 촬영 모듈의 동작이 감지되면 혈당 측정을 개시한다. 혈당 측정기(102)는 수동 방식이든 자동 방식이든 음식 섭취 시점부터 미리 정해진 시간 동안 주기적 및 연속적으로 측정할 수 있다. 혈당 측정기(102)는 수동 방식일 경우 사용자의 버튼 조작을 유도하기 위해 시작 시점, 측정 주기, 종료 시점을 특별한 알람음이나 진동 등의 수단을 제공할 수도 있다. 혈당 측정기(102)는 블루투스(Bluetooth), 와이파이(Wifi), 지그비(Zigbee) 등과 같은 근거리 무선통신을 통해 사용자 단말(101)과 연결된다.If the blood glucose meter 102 is non-invasive, it may be provided in the form of a wearable device such as a patch-type sensor attached to the body, a wristwatch-type sensor, or a clothing-type sensor. When a predetermined measurement start command is input or the operation of the imaging module is performed, the blood glucose meter 102 may be provided in the form of a wearable device. When this is detected, blood sugar measurement begins. The blood sugar meter 102 can measure blood sugar periodically and continuously for a predetermined period of time from the time of food intake, either manually or automatically. If the blood glucose meter 102 is a manual method, it may provide means such as a special alarm sound or vibration for the start time, measurement cycle, and end time to encourage the user to operate the buttons. The blood sugar meter 102 is connected to the user terminal 101 through short-distance wireless communication such as Bluetooth, Wi-Fi, or Zigbee.
헬스 디바이스(103)는 운동 정보, 앉아있는 시간, 걸음수 등의 사용자 헬스 정보를 모니터링하여 사용자 단말(101)에 전달할 수 있다. 헬스 디바이스(103)는 신체 활동 또는 운동 데이터(예를 들어, 활동 시간, 걷기, 달리기, 수영 등의 활동 유형에 따른 지속시간, 낮음, 보통, 높음 등 활동 강도 등)를 측정하여 사용자 단말(101)에 전달할 수 있다. 헬스 디바이스(103)는 심혈관 데이터, 호흡 데이터, 체온 데이터(예를 들어, 피부 온도 데이터), 수면 데이터, 스트레스 수준 데이터 등을 획득하여 사용자 단말(101)에 전달할 수 있다. The health device 103 may monitor user health information, such as exercise information, sitting time, and number of steps, and transmit it to the user terminal 101. The health device 103 measures physical activity or exercise data (e.g., activity time, duration according to activity type such as walking, running, swimming, activity intensity such as low, medium, high, etc.) by measuring the user terminal (101). ) can be passed on. The health device 103 may obtain cardiovascular data, respiration data, body temperature data (eg, skin temperature data), sleep data, stress level data, etc. and transmit them to the user terminal 101 .
이상에서는 기능적 관점에서 혈당 측정기(102)와 헬스 디바이스(103)를 구분하여 설명하였지만 헬스 디바이스(103)에 혈당 측정기(102)가 내장되거나 혈당 측정기와 헬스 디바이스(103)가 하나의 제품으로 구현될 수도 있다.In the above, the blood sugar meter 102 and the health device 103 were described separately from a functional perspective, but the blood sugar meter 102 may be built into the health device 103, or the blood sugar meter and the health device 103 may be implemented as one product. It may be possible.
사용자 단말(101)은 사용자가 먹고자 하는 음식을 촬영하고 촬영된 음식 이미지가포함된 식사 스캔 데이터, 혈당 측정기(102)로부터 수신된 혈당 측정 데이터 및 헬스 디바이스(103)로부터 수신된 사용자 상태 데이터를 당뇨병 관리 서비스 장치(100)로 전송하고, 당뇨병 관리 서비스 장치(100)로부터 수신된 혈당을 기반으로 해당 음식을 섭취할 경우의 혈당 변화 추이를 제공할 수 있다. 그리고 사용자 단말(101)은 제공된 혈당 변화 추이를 기반으로 위험 상황이 예상되면, 적절한 행동 요령을 사용자에게 가이드하기 위해 당뇨병 관리 서비스 장치(100)로부터 수신된 당뇨병 관리 가이드를 사용자 단말(101)을 통해 사용자에게 제공할 수 있다. The user terminal 101 photographs the food the user wants to eat and uses the meal scan data including the photographed food image, the blood sugar measurement data received from the blood glucose meter 102, and the user status data received from the health device 103 for diabetes. It can be transmitted to the management service device 100 and provide a blood sugar change trend when consuming the food based on the blood sugar received from the diabetes management service device 100. And when a dangerous situation is expected based on the provided blood sugar change trend, the user terminal 101 sends the diabetes management guide received from the diabetes management service device 100 through the user terminal 101 to guide the user on appropriate action tips. It can be provided to the user.
의료 데이터 서버(200)는 사용자의 의료 마이데이터를 수집하고 관리한다. 의료 데이터 서버(200)는 의료 데이터 요청에 따라 관리하고 있는 사용자의 의료 마이데이터를 당뇨병 관리 서비스 장치(100)로 전송할 수 있다. 의료 마이데이터에는 병력 또는 건강 데이터(예를 들어, 체중, 연령, 수면 패턴들, 건강 상태들, 콜레스테롤 수준들, 당뇨병 유형, 가족력, 환자 건강 이력, 진단들, 혈압 등), 사용자 개인 데이터(예를 들어, 이름, 성별, 인구통계, 소셜 네트워크 정보 등), 약물 데이터(예를 들어, 인슐린 등의 약물들의 타이밍, 투여량들) 등이 포함될 수 있다. The medical data server 200 collects and manages the user's medical my data. The medical data server 200 may transmit the managed user's medical my data to the diabetes management service device 100 according to the medical data request. Medical MyData includes medical history or health data (e.g. weight, age, sleep patterns, health conditions, cholesterol levels, type of diabetes, family history, patient health history, diagnoses, blood pressure, etc.), user personal data (e.g. For example, name, gender, demographics, social network information, etc.), medication data (e.g., timing, dosages of drugs such as insulin), etc.
당뇨병 관리 서비스 장치(100)는 사용자 단말(101)로부터 식사 스캔 데이터, 혈당 측정 데이터 및 사용자 상태 데이터를 수신하고, 수신된 식사 스캔 데이터, 혈당 측정 데이터 및 사용자 상태 데이터를 이용하여 혈당 이미지 인덱스 정보를 산출한다. 당뇨병 관리 서비스 장치(100)는 의료 데이터 서버(200)로부터 사용자 의료 데이터를 수신하고, 수신된 사용자 의료 데이터를 이용하여 사용자 건강관리 정보를 생성한다. 당뇨병 관리 서비스 장치(100)는 산출된 혈당 이미지 인덱스 정보 및 생성된 사용자 건강관리 정보를 이용하여 기학습된 혈당 예측 모델에 입력하여 혈당을 예측하고, 예측된 혈당을 기반으로 섭취 가능한 권장 섭취량을 표시하는 당뇨병 관리 가이드를 제공한다.The diabetes management service device 100 receives meal scan data, blood sugar measurement data, and user state data from the user terminal 101, and provides blood sugar image index information using the received meal scan data, blood sugar measurement data, and user state data. Calculate The diabetes management service device 100 receives user medical data from the medical data server 200 and generates user health management information using the received user medical data. The diabetes management service device 100 predicts blood sugar by inputting it into a pre-learned blood sugar prediction model using the calculated blood sugar image index information and the generated user health management information, and displays the recommended intake amount based on the predicted blood sugar. Provides diabetes management guide.
이를 위해, 당뇨병 관리 서비스 장치(100)는 사용자 단말(101)과 연동하여 사용자가 식사를 통해 음식을 먹을 때마다 사용자에 대한 혈당 변화의 추이를 학습할 수 있다. 당뇨병 관리 서비스 장치(100)는 사용자가 사용자 단말(101)을 통해 먹고자 하는 음식을 촬영하고 촬영된 식사 스캔 데이터로부터 해당 음식명을 특정한다. 그리고 당뇨병 관리 서비스 장치(100)는 사용자가 음식을 섭취한 이후의 혈당 측정 데이터를 수신하여 기록한다. 당뇨병 관리 서비스 장치(100)는 음식의 섭취 시점부터 미리 정해진 시간동안 혈당 측정 데이터를 수신하고, 음식의 섭취에 따른 사용자의 혈당 변화를 기록할 수 있다. 당뇨병 관리 서비스 장치(100)는 음식 섭취 직전에서의 혈당 측정 데이터를 수신할 수 있다. 이는 사용자의 혈당 변화 추이를 예측할 때 사용자의 혈당 변화의 기준점, 변화량 등을 예측하기 위함이다. 또한, 당뇨병 관리 서비스 장치(100)는 음식 명칭 외에도 식사 후의 식사 종료 이미지 2차 촬영에 의해 도출된 음식 섭취량을 학습할 수 있다. 즉, 당뇨병 관리 서비스 장치(100)는 특정 음식의 섭취에 따른 혈당 변화 추이에 더하여 해당 음식의 최종 섭취량에 따른 혈당 변화 추이까지 더 구체적으로 학습할 수 있다. 당뇨병 관리 서비스 장치(100)는 이러한 혈당 변화 추이를 이용하여 혈당 예측 모델을 학습시킬 수 있다. 여기서, 혈당 예측 모델은 볼츠만 머신 알고리즘 이용한 지도학습 모델, 선형회귀분석 모델, 복수 세트의 머신학습 모델, 대사모델 중에서 어느 하나의 학습모델이 될 수 있다. To this end, the diabetes management service device 100 may learn the trend of blood sugar changes for the user each time the user eats food in conjunction with the user terminal 101. The diabetes management service device 100 photographs the food the user wants to eat through the user terminal 101 and specifies the name of the food from the photographed meal scan data. And the diabetes management service device 100 receives and records blood sugar measurement data after the user consumes food. The diabetes management service device 100 may receive blood sugar measurement data for a predetermined period of time from the time of food intake and record changes in the user's blood sugar according to food intake. The diabetes management service device 100 may receive blood sugar measurement data immediately before food intake. This is to predict the reference point and amount of change in the user's blood sugar change when predicting the user's blood sugar change trend. Additionally, the diabetes management service device 100 may learn the food intake amount derived from a secondary photograph of the end-of-meal image after a meal, in addition to the food name. That is, the diabetes management service device 100 can learn in more detail the blood sugar change trend according to the final intake of the food, in addition to the blood sugar change trend according to the intake of a specific food. The diabetes management service device 100 may learn a blood sugar prediction model using this blood sugar change trend. Here, the blood sugar prediction model may be any one of a supervised learning model using the Boltzmann machine algorithm, a linear regression analysis model, a plurality of sets of machine learning models, and a metabolic model.
이후, 당뇨병 관리 서비스 장치(100)는 사용자가 촬영된 음식을 섭취할 경우를 가정하여, 그 섭취에 따른 사용자의 혈당 변화 추이를 미리 학습된 혈당 예측 모델을 통해 예측할 수 있다. 당뇨병 관리 서비스 장치(100)는 예측된 혈당 변화가 미리 설정된 사용자의 임계 범위를 넘으면 사용자에게 권장 섭취량을 표시하는 당뇨병 관리 가이드를 제공할 수 있다. 당뇨병 관리 가이드에는 해당 음식에서 특정 식자재에 대한 섭취를 제한하거나, 해당 음식의 전체 섭취량을 줄이거나, 해당 음식과 병행할 보조 음식을 섭취하거나, 식사 후 운동 수행을 제안하는 등의 가이드가 포함될 수 있다.Thereafter, the diabetes management service device 100 may assume that the user consumes the photographed food and predict the user's blood sugar change trend according to the intake through a pre-learned blood sugar prediction model. The diabetes management service device 100 may provide a diabetes management guide that displays a recommended intake amount to the user when the predicted change in blood sugar exceeds the user's preset threshold range. Diabetes management guides may include guidelines such as limiting the intake of certain ingredients in the food, reducing the overall intake of the food, consuming supplementary foods to accompany the food, or suggesting exercise after the meal. .
실시예들에 따르면, 당뇨병 관리 서비스 장치(100)는 사용자 단말(101)을 통해 당뇨병 관리를 위한 푸시 알림을 제공할 수 있다. 예를 들면, 사용자 단말(101)은 혈당 측정기(102)를 통한 혈당 측정 시간 알림(예컨대, 30분, 1시간, 2시간)을 출력할 수 있다. 또한, 사용자 단말(101)은 각 기능에 대한 푸시알람 온오프 메뉴를 제공할 수 있다. 사용자 단말(101)은 헬스 디바이스(103)와 연동하여 식후 운동 시작 제안에 대한 푸시알람을 제공할 수 있다.According to embodiments, the diabetes management service device 100 may provide a push notification for diabetes management through the user terminal 101. For example, the user terminal 101 may output a notification of the blood sugar measurement time (eg, 30 minutes, 1 hour, 2 hours) through the blood sugar meter 102. Additionally, the user terminal 101 may provide a push alarm on/off menu for each function. The user terminal 101 may provide a push alarm for a suggestion to start exercise after a meal in conjunction with the health device 103.
실시예들에 따르면, 당뇨병 관리 서비스 장치(100)는 식사 내비게이터 기능을 사용자 단말(101)과 연동하여 제공할 수 있다. 일례로, 당뇨병 관리 서비스 장치(100)는 "오늘 점심은 뭐 드시나요?", "사진으로 기록하는 것을 잊지 마세요"와 같이 사용자 단말(101)과 연동하여 식사 기록을 유도할 수 있다. 당뇨병 관리 서비스 장치(100)는 헬스 디바이스(103), 사용자 단말(101)과 연동하여 식사 시작 및 종료 시간을 측정할 수 있다. 또한, 당뇨병 관리 서비스 장치(100)는 식사 스캔 데이터를 통해 사용자가 식사하는 종류를 측정할 수 있다. 당뇨병 관리 서비스 장치(100)는 식사 스캔 데이터로부터 식사당 탄수화물, 단백질, 및 지방 영양소를 측정할 수 있다. 당뇨병 관리 서비스 장치(100)는 식사 스캔 데이터, 혈당 측정 데이터 및 사용자 상태 데이터를 이용하여 식사 시작시 일정 시간(예컨대, 2시간) 이후 예상 혈당 상승량을 제공할 수 있다. 당뇨병 관리 서비스 장치(100)는 식사 종료시 잔반이 포함된 추가 식사 스캔 데이터를 이용하여 일정 시간(예컨대, 2시간) 이후 예상 혈당 상승량을 수정하여 제공할 수 있다. 사용자 단말(101)은 사용자가 식사 시작시 음식 사진을 찍으면 추천 식사 시간(duration)을 계산하여 "건강해지기 위해 남은 시간"을 타이머로 제공할 수 있다. 사용자 단말(101)은 식사 시작시 식사 사진을 찍으면 식사 종료 후 촬영을 유도하기 위해 공간이나 카메라 버튼을 표시할 수 있다. 사용자 단말(101)은 카메라가 활성화되면 촬영 화면에서 음식이 위치한 영역을 나타내는 적어도 하나의 음식 영역을 실시간으로 표시하고, 사용자가 음식 영역이 포함된 사진을 촬영할 수 있도록 유도할 수 있다.According to embodiments, the diabetes management service device 100 may provide a meal navigator function in conjunction with the user terminal 101. For example, the diabetes management service device 100 may induce meal records by linking with the user terminal 101, such as “What are you eating for lunch today?” or “Don’t forget to record it with a photo.” The diabetes management service device 100 can measure meal start and end times in conjunction with the health device 103 and the user terminal 101. Additionally, the diabetes management service device 100 may measure the type of meal the user eats through meal scan data. The diabetes management service device 100 may measure carbohydrate, protein, and fat nutrients per meal from meal scan data. The diabetes management service device 100 may use meal scan data, blood sugar measurement data, and user status data to provide an estimated blood sugar level increase after a certain period of time (eg, 2 hours) from the start of a meal. The diabetes management service device 100 may use additional meal scan data including leftover food at the end of a meal to provide a corrected expected blood sugar increase after a certain period of time (eg, 2 hours). When the user takes a picture of food at the start of a meal, the user terminal 101 calculates a recommended meal duration and provides “time remaining to become healthy” as a timer. When a photo of a meal is taken at the start of a meal, the user terminal 101 may display a space or a camera button to encourage taking a photo after the meal is over. When the camera is activated, the user terminal 101 may display at least one food area representing the area where the food is located on the capture screen in real time and guide the user to take a photo including the food area.
실시예들에 따르면, 당뇨병 관리 서비스 장치(100)는 혈당 측정기(102)를 통해 측정된 혈당 측정 데이터를 이용하여 사용자의 혈당 측정 기록을 저장할 수 있다. 그리고 당뇨병 관리 서비스 장치(100)는 혈당 측정 데이터를 통계내어 분석 보고서를 사용자 단말(101)에 제공할 수 있다. 또한, 당뇨병 관리 서비스 장치(100)는 혈당 측정 데이터와 혈당 예측 모델을 기반으로 사용자의 당화혈색소를 예측할 수 있다. According to embodiments, the diabetes management service device 100 may store the user's blood sugar measurement record using blood sugar measurement data measured through the blood sugar meter 102. Additionally, the diabetes management service device 100 may calculate blood sugar measurement data and provide an analysis report to the user terminal 101. Additionally, the diabetes management service device 100 may predict the user's glycated hemoglobin based on blood sugar measurement data and a blood sugar prediction model.
실시예들에 따르면, 사용자가 연속 혈당 측정기를 이용해 측정하고 있어도 30분, 1시간, 또는 2시간에서의 혈당을 혈당 측정기(102)를 이용해 측정해 기록할 수 있다. According to embodiments, even if the user is measuring blood sugar using a continuous blood sugar meter, blood sugar level at 30 minutes, 1 hour, or 2 hours can be measured and recorded using the blood sugar meter 102.
실시예들에 따르면, 당뇨병 관리 서비스 장치(100)는 사용자 단말(101)과 연동하여 당뇨병 관리 서비스에 대하 전문적인 정보를 사용자에게 전달할 수 있다. According to embodiments, the diabetes management service device 100 may link with the user terminal 101 to deliver specialized information about the diabetes management service to the user.
실시예들에 따르면, 당뇨병 관리 서비스 장치(100)는 당뇨병 관리 서비스에 대한 커뮤니티와 사용자 단말(101)을 연동시켜 당뇨병 관리 서비스를 제공할 수 있다. 일례로, "혈당을 잘 조절하는 xxx님은 아침을 이렇게 구성하셨어요"와 같이, 당뇨병 관리 서비스 장치(100)는 다른 사용자의 식단 소개 블로그 등을 연결하거나, 혈당 측정 데이터와 유사한 다른 사용자의 데이터 분석 결과를 연결할 수 있다. 당뇨병 관리 서비스 장치(100)는 "혈당을 운동으로 극복하신 xxx님은 이렇게 운동을 하세요"와 같이, 다른 사용자의 운동 계획을 소개하거나, 사용자의 혈당 측정 데이터와 유사한 다른 사용자의 데이터 기반 분석 결과를 연결시킬 수 있다. According to embodiments, the diabetes management service device 100 may provide a diabetes management service by linking the user terminal 101 with a community for the diabetes management service. For example, the diabetes management service device 100 connects other users' diet introduction blogs, etc., such as "xxx, who controls blood sugar well, prepared breakfast like this," or analyzes other users' data similar to blood sugar measurement data. Results can be linked. The diabetes management service device 100 introduces other users' exercise plans, such as "xxx, who overcame blood sugar through exercise, exercise like this," or provides data-based analysis results of other users similar to the user's blood sugar measurement data. It can be connected.
실시예들에 따르면, 당뇨병 관리 서비스 장치(100)는 외부의 정기 배송 서비스와 연계하여 당뇨병 관리에 도움이 될 수 있는 표준 음식과 측정 기록이 포함된 정기 배송 서비스를 제공할 수 있다. According to embodiments, the diabetes management service device 100 may provide a regular delivery service including standard food and measurement records that may be helpful in diabetes management in connection with an external regular delivery service.
실시예들에 따르면, 당뇨병 관리 서비스 장치(100)는 헬스 디바이스(예컨대, 스마트 워치 등)와 연동하여 당뇨병 관리 서비스를 제공할 수 있다. 일례로, 사용자가 식사 시작 사진을 찍고 앉아있었으나, 식사 끝날 때 사진을 찍지 않고 일어났음을 감지한 경우, 당뇨병 관리 서비스 장치(100)는 사용자 단말(101) 또는 헬스 디바이스(103)를 통해 사진 촬영에 대한 푸시알림을 제공하거나, "식사가 끝났나요?" 또는 "식후 식사 사진을 찍어주세요"와 같이 식사후 사진 촬영을 유도할 수 있다. 여기서, 사용자의 식사가 끝난 것을 감지하는 방법은 사용자가 식사 시작에 대한 음식 사진을 찍고 한동안 앉아 있었는데, 사용자가 일정시간 이상 일어나거나, 앉아있지만 대화소리가 더 이상 들리지 않거나, 이동하거나, 운동하거나 등등 식사 종료에 대한 패턴일 수 있다. 당뇨병 관리 서비스 장치(100)는 사용자 단말(101) 또는 헬스 디바이스(103) 등과 연계하여 이러한 식사 종료 패턴을 감지하고, 식사 종료가 감지된 경우 그 때의 혈당 측정 데이터를 혈당 예측 모델에 반영하여 혈당 예측치를 수정할 수 있다. According to embodiments, the diabetes management service device 100 may provide diabetes management services in conjunction with a health device (eg, smart watch, etc.). For example, if the user sits down after taking a photo at the beginning of the meal, but detects that the user got up without taking a photo at the end of the meal, the diabetes management service device 100 takes the photo through the user terminal 101 or the health device 103. Provide push notifications for “Are you finished eating?” Or, you can encourage people to take pictures after eating, such as “Please take a picture of your meal after the meal.” Here, the way to detect the end of a user's meal is when the user takes a picture of the food at the beginning of the meal and sits for a while, but the user gets up for more than a certain period of time, sits but no longer hears conversation sounds, moves, exercises, etc. This may be a pattern for ending a meal. The diabetes management service device 100 detects this meal completion pattern in conjunction with the user terminal 101 or the health device 103, and when the meal completion is detected, the blood sugar measurement data at that time is reflected in the blood sugar prediction model to determine the blood sugar level. The forecast can be modified.
실시예들에 따르면, 당뇨병 관리 서비스 장치(100)는 의료 데이터 서버(200)로부터 사용자의 의료 마이데이터 갖고 와서 개인 특성을 혈당 예측 모델에 반영하여 혈당을 예측할 수 있다. According to embodiments, the diabetes management service device 100 may obtain the user's medical my data from the medical data server 200 and predict blood sugar by reflecting personal characteristics in a blood sugar prediction model.
실시예들에 따르면, 당뇨병 관리 서비스 장치(100)는 사용자가 N명의 다른 사용자와 같이 식사했을 때, 혈당 예상치를 섭취량의 1/N으로 하여 혈당 예측 과정에 반영할 수 있다. According to embodiments, the diabetes management service device 100 may reflect the estimated blood sugar level as 1/N of the intake when the user eats with N other users in the blood sugar prediction process.
실시예들에 따르면, 사용자 단말(101)은 연속혈당측정기(CGM, Continuous Glucose Monitoring) 또는 혈당 측정기(102)의 혈당 측정 데이터를 무선통신을 이용해 수집할 수 있다. 사용자 단말(101)은 연속혈당측정기(CGM)와 NFC 통신 또는 BLE 통신을 통해 혈당 측정 데이터를 수집할 수 있고, 혈당 측정기(102)와 LTE 통신 또는 BLE 통신을 통해 혈당 측정 데이터를 수집할 수 있다.According to embodiments, the user terminal 101 may collect blood sugar measurement data from a continuous glucose monitor (CGM) or a blood sugar meter 102 using wireless communication. The user terminal 101 can collect blood sugar measurement data through NFC communication or BLE communication with a continuous blood glucose meter (CGM), and can collect blood sugar measurement data through LTE communication or BLE communication with the blood sugar meter 102. .
실시예들에 따르면, 당뇨병 관리 서비스 장치(100)는 당뇨병 관리 서비스에 적합한 권장 섭취량이 포함된 식단을 추천할 수 있다. 예를 들면, 당뇨병 관리 서비스 장치(100)는 "오늘 아침은 너무 헤비했어요. 이번엔 쪋를 덜어내는 건 어떨까요?" 또는 "일주일동안 섭취한 탄수화물이 너무 적어요. 쪋를 얹어보는 건 어떨까요?"와 같이 예측된 혈당을 기반으로 섭취 가능한 권장 섭취량을 표시하는 당뇨병 관리 가이드를 사용자 단말(101)을 통해 제공할 수 있다. According to embodiments, the diabetes management service device 100 may recommend a diet containing a recommended intake suitable for diabetes management services. For example, the diabetes management service device 100 may say, "This morning was too heavy. How about taking off the weight this time?" Alternatively, a diabetes management guide that displays the recommended amount of carbohydrates that can be consumed based on the predicted blood sugar level, such as "The carbohydrates consumed for a week is too low. How about adding weight?" can be provided through the user terminal 101.
도 2는 본 발명의 일 실시예에 따른 당뇨병 관리 서비스의 동작을 나타낸 도면이다.Figure 2 is a diagram showing the operation of a diabetes management service according to an embodiment of the present invention.
사용자 단말(101)은 음식이 포함된 식사 장면을 스캔한 식사 스캔 데이터, 혈당 측정기(102)로부터 수신된 혈당 측정 데이터, 헬스 디바이스(103)로부터 수신된 사용자 상태 데이터를 당뇨병 관리 서비스 장치(100)로 전송한다. 식사 스캔 데이터, 혈당 측정 데이터 및 사용자 상태 데이터로부터 음식 종류, 음식량, 식사 시간 식별 정보 등이 인식될 수 있다. 식사 스캔 데이터, 혈당 측정 데이터, 사용자 상태 데이터로부터 혈당 이미지 인덱스 정보가 산출되어 당뇨병 관리 서비스 장치(100)로 전송될 수 있다.The user terminal 101 sends meal scan data, which scans a meal scene containing food, blood sugar measurement data received from the blood sugar meter 102, and user status data received from the health device 103, to the diabetes management service device 100. send to Food type, food amount, meal time identification information, etc. can be recognized from meal scan data, blood sugar measurement data, and user status data. Blood sugar image index information may be calculated from meal scan data, blood sugar measurement data, and user status data and transmitted to the diabetes management service device 100.
의료 데이터 서버(200)는 사용자의 일반 데이터와 사용자 건강 데이터가 포함된 사용자 의료 데이터 즉, 사용자 건강관리 정보를 당뇨병 관리 서비스 장치(100)로 전송할 수 있다. 사용자 의료 데이터에는 사용자 개인을 식별할 수 있는 정보, 사용자 건강을 확인할 수 있는 의료 마이데이터, 헬스 디바이스 정보가 포함될 수 있다. The medical data server 200 may transmit user medical data, that is, user health management information, including the user's general data and user health data to the diabetes management service device 100. User medical data may include information that can identify an individual user, medical my data that can confirm the user's health, and health device information.
당뇨병 관리 서비스 장치(100)는 혈당 이미지 인덱스 정보 및 사용자 건강관리 정보를 이용하여 기학습된 혈당 예측 모델에 입력하여 혈당을 예측하고, 예측된 혈당을 기반으로 섭취 가능한 권장 섭취량을 표시하는 당뇨병 관리 가이드를 사용자 단말(101)에 제공할 수 있다. The diabetes management service device 100 predicts blood sugar by inputting it into a pre-learned blood sugar prediction model using blood sugar image index information and user health management information, and displays a diabetes management guide that displays the recommended intake amount based on the predicted blood sugar. Can be provided to the user terminal 101.
사용자 단말(101)은 혈당 예측 데이터 및 당뇨병 관리 가이드를 당뇨병 관리 서비스앱을 통해 사용자에게 제공할 수 있다. The user terminal 101 can provide blood sugar prediction data and diabetes management guide to the user through the diabetes management service app.
도 3은 본 발명의 일 실시예에 따른 당뇨병 관리 서비스 방법을 나타낸 흐름도이다.Figure 3 is a flowchart showing a diabetes management service method according to an embodiment of the present invention.
단계 S101에서, 본 발명의 일 실시예에 따른 당뇨병 관리 서비스 장치(100)는 사용자 단말(101)로부터 식사 스캔 데이터, 혈당 측정 데이터 및 사용자 상태 데이터를 수신한다.In step S101, the diabetes management service device 100 according to an embodiment of the present invention receives meal scan data, blood sugar measurement data, and user status data from the user terminal 101.
단계 S102에서, 당뇨병 관리 서비스 장치(100)는 수신된 식사 스캔 데이터, 혈당 측정 데이터 및 사용자 상태 데이터를 이용하여 혈당 이미지 인덱스 정보를 산출한다.In step S102, the diabetes management service device 100 calculates blood sugar image index information using the received meal scan data, blood sugar measurement data, and user status data.
단계 S103에서, 당뇨병 관리 서비스 장치(100)는 의료 데이터 서버(200)로부터 사용자 의료 데이터를 수신한다.In step S103, the diabetes management service device 100 receives user medical data from the medical data server 200.
단계 S104에서, 당뇨병 관리 서비스 장치(100)는 수신된 사용자 의료 데이터를 이용하여 사용자 건강관리 정보를 생성한다.In step S104, the diabetes management service device 100 generates user health care information using the received user medical data.
단계 S105에서, 당뇨병 관리 서비스 장치(100)는 산출된 혈당 이미지 인덱스 정보 및 생성된 사용자 건강관리 정보를 이용하여 기학습된 혈당 예측 모델에 입력하여 혈당을 예측한다.In step S105, the diabetes management service device 100 predicts blood sugar by inputting the calculated blood sugar image index information and the generated user health management information into a pre-learned blood sugar prediction model.
단계 S106에서, 당뇨병 관리 서비스 장치(100)는 예측된 혈당을 기반으로 섭취 가능한 권장 섭취량을 표시하는 당뇨병 관리 가이드를 제공한다.In step S106, the diabetes management service device 100 provides a diabetes management guide that displays the recommended intake amount based on the predicted blood sugar level.
도 4 내지 도 6은 본 발명의 일 실시예에 따른 당뇨병 관리 서비스 동작 예시를 나타낸 도면이다.Figures 4 to 6 are diagrams showing examples of diabetes management service operations according to an embodiment of the present invention.
도 4 내지 도 6에 도시된 바와 같이, 당뇨병 관리 서비스 장치(100)는 사용자 단말(101)과 연동하여 당뇨병 관리 서비스를 제공할 수 있다. 사용자 단말(101)의 식사 스캔 데이터를 통해 사용자의 식단을 건강하게 관리할 수 있다. 당뇨병 관리 서비스 장치(100)는 기학습된 혈당 예측 모델을 통해 혈당을 예측하고 예측된 혈당을 통해 권장 섭취량만큼 섭취하도록 유도함으로써, 사용자가 당뇨병을 걸리지 않게 하거나 당뇨병을 관리하도록 당뇨병 관리 가이드를 제공할 수 있다. 추가로, 당뇨병 관리 서비스 장치(100)는 개인화된 영양소 정보를 분석함으로써, 식후 혈당 수치를 보다 정확하게 예측해 적정량의 권장 음식량을 제공할 수 있다.As shown in FIGS. 4 to 6, the diabetes management service device 100 may provide diabetes management services in conjunction with the user terminal 101. The user's diet can be managed healthily through the meal scan data of the user terminal 101. The diabetes management service device 100 predicts blood sugar through a pre-learned blood sugar prediction model and guides the user to consume the recommended amount of intake through the predicted blood sugar, thereby providing a diabetes management guide to prevent the user from developing diabetes or manage diabetes. You can. Additionally, the diabetes management service device 100 can analyze personalized nutrient information to more accurately predict postprandial blood sugar levels and provide an appropriate recommended amount of food.
도 4에 도시된 바와 같이, 사용자 단말(101)은 당뇨병 관리 서비스를 위해 식사 스캔 동작을 수행한다. 사용자가 사용자 단말(101)을 통해 카메라를 실행하면, 사용자 단말(101)은 촬영 화면에서 음식을 검출하고 검출된 음식 영역을 촬영 화면에 실시간으로 표시한다. 그리고 사용자가 카메라를 통해 음식 사진을 촬영하면, 사용자 단말(101)은 촬영된 사진에서 음식 영역을 잘라낸다. 사용자가 잘라낸 음식 영역에서 섭취 음식 선택하면, 사용자 단말(101)은 선택된 음식을 식단 기록으로 저장하고 이를 당뇨병 관리 서비스 장치(100)에 전송할 수 있다.As shown in FIG. 4, the user terminal 101 performs a meal scan operation for diabetes management service. When the user runs the camera through the user terminal 101, the user terminal 101 detects food on the capture screen and displays the detected food area on the capture screen in real time. And when a user takes a picture of food using a camera, the user terminal 101 cuts out the food area in the taken picture. When the user selects a food to consume from the cut food area, the user terminal 101 may save the selected food as a diet record and transmit it to the diabetes management service device 100.
도 5에 도시된 바와 같이, 당뇨병 관리 서비스 장치(100)는 식사 스캔 데이터로부터 촬영 사진에 섭취하고자 하는 음식이 있다면, 혈당 예측 모델을 통해 혈당을 예측할 수 있다. 당뇨병 관리 서비스 장치(100)는 사용자가 식사하는 경우 사용자의 혈당이 증가할 수 있는 혈당 예측 그래프를 사용자 단말(101)을 통해 제공할 수 있다. 이때, 당뇨병 관리 서비스 장치(100)는 사용자의 현재 혈당 예측 그래프와 기학습된 정상 사용자의 혈당 예측 그래프를 비교하여 제공할 수 있다. 예를 들면, 당뇨병 관리 서비스 장치(100)는 사용자에게 정상 사용자보다 40mg/dl 의 평균만큼 높아질 수 있다는 혈당 예측 그래프를 제공할 수 있다. 이때, 사용자 단말(101)은 사용자에게 사진 촬영을 다시하거나 당뇨병 관리 서비스를 위한 식단 추천을 제공할 수 있다.As shown in FIG. 5, the diabetes management service device 100 can predict blood sugar through a blood sugar prediction model if there is food to be consumed in the photograph taken from meal scan data. The diabetes management service device 100 may provide, through the user terminal 101, a blood sugar prediction graph in which the user's blood sugar level may increase when the user eats a meal. At this time, the diabetes management service device 100 may provide a comparison between the user's current blood sugar prediction graph and the previously learned normal user's blood sugar prediction graph. For example, the diabetes management service device 100 may provide the user with a blood sugar prediction graph showing that the blood sugar level may be higher by an average of 40 mg/dl than that of a normal user. At this time, the user terminal 101 may take a photo again for the user or provide a diet recommendation for a diabetes management service.
도 6에 도시된 바와 같이, 당뇨병 관리 서비스 장치(100)는 예측된 혈당을 기반으로 섭취 가능한 권장 섭취량을 표시하는 당뇨병 관리 가이드를 제공한다. 예를 들면, 당뇨병 관리 서비스 장치(100)는 촬영된 음식 사진에서 권장 섭취량(예컨대, 파스타 187g이고 칼로리 257kcal)을 표시하고 권장 섭취량을 제외한 나머지 음식을 섭취 제한량으로 표시하는 당뇨병 관리 서비스를 사용자 단말(101)에 제공할 수 있다. 사용자 단말(101)은 당뇨병 관리 서비스 장치(100)로부터 수신된 당뇨병 관리 가이드를 촬영 화면 또는 음식 사진에 표시할 수 있다. As shown in FIG. 6, the diabetes management service device 100 provides a diabetes management guide that displays the recommended intake amount based on predicted blood sugar level. For example, the diabetes management service device 100 displays the recommended intake amount (e.g., 187 g of pasta and 257 kcal calories) in the photographed food photo and displays the remaining food excluding the recommended intake amount as the intake limit through the user terminal. It can be provided at (101). The user terminal 101 may display the diabetes management guide received from the diabetes management service device 100 on a capture screen or a photo of food.
당뇨병 관리 가이드와 관련하여, 당뇨병 관리 서비스 장치(100)는 식사 스캔 데이터에서 사용자가 섭취하려는 권장 탄수화물 섭취량을 제공할 수 있다. 일례로, 당뇨병 관리 서비스 장치(100)는 밥 공기에 밥이 얼마나 들어있는지를 식사 스캔 데이터로부터 인식하고, 권장 섭취량에 적합한 밥의 양을 제외하고 얼마의 밥 양을 덜어내야 하는지를 사용자에게 가이드하는 당뇨병 관리 가이드를 사용자 단말(101)을 통헤 제공할 수 있다. 이때, 당뇨병 관리 서비스 장치(100)는 밥 공기내 부피를 기준점을 잡아 밥의 양을 유추할 수 있다. 또한, 당뇨병 관리 서비스 장치(100)는 개인 섭취 이력에 따라서 밥의 양을 조정하여 당뇨병 관리 가이드를 제공할 수 있다. In relation to the diabetes management guide, the diabetes management service device 100 may provide the recommended carbohydrate intake for the user to consume from meal scan data. For example, the diabetes management service device 100 recognizes how much rice is in the rice bowl from meal scan data and guides the user on how much rice to eat excluding the amount appropriate for the recommended intake. A management guide can be provided through the user terminal 101. At this time, the diabetes management service device 100 can infer the amount of rice by using the volume in the rice air as a reference point. Additionally, the diabetes management service device 100 may provide a diabetes management guide by adjusting the amount of rice according to the individual's intake history.
실시예들에 따르면, 학교, 병원 등 레시피가 이미 정해진 곳을 타겟으로 하여 밥 종류 등이 특정되어 있다. 이렇게 메뉴가 특정할 수 있는 상황인 학교, 병원등 레시피가 이미 정해져 있고 음식 종류 이미지화 되어 있다. 따라서, 당뇨병 관리 서비스 장치(100)는 식판에서 약간의 밥을 덜어낼지를 사용자의 전반적인 데이터를 고려하여 혈당 예측치와 당뇨병 관리 가이드를 제공할 수 있다.According to embodiments, the type of rice, etc. is specified by targeting places where recipes have already been determined, such as schools and hospitals. In situations where menus can be specified in this way, such as schools and hospitals, recipes are already set and food types are imaged. Accordingly, the diabetes management service device 100 may provide a blood sugar prediction value and a diabetes management guide by considering the user's overall data on whether to take a little rice from the plate.
실시예들에 따르면, 급식소는 일반적인 중학생 아이가 점심으로 밥 양을 이만큼 먹는다는 정보를 수집하고 있다. 당뇨병 관리 서비스 장치(100)는 이러한 급식소에서 수집한 급식소 정보를 사용자 단말(101)과 연계하여, 비슷한 나이대, 성별의 경우 여름에 점심에는 밥 양을 섭취하는 당뇨병 관리 가이드를 제공할 수 있다. According to embodiments, the cafeteria collects information that a typical middle school child eats this much rice for lunch. The diabetes management service device 100 may link the cafeteria information collected from these cafeterias with the user terminal 101 to provide a diabetes management guide for consuming the same amount of rice for lunch in the summer for people of similar age and gender.
실시예들에 따르면, 당뇨병 관리 서비스 장치(100)는 밥 공기의 종류를 이미지의 유사성으로 판단하고, 밥 공기내 부피를 참조 객체나 복수의 사진을 이용한 삼각측량 등을 이용해 판단하여 밥 양을 추론할 수 있다. 당뇨병 관리 서비스 장치(100)는 사용자의 섭취량을 판단하거나, 음식 사진에서 촬영된 밥 이미지를 통해 밥 량과 얼마의 밥을 덜어내야하는지를 시각적으로 제공할 수 있다. 또한, 밥뿐만 아니라, 탄수화물 영양소와 관련된 특정 음식에 대한 섭취량을 기록하기 위하여, 사용자가 특정 음식(예컨대, 밥, 면, 국수, 초콜릿, 콜라, 등등)을 지정할 수 있도록 한다.According to embodiments, the diabetes management service device 100 determines the type of rice bowl based on the similarity of images and determines the volume of the rice bowl using triangulation using a reference object or a plurality of photos to infer the amount of rice. can do. The diabetes management service device 100 may determine the user's intake amount or visually provide the amount of rice and how much rice should be consumed through rice images taken from food photos. Additionally, in order to record the intake of not only rice but also specific foods related to carbohydrate nutrients, the user can specify specific foods (e.g., rice, noodles, noodles, chocolate, cola, etc.).
실시예들에 따르면, 전술한 밥 공기의 부피 판단은 1회로 끝나는 것이 아니고, 다른 식당에 가거나 공기가 바뀌어 밥공기의 부피가 달라질 수 있다. 사용자 단말(101)은 밥 공기에 대한 초기화를 다시 할수도 있고, 또는 이전 섭취한 밥량 대비 얼마정도 커졌거나 작아졌는지 사용자에게 문의할 수 있다. 일례로, 사용자 단말(101)은 이전 섭취한 밥량 대비 10% 늘었다거나 10% 줄었다고 사용자가 입력하거나, 정확하지는 않지만 사용자는 그것을 감안해서 사용자 본인이 작동시킨 것이니 그만큼 정확도가 떨어진다는 것을 이해할수 있고 만약에 정확한 측정을 위해서는 "다시 초기화 작업을 실시하세요"라고할 수 있다. According to embodiments, the above-described determination of the volume of the rice bowl does not occur once, and the volume of the rice bowl may change when the user goes to a different restaurant or changes the atmosphere. The user terminal 101 may reset the rice volume again, or inquire from the user how much it has grown or decreased compared to the amount of rice consumed previously. For example, the user terminal 101 can understand that the user inputs that the amount of rice consumed has increased by 10% or decreased by 10% compared to the previous amount, or that although it is not accurate, the user has operated it by taking that into account, so the accuracy is low. If you want to measure accurately, you can say, “Perform initialization again.”
실시예들에 따르면, 당뇨병 관리 서비스 장치(100)는 급식소에서 수집한 급식소 정보를 기반으로 비슷한 카테고리의 사용자(예컨대, 나이대, 성별, 계절, 식단 패턴 등)의 정보를 검색하여(도플갱어 검색), 유사 카테고리 사용자에게 적절한 혈당을 예측하여 혈당 예측치를 제공하거나, 유사 카테고리 사용자에 맞는 당뇨병 관리 가이드를 제공할 수 있다. 당뇨병 관리 서비스 장치(100)는 특정 사용자와 도플갱어 사용자(예컨대, 음식 취향 비슷하거나 당뇨 증상 비슷한 다른 사용자 등)의 음식 섭취 관련 데이터를 해당 특정 사용자의 건강 관리나 당뇨 관리에 효과적으로 활용가능 적어도 하나의 혈당 예측 인자를 분석하고, 분석된 적어도 하나의 혈당 예측 인자를 혈당 예측 모델에 반영하여 특정 사용자에 대한 건강 관리나 당뇨 관리를 위한 당뇨병 관리 가이드를 제공할 수 있다.According to embodiments, the diabetes management service device 100 searches for information on users of similar categories (e.g., age group, gender, season, diet pattern, etc.) based on cafeteria information collected from the cafeteria (doppelganger search). , it is possible to predict appropriate blood sugar levels for users in similar categories and provide blood sugar predictions, or provide diabetes management guides tailored to users in similar categories. The diabetes management service device 100 can effectively utilize food intake-related data of a specific user and a doppelganger user (e.g., another user with similar food tastes or similar diabetes symptoms, etc.) for health management or diabetes management of the specific user. Blood sugar prediction factors can be analyzed, and at least one analyzed blood sugar prediction factor can be reflected in a blood sugar prediction model to provide a diabetes management guide for health management or diabetes management for a specific user.
실시예들에 따르면, 급식소는 배식 초기에 음식이 부족함을 우려하여 적게 배식하고, 배식 후기에는 잔식을 줄이기 위해 많이 배식하게 된다. 하지만, 배식 내 사용자들이 균일하게 음식을 섭취한다고 가정하면, 배식 후기에는 잔반이 많아져 음식 쓰레기가 많이 발생할 수 있다. 음식물 쓰레기통의 중량을 연속적으로 취득하면 이에 대한 통계 데이터가 누적되고, 이를 일정 기간(예를들어, 한달 간) 취득하면 배식 패턴을 추출할 수 있다. 당뇨병 관리 서비스 장치(100)는 이러한 배식 시간에 따른 배식 패턴과 음식 종류와 매칭하여 급식소에서 배식 시간에 따른 적정 배식량에 대한 관리 기준(예컨대, 이미지 또는 중량으로) 제공할 수 있다. According to embodiments, cafeterias serve small amounts of food at the beginning of the meal out of concern for food shortage, and serve more at the end of the meal to reduce leftovers. However, assuming that users within the distribution consume food uniformly, there may be a lot of leftover food in the later stages of the distribution, resulting in a lot of food waste. If the weight of the food waste bin is continuously acquired, statistical data on this is accumulated, and if this is acquired over a certain period of time (for example, a month), the distribution pattern can be extracted. The diabetes management service device 100 may match the food distribution pattern and food type according to the distribution time and provide management standards (for example, in the form of an image or weight) for the appropriate amount of food according to the distribution time at the cafeteria.
도 7은 본 발명의 일 실시예에 따른 당뇨병 관리 서비스 장치의 구성도이다.Figure 7 is a configuration diagram of a diabetes management service device according to an embodiment of the present invention.
도 7에 도시된 바와 같이, 본 발명의 일 실시예에 따른 당뇨병 관리 서비스 장치(100)는 통신 모듈(110), 데이터베이스(120), 메모리(130) 및 프로세서(140)를 포함한다. 그러나 도시된 구성요소 모두가 필수 구성요소인 것은 아니다. 도시된 구성요소보다 많은 구성요소에 의해 당뇨병 관리 서비스 장치(100)가 구현될 수도 있고, 그보다 적은 구성요소에 의해서도 당뇨병 관리 서비스 장치(100)가 구현될 수 있다.As shown in FIG. 7, the diabetes management service device 100 according to an embodiment of the present invention includes a communication module 110, a database 120, a memory 130, and a processor 140. However, not all of the illustrated components are essential components. The diabetes management service device 100 may be implemented with more components than the illustrated components, or the diabetes management service device 100 may be implemented with fewer components.
이하, 도 7의 당뇨병 관리 서비스 장치(100)의 각 구성요소들의 구체적인 구성 및 동작을 설명한다.Hereinafter, the specific configuration and operation of each component of the diabetes management service device 100 of FIG. 7 will be described.
통신 모듈(110)은 사용자 단말(101) 및 의료 데이터 서버(200)와 통신한다.The communication module 110 communicates with the user terminal 101 and the medical data server 200.
데이터베이스(120)는 당뇨병 관리 서비스와 관련된 데이터 또는 당뇨병 관리 서비스를 위한 혈당 예측 모델을 저장한다.The database 120 stores data related to diabetes management services or a blood sugar prediction model for diabetes management services.
메모리(130)는 당뇨병 관리 서비스와 관련된 하나 이상의 프로그램을 저장한다. Memory 130 stores one or more programs related to diabetes management services.
프로세서(140)는 메모리(130)에 저장된 당뇨병 관리 서비스와 관련된 하나 이상의 프로그램을 실행한다. 프로세서(140)는 통신 모듈(110)을 통해 사용자 단말(101)로부터 식사 스캔 데이터, 혈당 측정 데이터 및 사용자 상태 데이터를 수신한다. 프로세서(140)는 수신된 식사 스캔 데이터, 혈당 측정 데이터 및 사용자 상태 데이터를 이용하여 혈당 이미지 인덱스 정보를 산출한다. 프로세서(140)는 통신 모듈(110)을 통해 의료 데이터 서버(200)로부터 사용자 의료 데이터를 수신한다. 프로세서(140)는 수신된 사용자 의료 데이터를 이용하여 사용자 건강관리 정보를 생성한다. 프로세서(140)는 산출된 혈당 이미지 인덱스 정보 및 생성된 사용자 건강관리 정보를 이용하여 기학습된 혈당 예측 모델에 입력하여 혈당을 예측하고, 예측된 혈당을 기반으로 섭취 가능한 권장 섭취량을 표시하는 당뇨병 관리 가이드를 사용자 단말(101)에 제공한다. Processor 140 executes one or more programs related to diabetes management services stored in memory 130. The processor 140 receives meal scan data, blood sugar measurement data, and user status data from the user terminal 101 through the communication module 110. The processor 140 calculates blood sugar image index information using the received meal scan data, blood sugar measurement data, and user state data. The processor 140 receives user medical data from the medical data server 200 through the communication module 110. The processor 140 generates user health care information using the received user medical data. The processor 140 predicts blood sugar by inputting it into a pre-learned blood sugar prediction model using the calculated blood sugar image index information and generated user health management information, and displays the recommended intake amount based on the predicted blood sugar for diabetes management. A guide is provided to the user terminal 101.
실시예들에 따르면, 당뇨병 관리 서비스 장치(100)는 식사 스캔 데이터를 이용하여 식사전 음식량 및 식사후 잔반량을 이용하여 특정 시간(예컨대, 2시간) 이후 예상 혈당 상승량을 보정 예측할 수 있다. According to embodiments, the diabetes management service device 100 may use meal scan data to correct and predict the expected blood sugar rise after a specific time (eg, 2 hours) using the amount of food before the meal and the amount of leftover food after the meal.
실시예들에 따르면, 당뇨병 관리 서비스 장치(100)는 식사전 음식 이미지 촬영한 후, 식사 종료(예컨대, 식사후 자리에서 일어남 등)를 헬스 디바이스(103)와의 연동을 통해 감지하여 식사후 촬영 알리거나, 운동 상태를 감지하여 혈당 모델에 반영하여 혈당 예측치를 수정할 수 있다.According to embodiments, the diabetes management service device 100 captures an image of food before a meal, then detects the end of the meal (for example, getting up from the seat after a meal, etc.) through linkage with the health device 103 and notifies the image of the food after the meal. Alternatively, the exercise state can be detected and reflected in the blood sugar model to modify the blood sugar prediction value.
실시예들에 따르면, 당뇨병 관리 서비스 장치(100)는 혈당 예측 모델에 입력되는 데이터 중에서 식후 혈당 예측에 가장 관련성이 높은 특정 데이터를 가중치 순서대로 반영하여 학습하고, 혈당 예측 모델을 학습시켜 더욱 정확한 식후 혈당을 예측할 수 있다. According to embodiments, the diabetes management service device 100 learns by reflecting specific data most relevant to postprandial blood sugar prediction among the data input to the blood sugar prediction model in order of weight, and learns the blood sugar prediction model to provide more accurate postprandial blood sugar prediction. Blood sugar levels can be predicted.
실시예들에 따르면, 당뇨병 관리 서비스 장치(100)는 일반적인 사용자에 맞는 범용 혈당 모델을 이용하여 특정 개인의 식사 등의 식사 로그 데이터에 부합하는 개인 맞춤형 혈당 모델을 생성하고, 개인 맞춤형 혈당 모델을 이용하여 식후 혈당을 예측할 수 있다. 그리고 당뇨병 관리 서비스 장치(100)는 특정 개인들의 식후 예측 후의 피드백을 수집하여 범용 혈당 모델을 보정하여 업데이트할 수 있다. According to embodiments, the diabetes management service device 100 uses a general-purpose blood sugar model suitable for general users to create a personalized blood sugar model that matches meal log data such as meals of a specific individual, and uses the personalized blood sugar model. This allows you to predict postprandial blood sugar levels. Additionally, the diabetes management service device 100 may collect feedback from postprandial predictions of specific individuals to calibrate and update the general blood sugar model.
실시예들에 따르면, 당뇨병 관리 서비스 장치(100)는 식후 혈당 예측뿐만 아니라, 당뇨병 전단계 구간의 진입 여부, 진입까지의 기간, 진입 이후 진출까지의 기간, 또는 진출 여부 중에서 어느 하나를 기 학습된 혈당 모델을 이용하여 식후 혈당을 예측할 수 있다. 또는, 당뇨병 관리 서비스 장치(100)는 기 학습된 혈당 모델과는 다른 새로운 당뇨병 전단계 모델을 학습하여 당뇨병 전단계를 예측할 수 있다.According to embodiments, the diabetes management service device 100 not only predicts postprandial blood sugar levels, but also determines whether or not to enter the pre-diabetes stage, the period until entry, the period from entry to entry, or whether or not to enter the previously learned blood sugar level. The model can be used to predict postprandial blood sugar levels. Alternatively, the diabetes management service device 100 may predict pre-diabetes by learning a new pre-diabetes model that is different from the previously learned blood sugar model.
도 8은 본 발명의 다른 실시예에 따른 당뇨병 관리 서비스 장치의 동작을 나타낸 도면이다.Figure 8 is a diagram showing the operation of a diabetes management service device according to another embodiment of the present invention.
당뇨병 관리 서비스 장치(100)는 통신 모듈(110), 데이터베이스(120), 하나 이상의 프로그램을 저장하는 메모리(130), 및 메모리에 저장된 하나 이상의 프로그램을 실행하는 프로세서(140)를 포함한다.The diabetes management service device 100 includes a communication module 110, a database 120, a memory 130 that stores one or more programs, and a processor 140 that executes one or more programs stored in the memory.
프로세서(140)는 사용자의 식사 데이터 및 혈당 측정 데이터를 수신하고, 수신된 식사 데이터 및 혈당 측정 데이터 중에서 적어도 하나를 이용하여 식사 이벤트를 식별하고, 수신된 식사 데이터로부터 적어도 하나의 음식을 식별하여 식별된 식사 이벤트로 통합하고, 통합된 식사 이벤트와 대응되는 혈당 측정 데이터를 식사 이벤트별 혈당 측정 데이터로 맵핑하고, 맵핑된 식사 이벤트별 혈당 측정 데이터와 기학습된 혈당 예측 모델을 이용하여 사용자의 혈당 수준을 산출하고 혈당 변화를 예측하고, 산출된 혈당 수준 및 예측된 혈당 변화를 출력한다.The processor 140 receives the user's meal data and blood sugar measurement data, identifies a meal event using at least one of the received meal data and blood sugar measurement data, and identifies at least one food from the received meal data. Integrate the blood sugar measurement data corresponding to the integrated meal event into blood sugar measurement data for each meal event, and use the mapped blood sugar measurement data for each meal event and a pre-learned blood sugar prediction model to level the user's blood sugar level. Calculates and predicts blood sugar changes, and outputs the calculated blood sugar level and predicted blood sugar changes.
실시예들에 따르면, 식사 데이터는 사용자의 식사와 관련된 이미지, 텍스트 및 메타 데이터 중에서 적어도 하나를 포함할 수 있다.According to embodiments, meal data may include at least one of an image, text, and metadata related to the user's meal.
실시예들에 따르면, 프로세서(140)는 수신된 식사 데이터로부터 음식별로 구분된 적어도 하나의 키값을 추출하고, 추출된 적어도 하나의 키값을 이용하여 적어도 하나의 음식을 식별할 수 있다.According to embodiments, the processor 140 may extract at least one key value classified by food from the received meal data and identify at least one food using the at least one extracted key value.
실시예들에 따르면, 프로세서(140)는 이미지가 포함된 식사 데이터가 수신되는 경우, 텍스트가 포함된 식사 데이터가 수신되는 경우 및 사용자의 혈당 수치가 기설정된 혈당 수치 값을 초과하는 경우 중에서 적어도 하나의 경우를 식사 이벤트의 시작 시점으로 설정할 수 있다.According to embodiments, the processor 140 may perform at least one of the following: when meal data including an image is received, when meal data including text is received, and when the user's blood sugar level exceeds a preset blood sugar level value. The case can be set as the start point of the meal event.
실시예들에 따르면, 프로세서(140)는 식별된 식사 이벤트에 대해 식사 이벤트의 평균 혈당 값을 이용하여 혈당 반응을 평가하기 위한 평가 지표를 계산하고, 계산된 평가 지표를 통해 각 식사 이벤트에 대한 혈당 반응을 평가할 수 있다.According to embodiments, the processor 140 calculates an evaluation index for evaluating the glycemic response for the identified meal event using the average blood sugar value of the meal event, and calculates the blood sugar response for each meal event through the calculated evaluation index. Responses can be evaluated.
실시예들에 따르면, 프로세서(140)는 맵핑된 식사 이벤트별 혈당 측정 데이터를 사용자별 혈당 수준을 고려하여 정규화하고, 정규화된 식사 이벤트별 혈당 측정 데이터를 통해 사용자 그룹의 혈당 반응을 표준화된 방식으로 비교할 수 있다.According to embodiments, the processor 140 normalizes the mapped blood sugar measurement data for each meal event by considering the blood sugar level for each user, and normalizes the blood sugar response of the user group in a standardized manner through the normalized blood sugar measurement data for each meal event. You can compare.
실시예들에 따르면, 프로세서(140)는 추출된 적어도 하나의 키값을 이용하여 사용자에게 테마별로 개인화된 식사, 식사 순서 및 식사 속도 중에서 적어도 하나를 추천할 수 있다.According to embodiments, the processor 140 may recommend at least one of a personalized meal, meal order, and meal speed for each theme to the user using at least one extracted key value.
실시예들에 따르면, 프로세서(140)는 추출된 적어도 하나의 키값을 이용하여 식사 추천에 적합하지 않은 요소를 예외 사항으로 처리하고, 예외 사항을 제외시켜 식사를 추천할 수 있다.According to embodiments, the processor 140 may use at least one extracted key value to process elements that are not suitable for meal recommendation as exceptions and recommend a meal by excluding the exceptions.
실시예들에 따르면, 프로세서(140)는 개인 정보, 건강검진 데이터 및 공공기관 데이터 중에서 적어도 하나가 포함된 외부 데이터를 이용하여 사용자와 기설정된 유사도 이상을 가진 다른 사용자들의 코호트를 생성하고, 생성된 코호트의 혈당 반응 데이터를 분석하여 사용자에게 맞춤형 혈당 관리 권장사항을 제공할 수 있다.According to embodiments, the processor 140 uses external data including at least one of personal information, health checkup data, and public institution data to create a cohort of other users with a preset similarity or more to the user, and generates the generated cohort of other users. By analyzing the blood sugar response data of the cohort, customized blood sugar management recommendations can be provided to users.
한편, 본 발명의 다른 실시예에 따른 당뇨병 관리 서비스 장치(100)는 사용자가 섭취하는 다양한 음식을 분류하고 각 식사에 대응하는 혈당 데이터를 맵핑할 수 있다. 이러한 맵핑 과정은 개별 음식들이 어떻게 조합되어 혈당에 영향을 미치는지 파악하는 데 중요하다. 사용자가 섭취한 여러 음식들이 소화 과정을 거쳐 혈당 수치에 영향을 미친다. 그러므로, 당뇨병 관리 서비스 장치(100)는 각 식사의 이미지, 텍스트, 또는 다른 기타 메타 데이터를 이용하여 정확한 음식을 분류하고, 분류된 음식을 식사 이벤트로 통합하고, 통합된 식사 이벤트를 혈당 변화와 연결할 수 있다. 당뇨병 관리 서비스 장치(100)는 단순히 식사 데이터를 기록하는 것을 넘어, 음식과 혈당 간의 상호작용을 이해하고 예측하는 데 기여할 수 있다. Meanwhile, the diabetes management service device 100 according to another embodiment of the present invention can classify various foods consumed by the user and map blood sugar data corresponding to each meal. This mapping process is important in understanding how individual foods combine to affect blood sugar. Various foods consumed by the user affect blood sugar levels through the digestion process. Therefore, the diabetes management service device 100 uses the image, text, or other metadata of each meal to accurately classify foods, integrate the classified foods into meal events, and associate the integrated meal events with blood sugar changes. You can. The diabetes management service device 100 goes beyond simply recording meal data and can contribute to understanding and predicting the interaction between food and blood sugar.
여기서, 당뇨병 관리 서비스 장치(100)는 사용자 단말에 구현되거나 사용자 단말과 통신하는 당뇨병 관리 서버로 구현될 수 있다. Here, the diabetes management service device 100 may be implemented in a user terminal or as a diabetes management server that communicates with the user terminal.
사용자 인터페이스를 살펴보면, 사용자는 모바일 앱을 통해 자신의 식사 사진을 업로드한다. 이는 앱의 카메라 기능을 통해 이루어질 수 있다. 또한, 사용자는 추가 텍스트 또는 텍스트만을 입력할 수 있다.Looking at the user interface, users upload photos of their meals through a mobile app. This can be achieved through the app's camera function. Additionally, the user can enter additional text or just text.
당뇨병 관리 서비스 장치(100)는 AI 이미지 분석을 통해 업로드된 식사 이미지 또는 텍스트를 음식을 식별하고, 각 음식의 특성(예: 색상, 형태)에 기반한 분류를 수행할 수 있다.The diabetes management service device 100 can identify food from uploaded meal images or text through AI image analysis and perform classification based on the characteristics (e.g., color, shape) of each food.
당뇨병 관리 서비스 장치(100)는 식사 데이터를 처리하기 위해, AI에 의해 분류된 음식 정보를 식사 데이터베이스와 연동하고, 각 식사 이벤트에 대한 영양 정보와 가능한 혈당 반응을 연결할 수 있다.In order to process meal data, the diabetes management service device 100 may link food information classified by AI with a meal database and connect nutritional information for each meal event with possible blood sugar response.
당뇨병 관리 서비스 장치(100)는 CGM 데이터를 통합하기 위해, 사용자의 연속혈당측정기(CGM) 데이터를 실시간으로 앱에 수신하고, 사용자의 혈당 수준과 변화를 추적할 수 있다.In order to integrate the CGM data, the diabetes management service device 100 can receive the user's continuous glucose monitor (CGM) data in real time to the app and track the user's blood sugar level and changes.
당뇨병 관리 서비스 장치(100)는 분석 및 예측을 위해, CGM 데이터와 AI에 의해 분류된 식사 데이터를 결합하고, 사용자의 현재 혈당 수준과 식사로 인해 예상되는 혈당 변화를 예측할 수 있다.The diabetes management service device 100 can combine CGM data and meal data classified by AI for analysis and prediction, and predict the user's current blood sugar level and expected blood sugar change due to the meal.
당뇨병 관리 서비스 장치(100)는 사용자에게 모든 정보를 제공하기 위해, 상기 모든 정보를 사용자가 앱을 통해 식사 후 예상되는 혈당 변화를 확인할 수 있도록 시각적으로 제공할 수 있다. 이는 사용자가 자신의 혈당 관리에 대한 즉각적인 결정을 내리는 데 도움을 줄 수 있다.In order to provide all information to the user, the diabetes management service device 100 may visually provide all of the above information so that the user can check the expected blood sugar change after a meal through the app. This can help users make immediate decisions about managing their blood sugar.
당뇨병 관리 서비스 장치(100)는 기록 및 추적을 위해, 모바일 앱을 통해 모든 데이터를 기록하고, 사용자의 식사 이력과 혈당 변화 추이를 추적하여, 장기적인 건강 관리와 분석에 사용할 수 있다.The diabetes management service device 100 records all data through a mobile app for recording and tracking, tracks the user's meal history and blood sugar change trends, and can be used for long-term health management and analysis.
당뇨병 관리 서비스 장치(100)는 식사 추천을 위해, 누적된 개인별 식사 데이터와 혈당 반응, 그 외 특징들에 기반한 개인화된 식사 추천 서비스를 제공할 수 있.The diabetes management service device 100 may provide a personalized meal recommendation service based on accumulated individual meal data, blood sugar response, and other characteristics.
당뇨병 관리 서비스 장치(100)는 개인 메모 및 메타 데이터 기록을 위해, 사용자가 각 식사에 대한 혈당 반응과 함께 개인적인 메모를 남길 수 있도록 지원할 수 있다. 이 메모에는 식사에 대한 느낌, 맛 평가, 그리고 식사 상황에 대한 추가 정보 등이 포함될 수 있다. 이 메모 데이터는 사용자의 개인적인 경험을 기록하는 데 사용될 수 있다.The diabetes management service device 100 may support a user to leave a personal note along with the blood sugar response to each meal for personal note and metadata recording. These notes may include how you felt about the meal, your taste rating, and additional information about the eating situation. This memo data can be used to record the user's personal experience.
당뇨병 관리 서비스 장치(100)는 커뮤니티 공유를 위해, 사용자가 자신의 식사 기록과 관련 메타 데이터를 앱 내 커뮤니티와 공유할 수 있다. 이를 통해 사용자 간의 상호작용이 증진되며, 건강한 식습관 형성에 대한 동기 부여 및 지원이 이루어질 수 있다.The diabetes management service device 100 allows users to share their meal records and related metadata with the community within the app for community sharing. This increases interaction between users and provides motivation and support for forming healthy eating habits.
당뇨병 관리 서비스 장치(100)는 행동 기반 보상을 위해, 사용자의 건강 관리 행동을 장려하기 위해 보상 시스템을 포함할 수 있다. 예를 들어, 당뇨병 관리 서비스 장치(100)는 CGM 데이터를 꾸준히 업로드하고, 식사 기록을 정기적으로 남기는 사용자에게는 인센티브가 제공할 수 있다. 이는 사용자가 자신의 건강 데이터를 지속적으로 관리하도록 동기를 부여할 수 있다.The diabetes management service device 100 may include a reward system to encourage the user's health care behavior for behavior-based rewards. For example, the diabetes management service device 100 may continuously upload CGM data and provide incentives to users who regularly leave meal records. This can motivate users to continuously manage their health data.
도 9는 본 발명의 다른 실시예에 따른 당뇨병 관리 서비스 방법에 대한 흐름도이다.Figure 9 is a flowchart of a diabetes management service method according to another embodiment of the present invention.
단계 S201에서, 당뇨병 관리 서비스 장치는 사용자의 식사 데이터 및 혈당 측정 데이터를 수신한다.In step S201, the diabetes management service device receives the user's meal data and blood sugar measurement data.
단계 S202에서, 당뇨병 관리 서비스 장치는 수신된 식사 데이터 및 혈당 측정 데이터 중에서 적어도 하나를 이용하여 식사 이벤트를 식별한다.In step S202, the diabetes management service device identifies a meal event using at least one of the received meal data and blood sugar measurement data.
단계 S203에서, 당뇨병 관리 서비스 장치는 수신된 식사 데이터로부터 적어도 하나의 음식을 식별하여 상기 식별된 식사 이벤트로 통합한다.In step S203, the diabetes management service device identifies at least one food from the received meal data and integrates it into the identified meal event.
단계 S204에서, 당뇨병 관리 서비스 장치는 통합된 식사 이벤트와 대응되는 혈당 측정 데이터를 식사 이벤트별 혈당 측정 데이터로 맵핑한다.In step S204, the diabetes management service device maps blood sugar measurement data corresponding to the integrated meal event to blood sugar measurement data for each meal event.
단계 S205에서, 당뇨병 관리 서비스 장치는 맵핑된 식사 이벤트별 혈당 측정 데이터와 기학습된 혈당 예측 모델을 이용하여 사용자의 혈당 수준을 산출하고 혈당 변화를 예측한다.In step S205, the diabetes management service device calculates the user's blood sugar level and predicts blood sugar changes using blood sugar measurement data for each mapped meal event and a pre-learned blood sugar prediction model.
단계 S206에서, 당뇨병 관리 서비스 장치는 산출된 혈당 수준 및 예측된 혈당 변화를 출력한다.In step S206, the diabetes management service device outputs the calculated blood sugar level and the predicted blood sugar change.
도 10는 본 발명의 다른 실시예에 따른 당뇨병 관리 서비스 장치에 의한 음식 데이터 분류 동작 예시를 나타낸 도면이다.Figure 10 is a diagram showing an example of a food data classification operation by a diabetes management service device according to another embodiment of the present invention.
당뇨병 관리 서비스 장치(100)는 음식 데이터 분류 및 맵핑을 위해, 이미지 분석 및 사용자 입력을 통해 음식을 식별하고 식사 이벤트로 통합하고, 혈당 반응 데이터와 맵핑할 수 있다.To classify and map food data, the diabetes management service device 100 may identify food through image analysis and user input, integrate it into a meal event, and map it to blood sugar response data.
일례로, 당뇨병 관리 서비스 장치(100)는 이미지가 업로드되면, 라지 랭기지 모델(LLM, Large Language Model)을 이용해 다양한 키값을 추출할 수 있다. 이는 단순히 음식 분류를 위한 것뿐만 아니라, 이미지의 전반적인 특징을 파악하기 위한 것이다. 여기에는 유해한 요소의 존재 여부, 캡처 여부, 실내외 촬영 여부, 공유 여부, 또는 식사 유형(예: 패스트푸드, 술, 약) 등이 포함될 수 있다. 또한, 당뇨병 관리 서비스 장치(100)는 식사량, 식사 상태(예: 전체, 일부만 섭취) 등을 분석할 수 있다. 또한, 당뇨병 관리 서비스 장치(100)는 형태, 맛, 색상 등 다양한 특징을 포함하는 키값을 사용하여 음식을 구분할 수 있다. 당뇨병 관리 서비스 장치(100)는 이렇게 구분된 각각의 음식 특성을 기반으로, 식사에 포함된 모든 음식을 식별할 수 있다.For example, when an image is uploaded, the diabetes management service device 100 can extract various key values using a large language model (LLM). This is not only for food classification, but also for understanding the overall characteristics of the image. This may include whether harmful elements are present, whether captured, whether indoors or outdoors, whether shared or not, or the type of meal (e.g. fast food, alcohol, drugs). Additionally, the diabetes management service device 100 may analyze the amount of meal, the state of the meal (e.g., eating all or only part of the meal), etc. Additionally, the diabetes management service device 100 can distinguish foods using key values including various characteristics such as shape, taste, and color. The diabetes management service device 100 can identify all foods included in the meal based on the characteristics of each food thus classified.
이후, 당뇨병 관리 서비스 장치(100)는 이벤트 식별 및 통합을 위해, 여러 조건을 이용해 식사 이벤트를 식별하고, 이미지들 또는 사용자 텍스트 입력들을 식사 이벤트로 통합할 수 있다. Thereafter, the diabetes management service device 100 may identify a meal event using various conditions and integrate images or user text inputs into a meal event for event identification and integration.
당뇨병 관리 서비스 장치(100)는 식사별 혈당 데이터 맵핑 동작을 수행하며, 이는 '식사 이벤트'라는 개념에 기반할 수 있다. 사용자가 이미지 또는 텍스트 입력 등을 통해 식사를 입력하면, 이 '식사'는 특정한 '식사 이벤트'로 식별될 수 있다. 식사 이벤트는 사용자가 이미지를 업로드하거나, 텍스트를 입력하는 순간부터 시작될 수 있으며, 정해진 시간 동안 (예: 2시간 이상) 지속될 수 있다. 이 기간 동안의 혈당 측정 데이터는 이 식사 이벤트와 연결되어 분석될 수 있다. 당뇨병 관리 서비스 장치(100)는 단순히 일별 전체 혈당 데이터를 사용하는 것이 아니라, 혈당 측정 데이터를 식사 이벤트별로 잘라내어 각 식사 이벤트와 맵핑할 수 있다.The diabetes management service device 100 performs a blood sugar data mapping operation for each meal, which may be based on the concept of a 'meal event'. When a user inputs a meal through image or text input, etc., this 'meal' may be identified as a specific 'meal event'. A meal event can start from the moment a user uploads an image or enters text, and can last for a set amount of time (e.g., 2 hours or more). Blood sugar measurement data during this period can be linked to this meal event and analyzed. Rather than simply using the entire daily blood sugar data, the diabetes management service device 100 may cut the blood sugar measurement data by meal event and map it to each meal event.
식사 이벤트는 사용자가 음식의 이미지를 입력할 때 시작될 수 있다. 이는 사용자가 실제로 식사를 시작하는 시점과 일치할 수 있다. 식사 이벤트의 시작은 이미지 업로드와 연동되어, 식사와 관련된 혈당 변화를 보다 정확하게 기록하고 분석할 수 있다.A meal event can be triggered when a user inputs an image of food. This may coincide with the point in time when the user actually starts eating. The start of a meal event is linked to image upload, allowing blood sugar changes related to meals to be more accurately recorded and analyzed.
식사 이벤트 시작은 다양한 방식으로 이루어질 수 있다. 가장 일반적인 경우는 사용자가 음식 이미지를 업로드했을 때이다. 그러나 식사 이벤트는 다른 조건에서도 시작될 수 있다. 예를 들어, 사용자가 식사를 시작한 시간을 직접 입력하거나 특정 생체 신호(예: 혈당 수치 변화)를 기반으로 자동으로 시작되기도할 수 있다. 이와 같이, 당뇨병 관리 서비스 장치(100)는 1) 사용자가 음식 이미지를 업로드하는 경우, 2) 사용자가 텍스트로 식사 정보를 입력하는 경우, 또는 3) 혈당 수치의 변화를 감지할 때에 혈당 수치가 평균보다 높아지거나 설정된 임계값을 초과하는 경우 중에서 적어도 하나인 경우에, 시계열 데이터 분석을 통해 식사 이벤트가 자동으로 시작할 수 있다. Starting a meal event can be done in a variety of ways. The most common case is when a user uploads an image of food. However, meal events can also be triggered under other conditions. For example, the user can manually enter the time when they started eating, or it can be started automatically based on certain biosignals (such as changes in blood sugar levels). In this way, the diabetes management service device 100 determines the average blood sugar level when 1) a user uploads a food image, 2) a user enters meal information in text, or 3) a change in blood sugar level is detected. If at least one of the cases is higher or exceeds a set threshold, a meal event may be automatically started through time series data analysis.
당뇨병 관리 서비스 장치(100)는 식사 이벤트 시작점으로 사용될지 여부를 결정하는 데 이미지 또는 텍스트에서 추출된 다양한 키값에 기반한 정보를 활용할 수 있다. 예를 들어, 당뇨병 관리 서비스 장치(100)는 이미지에 음식이 없으면 식사 이벤트를 시작하는 이미지로 간주하지 않는 등의 조건을 설정할 수 있다. 당뇨병 관리 서비스 장치(100)는 식사 이벤트의 통합 결과 데이터의 유효성을 개선하는 데 기여할 수 있다.The diabetes management service device 100 may utilize information based on various key values extracted from images or text to determine whether to use the meal event starting point. For example, the diabetes management service device 100 may set a condition such that if there is no food in the image, the image is not considered to start a meal event. The diabetes management service device 100 may contribute to improving the validity of integrated outcome data of meal events.
당뇨병 관리 서비스 장치(100)는 이벤트 종료를 또한 유연하게 설정할 수 있다. 식사 이벤트는 기본적으로는 일정 시간(예: 2시간)이 지나면 종료될 수 있지만, 이는 사용자의 필요에 따라 조정될 수 있다. 또한, 당뇨병 관리 서비스 장치(100)는 혈당 수치가 다시 평균 수준으로 떨어지는 것을 감지하여 이벤트를 종료할 수도 있다. 당뇨병 관리 서비스 장치(100)는 이러한 방식으로 혈당 데이터와 식사 이벤트 간의 연결을 보다 정확하고 유연하게 설정할 수 있다. The diabetes management service device 100 can also flexibly set the event end. Meal events can end after a certain amount of time (e.g. 2 hours) by default, but this can be adjusted depending on the user's needs. Additionally, the diabetes management service device 100 may detect that the blood sugar level falls back to the average level and end the event. In this way, the diabetes management service device 100 can more accurately and flexibly establish the connection between blood sugar data and meal events.
당뇨병 관리 서비스 장치(100)는 식사 이벤트를 식별한 후, 이제 그 식사 이벤트와 관련된 음식들을 맵핑할 수 있다. 이 음식들은 이미지 인식이나 사용자 입력(텍스트)을 통해 식별될 수 있다. 하나의 식사 이벤트에 여러 이미지가 포함될 수 있으며, 이 경우 당뇨병 관리 서비스 장치(100)는 이미지를 분석하여 하나의 식사 이벤트로 통합할 수 있다.After identifying the meal event, the diabetes management service device 100 can now map foods related to the meal event. These foods can be identified through image recognition or user input (text). One meal event may include multiple images, and in this case, the diabetes management service device 100 may analyze the images and integrate them into one meal event.
식사 이벤트 단위로 여러 음식을 통합하는 과정에는 유니크한 값 사용이 포함될 수 있다. 이는 식사 중에 같은 음식이 여러 번 촬영되었을 경우 중복을 제거하는 데 중요할 수 있다. 당뇨병 관리 서비스 장치(100)는 각각의 음식 이미지나 텍스트 데이터에서 유니크한 값을 식별하여, 동일한 음식이 반복적으로 나타날 때 이를 하나의 음식으로 간주할 수 있다. 이를 통해, 당뇨병 관리 서비스 장치(100)는 식사 데이터의 정확성을 보장하고, 결과적으로 혈당 측정 데이터와 음식 간의 관계 분석에 있어 더욱 정확한 정보를 제공할 수 있다.The process of integrating multiple foods into a meal event may involve the use of unique values. This can be important to remove duplicates if the same food is photographed multiple times during a meal. The diabetes management service device 100 can identify a unique value in each food image or text data and regard it as one food when the same food appears repeatedly. Through this, the diabetes management service device 100 can ensure the accuracy of meal data and, as a result, provide more accurate information in analyzing the relationship between blood sugar measurement data and food.
한편, 당뇨병 관리 서비스 장치(100)는 식사 이벤트를 평가할 수 있다. 당뇨병 관리 서비스 장치(100)는 각 식사 이벤트에 대해 혈당 반응의 특징을 식별하고, 식사 이벤트 기반 혈당 관리 지표(E-GMI, Event-based Glucose Management Indicator)를 사용하여 혈당 영향을 평가할 수 있다. 일례로, E-GMI = 3.31 + (0.02392 * 평균(이벤트내에 측정된 혈당수치들)와 같이 계산될 수 있다. 여기서, 식사의 혈당 반응을 평가하기 위한 혈당 관리 지표를 선정하였고, 혈당 관리 지표는 식사 이벤트의 평균 혈당 값을 이용하여 GMI를 계산하는 방식으로 이루어질 수 있다. 이를 'E-GMI'(Event-based GMI)라고 지칭될 수 있다. 당뇨병 관리 서비스 장치(100)는 E-GMI를 통해 각 식사의 영향을 평가하고, 서로 비교할 수 있다. E-GMI는 식사와 같은 혈당 상승 이벤트에 대해 사용되기 때문에 일반적인 당화혈색소 수치보다 높게 나타나는 경향이 있어 당뇨 진단에 사용되는 당화혈색소와 직접적 비교는 어렵지만, 식사를 평가하는 참고 데이터가 될 수 있다. 또한, 당뇨병 관리 서비스 장치(100)는 식사 이벤트 내에서 시작점, 피크점, 1시간 후 혈당, 또는 2시간 후 혈당 등을 식별하여 혈당 관리 지표로 사용할 수 있다.Meanwhile, the diabetes management service device 100 may evaluate a meal event. The diabetes management service device 100 may identify characteristics of blood sugar response for each meal event and evaluate blood sugar impact using a meal event-based glucose management indicator (E-GMI). For example, it can be calculated as E-GMI = 3.31 + (0.02392 * average (blood sugar levels measured within the event). Here, a blood sugar management index was selected to evaluate the glycemic response to a meal, and the blood sugar management index is The diabetes management service device 100 may calculate GMI using the average blood sugar value of a meal event, which may be referred to as 'E-GMI' (Event-based GMI). Because E-GMI is used for events that raise blood sugar levels, such as meals, it tends to be higher than normal glycated hemoglobin levels, making direct comparison with glycated hemoglobin used to diagnose diabetes difficult. In addition, the diabetes management service device 100 identifies the starting point, peak point, blood sugar level after 1 hour, or blood sugar level after 2 hours within the meal event and uses it as a blood sugar management indicator. You can.
한편, 당뇨병 관리 서비스 장치(100)는 혈당 예측 모델을 통해 사용자가 섭취한 음식을 분류하고, 혈당 측정 데이터와 맵핑하여 혈당 변화를 예측할 수 있다. Meanwhile, the diabetes management service device 100 can classify the food consumed by the user through a blood sugar prediction model and predict changes in blood sugar by mapping it with blood sugar measurement data.
당뇨병 관리 서비스 장치(100)는 음식별로 구분된 키값을 기반으로, 각 음식의 영양소 정보, 일회 제공량, 그리고 혈당 지수(GI, Glucose Index), 혈당 부하 지수(GL, Glucose Load) 같은 데이터를 가지고 있거나, 라지 랭귀지 모델을 활용해 이를 추정할 수 있다. 이 정보에는 탄수화물, 단백질, 지방 등이 포함된다.The diabetes management service device 100 has data such as nutrient information, serving size, and glycemic index (GI) and glycemic load index (GL) of each food based on key values classified by food. , this can be estimated using the large language model. This information includes carbohydrates, proteins, fats, etc.
당뇨병 관리 서비스 장치(100)는 사용자가 식사 이미지를 찍으면, 이 통합된 음식 키값을 기반으로 데이터베이스에서 음식 정보를 조회할 수 있다. 당뇨병 관리 서비스 장치(100)는 이전에 쌓인 데이터를 음식 키값의 조합을 이용해 그룹화하고 평균을 내어, 그 음식에 대한 혈당 반응을 제공할 수 있다. 또한, 당뇨병 관리 서비스 장치(100)는 사용자와 비슷한 다른 사용자들의 데이터를 바탕으로, 해당 사용자의 예상 혈당 반응을 제공할 수 있다. 이로써, 당뇨병 관리 서비스 장치(100)는 사용자가 식사의 사진을 찍거나 음식관련 텍스트를 입력하면, 이를 분석하여 혈당 예측 결과를 제공하여 그 식사가 혈당에 어떤 영향을 미칠지에 대한 예측치를 보여줄 수 있다.When a user takes an image of a meal, the diabetes management service device 100 can search food information in a database based on the integrated food key value. The diabetes management service device 100 may group previously accumulated data using a combination of food key values and average them to provide a blood sugar response to the food. Additionally, the diabetes management service device 100 may provide the user's predicted blood sugar response based on data of other users similar to the user. Accordingly, when the user takes a photo of a meal or inputs food-related text, the diabetes management service device 100 analyzes the photo and provides a blood sugar prediction result to show a predicted value of how the meal will affect blood sugar. .
당뇨병 관리 서비스 장치(100)는 데이터 분석 과정에서 반대 방향의 접근도 가능할 수 있다. 예를 들어, 당뇨병 관리 서비스 장치(100)는 짜장면에 대한 다양한 사람들의 혈당 반응을 분석하고, 이 중에서 현저한 차이를 보이는 이벤트를 식별할 수 있다. 그런 다음, 당뇨병 관리 서비스 장치(100)는 그 특정 식사 이벤트를 더 자세히 확인하고, 해당 식사가 어떤 음식들로 구성되었는지 분석할 수 있다.The diabetes management service device 100 may also be able to approach in the opposite direction during the data analysis process. For example, the diabetes management service device 100 may analyze the blood sugar responses of various people to black bean noodles and identify events showing significant differences among them. Then, the diabetes management service device 100 can check the specific meal event in more detail and analyze what foods the meal consists of.
이를 통해, 당뇨병 관리 서비스 장치(100)는 짜장면을 먹은 사람 중 한 명이 소주를 함께 섭취하여 혈당 변화가 크지 않았다는 사실을 발견할 수 있다. 당뇨병 관리 서비스 장치(100)는 이러한 분석을 통해 특정 식사와 혈당 반응 간의 관계를 더 깊게 이해하고, '이 사람들이 이렇게 반응한 원인은 이것이다'와 같은 통찰력 있는 정보를 제공할 수 있다.Through this, the diabetes management service device 100 can discover that one of the people who ate Jjajangmyeon also consumed soju, so the change in blood sugar level was not significant. Through this analysis, the diabetes management service device 100 can further understand the relationship between a specific meal and blood sugar response and provide insightful information such as 'This is why these people reacted this way.'
당뇨병 관리 서비스 장치(100)는 이 과정으로 사용자에게 실시간으로 혈당 반응에 대한 정보를 제공할 수 있으며, 사용자가 이를 바탕으로 건강한 식사 선택을 할 수 있다. 당뇨병 관리 서비스 장치(100)는 이러한 기능을 통해 사용자에게 혈당 관리에 대한 즉각적인 피드백을 제공하며, 장기적으로 건강한 식습관 형성에 도움을 줄 수 있다.Through this process, the diabetes management service device 100 can provide information about blood sugar response to the user in real time, and the user can make healthy meal choices based on this. Through these functions, the diabetes management service device 100 provides users with immediate feedback on blood sugar management and can help form healthy eating habits in the long term.
도 11 및 도 12는 본 발명의 다른 실시예에 따른 당뇨병 관리 서비스 장치에 의한 혈당 인덱스 예시 및 데이터 정규화 예시를 나타낸 도면이다.Figures 11 and 12 are diagrams showing an example of a blood sugar index and an example of data normalization by a diabetes management service device according to another embodiment of the present invention.
도 11에 도시된 바와 같이, 당뇨병 관리 서비스 장치(100)는 메인 메뉴명 AA 내지 JJ에 따른 혈당 인덱스(Glucose Index)의 최대값(MAX)(310)과, 혈당 인덱스(Glucose Index)의 평균값(Average)(320)을 구할 수 있다.As shown in FIG. 11, the diabetes management service device 100 displays the maximum value (MAX) 310 of the glucose index according to the main menu names AA to JJ and the average value of the glucose index (Average). )(320) can be obtained.
당뇨병 관리 서비스 장치(100)는 데이터 정규화를 위해, 개인별 혈당 수준을 고려하여 혈당 측정 데이터를 정규화하고, 표준화된 비교 및 분석을 수행할 수 있다. For data normalization, the diabetes management service device 100 may normalize blood sugar measurement data by considering individual blood sugar levels and perform standardized comparison and analysis.
여기서, 식사별 추천과 데이터 공유를 위해, 데이터의 정규화(Normalize) 과정이 중요할 수 있다. 이는 개인별로 다른 혈당 수준을 고려하기 때문이다. 예를 들어, 짜장면을 먹었을 때 건강한 사람과 당뇨 환자의 혈당 반응이 다를 수 있다. 만약 이 데이터를 정규화하지 않으면, 2시간 후 혈당 데이터는 주로 당뇨 환자의 높은 반응이 지배적일 것이다. 이는 건강한 사람들의 데이터를 왜곡시킬 수 있다. 따라서, 왜곡되지 않은 평균을 얻기 위해 데이터를 정규화하는 과정이 필요할 수 있다.Here, for meal-specific recommendations and data sharing, the normalization process of data may be important. This is because it takes into account different blood sugar levels for each individual. For example, when eating black bean noodles, the blood sugar response of healthy people and diabetic patients may be different. If this data is not normalized, the blood glucose data after 2 hours will be dominated by the high response of diabetic patients. This can distort data from healthy people. Therefore, a process of normalizing the data may be necessary to obtain an undistorted average.
데이터 정규화를 위해, 당뇨병 관리 서비스 장치(100)는 특정 기간 동안의 혈당 측정 데이터를 사용할 수 있다. 예를 들어, 연속혈당측정기(CGM)를 부착한 후 첫날의 데이터를 평균 내어 기준점으로 삼을 수 있다. 또 다른 방법으로는 사용자가 입력한 당화혈색소 값을 기준으로 평균 값을 계산할 수 있다. For data normalization, the diabetes management service device 100 may use blood sugar measurement data for a specific period. For example, after attaching a continuous blood glucose monitor (CGM), the data from the first day can be averaged and used as a reference point. Another method is to calculate the average value based on the glycated hemoglobin value entered by the user.
데이터 정규화를 통해, 당뇨병 관리 서비스 장치(100)는 다양한 사용자 그룹의 혈당 반응을 표준화된 방식으로 비교할 수 있다. 예를 들어, 당뇨병 관리 서비스 장치(100)는 이벤트 상대 시간에 따른 메뉴 AA 내지 EE의 혈당 변화율(410 내지 450)을 계산할 수 있다. 당뇨병 관리 서비스 장치(100)는 음식 BB를 먹은 다양한 사람들의 혈당 반응을 분석할 수 있다. 이때, 당뇨병 관리 서비스 장치(100)는 시작점을 기준 값 '1'로 설정하고, 각 사용자의 혈당 변화율을 퍼센트로 계산할 수 있다. 당뇨병 관리 서비스 장치(100)는 이렇게 하면 건강한 사람과 당뇨 환자의 혈당 반응 차이를 명확히 비교할 수 있다.Through data normalization, the diabetes management service device 100 can compare the blood sugar responses of various user groups in a standardized manner. For example, the diabetes management service device 100 may calculate blood sugar change rates 410 to 450 of menus AA to EE according to the event relative time. The diabetes management service device 100 can analyze the blood sugar response of various people who eat food BB. At this time, the diabetes management service device 100 may set the starting point to the reference value '1' and calculate the blood sugar change rate of each user as a percentage. In this way, the diabetes management service device 100 can clearly compare the difference in blood sugar response between a healthy person and a diabetic patient.
당뇨병 관리 서비스 장치(100)는 이러한 데이터를 바탕으로 코호트 분석을 진행할 수 있다. 당뇨병 관리 서비스 장치(100)는 건강검진 데이터와 같은 다른 카테고리를 사용하여, 특정 유형의 사람들이 음식 BB를 먹었을 때의 혈당 반응을 분석할 수 있다. 당뇨병 관리 서비스 장치(100)는 전체적으로는 어떤 반응이 나타나는지, 그리고 다른 그룹 간의 차이는 어떻게 나타나는지를 혈당 변환율로 보여줄 수 있다.The diabetes management service device 100 can perform cohort analysis based on this data. The diabetes management service device 100 may use other categories, such as health checkup data, to analyze the blood sugar response of certain types of people when they eat the food BB. The diabetes management service device 100 can show the overall response and differences between different groups through the blood sugar conversion rate.
한편, 당뇨병 관리 서비스 장치(100)는 식사 추천 서비스 및 예외 처리를 위해, 개인화된 식사 추천을 제공하며, 건강에 부적합한 요소를 식별하여 추천에서 제외할 수 있다. Meanwhile, the diabetes management service device 100 provides personalized meal recommendations for meal recommendation services and exception processing, and can identify elements unsuitable for health and exclude them from the recommendations.
당뇨병 관리 서비스 장치(100)는 음식을 색상, 형태 등의 다양한 키값으로 구분할 수 있다. 이를 통해, 당뇨병 관리 서비스 장치(100)는 사용자에게 테마별 식사, 식사 순서 및 식사 속도 중에서 적어도 하나를 추천할 수 있다. 예를 들어, 당뇨병 관리 서비스 장치(100)는 갈색 음식에 대한 혈당 반응, 실내외 식사 패턴, 특정 형태의 음식 섭취 등과 같은 데이터를 기반으로 테마별 식사 추천을 제공할 수 있다. 이러한 테마별 식사 추천은 사용자 경험에 재미 요소를 추가하고, 앱에 대한 사용자의 관심과 체류 시간을 증가시키는 데 기여할 수 있다. 이 과정은 개인화된 식사 추천뿐만 아니라, 사용자 참여를 촉진하는 중요한 요소로 작용할 수 있다.The diabetes management service device 100 can classify food by various key values such as color and shape. Through this, the diabetes management service device 100 may recommend at least one of themed meals, meal order, and meal speed to the user. For example, the diabetes management service device 100 may provide meal recommendations by theme based on data such as blood sugar response to brown food, indoor/outdoor eating patterns, consumption of specific types of food, etc. These themed meal recommendations add a fun element to the user experience and can contribute to increasing users' interest and dwell time in the app. This process can serve as an important factor in promoting user participation as well as personalized meal recommendations.
또한, 당뇨병 관리 서비스 장치(100)는 사용자의 건강 데이터, 과거 식사 패턴, 또는 유사한 사용자의 데이터를 분석하여, 다양한 건강 목표에 맞춘 식사 추천이 가능할 수 있다.Additionally, the diabetes management service device 100 may be able to recommend meals tailored to various health goals by analyzing the user's health data, past meal patterns, or similar user data.
반대로, 당뇨병 관리 서비스 장치(100)는 추천 알고리즘에서 예외 처리 기능을 포함할 수 있다. 예를 들어, 당뇨병 관리 서비스 장치(100)는 짜장면을 먹은 후 혈당이 높게 오른 사람과 소주를 함께 먹어 혈당 상승이 낮았던 사람의 데이터를 분석할 수 있다. 이때, 당뇨병 관리 서비스 장치(100)는 '혈당을 낮추기 위해 소주를 드세요'와 같은 비현실적인 추천은 제공하지 않는다. 대신, 당뇨병 관리 서비스 장치(100)는 이미지 분석을 통해 식사에 술이 포함되었는지 여부를 식별하고, 이를 추천 알고리즘에서 예외 사항으로 처리할 수 있다.Conversely, the diabetes management service device 100 may include an exception handling function in the recommendation algorithm. For example, the diabetes management service device 100 may analyze data of a person whose blood sugar level rose high after eating black bean noodles and a person whose blood sugar level rose low after eating soju together. At this time, the diabetes management service device 100 does not provide unrealistic recommendations such as 'Drink soju to lower blood sugar level'. Instead, the diabetes management service device 100 may identify whether the meal includes alcohol through image analysis and process this as an exception in the recommendation algorithm.
이와 같은 방식으로, 당뇨병 관리 서비스 장치(100)는 알코올이나 다른 특정 요소가 포함된 식사를 '추천에 적합하지 않은 식사'로 분류할 수 있다. 또한, 당뇨병 관리 서비스 장치(100)는 이러한 예외 처리를 단순히 알코올에만 국한되지 않고, 다른 키값을 통해 추천에 적합하지 않은 요소를 식별하는 데 확장시킬 수 있다. 당뇨병 관리 서비스 장치(100)는 이러한 예외 처리 기능을 통해, 사용자에게 현실적이고 건강한 식사 선택을 제안하는 데 중요한 역할을 할 수 있다. In this way, the diabetes management service device 100 may classify meals containing alcohol or other specific elements as 'meals not suitable for recommendation'. Additionally, the diabetes management service device 100 is not limited to such exception processing simply to alcohol, but can extend it to identify elements unsuitable for recommendation through other key values. The diabetes management service device 100 can play an important role in suggesting realistic and healthy meal choices to the user through this exception handling function.
실시예들에 따르면, 당뇨병 관리 서비스 장치(100)는 이미지의 메타 데이터에 GPS 정보(예컨대, 위도, 경도)를 포함하여 수신한다. 이를 통해, 당뇨병 관리 서비스 장치(100)는 이미지의 위치 정보를 기록하여 식사 추천과 유사하게 위치 기반으로 식당 추천을 수행할 수 있다. 당뇨병 관리 서비스 장치(100)는 혈당 반응을 식사 이벤트에 맵핑하는 것뿐만 아니라, 혈당 반응을 위치에 맵핑하여 위치별 혈당 반응을 수집할 수 있다.According to embodiments, the diabetes management service device 100 receives GPS information (eg, latitude and longitude) included in the metadata of the image. Through this, the diabetes management service device 100 can record the location information of the image and recommend a restaurant based on location, similar to meal recommendation. The diabetes management service device 100 may map the blood sugar response to a meal event as well as map the blood sugar response to a location to collect the blood sugar response for each location.
그리고 사용자에 대한 코호트 분석을 하기 위해 의료 데이터 서버를 활용하는 것과 유사하게, 당뇨병 관리 서비스 장치(100)는 식당 정보를 외부 데이터베이스(예를 들어, 지도 플랫폼의 API를 활용)에 기반해 위치를 식당으로 변환할 수 있다. 만약, 위치만으로 식당을 특정하기 어렵다면, 당뇨병 관리 서비스 장치(100)는 사용자에게 식당을 구분하도록 UI를 제공하여 식당 식별 정확도를 높일 수 있다. 또한, 당뇨병 관리 서비스 장치(100)는 식당 정보와 관련된 외부 데이터베이스를 이용해 식당 메뉴명, 식당 선호도(예컨대, 별점) 등을 수집해 메뉴를 더 정확하게 식별할 수 있다. 이에 따라, 당뇨병 관리 서비스 장치(100)는 위치별 혈당 반응을 수집하고 해당 위치와 대응되는 식당별 메뉴에 따른 혈당 반응을 맵핑함으로써, 혈당이 기설정된 혈당 수치보다 적게 오르는 식당 또는 식당의 메뉴를 사용자에게 추천할 수 있다. 또한, 각 식당마다 조리방법이 다르기 때문에 같은 음식이라 할지라도 식당(위치)에 따라 사용자들의 혈당 반응 경향성이 다를 수 있다. 당뇨병 관리 서비스 장치(100)는 이러한 식당별 타사용자 집단의 혈당 경향성을 사용자에게 제공할 수 있다.And similar to utilizing a medical data server to perform cohort analysis on users, the diabetes management service device 100 determines the location of the restaurant based on restaurant information in an external database (e.g., utilizing the API of a map platform). It can be converted to . If it is difficult to specify a restaurant based on location alone, the diabetes management service device 100 may increase the accuracy of restaurant identification by providing a UI to the user to distinguish between restaurants. Additionally, the diabetes management service device 100 can identify menus more accurately by collecting restaurant menu names and restaurant preferences (eg, star ratings) using an external database related to restaurant information. Accordingly, the diabetes management service device 100 collects the blood sugar response by location and maps the blood sugar response according to the menu of each restaurant corresponding to the location, so that the user can select a restaurant or restaurant menu where blood sugar level rises less than the preset blood sugar level. It can be recommended to Additionally, because each restaurant has different cooking methods, even if the food is the same, users' blood sugar response tendencies may vary depending on the restaurant (location). The diabetes management service device 100 may provide the user with the blood sugar tendency of other user groups for each restaurant.
한편, 당뇨병 관리 서비스 장치(100)는 외부 데이터를 활용하기 위해, 건강검진 데이터 등 외부 정보를 활용하여 개인화된 혈당 관리 권장사항을 제공할 수 있다. 당뇨병 관리 서비스 장치(100)는 개인화된 서비스를 제공하기 위해 외부 데이터 소스와 연결될 수 있다. 외부 정보에는 사용자가 입력한 개인 정보, 건강검진 데이터, 공공기관 데이터 등이 포함될 수 있다. 당뇨병 관리 서비스 장치(100)는 외주 정보를 바탕으로, 사용자와 유사한 특성을 가진 다른 사람들의 그룹, 즉 '코호트'를 구성할 수 있다. 이 코호트에 속한 사람들의 혈당 반응 데이터를 분석하여, 해당 사용자에게 맞춤형 혈당 관리 권장사항을 제공할 수 있다. 이 방법은 단순한 일반적 권장사항을 넘어서, 사용자에게 더욱 개인화된 경험을 제공하는 데 중요할 수 있다.Meanwhile, the diabetes management service device 100 may provide personalized blood sugar management recommendations by utilizing external information such as health checkup data. The diabetes management service device 100 may be connected to an external data source to provide personalized services. External information may include personal information entered by the user, health checkup data, public institution data, etc. The diabetes management service device 100 may form a 'cohort', a group of other people with similar characteristics to the user, based on outsourced information. By analyzing the blood sugar response data of people in this cohort, personalized blood sugar management recommendations can be provided to these users. This approach can be important in providing users with a more personalized experience, beyond just general recommendations.
한편, 본 발명의 일 실시예에 따르면, 이상에서 설명된 다양한 실시예들은 기기(machine)(예: 컴퓨터)로 읽을 수 있는 저장 매체(machine-readable storage media)에 저장된 명령어를 포함하는 소프트웨어로 구현될 수 있다. 기기는, 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 동작이 가능한 장치로서, 개시된 실시예들에 따른 전자 장치(예: 전자 장치(A))를 포함할 수 있다. 명령이 프로세서에 의해 실행될 경우, 프로세서가 직접, 또는 프로세서의 제어 하에 다른 구성요소들을 이용하여 명령에 해당하는 기능을 수행할 수 있다. 명령은 컴파일러 또는 인터프리터에 의해 생성 또는 실행되는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장매체가 신호(signal)를 포함하지 않으며 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장매체에 반영구적 또는 임시적으로 저장됨을 구분하지 않는다. Meanwhile, according to an embodiment of the present invention, the various embodiments described above are implemented as software including instructions stored in a machine-readable storage media (e.g., a computer). It can be. The device is a device capable of calling instructions stored from a storage medium and operating according to the called instructions, and may include an electronic device (eg, electronic device A) according to the disclosed embodiments. When an instruction is executed by a processor, the processor may perform the function corresponding to the instruction directly or using other components under the control of the processor. Instructions may contain code generated or executed by a compiler or interpreter. A storage medium that can be read by a device may be provided in the form of a non-transitory storage medium. Here, 'non-transitory' only means that the storage medium does not contain signals and is tangible, and does not distinguish whether the data is stored semi-permanently or temporarily in the storage medium.
또한, 본 발명의 일 실시예에 따르면, 이상에서 설명된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 온라인으로 배포될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.Additionally, according to an embodiment of the present invention, the method according to the various embodiments described above may be provided and included in a computer program product. Computer program products are commodities and can be traded between sellers and buyers. The computer program product may be distributed on a machine-readable storage medium (e.g. compact disc read only memory (CD-ROM)) or online through an application store (e.g. Play Store™). In the case of online distribution, at least a portion of the computer program product may be at least temporarily stored or created temporarily in a storage medium such as the memory of a manufacturer's server, an application store's server, or a relay server.
또한, 본 발명의 일 실시예에 따르면, 이상에서 설명된 다양한 실시예들은 소프트웨어(software), 하드웨어(hardware) 또는 이들의 조합을 이용하여 컴퓨터(computer) 또는 이와 유사한 장치로 읽을 수 있는 기록 매체 내에서 구현될 수 있다. 일부 경우에 있어 본 명세서에서 설명되는 실시예들이 프로세서 자체로 구현될 수 있다. 소프트웨어적인 구현에 의하면, 본 명세서에서 설명되는 절차 및 기능과 같은 실시예들은 별도의 소프트웨어 모듈들로 구현될 수 있다. 소프트웨어 모듈들 각각은 본 명세서에서 설명되는 하나 이상의 기능 및 동작을 수행할 수 있다.In addition, according to an embodiment of the present invention, the various embodiments described above are stored in a recording medium that can be read by a computer or similar device using software, hardware, or a combination thereof. It can be implemented in . In some cases, embodiments described herein may be implemented in a processor itself. According to software implementation, embodiments such as procedures and functions described in this specification may be implemented as separate software modules. Each of the software modules may perform one or more functions and operations described herein.
한편, 상술한 다양한 실시예들에 따른 기기의 프로세싱 동작을 수행하기 위한 컴퓨터 명령어(computer instructions)는 비일시적 컴퓨터 판독 가능 매체(non-transitory computer-readable medium)에 저장될 수 있다. 이러한 비일시적 컴퓨터 판독 가능 매체에 저장된 컴퓨터 명령어는 특정 기기의 프로세서에 의해 실행되었을 때 상술한 다양한 실시예에 따른 기기에서의 처리 동작을 특정 기기가 수행하도록 한다. 비일시적 컴퓨터 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 비일시적 컴퓨터 판독 가능 매체의 구체적인 예로는, CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등이 있을 수 있다.Meanwhile, computer instructions for performing processing operations of devices according to the various embodiments described above may be stored in a non-transitory computer-readable medium. Computer instructions stored in such a non-transitory computer-readable medium, when executed by a processor of a specific device, cause the specific device to perform processing operations in the device according to the various embodiments described above. A non-transitory computer-readable medium refers to a medium that stores data semi-permanently and can be read by a device, rather than a medium that stores data for a short period of time, such as registers, caches, and memories. Specific examples of non-transitory computer-readable media may include CD, DVD, hard disk, Blu-ray disk, USB, memory card, ROM, etc.
또한, 상술한 다양한 실시예들에 따른 구성 요소(예: 모듈 또는 프로그램) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소가 다양한 실시예에 더 포함될 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램)은 하나의 개체로 통합되어, 통합되기 이전의 각각의 해당 구성 요소에 의해 수행되는 기능을 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따른, 모듈, 프로그램 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.In addition, each component (e.g., module or program) according to the various embodiments described above may be composed of a single or multiple entities, and some of the sub-components described above may be omitted, or other sub-components may be omitted. Sub-components may be further included in various embodiments. Alternatively or additionally, some components (e.g., modules or programs) may be integrated into a single entity and perform the same or similar functions performed by each corresponding component prior to integration. According to various embodiments, operations performed by a module, program, or other component may be executed sequentially, in parallel, iteratively, or heuristically, or at least some operations may be executed in a different order, omitted, or other operations may be added. It can be.
이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 개시에 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.In the above, preferred embodiments of the present invention have been shown and described, but the present invention is not limited to the specific embodiments described above, and may be used in the technical field pertinent to the disclosure without departing from the gist of the present invention as claimed in the claims. Of course, various modifications can be made by those skilled in the art, and these modifications should not be understood individually from the technical idea or perspective of the present invention.
[부호의 설명] [Explanation of symbols]
10: 당뇨병 관리 서비스 시스템10: Diabetes management service system
100: 당뇨병 관리 서비스 장치100: Diabetes management service device
101: 사용자 단말101: User terminal
102: 혈당 측정기102: Blood sugar meter
103: 헬스 디바이스103: Health device
200: 의료 데이터 서버200: Medical data server
110: 통신 모듈 110: communication module
120: 데이터베이스120: database
130: 메모리130: memory
140: 프로세서140: processor
Claims (18)
- 당뇨병 관리 서비스 장치에 의해 당뇨병 관리 서비스 방법에 있어서, In a diabetes management service method by a diabetes management service device,사용자의 식사 데이터 및 혈당 측정 데이터를 수신하는 단계; Receiving the user's meal data and blood sugar measurement data;상기 수신된 식사 데이터 및 혈당 측정 데이터 중에서 적어도 하나를 이용하여 식사 이벤트를 식별하는 단계; Identifying a meal event using at least one of the received meal data and blood sugar measurement data;상기 수신된 식사 데이터로부터 적어도 하나의 음식을 식별하여 상기 식별된 식사 이벤트로 통합하는 단계; identifying at least one food from the received meal data and incorporating it into the identified meal event;상기 통합된 식사 이벤트와 대응되는 혈당 측정 데이터를 식사 이벤트별 혈당 측정 데이터로 맵핑하는 단계;mapping blood sugar measurement data corresponding to the integrated meal event into blood sugar measurement data for each meal event;상기 맵핑된 식사 이벤트별 혈당 측정 데이터와 기학습된 혈당 예측 모델을 이용하여 사용자의 혈당 수준을 산출하고 혈당 변화를 예측하는 단계; 및 calculating the user's blood sugar level and predicting changes in blood sugar using the mapped blood sugar measurement data for each meal event and a pre-learned blood sugar prediction model; and상기 산출된 혈당 수준 및 상기 예측된 혈당 변화를 출력하는 단계를 포함하는, 당뇨병 관리 서비스 방법. Diabetes management service method comprising outputting the calculated blood sugar level and the predicted blood sugar change.
- 제1항에 있어서, According to paragraph 1,상기 식사 데이터는, The meal data is,사용자의 식사와 관련된 이미지, 텍스트 및 메타 데이터 중에서 적어도 하나를 포함하는, 당뇨병 관리 서비스 방법.A diabetes management service method, comprising at least one of images, text, and metadata related to the user's meals.
- 제1항에 있어서, According to paragraph 1,상기 식별된 식사 이벤트로 통합하는 단계는, The step of integrating into the identified meal event is,상기 수신된 식사 데이터로부터 음식별로 구분된 적어도 하나의 키값을 추출하고, 상기 추출된 적어도 하나의 키값을 이용하여 적어도 하나의 음식을 식별하는, 당뇨병 관리 서비스 방법.A diabetes management service method that extracts at least one key value classified by food from the received meal data and identifies at least one food using the extracted at least one key value.
- 제1항에 있어서, According to paragraph 1,상기 식사 이벤트를 식별하는 단계는,The step of identifying the meal event is,이미지가 포함된 식사 데이터가 수신되는 경우, 텍스트가 포함된 식사 데이터가 수신되는 경우 및 사용자의 혈당 수치가 기설정된 혈당 수치 값을 초과하는 경우 중에서 적어도 하나의 경우를 식사 이벤트의 시작 시점으로 설정하는, 당뇨병 관리 서비스 방법.Setting at least one of the following cases, when meal data including an image is received, when meal data including text is received, and when the user's blood sugar level exceeds a preset blood sugar level value, is set as the start point of the meal event. , how to get diabetes management services.
- 제1항에 있어서, According to paragraph 1,상기 식별된 식사 이벤트에 대해 식사 이벤트의 평균 혈당 값을 이용하여 혈당 반응을 평가하기 위한 평가 지표를 계산하고, 상기 계산된 평가 지표를 통해 각 식사 이벤트에 대한 혈당 반응을 평가하는 단계를 더 포함하는, 당뇨병 관리 서비스 방법.For the identified meal events, calculating an evaluation index for evaluating the glycemic response using the average blood sugar value of the meal event, and further comprising evaluating the blood sugar response for each meal event through the calculated evaluation index. , how to get diabetes management services.
- 제1항에 있어서, According to paragraph 1,상기 맵핑된 식사 이벤트별 혈당 측정 데이터를 사용자별 혈당 수준을 고려하여 정규화하고, 상기 정규화된 식사 이벤트별 혈당 측정 데이터를 통해 사용자 그룹의 혈당 반응을 표준화된 방식으로 비교하는 단계를 더 포함하는, 당뇨병 관리 서비스 방법.Diabetes, further comprising normalizing the mapped blood sugar measurement data for each meal event in consideration of the blood sugar level for each user, and comparing blood sugar responses of user groups in a standardized manner through the normalized blood sugar measurement data for each meal event. Management service method.
- 제3항에 있어서, According to clause 3,상기 추출된 적어도 하나의 키값을 이용하여 사용자에게 테마별로 개인화된 식사, 식사 순서 및 식사 속도 중에서 적어도 하나를 추천하는 단계를 더 포함하는, 당뇨병 관리 서비스 방법.Diabetes management service method further comprising recommending at least one of personalized meals, meal order, and meal speed for each theme to the user using the extracted at least one key value.
- 제7항에 있어서, In clause 7,상기 식사를 추천하는 단계는, The steps for recommending the above meal are:상기 추출된 적어도 하나의 키값을 이용하여 식사 추천에 적합하지 않은 요소를 예외 사항으로 처리하고, 상기 예외 사항을 제외시켜 식사를 추천하는, 당뇨병 관리 서비스 방법.A diabetes management service method that uses the extracted at least one key value to treat elements that are not suitable for meal recommendation as exceptions and recommend meals by excluding the exceptions.
- 제1항에 있어서, According to paragraph 1,개인 정보, 건강검진 데이터 및 공공기관 데이터 중에서 적어도 하나가 포함된 외부 데이터를 이용하여 사용자와 기설정된 유사도 이상을 가진 다른 사용자들의 코호트를 생성하고, 상기 생성된 코호트의 혈당 반응 데이터를 분석하여 사용자에게 맞춤형 혈당 관리 권장사항을 제공하는 단계를 더 포함하는, 당뇨병 관리 서비스 방법.Using external data that includes at least one of personal information, health checkup data, and public institution data, a cohort of other users with a preset similarity level or higher is created, and the blood sugar response data of the created cohort is analyzed to inform the user. A method of providing diabetes management services, further comprising providing personalized blood sugar management recommendations.
- 통신 모듈; communication module;하나 이상의 프로그램을 저장하는 메모리; 및 memory that stores one or more programs; and상기 저장된 하나 이상의 프로그램을 실행하는 프로세서를 포함하고, a processor that executes the one or more stored programs,상기 프로세서는, The processor,사용자의 식사 데이터 및 혈당 측정 데이터를 수신하고, Receive the user's meal data and blood sugar measurement data,상기 수신된 식사 데이터 및 혈당 측정 데이터 중에서 적어도 하나를 이용하여 식사 이벤트를 식별하고, Identifying a meal event using at least one of the received meal data and blood sugar measurement data,상기 수신된 식사 데이터로부터 적어도 하나의 음식을 식별하여 상기 식별된 식사 이벤트로 통합하고, Identify at least one food from the received meal data and integrate it into the identified meal event,상기 통합된 식사 이벤트와 대응되는 혈당 측정 데이터를 식사 이벤트별 혈당 측정 데이터로 맵핑하고, Map the blood sugar measurement data corresponding to the integrated meal event to blood sugar measurement data for each meal event,상기 맵핑된 식사 이벤트별 혈당 측정 데이터와 기학습된 혈당 예측 모델을 이용하여 사용자의 혈당 수준을 산출하고 혈당 변화를 예측하고, Calculate the user's blood sugar level and predict changes in blood sugar using the mapped blood sugar measurement data for each meal event and the previously learned blood sugar prediction model,상기 산출된 혈당 수준 및 상기 예측된 혈당 변화를 출력하는, 당뇨병 관리 서비스 장치. A diabetes management service device that outputs the calculated blood sugar level and the predicted blood sugar change.
- 제10항에 있어서, According to clause 10,상기 식사 데이터는, The meal data is,사용자의 식사와 관련된 이미지, 텍스트 및 메타 데이터 중에서 적어도 하나를 포함하는, 당뇨병 관리 서비스 장치.A diabetes management service device comprising at least one of images, text, and metadata related to the user's meals.
- 제10항에 있어서, According to clause 10,상기 프로세서는, The processor,상기 수신된 식사 데이터로부터 음식별로 구분된 적어도 하나의 키값을 추출하고, 상기 추출된 적어도 하나의 키값을 이용하여 적어도 하나의 음식을 식별하는, 당뇨병 관리 서비스 장치.A diabetes management service device that extracts at least one key value classified by food from the received meal data and identifies at least one food using the extracted at least one key value.
- 제10항에 있어서, According to clause 10,상기 프로세서는, The processor,이미지가 포함된 식사 데이터가 수신되는 경우, 텍스트가 포함된 식사 데이터가 수신되는 경우 및 사용자의 혈당 수치가 기설정된 혈당 수치 값을 초과하는 경우 중에서 적어도 하나의 경우를 식사 이벤트의 시작 시점으로 설정하는, 당뇨병 관리 서비스 장치.When meal data including an image is received, when meal data including text is received, and when the user's blood sugar level exceeds a preset blood sugar level value, at least one case is set as the start point of the meal event. , Diabetes Management Services Unit.
- 제10항에 있어서, According to clause 10,상기 프로세서는, The processor,상기 식별된 식사 이벤트에 대해 식사 이벤트의 평균 혈당 값을 이용하여 혈당 반응을 평가하기 위한 평가 지표를 계산하고, 상기 계산된 평가 지표를 통해 각 식사 이벤트에 대한 혈당 반응을 평가하는, 당뇨병 관리 서비스 장치.A diabetes management service device that calculates an evaluation index for evaluating blood sugar response for the identified meal event using the average blood sugar value of the meal event, and evaluates the blood sugar response for each meal event through the calculated evaluation index. .
- 제10항에 있어서, According to clause 10,상기 프로세서는, The processor,상기 맵핑된 식사 이벤트별 혈당 측정 데이터를 사용자별 혈당 수준을 고려하여 정규화하고, 상기 정규화된 식사 이벤트별 혈당 측정 데이터를 통해 사용자 그룹의 혈당 반응을 표준화된 방식으로 비교하는, 당뇨병 관리 서비스 장치.A diabetes management service device that normalizes the mapped blood sugar measurement data for each meal event by considering the blood sugar level for each user, and compares blood sugar responses of user groups in a standardized manner through the normalized blood sugar measurement data for each meal event.
- 제12항에 있어서, According to clause 12,상기 프로세서는, The processor,상기 추출된 적어도 하나의 키값을 이용하여 사용자에게 테마별로 개인화된 식사, 식사 순서 및 식사 속도 중에서 적어도 하나를 추천하는, 당뇨병 관리 서비스 장치.A diabetes management service device that recommends at least one of personalized meals, meal order, and meal speed for each theme to the user using the extracted at least one key value.
- 제16항에 있어서, According to clause 16,상기 프로세서는, The processor,상기 추출된 적어도 하나의 키값을 이용하여 식사 추천에 적합하지 않은 요소를 예외 사항으로 처리하고, 상기 예외 사항을 제외시켜 식사를 추천하는, 당뇨병 관리 서비스 장치.A diabetes management service device that processes elements that are not suitable for meal recommendation as exceptions using the extracted at least one key value, and recommends a meal by excluding the exceptions.
- 제10항에 있어서, According to clause 10,상기 프로세서는, The processor,개인 정보, 건강검진 데이터 및 공공기관 데이터 중에서 적어도 하나가 포함된 외부 데이터를 이용하여 사용자와 기설정된 유사도 이상을 가진 다른 사용자들의 코호트를 생성하고, 상기 생성된 코호트의 혈당 반응 데이터를 분석하여 사용자에게 맞춤형 혈당 관리 권장사항을 제공하는 단계를 더 포함하는, 당뇨병 관리 서비스 장치.Using external data that includes at least one of personal information, health checkup data, and public institution data, a cohort of other users with a preset similarity level or higher is created, and the blood sugar response data of the created cohort is analyzed to inform the user. A diabetes management service device, further comprising providing personalized blood sugar management recommendations.
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR10-2022-0190730 | 2022-12-30 | ||
| KR20220190730 | 2022-12-30 | ||
| KR10-2023-0194884 | 2023-12-28 | ||
| KR1020230194884A KR20240108282A (en) | 2022-12-30 | 2023-12-28 | Method and apparatus for servicing diabetes management |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2024144337A1 true WO2024144337A1 (en) | 2024-07-04 |
Family
ID=91718647
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/KR2023/021958 WO2024144337A1 (en) | 2022-12-30 | 2023-12-29 | Diabetes management service method and device |
Country Status (1)
| Country | Link |
|---|---|
| WO (1) | WO2024144337A1 (en) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140350369A1 (en) * | 2013-03-15 | 2014-11-27 | Abbott Diabetes Care Inc. | System and method to manage diabetes based on glucose median, glucose variability, and hypoglycemic risk |
| KR20170143298A (en) * | 2016-06-21 | 2017-12-29 | 송제윤 | Group based diabetes information sharing device and method |
| KR20190063954A (en) * | 2017-11-30 | 2019-06-10 | 염승민 | Method for predicting change of nutrient metabolism by artificial intelligence cloud and method for measuring nutrient metabolism by artificial intelligence cloud and method managing diease by using it |
| US20190295440A1 (en) * | 2018-03-23 | 2019-09-26 | Nutrino Health Ltd. | Systems and methods for food analysis, personalized recommendations and health management |
| KR20190138984A (en) * | 2018-06-07 | 2019-12-17 | 아프릴리스 주식회사 | Method and apparatus providing decision information for blood sugar according to over mealtime |
-
2023
- 2023-12-29 WO PCT/KR2023/021958 patent/WO2024144337A1/en unknown
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140350369A1 (en) * | 2013-03-15 | 2014-11-27 | Abbott Diabetes Care Inc. | System and method to manage diabetes based on glucose median, glucose variability, and hypoglycemic risk |
| KR20170143298A (en) * | 2016-06-21 | 2017-12-29 | 송제윤 | Group based diabetes information sharing device and method |
| KR20190063954A (en) * | 2017-11-30 | 2019-06-10 | 염승민 | Method for predicting change of nutrient metabolism by artificial intelligence cloud and method for measuring nutrient metabolism by artificial intelligence cloud and method managing diease by using it |
| US20190295440A1 (en) * | 2018-03-23 | 2019-09-26 | Nutrino Health Ltd. | Systems and methods for food analysis, personalized recommendations and health management |
| KR20190138984A (en) * | 2018-06-07 | 2019-12-17 | 아프릴리스 주식회사 | Method and apparatus providing decision information for blood sugar according to over mealtime |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US12131661B2 (en) | Personalized health coaching system | |
| Warren et al. | Advancing food allergy through epidemiology: understanding and addressing disparities in food allergy management and outcomes | |
| US20020062069A1 (en) | System and method of integrated calorie management using interactive television | |
| US20120141964A1 (en) | Health care device, method and graphical user interface for health care | |
| US20020107433A1 (en) | System and method of personal fitness training using interactive television | |
| US20120143621A1 (en) | Health care device, method and graphical user interface for health care | |
| US20220202319A1 (en) | Meal and activity logging with a glucose monitoring interface | |
| WO2020111787A1 (en) | Method for providing recommendations for maintaining a healthy lifestyle basing on daily activity parameters of user, automatically tracked in real time, and corresponding system | |
| CN103150464A (en) | Dementia care support method, dementia information output apparatus, and dementia care support system | |
| US20130331659A1 (en) | User interface of a measurement device and system | |
| KR102169661B1 (en) | System and method for recommending food menus based on disease gene backtracking and cooking the food menus | |
| Villanueva et al. | Abdominal obesity is a common finding in normal and overweight subjects of Chile and is associated with increased frequency of cardiometabolic risk factors | |
| Kastelic et al. | Comparison of self-reported sedentary time on weekdays with an objective measure (activPAL) | |
| US20170242971A1 (en) | Characteristic evaluation apparatus, characteristic evaluation system, characteristic evaluation method, and characteristic evaluation program | |
| JP7567235B2 (en) | Behavior change system, program and behavior change method | |
| Silva et al. | Anthropometric measures change and incidence of high blood pressure levels among adults: a population-based prospective study in Southern Brazil | |
| Holliday et al. | APPetite: Validation of a smartphone app-based tool for the remote measure of free-living subjective appetite | |
| Miettola et al. | A salutogenic approach to prevention of metabolic syndrome: a mixed methods population study | |
| WO2024144337A1 (en) | Diabetes management service method and device | |
| Shell et al. | Associations of somatic depressive symptoms with food attentional bias and eating behaviors | |
| KR102515740B1 (en) | Method of recommending user customized cure program and apparatus performing thereof | |
| KR20210052123A (en) | Method for providing user-customized food information service and server using the same | |
| Asaduzzaman et al. | Prevalence of type 2 diabetes mellitus among urban Bihari communities in Dhaka, Bangladesh: a cross-sectional study in a minor ethnic group | |
| WO2022224465A1 (en) | Blood sugar constitution assessment device, blood sugar constitution assessment method, and recording medium | |
| US20220093233A1 (en) | Nutrient intake amount estimation system, nutrient intake amount estimation method, nutrient intake amount estimation device, storage medium, and nutrient intake amount output method |
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: 23913011 Country of ref document: EP Kind code of ref document: A1 |