KR102301143B1 - 맞춤형 인지 기능 검사 및 재활 훈련 평가 방법 - Google Patents
맞춤형 인지 기능 검사 및 재활 훈련 평가 방법 Download PDFInfo
- Publication number
- KR102301143B1 KR102301143B1 KR1020190150696A KR20190150696A KR102301143B1 KR 102301143 B1 KR102301143 B1 KR 102301143B1 KR 1020190150696 A KR1020190150696 A KR 1020190150696A KR 20190150696 A KR20190150696 A KR 20190150696A KR 102301143 B1 KR102301143 B1 KR 102301143B1
- Authority
- KR
- South Korea
- Prior art keywords
- item
- test
- words
- cognitive function
- cognitive
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Physical Education & Sports Medicine (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
본 발명의 실시 형태는 인지 재활 서버가, 배경 정보 항목, 시간지남력 항목, 기억등록 항목, 길만들기 항목, 기억회상 항목, 기억재인 항목, 언어유창성 항목, 및 이름대기 항목을 포함하는 인지 기능 검사 항목을 추출하는 인지 기능 검사 항목 추출 과정; 모바일 검사 단말기가, 상기 인지 기능 검사 항목을 차례로 출력하여 피검사자를 대상으로 인지 기능 검사를 수행하기 위해 인지 기능 검사 항목을 제시하는 과정; 모바일 검사 단말기가, 검사항목을 제시한 후 피검사자가 답안 내용을 입력하는 인지 기능 검사 답안 입력 과정; 모바일 검사 단말기가, 피검사자가 입력한 답안을 상기 인지 재활 서버로 전송하는 피검사 답안 내용 전송 과정; 상기 인지 재활 서버가, 각 검사 항목의 환자 답안 내용을 기반으로 인지 기능 점수를 산출하는 인지 기능 점수 산출 과정; 상기 인지 재활 서버가, 산출되는 피검사자의 인지 기능 점수에 따라서 맞춤형 재활 훈련 콘텐츠를 추출하여 재활 훈련 단말기로 제공하는 맞춤형 재활 훈련 콘텐츠 추출 과정; 및 상기 재활 훈련 단말기가, 상기 인지 재활 서버로부터 수신한 맞춤형 재활 훈련 콘텐츠를 출력하여 재활 훈련을 수행시키는 맞춤형 재활 훈련 수행 과정;을 포함할 수 있다.
Description
본 발명은 맞춤형 인지 기능 검사 및 재활 훈련 평가 방법으로서, 모바일 단말기 상에서 인지 기능 검사와 재활 훈련 평가가 이루어지도록 하는 방법에 관한 것이다.
현재 치매 선별 검사는 대부분 MMSE(Mini-Mental State Examination) 등과 같은 간이 인지 기능 검사에 의존하고 있는 바 1) 검사 수행 시간이 통상 15분/명으로 선별 검사로서 시간 효율이 부족함, 2) 지필식 검사이므로 시각, 청각, 운동 능력 등에 장애가 있는 사람에게는 검사를 시행할 수 없어 시행 자체가 어려운 노인들이 적지 않음, 3) 검사 시행을 위해서는 훈련된 검사 요원이 필요하므로 검사 비용이 높고 지역에 따라 검사 요원 확보가 불가능한 경우도 적지 않음, 4) 피검자와 검사자가 만나서 시행해야 하는 대면식 검사이므로 별도의 검사 공간이 필요함과 같은 문제가 있다.
현재 위의 제한점을 해소하기 위한 대안으로 컴퓨터 기반 혹은 스마트 패드 기반 신경 인지 검사들이 개발되었다. 컴퓨터 기반의 신경 인지 검사는 노인의 인지변화를 조기 발견하는데 적합하고 바닥 및 천장 효과를 최소화하며 표준화된 형식으로 제공하고 표준 관리에서 불가능한 수분의 민감도로 응답의 정확성과 속도를 정확하게 기록할 수 있다. 그리고 잠재적인 비용(재료비, 소모품, 시험관리자에게 요구되는 시간)을 절감할 수 있다는 장점이 있다. 또한 대규모 인구 집단의 스크리닝을 할 수 있다는 잠재력이 있다. 현재 시판되고 있는 컴퓨터 기반의 검사도구로는 Automated Neuropsychological Assessment Metrics (ANAM), Computer-Administered Neuropsychological Screen for Mild Cognitive Impairment (CANS-MCI), Cambridge Neuropsychological Test Automated Battery (CANTAB), CNS Vital Signs, Computerized Neuropsychological Test Battery (CNTB), Cognitive Drug Research Computerized Assessment System (COGDRAS-D), CogState, Cognitive Stability Index (CSI), MCI Screen (MCIS), MicroCog, Mindstreams (Neurotrax) 등이 개발되어 시판되고 있다.
본 발명의 기술적 과제는 MMSE와 같은 지필검사 진단정확도 이상을 가지는 인지 기능 검사를 모바일 단말기에 구현하여 인지기능 저하자가 혼자서 쉽게 인지기능 검사 및 평가하고, 결과를 자동적으로 데이터베이스화하여 효과적인 인지 재활 훈련 제공을 위한 기초 자료를 제공함에 있다.
본 발명의 실시 형태는 인지 재활 서버가, 배경 정보 항목, 시간지남력 항목, 기억등록 항목, 길만들기 항목, 기억회상 항목, 기억재인 항목, 언어유창성 항목, 및 이름대기 항목을 포함하는 인지 기능 검사 항목을 추출하는 인지 기능 검사 항목 추출 과정; 모바일 검사 단말기가, 상기 인지 기능 검사 항목을 차례로 출력하여 피검사자를 대상으로 인지 기능 검사를 수행하기 위해 인지 기능 검사 항목을 제시하는 과정; 모바일 검사 단말기가, 검사항목을 제시한 후 피검사자가 답안 내용을 입력하는 인지 기능 검사 답안 입력 과정; 모바일 검사 단말기가, 피검사자가 입력한 답안을 상기 인지 재활 서버로 전송하는 피검사 답안 내용 전송 과정; 상기 인지 재활 서버가, 각 검사 항목의 환자 답안 내용을 기반으로 인지 기능 점수를 산출하는 인지 기능 점수 산출 과정; 상기 인지 재활 서버가, 산출되는 피검사자의 인지 기능 점수에 따라서 맞춤형 재활 훈련 콘텐츠를 추출하여 재활 훈련 단말기로 제공하는 맞춤형 재활 훈련 콘텐츠 추출 과정; 및 상기 재활 훈련 단말기가, 상기 인지 재활 서버로부터 수신한 맞춤형 재활 훈련 콘텐츠를 출력하여 재활 훈련을 수행시키는 맞춤형 재활 훈련 수행 과정;을 포함할 수 있다.
상기 인지 기능 검사 항목 추출 과정은, 인지 재활 서버가, 심층 신경망(Deep Neural Network) 분석을 통하여 모바일 검사 단말기에서 인지 기능 검사시의 각 인지 기능 검사 항목들의 검사 정확도 순위를 산출하여 정렬하는 과정; 및 다중공선성 (multicollinearity) 및 중복검사 (redundancy)를 일으키는 검사 항목을 배제하고 검사 정확도 높은 상위 검사 항목을 추출하는 과정;을 포함할 수 있다.
상기 인지 기능 검사 항목을 제시하는 과정은, TTS(Text To Speech)를 활용해 음성을 출력하는 과정; 및 화면을 통해 시각적으로 출력하는 과정;을 포함할 수 있다.
상기 인지 기능 검사 답안 입력 과정은, STT(Speech To Text)를 활용해 음성을 입력하는 과정; 및 화면 터치를 통해 입력하는 과정;을 포함할 수 있다.
상기 상위 검사 항목은, 배경 정보 항목, 시간지남력 항목, 7개 단어로 된 기억등록 항목, 길만들기 항목, 7개의 단어를 기억하는 기억회상 항목, 기억된 단어와 동일한지 검사하는 기억재인 항목, 동물 단어를 기록하는 언어유창성 항목, 및 그림에 대한 사물 이름대기 항목을 포함하는 인지 기능 검사 항목임 특징으로 할 수 있다.
상기 배경 정보 항목은, 피검사자의 배경 정보를 검사하는 항목으로 구성되며, 상기 시간지남력 항목은, 월과 요일에 대한 지각력을 검사하는 항목으로 구성되며, 상기 기억등록 항목은, 기억의 일관성, 반복오류를 포함하는 기억력을 검사하는 7개 단어로 구성되며, 상기 길만들기 항목은, 도면상에서 길을 잇는 검사 항목으로 구성되며, 상기 기억회상 항목은, 앞서 7개 단어를 기억한 것을 회상하는 검사 항목으로 구성이며, 상기 기억재인 항목은, 앞서 기억한 7개의 단어가 제시되었었는지를 검사 항목으로 구성되며, 상기 언어유창성 항목은, 동물의 이름을 대답하는 검사항목으로 구성되며, 상기 이름대기 항목은, 사물 그림을 보여주고 사물 이름을 올바르게 답변하는지를 검사 항목으로 이루어짐을 특징으로 할 수 있다.
기억한 7개 단어 암기력을 첫번째로 검사하는 것을 1차시도, 순서가 다른 7개 단어 암기력을 두번째로 검사하는 것을 2차시도, 또 순서가 다른 7개 단어 암기력을 세번째로 검사하는 것을 3차시도라 할 때, 7개의 기억등록 항목에 대한 인지 기능 점수를 산출하는 것은, 최신효과지수 '각 시행에서 마지막 두 단어 회상 총수 / 1, 2, 3차시도에서 맞춘 단어의 총수)'에 의해 산출되는 최신효과지수와, '1차시도와 2차시도에서 동일하게 회상한 단어의 개수 + 2차시도와 3차시도에서 동일하게 회상한 단어의 개수 + 1차시도와 3차시도에서 동일하게 회상한 단어의 개수'의 합산에 의해 산출되는 일관성 지수와, '1차시도, 2차시도, 및 3차시도 중에서 반복 오류의 개수'로서 산출되는 반복오류수와, '1차시도, 2차시도, 및 3차시도 각각에서 첫 두단어 회상 총 개수 / 상기 1차시도, 2차시도, 및 3차시도에서 맞춘 단어의 총 개수'에 의해 산출되는 초두효과지수와, '1차시도에서 회상한 단어의 총수'로서 산출되는 1차시도정답 개수와, '2차시도에서 회상한 단어의 총수'로서 산출되는 2차시도정답 개수와, '3차시도에서 회상한 단어의 총수'로서 산출되는 3차시도정답 개수를 산출할 수 있다.
기억회상 항목에 대한 인지 기능 점수를 산출하는 것은, 3차시도에서 제시된 7개 단어를 회상하여 맞춘 단어의 총수인 총점'으로서 산출되는 단어목록회상 총점과, 제시되지 않은 단어를 답한 단어의 개수'로서 산출되는 침투오류수를 산출함을 특징으로 할 수 있다.
2개의 기억재인 항목에 대한 인지 기능 점수를 산출하는 것은, 기억 등록에 제시되지 않은 단어에 '예'라고 반응한 단어의 개수를 오긍정 개수라 하고, 기억 등록에 제시된 단어에 '아니오'라고 반응한 단어의 개수를 오부정 개수라 할 때, (오긍정 개수 - 오부정 개수) / (오긍정 개수 + 오부정 개수)'에 의해 산출되는 반응왜곡지수와, 기억 등록에 제시되지 않은 단어에 '아니오'라고 반응한 단어의 개수와 기억 등록에 제시된 단어에 '예'라고 반응한 단어의 개수를 합한 총개수'로서 산출되는 단어목록재인 총점 검사 항목을 산출할 수 있다.
1분 이내에 피검사자가 랜덤하게 생각하는 동물 이름을 말하도록 피검사자에게 요청하여 15초 간격으로 피검사자가 응답한 단어를 기록한다고 할 때, 7개의 언어유창 항목에 대한 인지 기능 점수를 산출하는 것은, '0~15초 동안 동안 피검사자가 답한 동물 이름의 개수'로서 산출되는 0~15초 정반응수와, '15~30초 동안 동안 피검사자가 답한 동물 이름의 개수'로서 산출되는 15~30초 정반응수와, '30~45초 동안 동안 피검사자가 답한 동물 이름의 개수'로서 산출되는 30~45초 정반응수와, '45~60초 동안 동안 피검사자가 답한 동물 이름의 개수'로서 산출되는 45~60초 정반응수와, '∑(하위 범주에 포함된 단어의 수-1)/(하위범주개수+독립단어개수)'에 의해 산출되는 군집지표와, '미리 설정된 하위 범주에서 독립단어로 전환하거나, 각각의 독립단어로의 전환한 개수'로서 산출되는 비효율전환지표와, '미리 설정된 하위 범주에서의 변화 횟수'로서 산출되는 전환지표를 산출할 수 있다.
본 발명의 실시 형태에 따르면 심층 신경망 분석(Deep Neural Network)을 통하여 정확한 인지 기능 검사가 이루어지도록 하는 인지 기능 검사 항목들을 추출하여 검사함으로써, 정확한 인지 기능 검사가 가능해진다.
또한 본 발명의 실시 형태에 따른 모바일 신경인지 사전검사는 기존에 활용되던 선별검사 도구보다 치매 진단 정확도 면에서 월등하다고 할 수 있으며, 경도인지장애환자와 정상인지기능 노인을 구분해 내는 능력 또한 우수한 효과를 가질 수 있다.
도 1은 본 발명의 실시예에 따른 맞춤형 인지 기능 검사 및 재활 훈련 시스템의 구성도.
도 2는 본 발명의 실시예에 따른 음성 인식을 기반으로 인지 능력 검사 및 평가를 나타낸 개념도.
도 3은 본 발명의 실시예에 따른 맞춤형 인지 기능 검사 및 재활 훈련 방법을 도시한 플로차트.
도 4는 본 발명의 실시예에 따른 검사 항목을 도시한 도표.
도 5는 본 발명의 실시예에 따른 모바일 단말기에 구현된 시간지남력(월) 문항.
도 6은 본 발명의 실시예에 따른 모바일 단말기에 구현된 기억등록 문항.
도 7은 본 발명의 실시예에 따른 모바일 단말기에 구현된 길만들기 문항.
도 8은 본 발명의 실시예에 따른 모바일 단말기에 구현된 사물 이름대기 문항.
도 9는 본 발명의 실시예에 따른 모바일 단말기에 구현된 정상/치매 결과 화면.
도 2는 본 발명의 실시예에 따른 음성 인식을 기반으로 인지 능력 검사 및 평가를 나타낸 개념도.
도 3은 본 발명의 실시예에 따른 맞춤형 인지 기능 검사 및 재활 훈련 방법을 도시한 플로차트.
도 4는 본 발명의 실시예에 따른 검사 항목을 도시한 도표.
도 5는 본 발명의 실시예에 따른 모바일 단말기에 구현된 시간지남력(월) 문항.
도 6은 본 발명의 실시예에 따른 모바일 단말기에 구현된 기억등록 문항.
도 7은 본 발명의 실시예에 따른 모바일 단말기에 구현된 길만들기 문항.
도 8은 본 발명의 실시예에 따른 모바일 단말기에 구현된 사물 이름대기 문항.
도 9는 본 발명의 실시예에 따른 모바일 단말기에 구현된 정상/치매 결과 화면.
이하, 본 발명의 장점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은, 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것으로, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 또한, 본 발명을 설명함에 있어 관련된 공지 기술 등이 본 발명의 요지를 흐리게 할 수 있다고 판단되는 경우 그에 관한 자세한 설명은 생략하기로 한다.
도 1은 본 발명의 실시예에 따른 맞춤형 인지 기능 검사 및 재활 훈련 시스템의 구성도이며, 도 2는 본 발명의 실시예에 따른 음성 인식을 기반으로 인지 능력 측정 및 인지 재활 훈련을 나타낸 개념도이다.
본 발명의 맞춤형 인지 기능 검사 및 재활 훈련 시스템은, 도 1에 도시한 바와 같이 모바일 검사 단말기(200), 인지 재활 서버(300), 및 재활 훈련 단말기(400)를 포함할 수 있다.
모바일 검사 단말기(200)는, 인지 기능 검사 항목에 속하는 검사 항목을 차례로 출력하여 피검사자를 대상으로 인지 기능 검사를 수행한 후, 입력되는 환자 답안 내용을 상기 인지 재활 서버(300)로 전송하는 단말기이다.
이러한 모바일 검사 단말기(200)는, 스마트폰뿐만 아니라, 태블릿 PC, 웨어러블 기기 등의 다양한 모바일 기기가 모두 해당될 수 있다.
참고로, 모바일 검사 단말기(200)는, 탑재된 카메라를 통해 피검사자의 눈동자 움직임을 추적하는 시선 추적 모듈이 구비될 수 있다. 시선 추적 모듈은 눈동자의 움직임을 감지하여 시선의 위치를 추적하는 기술인 시선 추적 기술을 구현하기 위한 모듈로 인지기능 평가 및 인지재활 프로그램 수행시 터치를 대신하여 사용자 인터페이스로서 활용될 수 있다.
뇌졸중과 같은 원인에 의한 인지 기능 저하자의 경우 신체 기능도 같이 저하되기 때문에 터치 기반의 인터페이스보다 시선 추적 모듈이 유용할 수 있다. 모바일 기기에 부착하여 사용할 수 있는 태블릿 거치대 형태의 별도의 시선추적 모듈이 사용될 수 있다.
작용 원리로 시각/음성 등 뇌 자극이 가능한 디지털 인지 기능 재활 콘텐츠를 인지 기능 저하자에게 활용하게 하여 뇌를 활성화시켜 인지 기능의 저하속도를 늦추는 원리이다. 이뿐만 아니라, 음성 합성 기술을 기반으로 사용자 인터페이스가 구현될 수도 있다. 문자로 된 정보를 사람이 말하듯 자연스러운 음성으로 만들어주는 기술(TTS: Text To Speech)을 기반으로 인지 능력에 대한 측정 및 재활 훈련이 진행될 수 있다. 구체적으로 모바일 기기를 통한 인지기능 평가 및 인지재활 프로그램 수행시 텍스트를 대신/또는 병행하여 질문을 하거나 지문을 읽어주도록 구현될 수 있다. 뇌졸중과 같은 원인에 의한 인지 기능 저하자의 경우 신체 기능도 같이 저하되기 때문에 터치기반의 인터페이스보다 유용할 수 있다.
인지 재활 서버(300)는, 배경 정보 항목, 시간지남력 항목, 기억등록 항목, 길만들기 항목, 기억회상 항목, 기억재인 항목, 언어유창성 항목, 및 이름대기 항목을 포함하는 인지 기능 검사 항목을 추출한다. 그리고, 각 검사 항목의 환자 답안 내용을 기반으로 인지 기능 점수를 산출한 후, 산출되는 피검사자의 인지 기능 점수에 따라서 맞춤형 재활 훈련 콘텐츠를 추출하여 재활 훈련 단말기(400)로 제공한다.
따라서 피검사자의 인지 기능 점수에 맞는 환자 개개인별로 각각 다른 재활 훈련 콘텐츠가 제공됨으로써, 재활 훈련의 효율 극대화를 기대할 수 있다.
재활 훈련 단말기(400)는, 인지 재활 서버(300)로부터 수신한 맞춤형 재활 훈련 콘텐츠를 출력하여 재활 훈련을 수행시키는 단말기이다.
결국, 본 발명은, 도 2에 도시한 바와 같이 음성 인식 기능을 기반으로 인지 능력 측정 및 인지 재활 훈련을 할 수 있다. 또한 사용자의 말을 듣고 문자로 바꿔주는 기술(STT: Speech To Text)을 통해 사용자가 어떠한 말을 하는 경우, 해당 말을 텍스트로 변환하여 인식하고, 변환된 텍스트를 기반으로 인지 능력에 대한 측정을 수행하고, 인지 재활 훈련을 진행할 수 있다. 스마트기기(스마트폰 또는 태블릿)을 통한 인지 기능 검사 및 인지 재활 프로그램 수행 시 음성을 통해 사용자의 응답을 수집하는 것은 뇌졸중과 같이 신체기능까지 같이 저하된 사람에게는 터치 기반의 인터페이스보다 유용하게 활용될 수 있다. 사용자의 말을 듣고 해당 질문에 대한 정답인지 아닌지를 판단할 수 있도록 많은 정답을 미리 등록해둘 수 있다.
본 발명의 실시예에 따르면, 새로운 치매선별 신경인지검사 도구 개발을 위한 후보 항목을 추출할 수 있다. 한국인의 인지노화와 치매에 대한 전향적 연구(Korean Longitudinal Study on Cognitive Aging and Dementia (KLOSCAD)를 통해 추적된 데이터 뱅크와 분당 서울대학교병원 정신건강의학과 치매 클리닉에서 수집된 데이터베이스에서 정상, 치매 노인의 신경심리검사 결과를 개발용 데이터 세트와 검증용 데이터 세트로 나눈 후 개발용 데이터를 분석하여 MMSE 수준의 선별검사 항목을 구성할 수 있다.
아래의 표는 수집 데이터 항목을 나타낸다.
<표 1>
도 3은 본 발명의 실시예에 따른 맞춤형 인지 기능 검사 및 재활 훈련 방법을 도시한 플로차트이며, 도 4는 본 발명의 실시예에 따른 27개의 검사 항목을 도시한 도표이다.
본 발명의 맞춤형 인지 기능 검사 및 재활 훈련 방법은, 도 3에 도시한 바와 같이 인지 기능 검사 항목 추출 과정(S510), 인지 기능 검사 항목 제시 과정(S520), 피검사자 답안 내용 입력 과정(S530), 피검사자 답안 내용 전송 과정(S540), 인지 기능 점수 산출 과정(S550), 맞춤형 재활 훈련 콘텐츠 추출 과정(S560), 및 맞춤형 재활 훈련 과정(S570)을 포함할 수 있다.
인지 기능 검사 항목 추출 과정(S510)은, 인지 재활 서버(300)가, 배경 정보 항목, 시간지남력 항목, 기억등록 항목, 길만들기 항목, 기억회상 항목, 기억재인 항목, 언어유창성 항목, 및 이름대기 항목을 포함하는 인지 기능 검사 항목을 추출하는 과정이다.
특히, 본 발명은 인지 기능 검사 항목의 추출은, 심층 신경망(Deep Neural Network) 분석을 통하여 검사 정확도가 높은 항목만을 추출하도록 한다.
알려진 바와 같이 신경망(Neural Network)이라 하면 패턴 분류(Pattern classification) 분야에서 널리 쓰이는 방식으로 비선형적(non-linear)인 전달 함수 (transfer function)을 이용하여 특징(feature)를 트레이닝(training)하는 방식이다. 이를 이용한 심층 신경망 분석(DNN;Deep Neural Network)은 입력 층(input layer)과 출력 계층(output layer) 사이에 존재하는 은닉 계층(hidden layer)을 다중으로 쌓아 만든 구조이며 기존 인공 신경망 모델의 단점을 보완하는 대체 알고리즘으로 복잡도가 높은 차원의 데이터에 관련된 문제를 푸는데 있어서 큰 효과가 있다.
따라서 본 발명은, 심층 신경망(Deep Neural Network) 분석을 통하여 검사 정확도가 높은 상위 항목만을 추출하여, 추출한 검사 항목을 이용하여 인지 기능 검사를 수행하도록 한다.
이를 위하여 인지 기능 검사 항목 추출 과정(S510)은, 인지 재활 서버(300)가, 심층 신경망(Deep Neural Network) 분석을 통하여 모바일 검사 단말기(200)에서 인지 기능 검사시의 각 인지 기능 검사 항목들의 검사 정확도 순위를 산출하여 정렬하는 과정과, 다중공선성 (multicollinearity) 및 중복검사 (redundancy)를 일으키는 검사 항목을 배제하고 검사에 있어서 필수적인 인구학적 검사 시에 검사 정확도 높은 상위 27개 검사 항목을 추출하는 과정을 가진다.
여기서, 상위 27개 검사 항목은, 도 3에 도시한 바와 같이 5개 검사 항목으로 된 배경 정보 항목, 2개 검사 항목으로 된 시간지남력 항목, 7개 단어를 기억하는 기억등록 항목, 1개 검사 항목으로 된 길만들기 항목, 기억된 단어를 회상하는 기억회상 항목, 기억된 단어와 동일한지 검사하는 기억재인 항목, 언어유창성 항목, 이름대기 항목을 포함하는 전체 27개의 인지 기능 검사 항목으로 될 수 있다.
상술하면, 배경 정보 항목은, 피검사자의 배경 정보를 검사하는 5개 검사는 나이, 성별, 글씨를 읽을 수 있는 능력, 학력, 기억력, 우울, 무흥미 등으로 구성되며, 상기 시간지남력 항목은, 월과 요일에 대한 지남력을 검사하는 항목으로 구성되며, 상기 기억등록 항목은, 기억의 일관성, 반복오류를 포함하는 단어를 기억하는 검사하는 항목으로 구성되며, 상기 길만들기 항목은, 도면상에서 길을 잇는 시간을 검사하는 항목으로 구성되며, 상기 기억회상 항목은 앞서 기억한 단어를 회상하는 능력을 검사 항목으로 구성되며, 상기 기억재인 항목은, 앞서 기억한 단어가 제시되었었는지를 검사하는 항목으로 구성되며, 상기 언어유창성 항목은, 동물의 이름을 말하는 검사 항목으로 구성되며, 상기 이름대기 항목은, 사물 그림을 보여주고 사물 이름을 올바르게 답변하는지를 검사하는 항목으로 이루어질 수 있다.
위와 같은 심층 신경망(Deep Neural Network) 분석을 이용해 분류(classification)하는 것에서 가장 중요한 요소는 치매군, 정상군을 대표할 수 있는 모델을 정립하는데 있다. 이에 있어서 검사 조합으로 치매 군, 정상 군의 인지 기능 검사 대표 모델을 만들고 각각의 모델에 대해 패턴이 다르게 존재할 것이라는 것이 분석의 전제이자 가정이다. 따라서, 모델을 세우고 각 검사 결과에 대해서 프레임 단위로 분류를 해본다면 2개의 모델 (치매, 정상)을 세웠을 때보다 더 세분화된 분류(classification)을 실시할 수 있다는 장점이 있다.
위 항목의 모델을 이용한 심층 신경망 분석은 인지기능 분류에 더 민감한 검사 도구와 결과 타입을 분류해 낼 수 있는 장점이 있다. 분류 정확도를 분석하는 실험의 경우 몇 개의 모델로 분류한 후 메이저리티 보트(majority vote)를 통해 최종적으로 치매 군, 정상 군을 판별하게 설계하고, 교차 타당도는 5 폴트 헬드-아웃 크로스 벨리데이션(fold held-out cross validation)을 5번 실시해 모든 환자군에 대해서 한 번씩 정확도를 분석한다.
전통 통계 모델링(Traditional statistics modeling)으로 로지스틱 회귀 분석이 수행될 수 있다.
본 발명의 실시예에 따르면, 진단 알고리즘의 개발로 각 검사별로 상대적 중요도를 평가하기 위해서 로지스틱 회귀 모델을 이용해서 표준화 계수(beta coefficient)를 구한다. 계산된 표준화 계수를 이용해 회귀식을 구성하고 각 검사 특성별로 웨이티드 컴포짓 스코어(weighted composit score)를 도출한 후 이를 이용해서 최적의 진단 정확도를 나타내는 검사 조합을 찾는다. 이 때 회귀 분석은 단계적 회귀 분석법(stepwise regression)을 이용하고, 다중공선성(multicollinearity)를 고려하여 분석을 진행할 수 있다.
27개 검사 항목의 검사 진단에 대한 검증이 수행될 수 있는데, 준거 타당도는 인지 기능 장애 유무를 황금 기준으로 연령을 보정한 ANOVA를 이용하여 검증하고, 동종타당도는 MMSE를 이용해서 피어슨 코릴레이션 테스트(Pearson correlation test)로 검증하며, 교차타당도는 부트 스트래핑(Bootstrapping) 또는 잭-나이프(Jack-knife) 방법을 이용하여 검증하며, 진단 정확도는 리시브 오프레이터 캐릭터리스틱(Receiver Operator Characteristics, ROC) 분석을 이용하여 분석할 수 있다.
예를 들어, 본 발명의 심층 신경망 분석을 통해 추출된 27개 검사 항목의 데이터 셋트(dataset)에서, 인지 진단(정상, 치매)을 종속 변수로 하여 로지스틱 회귀 분석을 시행하면 다음과 같은 회귀식을 얻들 수 있다.
"K=4.046+0.013*D2+0.189*E2+2.307*F2-1.3285*G2^2+1.2005*G2-
0.4385*H2^2+1.6125*H-0.965*I2-0.919*J2-0.521*K2+0.085*L2-0.06*M2-
3.266*N2-0.296*O2+0.001*P2-0.119*Q2+0.007*S2-
0.698*V2+0.139*W2+0.192*X2-0.312*Y2-0.287*Z2-0.312*AA2-0.226*AB2-
0.356*AC2+0.037*AD2+0.248*AE2+0.136*AF2+0.053*AG2"
여기서 D2는 만 연령(세), E2는 교육연수 (년), F2는 동년배기억변수(0,1), G2는 우울한기분변수(0,1,2), H2는 흥미소실변수(0,1,2), I2는 시간지남력 월(0,1), J2는 시간지남력 요일(0,1), K2는 최신효과지수, L2는 일관성지수 WLMT, M2는 반복오류수, N2는 초두효과 지수, O2는 1차시도정답 개수, P2는 2차시도정답 개수, Q2는 3차시도정답 개수, S2는 완성시간, V2는 총점WLRT, W2는 침투오류수, X2는 반응왜곡지수, Y2는 총점WLRcT, Z2는 첫번째 15초구간 정반응수, AA2는 두번째 15초구간 정반응수, AB2는 세번째 15초구간 정반응수, AC2는 네번째 15초구간 정반응수, AD2는 군집지표, AE2는 비효율전환지표, AF2는 전환지표, AG2는 중빈도 정답에 해당된다.
위의 회귀식을 검증용 dataset에서 계산, ROC curve를 구성하고 K 값의 절단점, Area under the curve (AUC), 민감도, 특이도 값을 구할 수 있다.
위의 검증방법을 기존의 알려진 간이인지기능검사도구인 치매 선별용 한국어판 간이정신상태검사(MMSE-DS), CERAD-TS1, 간이 Blessed 검사 (Short Blessed Test, SBT), 치매장애평가(Disability Assessment for Dementia, DAD)에 대해 동일하게 시행 (연령 및 교육연수 보정) 하여 각 진단정확도 지표를 비교하면 다음의 <표 2>와 같다.
<표 2>
아울러, 상술한 검증방법을 정상인지기능 및 경도인지장애 대상자를 대상으로 시행함.
이 경우, 개발용 dataset을 통해 얻은 회귀식은 다음과 같다.
"K=7.269-0.032*D2+0.094*E2+0.73*F2-0.498*G2^2+0.632*G2-
0.328*H2^2+0.645*H2-0.473*I2-0.448*J2+0.263*K2+0.021*L2-0.046*M2-
0.388*N2-0.177*O2-0.045*P2-0.085*Q2+0.004*S2-
0.349*V2+0.032*W2+0.157*X2-0.258*Y2-0.055*Z2-0.111*AA2-0.062*AB2-
0.096*AC2+0.013*AD2+0.015*AE2-0.011*AF2-0.141*AG2"
여기서, D2는 만 연령(세), E2는 교육연수(년), F2는 동년배기억변수(0,1), G2는 우울한기분변수(0,1,2), H2는 흥미소실변수(0,1,2), I2는 시간지남력 월(0,1), J2는 시간지남력 요일(0,1), K2는 최신효과지수, L2는 일관성지수 WLMT, M2는 반복오류수, N2는 초두효과 지수, O2는 1차시도정답 개수, P2는 2차시도정답 개수, Q2는 3차시도정답 개수, S2는 완성시간, V2는 총점WLRT, W2는 침투오류수, X2는 반응왜곡지수, Y2는 총점WLRcT, Z2는 첫번째 15초구간 정반응수, AA2는 두번째 15초구간 정반응수, AB2는 세번째 15초구간 정반응수, AC2는 네번째 15초구간 정반응수, AD2는 군집지표, AE2는 비효율전환지표, AF2는 전환지표, AG2는 중빈도 정답에 해당된다.
참고로, 경도인지장애 대상자에 대한 본 선별검사도구의 진단정확도를 기존 선별검사와 비교한 결과는 다음의 <표 3>과 같다.
<표 3>
결론적으로, 본 발명에서 개발한 모바일 신경인지 사전검사는 기존에 활용되던 선별검사 도구보다 치매 진단 정확도 면에서 월등하다고 할 수 있으며, 경도인지장애환자와 정상인지기능 노인을 구분해 내는 능력 또한 우수하다.
한편, 검사 항목 제시 과정(S520)은, 모바일 검사 단말기가, 상기 인지 기능 검사 항목을 차례로 출력하여 피검사자를 대상으로 인지 기능 검사를 수행하기 위해 검사 항목을 제시하는 과정이다.
피검사 답안 내용 입력 과정(S530)은, 모바일 검사 단말기가, 검사항목을 제시 한 후 피검사자로부터 답안 내용을 입력받는 과정이다.
피검사 답안 내용 전송 과정(S540)은, 모바일 검사 단말기가, 피검사자가 입력한 답안을 상기 인지 재활 서버로 전송하는 과정이다.
인지 기능 점수 산출 과정(S550)은, 인지 재활 서버(300)가, 각 검사 항목의 환자 답안 내용을 기반으로 인지 기능 점수를 산출하는 과정이다.
이러한 인지 기능 점수는 정확도를 높이기 위하여 다음과 같은 방식으로 산출이 이루어지도록 한다.
1) 배경 정보 항목에 대한 인지 기능 점수 산출
도 4에 도시한 바와 같이 나이, 학력, 기억력, 우울감, 무흥미의 5개의 배경 정보 항목에 대한 피검사자 답안에 대한 배경 정보 항목의 인지 기능 점수를 산출한다.
2) 2개의 시간지남력에 대한 인지 기능 점수 산출
도 5에 도시한 바와 같이 달, 요일에 대한 피검사자의 답안에 대한 시간지남력 항목의 인지 기능 점수를 산출한다.
3) 7개의 기억 등록 항목에 대한 인지 기능 점수 산출
도 6에 도시한 바와 같이 7개 단어를 기억하고, 기억된 단어 암기력을 첫번째로 검사하는 것을 1차시도(C1), 다른 7개 단어의 암기력을 두번째로 검사하는 것을 2차시도(C2), 또 다른 7개 단어의 암기력을 세번째로 검사하는 것을 3차시도(C3)라 할 때, 최신효과지수 '각 시행에서 마지막 두 단어 회상 총수 / 1, 2, 3차시도에서 맞춘 단어의 총수)'에 의해 산출되는 최신효과지수와, '1차시도와 2차시도에서 동일하게 회상한 단어의 개수 + 2차시도와 3차시도에서 동일하게 회상한 단어의 개수 + 1차시도와 3차시도에서 동일하게 회상한 단어의 개수'의 합산에 의해 산출되는 일관성 지수와, '1차시도, 2차시도, 및 3차시도 중에서 반복 오류의 개수'로서 산출되는 반복오류수와, '1차시도, 2차시도, 및 3차시도 각각에서 첫 두단어 회상 총 개수 / 상기 1차시도, 2차시도, 및 3차시도에서 맞춘 단어의 총 개수'에 의해 산출되는 초두효과지수와, '1차시도에서 회상한 단어의 총수'로서 산출되는 1차시도정답 개수와, '2차시도에서 회상한 단어의 총수'로서 산출되는 2차시도정답 개수와, '3차시도에서 회상한 단어의 총수'로서 산출되는 3차시도정답 개수를 산출하게 된다.
나아가, 7개의 기억 등록 항목의 검사 이외에도, 추가로 학습 곡선이 산출될 수 있는데, 이러한 학습 곡선은, '기억등록 항목 검사시의 세 번의 시행에서 회상한 단어들 중에서 기억등록 항목 검사에서 동일하게 회상한 단어의 수/ 기억등록 항목 검사의 세 번의 시행에서 회상한 회상한 단어의 수) × 100'에 의해 산출될 수 있다.
4) 길만들기 항목에 대한 인지 기능 점수 산출은
도 7에 도시한 바와 같이 무작위로 배치된 원숫자 1~13번까지 가능한 빠르게 길잇기 혹은 터치하도록 한 후 마지막 숫자까지 터치한 시간을 산출한다.
5) 기억회상 항목에 대한 인지 기능 점수 산출은
7개 단어의 암기력을 첫번째로 검사하는 것을 1차시도, 다른 7개 단어의 암기력을 두번째로 검사하는 것을 2차시도, 또 다른 7개 단어의 암기력을 세번째로 검사하는 것을 3차시도라 할 때, 2개의 기억회상 항목에 대한 인지 기능 점수를 산출하는 것은, 3차시도에서 제시된 7개 단어를 회상하여 맞춘 단어의 총수인 총점'으로서 산출되는 단어목록회상 총점과, '1차시도, 2차시도, 및 3차시도에서 제시되지 않은 단어를 답한 단어의 개수'로서 산출되는 침투오류수를 산출한다.
즉, 단어를 말한 순서대로 기록한 후, 총점과 침투오류수를 산출하며, 나아가 추가로 유지율, 일관성 지수 항목이 추가될 수 있다.
6) 기억재인 항목에 대한 인지 기능 점수 산출
7개 단어의 암기력을 첫번째로 검사하는 것을 1차시도, 다른 7개 단어의 암기력을 두번째로 검사하는 것을 2차시도, 또 다른 7개 단어의 암기력을 세번째로 검사하는 것을 3차시도라 할 때, 2개의 기억재인 항목에 대한 인지 기능 점수를 산출하는 것은, '1차시도, 2차시도, 및 3차시도에서 제시되지 않은 단어에 '예'라고 반응한 단어의 개수를 오긍정 개수라 하고, 1차시도, 2차시도, 및 3차시도에서 제시된 단어에 '아니오'라고 반응한 단어의 개수를 오부정 개수라 할 때, (오긍정 개수 - 오부정 개수) / (오긍정 개수 + 오부정 개수)'에 의해 산출되는 반응왜곡지수와, '1차시도, 2차시도, 및 3차시도에서 제시되지 않은 단어에 '아니오'라고 반응한 단어의 개수와 1차시도, 2차시도, 및 3차시도에서 제시된 단어에 '예'라고 반응한 단어의 개수를 합한 총개수'로서 산출되는 단어목록재인 총점 검사 항목을 산출할 수 있다.
즉, 각 단어에 대한 정답을 체크하도록 한 후, 오긍정, 오부정 개수를 기준으로 반응왜곡지수를 산출할 수 있다.
7) 7개의 언어유창성 항목에 대한 인지 기능 점수 산출
1분 이내에 피검사자가 랜덤하게 생각하는 동물 이름을 말하도록 피검사자에게 요청하여 15초 간격으로 피검사자가 응답한 단어를 기록한다고 할 때, 7개의 언어유창 항목에 대한 인지 기능 점수를 산출하는 것은, '0~15초 동안 동안 피검사자가 답한 동물 이름의 개수'로서 산출되는 0~15초 정반응수와, '15~30초 동안 동안 피검사자가 답한 동물 이름의 개수'로서 산출되는 15~30초 정반응수와, '30~45초 동안 동안 피검사자가 답한 동물 이름의 개수'로서 산출되는 30~45초 정반응수와, '45~60초 동안 동안 피검사자가 답한 동물 이름의 개수'로서 산출되는 45~60초 정반응수와, '∑(하위 범주에 포함된 단어의 수-1)/(하위범주개수+독립단어개수)'에 의해 산출되는 군집지표와, '미리 설정된 하위 범주에서 독립단어로 전환하거나, 각각의 독립단어로의 전환한 개수'로서 산출되는 비효율전환지표와, '미리 설정된 하위 범주에서의 변화 횟수'로서 산출되는 전환지표를 산출할 수 있다.
8) 이름대기 항목에 대한 인지 기능 점수를 산출 방식
도 8에 도시한 바와 같이 그림의 이름을 정확하게 언급한 경우 정답으로 하며, 각 문항당 1점으로 하여, 맞은 그림의 개수를 총점수로 기록한다.
한편, 맞춤형 재활 훈련 콘텐츠 추출 과정(S560)은, 인지 재활 서버(300)가, 산출되는 피검사자의 인지 기능 점수에 따라서 맞춤형 재활 훈련 콘텐츠를 추출하여 재활 훈련 단말기(400)로 제공하는 과정이다. 아울러 도 9에 도시한 바와 같이 인지 기능 점수를 알려줄 수 있다.
맞춤형 재활 훈련 과정(S570)은, 재활 훈련 단말기(400)가, 인지 재활 서버(300)로부터 수신한 맞춤형 재활 훈련 콘텐츠를 출력하여 재활 훈련을 수행시키는 과정이다.
재활 훈련의 난이도에 영향을 미치는 요인은 제시속도, 제한시간, 동시 문제수, 복잡도, 친숙도 등이다. 즉, 문제 제시 속도가 빠르고 제시시간이 짧을수록, 동시에 제시되는 문제의 수가 많을수록, 문제에 친숙하지 않고 복잡할수록 난이도는 증가하는 것이다. 난이도에 따라 이들 요소에 변화를 주며, 제시속도를 포함한 다른 요소들은 환경설정과 각 세부 콘텐츠에서 조절이 가능하다. 집중력 훈련, 기억력 훈련, 지남력 훈련 중 1개 이상의 영역으로 구성되어 있으며, 일대일 매칭 방식일 경우에는 터치/시선추적방식으로 O, X 버튼으로 환자가 응답하고, 음성인식방식을 이용하여 ‘예, 아니오‘로 응답하도록 한다.
다중 선택형 일 때에는 터치/시선추적방식을 이용하여 번호를 선택하거나 화살표를 이용하여 맞는 것을 선택하도록 하고, 음성인식방식을 이용하여 번호를 호명하도록 한다.
상술한 본 발명의 설명에서의 실시예는 여러가지 실시가능한 예중에서 당업자의 이해를 돕기 위하여 가장 바람직한 예를 선정하여 제시한 것으로, 이 발명의 기술적 사상이 반드시 이 실시예만 의해서 한정되거나 제한되는 것은 아니고, 본 발명의 기술적 사상을 벗어나지 않는 범위내에서 다양한 변화와 변경 및 균등한 타의 실시예가 가능한 것이다.
100 : 유무선 통신망
200 ; 모바일 검사 단말기
300 : 인지 재활 서버
400 : 재활 훈련 단말기
200 ; 모바일 검사 단말기
300 : 인지 재활 서버
400 : 재활 훈련 단말기
Claims (10)
- 인지 재활 서버가, 배경 정보 항목, 시간지남력 항목, 기억등록 항목, 길만들기 항목, 기억회상 항목, 기억재인 항목, 언어유창성 항목, 및 이름대기 항목을 포함하는 인지 기능 검사 항목을 추출하는 인지 기능 검사 항목 추출 과정;
모바일 검사 단말기가, 상기 인지 기능 검사 항목을 차례로 출력하여 피검사자를 대상으로 인지 기능 검사를 수행하기 위해 인지 기능 검사 항목을 제시하는 과정;
모바일 검사 단말기가, 검사항목을 제시한 후 피검사자가 답안 내용을 입력하는 인지 기능 검사 답안 입력 과정;
모바일 검사 단말기가, 피검사자가 입력한 답안을 상기 인지 재활 서버로 전송하는 피검사 답안 내용 전송 과정;
상기 인지 재활 서버가, 각 검사 항목의 환자 답안 내용을 기반으로 인지 기능 점수를 산출하는 인지 기능 점수 산출 과정;
상기 인지 재활 서버가, 산출되는 피검사자의 인지 기능 점수에 따라서 맞춤형 재활 훈련 콘텐츠를 추출하여 재활 훈련 단말기로 제공하는 맞춤형 재활 훈련 콘텐츠 추출 과정; 및
상기 재활 훈련 단말기가, 상기 인지 재활 서버로부터 수신한 맞춤형 재활 훈련 콘텐츠를 출력하여 재활 훈련을 수행시키는 맞춤형 재활 훈련 수행 과정;
을 포함하고,
상기 인지 기능 검사 항목 추출 과정은,
인지 재활 서버가, 심층 신경망(Deep Neural Network) 분석을 통하여 모바일 검사 단말기에서 인지 기능 검사시의 각 인지 기능 검사 항목들의 검사 정확도 순위를 산출하여 정렬하는 과정; 및
다중공선성 (multicollinearity) 및 중복검사 (redundancy)를 일으키는 검사 항목을 배제하고 검사 정확도 높은 상위 검사 항목을 추출하는 과정;
을 포함하고,
상기 인지 기능 검사 항목을 제시하는 과정은,
TTS(Text To Speech)를 활용해 음성을 출력하는 과정; 및
화면을 통해 시각적으로 출력하는 과정;
을 포함하고,
상기 인지 기능 검사 답안 입력 과정은,
STT(Speech To Text)를 활용해 음성을 입력하는 과정; 및
화면 터치를 통해 입력하는 과정;
을 포함하고,
상기 상위 검사 항목은,
배경 정보 항목, 시간지남력 항목, 7개 단어로 된 기억등록 항목, 길만들기 항목, 7개의 단어를 기억하는 기억회상 항목, 기억된 단어와 동일한지 검사하는 기억재인 항목, 동물 단어를 기록하는 언어유창성 항목, 및 그림에 대한 사물 이름대기 항목을 포함하고,
상기 배경 정보 항목은, 피검사자의 배경 정보를 검사하는 항목으로 구성되며,
상기 시간지남력 항목은, 월과 요일에 대한 지각력을 검사하는 항목으로 구성되며,
상기 기억등록 항목은, 기억의 일관성, 반복오류를 포함하는 기억력을 검사하는 7개 단어로 구성되며,
상기 길만들기 항목은, 도면상에서 길을 잇는 검사 항목으로 구성되며, 상기 기억회상 항목은, 앞서 7개 단어를 기억한 것을 회상하는 검사 항목으로 구성이며, 상기 기억재인 항목은, 앞서 기억한 7개의 단어가 제시되었었는지를 검사 항목으로 구성되며, 상기 언어유창성 항목은, 동물의 이름을 대답하는 검사항목으로 구성되며, 상기 이름대기 항목은, 사물 그림을 보여주고 사물 이름을 올바르게 답변하는지를 검사 항목으로 이루어짐을 특징으로 하고,
기억한 7개 단어 암기력을 첫번째로 검사하는 것을 1차시도, 순서가 다른 7개 단어 암기력을 두번째로 검사하는 것을 2차시도, 또 순서가 다른 7개 단어 암기력을 세번째로 검사하는 것을 3차시도라 할 때,
7개의 기억등록 항목에 대한 인지 기능 점수를 산출하는 것은,
최신효과지수 '각 시행에서 마지막 두 단어 회상 총수 / 1, 2, 3차시도에서 맞춘 단어의 총수)'에 의해 산출되는 최신효과지수와,
'1차시도와 2차시도에서 동일하게 회상한 단어의 개수 + 2차시도와 3차시도에서 동일하게 회상한 단어의 개수 + 1차시도와 3차시도에서 동일하게 회상한 단어의 개수'의 합산에 의해 산출되는 일관성 지수와,
'1차시도, 2차시도, 및 3차시도 중에서 반복 오류의 개수'로서 산출되는 반복오류수와,
'1차시도, 2차시도, 및 3차시도 각각에서 첫 두단어 회상 총 개수 / 상기 1차시도, 2차시도, 및 3차시도에서 맞춘 단어의 총 개수'에 의해 산출되는 초두효과지수와,
'1차시도에서 회상한 단어의 총수'로서 산출되는 1차시도정답 개수와,
'2차시도에서 회상한 단어의 총수'로서 산출되는 2차시도정답 개수와,
'3차시도에서 회상한 단어의 총수'로서 산출되는 3차시도정답 개수를 산출함을 특징으로 하고,
기억회상 항목에 대한 인지 기능 점수를 산출하는 것은,
3차시도에서 제시된 7개 단어를 회상하여 맞춘 단어의 총수인 총점'으로서 산출되는 단어목록회상 총점과, 제시되지 않은 단어를 답한 단어의 개수'로서 산출되는 침투오류수를 산출함을 특징으로 하고,
기억재인 항목에 대한 인지 기능 점수를 산출하는 것은,
기억 등록에 제시되지 않은 단어에 '예'라고 반응한 단어의 개수를 오긍정 개수라 하고, 기억 등록에 제시된 단어에 '아니오'라고 반응한 단어의 개수를 오부정 개수라 할 때, (오긍정 개수 - 오부정 개수) / (오긍정 개수 + 오부정 개수)'에 의해 산출되는 반응왜곡지수와,
기억 등록에 제시되지 않은 단어에 '아니오'라고 반응한 단어의 개수와 기억 등록에 제시된 단어에 '예'라고 반응한 단어의 개수를 합한 총개수'로서 산출되는 단어목록재인 총점 검사 항목을 산출함을 특징으로 하고,
1분 이내에 피검사자가 랜덤하게 생각하는 동물 이름을 말하도록 피검사자에게 요청하여 15초 간격으로 피검사자가 응답한 단어를 기록한다고 할 때,
언어유창성 항목에 대한 인지 기능 점수를 산출하는 것은,
'0~15초 동안 동안 피검사자가 답한 동물 이름의 개수'로서 산출되는 0~15초 정반응수와,
'15~30초 동안 동안 피검사자가 답한 동물 이름의 개수'로서 산출되는 15~30초 정반응수와,
'30~45초 동안 동안 피검사자가 답한 동물 이름의 개수'로서 산출되는 30~45초 정반응수와,
'45~60초 동안 동안 피검사자가 답한 동물 이름의 개수'로서 산출되는 45~60초 정반응수와,
'∑(하위 범주에 포함된 단어의 수-1)/(하위범주개수+독립단어개수)'에 의해 산출되는 군집지표와,
'미리 설정된 하위 범주에서 독립단어로 전환하거나, 각각의 독립단어로의 전환한 개수'로서 산출되는 비효율전환지표와,
'미리 설정된 하위 범주에서의 변화 횟수'로서 산출되는 전환지표를 산출함을 특징으로 하는 맞춤형 인지 기능 검사 및 재활 훈련 방법.
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190150696A KR102301143B1 (ko) | 2019-11-21 | 2019-11-21 | 맞춤형 인지 기능 검사 및 재활 훈련 평가 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190150696A KR102301143B1 (ko) | 2019-11-21 | 2019-11-21 | 맞춤형 인지 기능 검사 및 재활 훈련 평가 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20210062456A KR20210062456A (ko) | 2021-05-31 |
KR102301143B1 true KR102301143B1 (ko) | 2021-10-14 |
Family
ID=76150196
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020190150696A KR102301143B1 (ko) | 2019-11-21 | 2019-11-21 | 맞춤형 인지 기능 검사 및 재활 훈련 평가 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102301143B1 (ko) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4272643A1 (en) * | 2022-05-02 | 2023-11-08 | Emocog Co., Ltd. | Test method and apparatus for evaluating cognitive function decline |
EP4272642A1 (en) * | 2022-05-02 | 2023-11-08 | Emocog Co., Ltd. | Test method and apparatus for evaluating cognitive function decline |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102394331B1 (ko) * | 2021-08-09 | 2022-05-10 | 주식회사 이모코그 | 경도인지장애 환자의 증상을 개선하기 위한 훈련프로그램의 구축 방법 및 시스템 |
CN115705923A (zh) | 2021-08-09 | 2023-02-17 | 伊莫克有限公司 | 用于改善轻度认识障碍患者症状的训练程序的构建方法及*** |
WO2023018159A1 (ko) * | 2021-08-09 | 2023-02-16 | 주식회사 이모코그 | 이미지 기반 치매 진단 시스템 및 방법 |
KR102441611B1 (ko) * | 2021-08-09 | 2022-09-08 | 주식회사 이모코그 | 이미지 기반 치매 진단 시스템 |
KR102606336B1 (ko) * | 2022-05-02 | 2023-11-29 | 주식회사 이모코그 | 인지기능 저하를 평가하기 위한 검사 방법 및 장치 |
KR20240082627A (ko) * | 2022-12-02 | 2024-06-11 | 재단법인대구경북과학기술원 | 인지 재활 훈련의 자동화 방법 및 장치 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101969540B1 (ko) * | 2018-03-26 | 2019-08-13 | 주식회사 에임메드 | 인지 기능 재활 훈련 방법 및 장치 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100986109B1 (ko) * | 2007-07-24 | 2010-10-07 | 주식회사 엔텔리전트 게임즈 | 웹 서비스 기반의 인지능력 개발 시스템, 그 방법 및 이를기록한 기록매체 |
KR101320624B1 (ko) * | 2012-01-27 | 2013-10-23 | 주식회사 넷블루 | 통합형 인지 재활 시스템 및 통합형 인지 재활 서비스 제공 방법 |
US20150106531A1 (en) | 2013-10-15 | 2015-04-16 | Nagravision S.A. | Multicast of stream selection from portable device |
KR20180084332A (ko) * | 2017-01-16 | 2018-07-25 | 어빌리티기술융합협동조합 | 경도인지장애 평가 및 훈련 시스템 |
-
2019
- 2019-11-21 KR KR1020190150696A patent/KR102301143B1/ko active IP Right Grant
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101969540B1 (ko) * | 2018-03-26 | 2019-08-13 | 주식회사 에임메드 | 인지 기능 재활 훈련 방법 및 장치 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4272643A1 (en) * | 2022-05-02 | 2023-11-08 | Emocog Co., Ltd. | Test method and apparatus for evaluating cognitive function decline |
EP4272642A1 (en) * | 2022-05-02 | 2023-11-08 | Emocog Co., Ltd. | Test method and apparatus for evaluating cognitive function decline |
Also Published As
Publication number | Publication date |
---|---|
KR20210062456A (ko) | 2021-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102301143B1 (ko) | 맞춤형 인지 기능 검사 및 재활 훈련 평가 방법 | |
JP6858316B2 (ja) | 認知機能リハビリテーション訓練方法および装置 | |
Castilla-Earls et al. | Beyond scores: Using converging evidence to determine speech and language services eligibility for dual language learners | |
CN110516161B (zh) | 一种推荐方法及装置 | |
McLeod et al. | Prevalence of communication disorders compared with other learning needs in 14 500 primary and secondary school students | |
Crowe et al. | Augmentative and alternative communication for children with intellectual and developmental disability: A mega-review of the literature | |
US20210313020A1 (en) | Method and apparatus for rehabilitation training of cognitive function | |
CN115064246B (zh) | 一种基于多模态信息融合的抑郁症评估***及设备 | |
CN110584601B (zh) | 一种老人认知功能监测和评估*** | |
JP2008513840A (ja) | 状況のフィードバックを使用する学習システム及び方法 | |
KR101387075B1 (ko) | 인지 능력 증진 시스템 및 그를 이용한 인지 능력 훈련 방법 | |
Stronach et al. | Observed and parent-report measures of social communication in toddlers with and without autism spectrum disorder across race/ethnicity | |
US20200251217A1 (en) | Diagnosis Method Using Image Based Machine Learning Analysis of Handwriting | |
Hill et al. | Critical issues using brain-computer interfaces for augmentative and alternative communication | |
Thomson et al. | What ‘form’does informal assessment take? A scoping review of the informal assessment literature for aphasia | |
Dhakal et al. | IVACS: I ntelligent v oice A ssistant for C oronavirus Disease (COVID-19) S elf-Assessment | |
Parish-Morris et al. | Building language resources for exploring autism spectrum disorders | |
Alshehri et al. | Detection and Diagnosis of Learning Disabilities in Children of Saudi Arabia with Artificial Intelligence | |
Dineley et al. | Remote smartphone-based speech collection: acceptance and barriers in individuals with major depressive disorder | |
US11547345B2 (en) | Dynamic neuropsychological assessment tool | |
Pivovarova et al. | Are measures of cognitive effort and motivation useful in differentiating feigned from genuine psychiatric symptoms? | |
CN113761160A (zh) | 一种应用感官分析的评价方法及应用 | |
Tilton-Bolowsky et al. | Evaluating circumlocution in naming as a predictor of communicative informativeness and efficiency in discourse | |
Li | EFL teaching based on big data analytics in mobile AAC system | |
Arioli et al. | Validation of at-home application of a digital cognitive screener for older adults |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right |