KR102321737B1 - Method and apparatus for mananing health - Google Patents

Abstract

본 발명은 건강 관리 방법 및 장치에 관한 것으로, 본 발명에 따른 건강 관리 방법은 사용자의 건강을 관리하기 위해 사용자가 이행해야 할 하나 이상의 항목을 포함하는 레시피를 생성하는 레시피 생성 단계; 및 사용자 건강 정보 및 상기 레시피를 이용하여 상기 사용자의 순응도를 분석하는 순응도 분석 단계;를 포함할 수 있다. The present invention relates to a health management method and apparatus, and the health management method according to the present invention comprises: a recipe generating step of generating a recipe including one or more items to be implemented by a user in order to manage the user's health; and a compliance analysis step of analyzing the user's compliance by using the user's health information and the recipe.

Description

건강 관리 방법 및 장치 {METHOD AND APPARATUS FOR MANANING HEALTH}METHODS AND APPARATUS FOR MANANING HEALTH

본 발명은 건강 관리 시스템 및 방법에 관한 것으로, 보다 상세하게 사물 인터넷에 기반하여 개개인의 건강상태를 파악하여 맞춤형 건강 관리 정보를 제공할 수 있는 건강 관리 시스템 및 방법에 관한 것이다. The present invention relates to a health management system and method, and more particularly, to a health management system and method capable of providing customized health management information by identifying an individual's health status based on the Internet of Things.

최근 '착용하는 전자기기'를 뜻하는 웨어러블 디바이스(Wearable Device)가 부상하고 있으며, 이러한 웨어러블 디바이스는 정보처리/엔터테인먼트 목적과 헬스케어 목적 등으로 널리 이용되고 있다.Recently, wearable devices, meaning 'electronic devices to be worn', are emerging, and these wearable devices are widely used for information processing/entertainment purposes and health care purposes.

웨어러블 디바이스 및 통신 기술의 발달로 사물인터넷(Internet of Things, IoT) 기술을 이용한 서비스가 확대되고 있다. 상기 웨어러블 디바이스는 삼성전자, 애플, 구글과 같은 IT분야 선도 기업은 물론 나이키, 아디다스와 같은 운동 용품 전문 기업들까지 포함하는 다양한 산업 영역에서 혁신적인 제품들이 출시되고 있으며, IT 전문기업 및 중소규모 IT 업체의 웨어러블 디바이스는 주로 건강관리와 웰빙 목적의 헬스케어 제품에 집중되고 있다.With the development of wearable devices and communication technologies, services using Internet of Things (IoT) technology are expanding. As for the wearable device, innovative products are being launched in various industrial fields including leading companies in the IT field such as Samsung Electronics, Apple, and Google, as well as sports equipment companies such as Nike and Adidas, and IT companies and small and medium-sized IT companies wearable devices are mainly focused on healthcare products for health care and well-being purposes.

한편 발달된 스마트 기기와 센서 기술을 통해 개인 활동 데이터에 대한 정량화가 가능해졌고, 의료서비스의 패러다임이 치료중심에서 개인의 피트니스/웰니스 중심으로 변화함에 따라 헬스케어 분야는 웨어러블 디바이스의 적용과 확산이 가장 빠르게 이루어지고 있는 영역이라 할 수 있다. On the other hand, quantification of personal activity data has become possible through advanced smart devices and sensor technology, and as the medical service paradigm changes from treatment-centered to individual fitness/wellness-centered, the application and spread of wearable devices is the most important in the healthcare field. This is an area that is moving quickly.

한편, U-헬스 케어 시장의 확대에 따른 자가 수치화(quantified self) 시장의 급속한 성장이 진행되고 있다. 또한 최근 개인 생체 데이터를 실시간으로 수집하여 헬스케어에 이용하는 앱이 증가하고 있으며, 자가 수치화 트렌드는 자가 헬스케어를 쉽게 할 수 있는 환경을 조성하면서, 동시에 시장 활성화를 촉진하고 있다. 이러한 사물인터넷을 위한 기술의 개발과 별도로 다양한 분야에서 종래의 인터넷 통신 기술과 센서 기술을 이용하여 사물인터넷 서비스를 구현한 제품들이 출시되고 있으나, 대부분 기술들이 아직 초기 단계에 머물러 있는 실정이다. Meanwhile, the rapid growth of the quantified self market is progressing due to the expansion of the U-health care market. In addition, recently, the number of apps that collect personal biometric data in real time and use it for health care is increasing, and the trend of self-quantification is creating an environment where self-health care can be easily performed and at the same time promoting market revitalization. Apart from the development of technologies for the Internet of Things, products that implement Internet of Things services using conventional Internet communication technology and sensor technology have been released in various fields, but most of these technologies are still in an early stage.

또한, 고령 사회로 급속히 진행됨에 따라 당뇨, 고혈압 등 만성질환에 대한 지속적인 관리가 필요한 실정이다. In addition, as the aging society rapidly progresses, continuous management of chronic diseases such as diabetes and high blood pressure is required.

특히, 이러한 만성질환들은 의사의 적절한 처방뿐만 아니라 식단관리나 운동관리 등 생활습관을 적절히 관리하는 것이 매우 중요하다. In particular, for these chronic diseases, it is very important to properly manage lifestyle, such as diet and exercise, as well as appropriate prescription by a doctor.

하지만 종래의 건강 관리 장치는 지속적인 관리 및 개개인에 특화된 맞춤형 서비스를 제공하지 못하는 문제점이 있었다. However, the conventional health management apparatus has a problem in that it cannot provide continuous management and customized services specialized for each individual.

본 발명이 해결하고자 하는 과제는, 사용자에게 최적화된 맞춤형 건강 관리 장치 및 방법을 제공하는 것이다. An object of the present invention is to provide a customized health management apparatus and method optimized for a user.

또한, 본 발명이 해결하고자 하는 과제는, 레시피에 따른 사용자의 순응도를 분석하여 순응도에 따른 사용자 맞춤형 레시피를 제공할 수 있는 건강 관리 장치 및 방법을 제공하는 것이다. In addition, an object of the present invention is to provide a health care apparatus and method capable of providing a user-customized recipe according to the degree of compliance by analyzing the degree of compliance of the user according to the recipe.

또한, 본 발명이 해결하고자 하는 과제는, 레시피의 지시사항을 정해진 시간에 알려주어 사용자가 레시피를 잘 이행할 수 있도록 하는 건강 관리 장치 및 방법을 제공하는 것이다. In addition, an object of the present invention is to provide a health management apparatus and method that informs recipe instructions at a predetermined time so that a user can implement the recipe well.

본 발명에 따른 건강 관리 방법은 사용자의 건강을 관리하기 위해 사용자가 이행해야 할 하나 이상의 항목을 포함하는 레시피를 생성하는 레시피 생성 단계; 및 A health management method according to the present invention includes: a recipe generating step of generating a recipe including one or more items to be implemented by a user in order to manage the user's health; and

사용자 건강 정보 및 상기 레시피를 이용하여 상기 사용자의 순응도를 분석하는 순응도 분석 단계;를 포함할 수 있다. and a compliance analysis step of analyzing the user's compliance by using the user's health information and the recipe.

본 발명의 실시예에 따르면, 사용자의 상태를 지속적으로 모니터링하고 관리함으로써 사용자의 상태 변화에 따른 최적화된 레시피를 제공할 수 있다. According to an embodiment of the present invention, it is possible to provide an optimized recipe according to a change in the user's state by continuously monitoring and managing the user's state.

또한, 본 발명의 실시예에 따르면, 레시피에 따른 사용의 순응도를 분석하여 순응도에 따른 맞춤형 레시피를 제공하므로 사용자는 건강 관리를 보다 쉽게 할 수 있다. In addition, according to an embodiment of the present invention, the user can more easily manage health by analyzing the degree of compliance of use according to the recipe and providing a customized recipe according to the degree of compliance.

또한, 본 발명의 실시예에 따르면, 레시피의 지시사항을 정해진 시간에 알려주어 사용자가 레시피를 잘 이행할 수 있다. In addition, according to an embodiment of the present invention, the user can implement the recipe well by notifying the instructions of the recipe at a predetermined time.

또한, 본 발명의 실시예에 따른 사용자는 건강 상태가 개선되는 것을 시각적으로 확인할 수 있어, 사용자의 적극적인 참여를 유도할 수 있다. In addition, the user according to the embodiment of the present invention can visually confirm that the health condition is improved, thereby inducing active participation of the user.

본 발명의 실시예에 따르면, 단순히 사용자의 건강 상태만을 측정하는 것이 아니라 실제 건강 상태 그룹군의 위치, 개선의 목표, 개선된 상태 등을 제공할 수 있다. According to an embodiment of the present invention, it is possible to provide not only the user's health status, but also the location of the actual health status group, the target for improvement, the improved status, and the like.

또한, 본 발명의 실시예에 따르면, 사용자가 레시피를 잘 이행하지 않아 건강 상태가 악화된 경우, 악화 정도를 확인할 수 있어 사용자에게 경각심을 유도하여 사용자의 레시피 이행을 유도할 수 있다. In addition, according to an embodiment of the present invention, when the user's health condition is deteriorated because the user does not follow the recipe well, the degree of deterioration can be checked, so that the user can be alerted to induce the user to implement the recipe.

도 1은 본 발명에 따른 건강 관리 장치가 적용되는 시스템 구성도를 나타낸 것이다.
도 2는 건강 관리 장치(200)의 상세 구성을 나타낸 블럭도이다.
도 3은 본 발명의 실시예에 따른 건강 관리 방법을 나타낸 것이다.
도 4는 본 발명의 다른 실시예에 따른 건강 관리 방법을 나타낸 것이다.
도 5은 본 발명의 실시예에 따른 학습 패턴의 예를 나타낸 것이다.
도 6은 건강 관리 장치의 표시부(250)에 표시되는 UI의 일 실시예를 나타낸 것이다.
도 7는 본 발명의 실시예에 따른 건강 정보 패턴의 일 예를 나타낸 것이다.
도 8은 건강 관리 단말(100)과 건강 관리 장치(200)간 메시지 송수신 내용을 나타낸 일 실시예이다.
도 9는 본 발명의 실시예에 따른 레시피 데이터베이스의 일 예를 나타낸 것이다.
도 10는 본 발명의 실시예에 따른 실제 서비스 예시를 나타낸 것이다.1 is a diagram showing a system configuration to which a health management device according to the present invention is applied.
2 is a block diagram illustrating a detailed configuration of the health management device 200 .
3 shows a health management method according to an embodiment of the present invention.
4 shows a health management method according to another embodiment of the present invention.
5 shows an example of a learning pattern according to an embodiment of the present invention.
6 illustrates an embodiment of a UI displayed on the display unit 250 of the health care device.
7 illustrates an example of a health information pattern according to an embodiment of the present invention.
8 is an exemplary embodiment illustrating the content of message transmission/reception between the health management terminal 100 and the health management device 200 .
9 shows an example of a recipe database according to an embodiment of the present invention.
10 shows an example of an actual service according to an embodiment of the present invention.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.Since the present invention can have various changes and can have various embodiments, specific embodiments are illustrated in the drawings and will be described in detail in the detailed description. However, this is not intended to limit the present invention to a specific embodiment, it should be understood to include all modifications, equivalents and substitutes included in the spirit and scope of the present invention.

제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다.Terms including an ordinal number, such as first, second, etc., may be used to describe various elements, but the elements are not limited by the terms.

상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제2 구성요소는 제1구성요소로 명명될 수 있고, 유사하게 제1 구성요소도 제2 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.The above terms are used only for the purpose of distinguishing one component from another. For example, without departing from the scope of the present invention, the second component may be referred to as the first component, and similarly, the first component may also be referred to as the second component. and/or includes a combination of a plurality of related listed items or any of a plurality of related listed items.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.When a component is referred to as being “connected” or “connected” to another component, it is understood that the other component may be directly connected or connected to the other component, but other components may exist in between. it should be On the other hand, when it is said that a certain element is "directly connected" or "directly connected" to another element, it should be understood that no other element is present in the middle.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terms used in the present application are only used to describe specific embodiments, and are not intended to limit the present invention. The singular expression includes the plural expression unless the context clearly dictates otherwise. In the present application, terms such as “comprise” or “have” are intended to designate that a feature, number, step, operation, component, part, or combination thereof described in the specification exists, but one or more other features It should be understood that this does not preclude the existence or addition of numbers, steps, operations, components, parts, or combinations thereof.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless defined otherwise, all terms used herein, including technical and scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs. Terms such as those defined in commonly used dictionaries should be interpreted as having a meaning consistent with the meaning in the context of the related art, and should not be interpreted in an ideal or excessively formal meaning unless explicitly defined in the present application. does not

이하, 첨부된 도면을 참조하여 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 대응하는 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.Hereinafter, the embodiment will be described in detail with reference to the accompanying drawings, but regardless of the reference numerals, the same or corresponding components are given the same reference numerals, and the overlapping description thereof will be omitted.

도 1은 본 발명에 따른 건강 관리 장치가 적용되는 건강 관리 시스템 구성도를 나타낸 것이다. 1 is a block diagram of a health management system to which a health management device according to the present invention is applied.

도 1을 참조하면, 본 발명에 따른 건강 관리 시스템은 통신망을 통해 데이터를 송수신하는 건강 관리 단말(100), 및 건강 관리 장치(200) 및 데이터베이스(300, Database)로 구성되어 있다. Referring to FIG. 1 , a health management system according to the present invention includes a health management terminal 100 that transmits and receives data through a communication network, and a health management device 200 and a database 300 (Database).

상기 건강 관리 단말(100)은 사용자의 건강 정보를 취득하여 통신망을 통해 건강 관리 장치(200)로 전송하고, 건강 관리 장치(200)는 건강 관리 단말(100)로부터 수신한 건강 정보와 데이터베이스(300)에 저장되어 있는 데이터를 비교하여 사용자의 건강 상태를 체크하여 사용자에 적합한 레시피를 생성하여 사용자에게 전송한다. 본 발명에서 레시피란 사용자에게 적합한 건강 정보 측정 규칙, 식단, 운동처방, 수면시간, 권장 건강보조식품, 복약규칙이나 지시사항, 정신 질환 관리 등을 사용자에게 내려치는 종합적인 지시사항을 의미한다. 사용자는 레시피에 따른 지시사항을 이행함으로써 건강을 개선할 수 있다. 상기 레시피는 건강 정보 측정 규칙, 운동량, 활동성, 식단, 수면시간, 복약규칙, 및 건강보조제, 스트레스 관리, 체중, BMI, 병원검진, 약국내원, 식품관련 구매정보(카드, 식료품 바코드 등), 사회 활동 정보(SNS, 전화 등) 중 하나 이상의 정보를 포함한다. 또한, 상기 레시피는 사항, 권장 사항, 금지 사항, 보충 정보 중 하나 이상을 포함할 수 있다. The health management terminal 100 acquires the user's health information and transmits it to the health management apparatus 200 through a communication network, and the health management apparatus 200 receives the health information and the database 300 from the health management terminal 100 . ), the user's health condition is checked by comparing the data stored in ), and a recipe suitable for the user is created and transmitted to the user. In the present invention, a recipe means a comprehensive instruction that gives the user appropriate health information measurement rules, diet, exercise prescription, sleep time, recommended health supplements, medication rules or instructions, mental illness management, etc. to the user. Users can improve their health by following the instructions according to the recipe. The recipe includes health information measurement rules, exercise amount, activity, diet, sleep time, medication rules, and health supplements, stress management, weight, BMI, hospital checkup, pharmacy visit, food related purchase information (card, food barcode, etc.), social It includes one or more of activity information (SNS, phone, etc.). In addition, the recipe may include one or more of information, recommendations, prohibitions, and supplementary information.

상기 건강 정보는 혈당과 같은 바이오 정보와 식사, 운동량 등과 같은 생활 습관 정보를 포함할 수 있다. 구체적으로 생활습관 정보는 건강 정보 측정 주기나 시간, 운동량, 식단, 수면시간, 복약시간 및 복약주기, 복용 건강 보조제 등과 같은 사용자의 건강과 관련된 다양한 생활 습관이나 패턴을 의미한다. The health information may include bio-information such as blood sugar and lifestyle information such as meal and exercise amount. Specifically, the lifestyle information refers to various lifestyle habits or patterns related to the health of the user, such as health information measurement cycle, time, exercise amount, diet, sleep time, medication time and medication cycle, and health supplements taken.

보다 상세하게 살펴보면, 상기 건강 관리 단말(100)은 사용자의 신체에 부착되어 다양한 생체 정보를 감지할 수 있다. 상기 건강 관리 단말(100)은 바이오 센서를 포함할 수 있다. 예를 들어, 상기 건강 관리 단말(100)은 혈압, 혈당 수치, 체중, 맥박, 심전도 등의 다양한 바이오 정보를 감지할 수 있고, 사용자의 움직임을 감지하여 운동량을 체크할 수도 있다. In more detail, the health management terminal 100 may be attached to the user's body to detect various biometric information. The health management terminal 100 may include a biosensor. For example, the health management terminal 100 may detect various bio-information such as blood pressure, blood sugar level, weight, pulse, and electrocardiogram, and may check the amount of exercise by detecting the user's movement.

또한, 건강 관리 단말(100)은 입력부를 통해 사용자가 직접 정보를 입력할 수 있다. 입력부는 통해 바이오 센서로 획득할 수 없는 정보를 사용자가 직접 입력할 수 있다. 예를 들어, 성별, 연령, 키, 체중 등과 같은 개인의 기본적인 건강 정보뿐만 아니라 의료 기관에서 진료받은 의무기록 데이터, 건강검진 데이터 등을 입력할 수 있다. 또한, 사용자는 건강 관리 단말(100)을 통해 유전자 정보, 가족력, 질환, 식단, 운동량, 생활 습관 등을 다양한 건강 정보를 입력할 수 있다. 상기 건강 관리 단말(100)은 스마트폰과 일체로 형성될 수도 있다. 예를 들어, 스마트폰에 건강 정보를 체크하는 앱이나 바이오 정보를 감지하는 센서가 추가될 경우, 스마트폰은 건강 정보 단말로 사용될 수 있다. In addition, the health management terminal 100 may allow a user to directly input information through the input unit. Through the input unit, the user may directly input information that cannot be obtained by the biosensor. For example, it is possible to input not only basic personal health information such as gender, age, height, weight, etc., but also medical record data received at a medical institution, health checkup data, and the like. In addition, the user may input various health information such as genetic information, family history, disease, diet, exercise amount, lifestyle, and the like through the health management terminal 100 . The health management terminal 100 may be formed integrally with a smartphone. For example, when an app for checking health information or a sensor for detecting bio-information is added to the smartphone, the smartphone may be used as a health information terminal.

상기 입력부는 터치패드나 키보드일 수 있으며 스캐닝 장치가 될 수도 있다. The input unit may be a touchpad or a keyboard, and may also be a scanning device.

건강 관리 단말(100)은 이러한 다양한 건강 정보를 통신망을 통해 건강 관리 장치(200)로 전송한다. The health management terminal 100 transmits such various types of health information to the health management device 200 through a communication network.

상기 통신망은 소위 M2M(machine-to-machine)통신, IoT(Internet of Things), 인터넷망 통신 시스템이 사용될 수 있다. As the communication network, so-called machine-to-machine (M2M) communication, the Internet of Things (IoT), and an Internet network communication system may be used.

상기 IoT 전용망으로는 Lora 네트워크가 사용될 수 있고, 상기 인터넷망으로 WLAN(Wireless LAN), 와이파이(Wi-Fi), Wibro(Wireless broadband), Wimax(World Interoperability for Microwave Access), HSDPA(High Speed Downlink Packet Access) 등이 이용될 수 있다. Lora network may be used as the IoT dedicated network, and as the Internet network, WLAN (Wireless LAN), Wi-Fi, Wibro (Wireless broadband), Wimax (World Interoperability for Microwave Access), HSDPA (High Speed Downlink Packet) Access) and the like may be used.

상기 건강 관리 단말(100)은 상기와 같은 통신망을 이용하여 위해 이동 통신 모듈, 무선 통신 모듈, 근거리 통신 모듈을 포함하는 통신 모듈이 탑재될 수 있다. The health care terminal 100 may be equipped with a communication module including a mobile communication module, a wireless communication module, and a short-range communication module for using the communication network as described above.

이동통신 모듈은 이동 통신망 상에서 기지국, 외부의 단말기와 무선 신호를 송수신한다. 상기 무선 신호는, 음성 호 신호, 화상 통화 신호 또는 문자/멀티미디어 메시지 송수신에 따른 다양한 형태의 데이터를 포함할 수 있다.The mobile communication module transmits and receives wireless signals to and from a base station and an external terminal on a mobile communication network. The wireless signal may include various types of data according to transmission/reception of a voice call signal, a video call signal, or a text/multimedia message.

상기 건강 관리 장치(200)는 사용자가 입력한 정보를 기반으로, 건강 관리 단말(100)로부터 수신한 바이오 정보 및 사용자 단말로부터 수신한 건강 정보를 데이터베이스에 저장되어 있는 정보와 비교하여 사용자에 적합한 레시피를 생성하고, 생성된 레시피를 건강 관리 단말(100)로 전송한다. 상기 건강 관리 장치(200)의 상세 구성에 대해서는 후술 하기로 한다. The health management device 200 compares the bio-information received from the health management terminal 100 and the health information received from the user terminal with information stored in a database based on the information input by the user, and a recipe suitable for the user and transmits the generated recipe to the health care terminal 100 . A detailed configuration of the health management device 200 will be described later.

상기 데이터베이스(300)는 빅데이터 분석을 통해 여러 종류의 사용자를 분류하여 사용자별 나이, 성별, 질병에 대한 레시피를 저장한다. 상기 데이터베이스(300)는 공개된 공공 건강 정보 데이터베이스 및 의료 기관들에서 수집한 진료기록 및 건강검진 데이터나 웨어러블 건강 수집 장치를 통해 실시간으로 수집된 건강 정보들을 사례별로 저장할 수 있다. 데이터베이스(300)는 개인별 일회성 획득 건강 정보가 아닌 대략 10년 범위내의 건강 정보별 수치의 변화를 볼 수 있는 시계열성 건강 정보들을 사례별로 저장할 수 있다. 또한, 상기 데이터베이스(300)는 SNS와 연계된 다양한 형태의 건강 관리 빅데이터를 수집할 수 있다. 즉, 데이터베이스(300)는 다양한 개인별 건강 정보 사례를 저장한다고 볼 수 있다.The database 300 classifies various types of users through big data analysis and stores recipes for each user's age, gender, and disease. The database 300 may store medical records and health checkup data collected from an open public health information database and medical institutions or health information collected in real time through a wearable health collection device for each case. The database 300 may store time-series health information in which a change in numerical values for each health information within a range of about 10 years can be viewed for each case, rather than one-time acquired health information for each individual. In addition, the database 300 may collect various types of health management big data linked to SNS. That is, it can be seen that the database 300 stores various examples of individual health information.

더욱 구체적으로, 상기 데이터베이스(300)는 상기와 같은 데이터들을 유사한 패턴별로 분류하여 저장할 수 있다. 즉, 데이터베이스(300)는 건강 정보를 필터링 및 그룹핑 또는 이들의 조합을 통해서 처리하여 유사 패턴의 환자나 증상들끼리 그룹핑하고 패턴별 레시피를 저장할 수 있다. 예를 들어, 50대의 마른 체형의 남자 당뇨환자의 60대 뚱뚱한 체형의 남자 당뇨 환자에 대한 레시피 즉, 적정 식단, 운동량, 피해야 할 음식, 권장하는 건강보조식품에 대한 정보를 구분하여 저장할 수 있다. 레시피 생성부는 데이터베이스에 저장되어 있는 이러한 패턴별 레시피 정보를 참조하여 사용자에게 적합한 레시피를 생성할 수 있다. More specifically, the database 300 may classify and store the above data according to similar patterns. That is, the database 300 may process health information through filtering, grouping, or a combination thereof to group patients or symptoms with similar patterns and store recipes for each pattern. For example, information on a recipe for a diabetic male diabetic in their 60s and a skinny diabetic in their 50s, that is, an appropriate diet, amount of exercise, foods to avoid, and recommended health supplements may be stored separately. The recipe generator may generate a recipe suitable for the user by referring to the recipe information for each pattern stored in the database.

또한, 상기 데이터베이스(300)는 레시피에 따른 환자들의 순응도를 저장한다. 다양한 환자들의 레시피 순응도를 저장하고 이를 학습함으로써 사용자의 순응도를 예측하는데 사용할 수 있다. In addition, the database 300 stores the adherence of patients according to the recipe. By storing and learning recipe compliance of various patients, it can be used to predict user compliance.

상기 데이터베이스(300)는 실시간 유사 사례 검색을 위해, 가공하지 않은 건강 데이터를 미리 연령 또는 성별, 질병, 건강 상태 등의 분류 요소로 그룹화하여 저장한다. 고유한 분류 요소에 의해 그룹핑될 수도 있으며, 한 개 이상의 분류 요소의 결합에 의해 그룹핑될 수도 있다. 예컨대 건강 상태의 유사그룹의 기준으로, 성별(남, 여), 연령(10대, 20대, 30대, . . . ., 80대 이상) 등이 될 수 있으며, 고혈압 '유'와 '무'처럼 특정 질병이 될 수도 있다. 또한 건강 상태가 양호한 그룹, 위험군인 그룹 등으로 건강상태 분류에 의해 그룹을 나눌 수도 있다. 한 개 이상의 조건으로 그룹을 세분화할 수도 있으며, 일예로써, (성별 ='여' and 연령='50'대 and 질병='고혈압')와 같이 복수의 조건으로 하나의 그룹을 생성할 수도 있다. 또한 어떤 건강 사례는 하나 이상의 그룹 속에 분류되어 저장될 수도 있다. 또는 실시간 유사사례　검색을 위해 데이터베이스(300)는 병렬 저장소를 사용하여 구성되는 것이 바람직하다. 예를 들어, 제1 데이터베이스(310)는 당뇨 환자에 대한 정보를 저장하고, 제2 데이터베이스(320)는 고혈압 환자에 대한 정보를 저장하고, 제3 데이터베이스(330)는 관절염 환자에 대한 질환을 저장할 수 있다. 또한, 동일 질병에 대한 환자들도 식단 및 운동 여부에 따른 개선 정도에 대한 다양한 정보를 저장할 수 있다. 본 실시예에서는 3가지 경우를 예시로 나타내었으나 다양한 환자군을 그룹화하여 저장할 수 있다. 각각의 데이터베이스(310, 320, 330)는 각 사용자군별로 증상, 증상에 대한 처방, 필요 운동량, 피해야 할 음식, 권장 음식 등 다양한 데이터를 저장할 수 있다. 특히 당뇨나 고혈압 등 만성질환은 식이 요법이 매우 중요하다. 따라서 환자군별 권장 음식, 필요한 칼로리, 특정 음식물에 대한 부가적인 부작용이나 연관되는 음식물과의 작용 관계 등을 저장할 수 있다. The database 300 groups and stores raw health data in advance into classification elements such as age or gender, disease, and health condition for real-time similar case search. They may be grouped by a unique classification element, or may be grouped by a combination of one or more classification elements. For example, as a standard for similar groups in health status, gender (male, female), age (10s, 20s, 30s, . It can be a specific disease like '. In addition, the group may be divided into a group with good health status, a group with a risk group, etc. by health status classification. A group may be subdivided into one or more conditions, and as an example, one group may be created with a plurality of conditions such as (gender = 'female' and age = '50's and disease = 'high blood pressure'). In addition, certain health events may be classified and stored in more than one group. Alternatively, for real-time similar case 　 search, the database 300 is preferably configured using a parallel storage. For example, the first database 310 stores information on diabetic patients, the second database 320 stores information on hypertensive patients, and the third database 330 stores diseases of arthritis patients. can Also, patients with the same disease may store various information on the degree of improvement according to diet and exercise. In this embodiment, three cases are shown as examples, but various patient groups can be grouped and stored. Each of the databases 310 , 320 , and 330 may store various data such as symptoms, prescriptions for symptoms, required amount of exercise, foods to be avoided, and recommended foods for each user group. In particular, diet is very important for chronic diseases such as diabetes and high blood pressure. Accordingly, it is possible to store the recommended food for each patient group, required calories, additional side effects for a specific food, or a working relationship with the related food.

환자군의 분류(클러스터링, clustering)는 임계값을 중심으로 분류할 수 있다. 예를 들어, 혈당 데이터는 0과 1사이로 정규화할 수 있으며, 이때의 혈당 데이터의 평균은 96.555mg/dL(=0.5), 편차는 24.815였다. 공복혈당이 126mg/dL 이상일 때, 당뇨로 진단되는데, 정규화된 값이 0.697이상이면 비정상군을 의미하므로 당뇨사용자로 분류할 수 있다. The patient group classification (clustering) can be classified based on a threshold value. For example, blood glucose data can be normalized between 0 and 1, and the average of the blood glucose data at this time was 96.555 mg/dL (=0.5), and the deviation was 24.815. Diabetes is diagnosed when the fasting blood sugar is 126 mg/dL or more. If the normalized value is 0.697 or more, it means an abnormal group, so it can be classified as a diabetic user.

또한, 패턴 매칭을 통해 분류할 수 있다. 이때 K-평균(means) 클러스터링을 통해 유사한 패턴끼리 분류할 수 있다. 예를 들어, 유클리디안 거리(Euclidean distance)를 이용해 유사 패턴끼리 분류하거나 k-평균 클러스터링에서 k값을 5로 하여 패턴 매칭을 할 수 있다. Also, it can be classified through pattern matching. In this case, similar patterns can be classified through K-means clustering. For example, similar patterns can be classified using Euclidean distance, or pattern matching can be performed by setting the k value to 5 in k-means clustering.

지금까지 본 발명에 따른 건강 관리 시스템의 대략적인 구성 및 동작에 대해 살펴보았다. 이하에서는 상기 건강 관리 장치(200)의 상세 구성 및 동작에 대해 보다 상세히 살펴보기로 한다. So far, the approximate configuration and operation of the health management system according to the present invention has been described. Hereinafter, a detailed configuration and operation of the health management device 200 will be described in more detail.

도 2는 상기 건강 관리 장치(200)의 상세 구성을 나타낸 블럭도이다. 2 is a block diagram illustrating a detailed configuration of the health management device 200 .

상기 건강 관리 장치(200)는 데이터 송수신부(210), 레시피 생성부(220), 순응도 분석부(230), 저장부(240), 및 표시부(250)를 포함할 수 있다. The health management device 200 may include a data transceiver 210 , a recipe generator 220 , a compliance analyzer 230 , a storage unit 240 , and a display unit 250 .

상기 데이터 송수신부(210)는 건강 관리 단말(100)로부터 사용자의 건강 정보 및 생활 습관 정보를 주기적을 수신하여 업데이트하고, 레시피에 따른 지시사항을 상기 건강 관리 단말(100)로 전송한다. 상기 생활 습관 정보는 복약유무, 식단, 운동량 등 레시피에 따른 이행 정보를 사용자가 입력하는 정보이다. 상기 데이터 송수신부(210)는 경우에 따라 사용되지 않을 수도 있다. 이러한 사용자의 건강 정보는 상기 저장부(240)에 미리 저장될 수 있다. The data transceiver 210 periodically receives and updates the user's health information and lifestyle information from the health care terminal 100 , and transmits instructions according to the recipe to the health care terminal 100 . The lifestyle information is information in which the user inputs transition information according to a recipe, such as whether or not taking medication, a diet, and an exercise amount. The data transceiver 210 may not be used in some cases. Such user's health information may be stored in advance in the storage unit 240 .

상기 레시피 생성부(220)는 데이터베이스에서 수신한 건강 정보에 대응하는 레시피를 검색하여 사용자가 이행해야 할 레시피를 생성한다. 상기 레시피 생성부(220)는 데이터베이스를 기반으로 기존 환자 정보를 학습하여 사용자에게 적합한 레시피를 생성한다. 상기 레시피 생성부(220)는 레시피 생성 조건이 사용자에 의해 미리 설정될 수 있으며, 설정된 조건에 따라 레시피를 생성할 수 있다. 설정조건이 없는 경우에는 사용자 건강 정보를 기반으로 레시피를 생성하고 관리할 수 있다. The recipe generator 220 searches for a recipe corresponding to the health information received from the database and generates a recipe to be implemented by the user. The recipe generator 220 generates a recipe suitable for the user by learning the existing patient information based on the database. The recipe generation unit 220 may set a recipe generation condition in advance by a user, and may generate a recipe according to the set condition. If there is no setting condition, a recipe can be created and managed based on user health information.

레시피에는 사용자의 식단, 운동량, 복약시간, 건강보조식품 등 다양한 정보가 포함되어 있다. 예를 들어, 피해야 할 음식, 권장 음식, 하루 운동량, 추천 운동, 식후 30분 복약 등과 같은 정보가 포함될 수 있다. 그리고 상기 레시피 생성부(220)는 레시피 생성 후 추가 건강 정보와 생활 습관 정보가 수신되면 후술되는 순응도에 따라 레시피를 수정한다. The recipe contains various information such as the user's diet, exercise amount, medication time, and health supplements. For example, information such as foods to avoid, recommended foods, daily exercise amount, recommended exercise, and taking medication 30 minutes after a meal may be included. In addition, when additional health information and lifestyle information are received after the recipe creation unit 220 is generated, the recipe creation unit 220 modifies the recipe according to the degree of compliance, which will be described later.

상기 순응도 분석부(230)는 상기 사용자 건강 정보 및 상기 레시피를 이용하여 상기 사용자의 순응도를 분석한다. 즉, 상기 레시피 항목과 사용자의 이행 정보를 비교하여 순응도를 분석한다. 사용자의 이행 정보는 사용자가 직접 입력하거나 데이터 송수신부로부터 수신할 수 있다. 또한 순응도 분석부는 상기 분석된 순응도를 기반으로 사용자의 미래 순응도 및 건강 상태를 에측할 수 있다. The compliance analyzer 230 analyzes the user's compliance by using the user health information and the recipe. That is, compliance is analyzed by comparing the recipe item with the user's implementation information. The user's adherence information may be directly input by the user or may be received from the data transceiver. In addition, the compliance analyzer may estimate the user's future compliance and health status based on the analyzed compliance.

상기 순응도 분석부(230)는 사용자의 순응도가 높은 경우에는 미래의 순응도도 높을 것으로 예측하고, 순응도가 낮은 경우에는 미래의 순응도도 낮은 것으로 예측할 있다. 또한, 순응도 분석부(230)는 데이터베이스에 저장되어 있는 유사 패턴의 환자의 순응도를 학습하여 미래의 순응도를 예측할 수 있다. If the user's compliance is high, the compliance analyzer 230 may predict that the future compliance will be high, and if the compliance is low, the compliance analyzer 230 may also predict that the future compliance will be low. In addition, the compliance analyzer 230 may predict the future compliance by learning the patient's compliance with a similar pattern stored in the database.

상기 레시피 생성부(220)는 순응도에 따라 기존 생성된 레시피를 강화 또는 완화할 수 있다. 즉, 레시피 생성부(220)는 분석된 순응도에 따라 사용자의 레시피 이행 여부를 예측하여 레시피를 수정한다. 이때, 레시피 생성부(220)는 사용자의 순응도 패턴에 따라 특정 레시피 항목을 강화하거나 완화할 수 있다. 예를 들어, 레시피에서 하루 1시간 운동, 채소 위주의 식단을 지시하였는데, 순응도 분석결과 운동 순응도는 높으나 식단 순응도가 매우 낮은 경우 운동 부분은 조금 더 강화하고 식단은 조금 완화할 수 있다. 순응도가 매우 낮은 부분을 동일하게 지시하는 경우에는 계속해서 지켜지지 않을 가능성이 높기 때문이다. 순응도가 높은 경우에는 향후에도 레시피를 이행할 가능성이 높으므로 순응도가 높은 항목의 레시피를 강화할 수 있고, 반대의 경우에는 레시피를 완화할 수 있다. 향후 레시피의 이행 가능성을 예측할 때 상기 데이터베이스에 저장되어 있는 유사 패턴 환자의 순응도를 학습하여 미래의 순응도를 예측할 수 있다. 사용자의 순응도가 높은 경우와 높지 않은 경우가 불규칙적으로 반복되고 건강상태가 나빠지는 경우에는 이러한 상황을 반영하여 미래 상태를 예측해 최적의 레시피를 생성한다. 사용자와의 상호작용으로 순응도 향상을 유도하고 사용자에게 특화된 형태로 특정 레시피를 강화한다. 레시피와 환자의 건강 상태 변화를 확인하여 레시피 항목별 가중치를 부여하고 최적화하는 방향으로 학습한다. The recipe generator 220 may strengthen or relax the previously generated recipe according to the degree of compliance. That is, the recipe generation unit 220 corrects the recipe by predicting whether or not the user will fulfill the recipe according to the analyzed compliance. In this case, the recipe generator 220 may strengthen or relieve a specific recipe item according to the user's compliance pattern. For example, the recipe instructed one hour of exercise a day and a vegetable-based diet. As a result of the compliance analysis, if the adherence to exercise is high but the adherence to the diet is very low, the exercise part can be strengthened a little more and the diet can be slightly relaxed. This is because, if the same instruction is given to a very low compliance part, it is highly likely that it will not continue to be followed. If the compliance is high, the recipe is highly likely to be implemented in the future, so the recipe for items with high compliance can be strengthened, and vice versa, the recipe can be relaxed. When predicting the possibility of implementing the recipe in the future, it is possible to predict the future compliance by learning the compliance of the patient with the similar pattern stored in the database. In the case where the user's compliance is high and not high, irregularly repeated, and the health condition deteriorates, the optimal recipe is created by reflecting the situation and predicting the future condition. Interaction with users induces compliance improvement and reinforces specific recipes in a user-specific form. By checking the recipe and changes in the patient's health status, it learns in the direction of assigning weights to each recipe item and optimizing it.

상기 저장부(240)는 상기 수신한 건강 정보와 생활 습관 정보를 저장한다. The storage unit 240 stores the received health information and lifestyle information.

레시피 생성부(220)는 저장부에 저장된 데이터를 분석하여 사용자의 건강 상태의 변화 및 그에 따른 레시피의 변화를 통계로 작성할 수 있다. The recipe generating unit 220 may analyze the data stored in the storage unit to create statistics on a change in a user's health state and a change in the recipe accordingly.

상기 표시부(250)는 레시피 및 그에 따른 여러 가지 사항을 표시한다. 상기 표시부(250)는 터치 스크린과 같은 디스플레이 기기기 사용될 수 있다. The display unit 250 displays a recipe and various items accordingly. The display unit 250 may be used as a display device such as a touch screen.

상기 레시피 생성부(220)는 사용자의 건강 정보에서 주요한 건강 정보를 추출하며, 사용자의 건상 상태의 어떠한 상태에 있으며 어느 유형에 속하는지 분석한다. The recipe generating unit 220 extracts main health information from the user's health information, and analyzes the user's health state in which state and to which type it belongs.

또한, 상기 레시피 생성부(220) 분석된 사용자 정보를 기반으로 데이터베이스(300)에서 유사 사례를 검색하고, 건강 상태가 유사한 그룹에 속한 환자들의 증상과 증상에 대한 의사들의 처방, 적합한 식단, 운동량 등을 참조하여 레시피를 생성한다. 수신된 건강 정보와 데이터베이스에 저장된 정보를 비교하여 사용자의 건강 상태가 정상범위인지 비정상 범위인지를 분석할 수 있다. 즉, 연령, 성별, 혈당 등을 참조하여 사용자의 혈당값이 유사 그룹에서 정상 범위인지 비정상 범위인지 판단할 수 있다. 이렇게 분석된 정보 및 생성된 레시피는 저장부에 저장될 수 있다. In addition, similar cases are searched for in the database 300 based on the user information analyzed by the recipe generator 220, and doctors' prescriptions for symptoms and symptoms of patients belonging to a group with similar health status, suitable diet, exercise amount, etc. Create a recipe by referring to . By comparing the received health information with the information stored in the database, it is possible to analyze whether the user's health status is within a normal range or an abnormal range. That is, it is possible to determine whether the user's blood sugar value is within a normal range or an abnormal range in a similar group with reference to age, gender, blood sugar, and the like. The analyzed information and the generated recipe may be stored in the storage unit.

또한, 상기 레시피 생성부(220) 사용자의 건강 정보에 대한 통계 데이터를 작성한다. 앞서 살펴본 바와 같이 데이터 송수신부(210)는 사용자의 건강 정보나 생활 습관 정보를 주기적으로 지속적으로 수신한다. 이렇게 수신된 건강 정보 및 그에 따라 생성된 레시피는 저장부(240)에 저장되므로, 저장부(240)에 저장된 데이터를 분석하여 통계 데이터를 작성할 수 있다. 그리고 앞서 분석된 건강 정보 및 생성된 데이터(통계, 알람, 일정)를 기반으로 보고서 형태의 레포트를 생성할 수 있다. In addition, the recipe generating unit 220 creates statistical data on the user's health information. As described above, the data transceiver 210 periodically and continuously receives the user's health information or lifestyle information. Since the received health information and the recipe generated accordingly are stored in the storage unit 240 , statistical data can be created by analyzing the data stored in the storage unit 240 . In addition, it is possible to generate a report in the form of a report based on previously analyzed health information and generated data (statistics, alarms, schedules).

또한, 상기 레시피 생성부(220)는 상기 레시피에서 정한 시간이 되면 알람신호를 생성하여 상기 데이터 송수신부를 통해 상기 사용자에게 이행지시 신호를 전송하도록 한다. 예를 들어, 레시피에 식후 30분 복약이란 항목이 있는 경우, 식사시간 30분 후에 알람신호를 전송한다. 식사시간을 다소 유동적이지만 식사시간은 대체적으로 일정하다. 예를 들어, 사용자가 건강 정보 단말을 통해 점심식사 시간을 12시로 입력한 경우, 12시30분이 되면 복약을 알리는 알람신호를 전송할 수 있다. In addition, the recipe generating unit 220 generates an alarm signal when the time set in the recipe arrives and transmits a transition instruction signal to the user through the data transceiver. For example, if there is an item in the recipe for taking medication 30 minutes after a meal, an alarm signal is transmitted 30 minutes after the meal time. Meal times are somewhat flexible, but meal times are generally constant. For example, when the user inputs the lunch time as 12 o'clock through the health information terminal, an alarm signal notifying the medication may be transmitted at 12:30.

또한, 상기 레시피 생성부(220)는 상기 순응도를 기반으로 사용자의 향후 지시사항 이행여부를 예측하여 일정을 수립할 수 있다. In addition, the recipe generator 220 may establish a schedule by predicting whether the user will fulfill the instructions in the future based on the degree of compliance.

앞서 살펴본 바와 같이, 순응도 분석부(230)에서는 레시피의 여러 지시사항의 각 항목별로 순응도부를 분석한다. 따라서 각 항목별 순응도를 근거로 향후의 이행 가능성을 어느 정도 예측할 수 있다. 예를 들어, 식단 순응도는 높고, 운동 순응도는 매우 낮은 경우 동일한 일정으로 레시피를 생성하더라도 운동 순응도가 여전히 낮게 될 것을 예측할 수 있다. 따라서 이러한 순응도를 반영하여 어떤 운동은 언제 할 것인지에 대한 일정을 수립할 수 있다. 물론, 낮은 순응도를 고려하여 운동의 강도를 낮추고 시간도 짧아지도록 일정을 수립할 수 있다. As described above, the conformance analysis unit 230 analyzes the conformance unit for each item of various instructions of the recipe. Therefore, the possibility of future implementation can be predicted to some extent based on the degree of compliance for each item. For example, when diet adherence is high and exercise adherence is very low, it can be predicted that exercise adherence will still be low even if a recipe is created with the same schedule. Therefore, it is possible to establish a schedule for which exercise to be performed and when to reflect this degree of compliance. Of course, it is possible to establish a schedule so that the intensity of the exercise is lowered and the time is shortened in consideration of the low compliance.

또한, 상기 레시피 생성부(220)는 순응도를 기준으로 평가 점수를 부여하여 사용자의 이행율이 높아지도록 독려할 수 있다. 순응도가 높은 경우에는 높은 점수를 부여하고, 그에 대한 보상으로 쿠폰이나 포인트 등을 부여하여 레시피에 따른 지시사항을 잘 이행하도록 할 수 있다. In addition, the recipe generator 220 may encourage the user to increase the adherence rate by giving an evaluation score based on the degree of compliance. In the case of high compliance, a high score may be given, and coupons or points may be given as a reward to ensure that the instructions according to the recipe are well followed.

도 3은 본 발명의 실시예에 따른 건강 관리 방법을 나타낸 것이다. 3 shows a health management method according to an embodiment of the present invention.

도 3을 참조하면, 실시예에 따른 건강 관리 방법은 사용자의 건강을 관리하기 위해 사용자가 이행해야 할 하나 이상의 항목을 포함하는 레시피를 생성하는 레시피 생성 단계(S310), 사용자 건강 정보 및 상기 레시피를 이용하여 상기 사용자의 순응도를 분석하는 순응도 분석 단계(S320), 상기 사용자 건강 정보와 순응도에 따라 상기 레시피를 수정하는 단계(S330)를 포함할 수 있다. Referring to FIG. 3 , the health management method according to the embodiment includes a recipe generation step ( S310 ) of generating a recipe including one or more items to be implemented by a user in order to manage the user's health, user health information, and the recipe. It may include a compliance analysis step (S320) of analyzing the user's compliance by using the method, and a step (S330) of modifying the recipe according to the user's health information and the degree of compliance.

상기 레시피 생성 단계(S310)는 데이터베이스를 기반으로 기존 환자 정보에 대한 다양한 환자군에 대한 건강 패턴을 학습하는 사전 단계를 거친 상태에서, 상기 사용자 건강 정보를 상기 학습된 건강 패턴에서 가장 유사하게 매칭되는 패턴을 먼저 찾아 레시피를 생성할 수 있다. 즉, 데이터베이스에서 사용자 건강 정보와 가장 유사하게 매칭되는 패턴을 찾고, 이를 평가하여 레시피를 생성할 수 있다. 평가방법은 사용자의 건강 상태와 적합한지 여부를 평가할 수 있다. In the recipe generation step (S310), the user health information is most similarly matched from the learned health pattern in a state in which a health pattern for various patient groups with respect to the existing patient information is learned based on the database. You can create a recipe by first finding it. That is, it is possible to find a pattern that most closely matches the user's health information in the database, evaluate it, and create a recipe. The evaluation method may evaluate whether it is suitable for the user's health condition.

레시피 생성은 사용자의 건강 정보를 기반으로 생성하는 것이 바람직하지만 사용자의 건강 정보를 수신할 수 없거나 확보되지 않은 경우도 있을 수 있다. 이러한 경우에는 미리 설정된 건강 보조 정보나 기준 건강 정보를 기준으로 레시피를 생성할 수 있다. 상기 건강 보조 정보는 사용자의 행동 양식, 식습관, 환경 정보 중 하나 이상을 포함할 수 있다. 상기 기준 건강 정보란 일반적인 건강 관리를 위한 기준으로, 예를 들어 운동은 하루 30분, 식사 칼로리는 2Kcal 등 과 같이 평균적인 보통의 건강한 사람을 기준으로 설정될 수 있다. 주기적으로 신체의 건강 정보를 측정하고 이를 바탕으로 환자의 현재 상태와 미래의 상태를 예측하는 것이 바람직하지만, 건강한 사람에게 주기적인 혈당 측정 등을 강요하기도 어려울 뿐만 아니라 강요를 하더라도 측정의 번거로움과 바쁜 일상으로 인해 측정값을 입력 받기가 어려운 경우가 발생할 수 있다. It is preferable to generate the recipe based on the user's health information, but there may be cases in which the user's health information cannot be received or is not secured. In this case, a recipe may be generated based on preset health supplement information or reference health information. The health assistance information may include one or more of a user's behavioral pattern, eating habits, and environment information. The reference health information is a standard for general health management, and for example, exercise may be set based on an average healthy person, such as 30 minutes a day and 2Kcal meal. Although it is desirable to periodically measure the body's health information and predict the patient's current and future conditions based on this, it is difficult to force a regular blood sugar measurement to a healthy person, and even if forced, the measurement is cumbersome and busy. It may be difficult to input measurement values due to daily life.

이러한 문제를 해결하기 위한 방법으로, 첫번째 방법은 사전에 일정 기간 동안 다양한 변수의 상황에 따른 건강 정보를 미리 측정, 기록, 분석하여 저장하고 이를 바탕으로 현재의 입력된 정보만으로 예측을 할 수 있다. 예를 들면 환자의 식사정보나 시간정보, 운동정보에 따른 혈당 변화를 여러 각도에서 측정해 둔 뒤에 미래에는 혈당의 측정 없이 식사 정보나 운동 정보, 시간 정보 등의 일부 특정 정보 만으로 환자의 혈당값을 예측할 수 있다. As a method to solve this problem, the first method can measure, record, analyze and store health information according to the situation of various variables for a predetermined period in advance, and make predictions only with the currently input information based on this. For example, after measuring the change in blood sugar according to the patient's meal information, time information, and exercise information from various angles, in the future, the patient's blood sugar level can be measured only with some specific information such as meal information, exercise information, and time information without measuring blood sugar. predictable.

두번째 방법은 이러한 사전 정보가 없는 환자의 경우에도 첫번째 방법을 따르되 사전 정보가 없기 때문에 유사한 패턴을 먼저 찾아내고 가상의 패턴을 적용하여 예측을 해 주는 방법이 있다.The second method follows the first method even in the case of a patient without such prior information, but since there is no prior information, a similar pattern is first found and a prediction is made by applying a virtual pattern.

상기 순응도 분석 단계(320)는 분석된 순응도를 기반으로 사용자의 미래 순응도 및 건강 상태를 예측할 수 있다. 순응도 분석 및 예측 방법은 선형 회귀분석, 지역적 가중치 적용법, 비선형 회귀분석, 머신 러닝 알고리즘 중 하나 이상을 사용할 수 있다. The compliance analysis step 320 may predict the user's future compliance and health status based on the analyzed compliance. The compliance analysis and prediction method may use one or more of a linear regression analysis, a local weighting method, a non-linear regression analysis, and a machine learning algorithm.

또한, 상기 순응도 분석 단계(S320)는 상기 데이터베이스를 기반으로 기존 환자들의 순응도 패턴을 학습하는 단계, 및 상기 사용자 건강 정보 및 순응도 패턴을 상기 학습된 순응도 패턴에 따라 사용자의 순응도를 예측하는 단계를 포함할 수 있다. In addition, the compliance analysis step (S320) includes the steps of learning the compliance pattern of existing patients based on the database, and predicting the user's compliance according to the user health information and the compliance pattern according to the learned compliance pattern. can do.

상기 레시피에 포함되는 사용자가 이행해야 할 항목에는 건강 정보 측정 규칙, 운동량, 활동성, 식단, 수면시간, 복약규칙, 및 건강보조제, 스트레스 관리, 체중, BMI, 병원검진, 약국내원, 식품관련 구매정보(카드, 식료품 바코드 등), 사회 활동 정보(SNS, 전화 등) 중 하나 이상에 대한 정보가 포함될 수 있다. Items to be implemented by the user included in the recipe include health information measurement rules, exercise amount, activity, diet, sleep time, medication rules, health supplements, stress management, weight, BMI, hospital checkup, pharmacy visit, food related purchase information It may include information about one or more of (card, grocery barcode, etc.), social activity information (SNS, phone, etc.).

상기 레시피를 수정하는 단계(S330)는 사용자의 건강 상태 또는 순응도 패턴에 따라 특정 레시피 항목을 추가하거나 수정할 수 있다. 상기 사용자의 건강 상태는 사용자가 입력하거나, 미리 저장되어 있거나, 건강 관리 단말과 같은 외부기기로부터 수신할 수 있다. In the step of modifying the recipe ( S330 ), a specific recipe item may be added or modified according to the user's health condition or compliance pattern. The health state of the user may be input by the user, stored in advance, or received from an external device such as a health management terminal.

즉, 레시피를 생성하는 단계 이전에 외부기기로부터 사용자 건강 정보를 수신하는 단계를 더 포함할 있다. That is, the method may further include receiving user health information from an external device before generating the recipe.

도 4는 도 3의 실시예에 건강 패턴 및 순응도 패턴을 학습하는 단계를 더 추가한 것을 나타낸 것이다. FIG. 4 shows that the step of learning a health pattern and a compliance pattern is further added to the embodiment of FIG. 3 .

도 4를 참조하면, 실시예에 따른 건강 관리 방법은 건강 패턴 학습 및 최적화 단계(S410), 순응도 패턴 학습 및 최적화 단계(S420), 사용자 건강 정보 수신 단계(S430), 레시피 생성 단계(S440), 순응도 분석 단계(S450), 레시피 수정 단계(S460), 및 레시피 전송 단계(S470)를 포함할 수 있다. 4 , the health management method according to the embodiment includes a health pattern learning and optimization step (S410), a compliance pattern learning and optimization step (S420), a user health information receiving step (S430), a recipe generation step (S440), It may include a compliance analysis step (S450), a recipe modification step (S460), and a recipe transmission step (S470).

상기 건강 패턴 학습 및 최적화 단계(S410)는 데이터베이스에 저장되어 있는 기존 환자 정보 빅데이터를 클러스터링하거나 학습 알고리즘을 통하여 건강 패턴을 학습하고 최적화한다. In the health pattern learning and optimization step ( S410 ), existing patient information big data stored in a database is clustered or a health pattern is learned and optimized through a learning algorithm.

상기 순응도 패턴 및 최적화 단계(S420)는 데이터베이스에 저장되어 있는 기존 환자 정보 빅데이터를 클러스터링하거나 학습 알고리즘을 통하여 순응도 패턴을 학습하고 최적화한다. In the compliance pattern and optimization step ( S420 ), the existing patient information big data stored in the database is clustered or the compliance pattern is learned and optimized through a learning algorithm.

상기 사용자 건강 정보 수신 단계(S430)는 외부기기로부터 수신된 건강 정보는 단계에서의 수신 정보는 복약, 식사, 운동, 수면, 병원 검진, 유전 정보, 문진 정보, 약품, 칼로리 소모정보, 음식 별 혈당 정보, 혈액 내 대사 반응 정보, 건강 검진 정보, 알레르기나 부작용, 합병증 정보, 영양 및 보조제 중의 어느 하나 이상과 관련된 유무, 시간, 양을 포함하는 등의 부가정보를 포함할 수 있다. The user health information receiving step (S430) is the health information received from the external device, the received information in the step is medication, meal, exercise, sleep, hospital checkup, genetic information, questionnaire information, medicine, calorie consumption information, blood sugar by food Information, metabolic reaction information in blood, health checkup information, allergy or side effects, complications information, and additional information such as presence, time, and amount related to any one or more of nutrition and supplements may be included.

상기 수신 정보의 형태는 문자, 숫자, 이미지, 사진, 동영상, 바코드 중 하나 이상을 포함할 수 있다. The form of the received information may include one or more of letters, numbers, images, photos, videos, and barcodes.

상기 레시피 생성 단계(S440)는 사용자 건강 정보를 상기 학습된 건강 패턴 정보와 비교하여 사용자에게 적합한 레시피를 생성한다. The recipe generating step (S440) generates a recipe suitable for the user by comparing the user health information with the learned health pattern information.

상기 순응도 분석 단계(S450)는 상기 사용자 정보를 상기 학습된 순응도 패턴과 비교하여 사용자의 순응도를 분석하고 예측한다. In the compliance analysis step (S450), the user's compliance is analyzed and predicted by comparing the user information with the learned compliance pattern.

상기 레시피를 수정하는 단계(S460)는 사용자의 건강 상태 또는 순응도 패턴에 따라 특정 레시피 항목을 추가하거나 수정할 수 있다. In the step of modifying the recipe ( S460 ), a specific recipe item may be added or modified according to the user's health condition or compliance pattern.

상기 레시피의 생성 또는 수정은 사용자가 이행해야 할 항목의 이행 시간, 일별, 주간 별, 월별, 연도별 이행을 포함하거나 즉시 이행 가능한 이벤트와 관련된 것을 포함할 수 있다. The creation or modification of the recipe may include the fulfillment time of an item to be fulfilled by the user, daily, weekly, monthly, yearly fulfillment, or may include related to an event that can be fulfilled immediately.

또한, 상기 레시피는 당뇨, 혈압을 포함하는 특정 질환이나 복합적인 질환 예방에 대한 처방을 포함할 수 있다. 또한, 레시피는 사용자가 이행해야 할 필수 사항, 권장 사항, 금지 사항, 보충 정보 중 하나 이상을 포함할 수 있다. 상기 레시피를 생성하는 단계 및 순응도를 분석하는 단계는 도 3의 실시예와 동일하다.In addition, the recipe may include a prescription for preventing specific diseases or complex diseases including diabetes and blood pressure. In addition, the recipe may include one or more of mandatory requirements, recommendations, prohibitions, and supplemental information to be followed by the user. The step of generating the recipe and the step of analyzing compliance are the same as in the embodiment of FIG. 3 .

상기 레시피 전송 단계(S470) 에서는 상기 레시피와 순응도 패턴은 미리 등록된 단말기로 전송할 수 있다. In the recipe transmission step (S470), the recipe and the compliance pattern may be transmitted to a pre-registered terminal.

이때 상기 레시피에 포함된 정보와 더불어 사용자의 건강 관리를 개선시키거나 예방하거나 사용자의 자기 관리 의지를 높여줄 수 있는 이벤트, 사은품 제공, 구매 정보, 건강 정보, 예방 접종 정보, 약품 정보, 식품 정보 중 하나 이상을 포함하는 정보를 전송할 수 있다. At this time, in addition to the information included in the recipe, among events, gift offerings, purchase information, health information, vaccination information, drug information, and food information that can improve or prevent the user's health management or increase the user's self-management will Information including one or more may be transmitted.

인간은 특정 정보를 알고 있더라도 이를 실행하는 것이 아니므로 실행하고자 하는 의지 역시 중요하다. 흡연이 유해한 것은 모두 알고 있지만 금연을 실행하는 사람이 많지 않음을 생각하면 쉽게 이해할 수 있다. 따라서 레시피에 따른 지시사항을 이행할 수 있도록 사용자의 자기 관리 의지를 높이는 것도 중요한 요소이다. Humans do not execute certain information even if they know it, so the will to execute is also important. Everyone knows that smoking is harmful, but it's easy to understand when you consider that not many people quit. Therefore, it is also an important factor to increase the will of the user to self-manage so that the instructions according to the recipe can be implemented.

인간의 뇌는 자연의 식품이 아닌 정제된 탄수화물, 당분, 지방, 염분 등의 위험한 자극에 과도하게 끌리게 되어 비만과 같은 비정상적인 신체 상태로 바뀌게 되고 이를 의식적으로는 알고 있지만 스스로는 벗어나기 힘든 것이 현실이다.The human brain is excessively attracted to dangerous stimuli such as refined carbohydrates, sugar, fat, and salt rather than natural foods, and it changes to an abnormal body condition such as obesity.

마찬가지로, 인간은 본능적으로 움직임을 최소화 하려는 충동에 의해 텔레비전이나 게임, 스포츠에는 잘 빠지지만 에너지 소모가 되지 않도록 스스로는 운동을 하려고 하지는 않는 본능이 크다. 흡연이나 음주, 약물, 중독 등과 같은 자극에 대해서도 마찬가지 경향이 있다. 따라서, 신체적 여건은 과거에 비해 유전학적으로 크게 진화되지 않았음에도 과거에 경험하지 못한 인공물들에 의한 위험한 자극이 지속적으로 강화되고 있어 건강에 큰 문제요인이 된다. 이러한 문제를 해결하기 위해서는 시상하부나 변연계 등의 다양한 쾌락 중추에 인공물에 의한 자극을 최소화하고 좀 더 강화된 지연 보상을 통해 스스로 벗어날 수 있도록 통제를 해 주는 것이 필요하다. Similarly, humans instinctively fall for TV, games, and sports by the urge to minimize movement, but have a great instinct not to exercise on their own so that energy is not consumed. The same tends to be the case with stimuli such as smoking, alcohol, drugs, and addictions. Therefore, even though the physical condition has not evolved much genetically compared to the past, dangerous stimuli caused by artifacts that have not been experienced in the past are continuously being strengthened, which is a major health problem. In order to solve this problem, it is necessary to minimize the stimulation by artifacts in various pleasure centers such as the hypothalamus or the limbic system and to control them so that they can escape by themselves through more enhanced delay compensation.

이러한 역할을 레시피를 통해 자기 의지를 점차적으로 자극하고 다른 보상을 통해 강화시켜 주는 것이 필요하다. It is necessary to gradually stimulate self-will through recipes and reinforce these roles through other rewards.

유전학적으로나 환경적으로 각 사용자의 조건이나 의지가 다르기 때문에 이 또한 개인차를 고려하여 시간에 따른 강화의 정도나 유효한 자극 방법을 적절히 제시하도록 되어 있다.Since each user's condition and will are different genetically and environmentally, it is also designed to appropriately suggest the degree of reinforcement over time or effective stimulation method in consideration of individual differences.

전송 통신망으로는 IP망, 모바일망, 비모바일 전용망 등을 사용할 수 있다. As the transmission communication network, an IP network, a mobile network, a non-mobile dedicated network, etc. can be used.

상기 미리 등록된 단말기는 사용자, 사용자의 가족, 주치의, 병원, 약국, 건강관리업체, 및 보험사 단말기를 포함할 수 있다. The pre-registered terminal may include a user, a user's family member, a doctor, a hospital, a pharmacy, a health care company, and an insurance company terminal.

상기 정보를 수신하는 주체는 수신한 건강 정보를 기반으로 사용자의 건강 상태를 관리 할 수 있다.The subject receiving the information may manage the user's health status based on the received health information.

그리고 도면에 도시되지는 않았으나, 레시피 전송 전에는 레시피와 순응도를 저장부에 저장할 수 있다. 레시피와 순응도 분석 결과를 저장함으로써 사용자의 건강 상태 변화를 시계열적으로 관찰할 수 있고 다양한 통계를 작성하는데 활용할 수 있다. In addition, although not shown in the drawings, the recipe and compliance may be stored in the storage unit before the recipe is transmitted. By storing the recipe and compliance analysis results, the changes in the user's health status can be observed in time series and can be used to create various statistics.

상기 학습 알고리즘으로는 k-means Clustering, Rule Based, Tree based, Machine Learning, Deep Learning(CNN, RNN), 및 Auto encoder 중 어느 하나를 사용할 수 있다. As the learning algorithm, any one of k-means clustering, rule based, tree based, machine learning, deep learning (CNN, RNN), and auto encoder may be used.

상기 학습된 패턴에서 사용자의 건강 정보와 매칭되는 패턴을 찾는 방법은 Euclidian Distance, Hidden Markov Model, Dynamic Time Warping, Decision Tree, Rule Based, Machine Learning, 및 Deep Learning(CNN, RNN) 중 어느 하나를 이용할 수 있다. A method of finding a pattern matching the user's health information from the learned pattern may use any one of Euclidian Distance, Hidden Markov Model, Dynamic Time Warping, Decision Tree, Rule Based, Machine Learning, and Deep Learning (CNN, RNN). can

상기 학습 알고리즘 및 패턴을 찾는 다양한 알고리즘을 공지의 기술이므로 자세한 설명은 생략하고, 간략히 살펴보기로 한다. Since the learning algorithm and various algorithms for finding a pattern are known techniques, a detailed description will be omitted and a brief look will be made.

k-means clustering은 각 데이터로부터 각 클러스터들까지의 유클리드 거리를 계산하여 해당 데이터에서 가장 가까운 클러스터를 찾아 데이터를 배당 한 후, 각 클러스터에 있는 데이터들의 무게 중심값으로 재설정하는 방법을 반복하고, 클러스터가 변하지 않는다면 반복을 중지한다. k-means clustering calculates the Euclidean distance from each data to each cluster, finds the closest cluster in the data, allocates the data, and repeats the method of resetting to the center of gravity of the data in each cluster, If does not change, stop repeating.

Ruled Base(룰 베이스 시스템)는 규칙을 여러 개 생성하여 현재 상태(memory)가 만족하면 규칙에 따라 정해진 일을 수행하는 것을 것이다. Ruled Base (rule base system) is to create several rules and perform a task determined according to the rule if the current state (memory) is satisfied.

다음과 같이 표현될 수 있다. It can be expressed as

- IF <A> Then <B>, - IF <A> Then <B>,

여기서 A는 현재 상태를 뜻하게 되고 B는 현재 상태에 따른 어떠한 결론이다. 다시 말해 <A>는 조건(Condition), <B>는 실행(Action)이라 할 수 있다.Here, A means the current state, and B is any conclusion according to the present state. In other words, <A> is a condition, and <B> is an action.

이러한 룰베이스 시스템은 크게 세 가지로 나눌 수 있다. Such a rule base system can be roughly divided into three types.

Working Memory : 현재 상태를 저장하는 메모리 Working Memory: Memory that stores the current state

Production Memory : 상태에 따른 일을 정의하는 메모리 Production Memory: Memory that defines work according to state

Rule Interpreter : 위의 두 메모리를 매칭시켜 실제 일을 수행하는 시스템Rule Interpreter: A system that matches the above two memories to perform the actual work

여기서 WM의 상태에 의해 RM이 수행되는 것을 Fire라고 한다. Here, the RM performed by the state of the WM is called Fire.

Tree based(결정 트리 학습법)는 데이터 마이닝에서 일반적으로 사용되는 방법론으로, 몇몇 입력 변수를 바탕으로 목표 변수의 값을 예측하는 모델을 생성하는 것을 목표로 한다. 우측 그림은 그러한 예측 모델의 한 예를 나타내고 있다. 그림의 트리 구조에서, 각 내부 노드들은 하나의 입력 변수에, 자녀 노드들로 이어지는 가지들은 입력 변수의 가능한 값에 대응된다. 잎 노드는 각 입력 변수들이 루트 노드로부터 잎 노드로 이어지는 경로에 해당되는 값들을 가질 때의 목표 변수 값에 해당된다.Tree based (decision tree learning method) is a methodology commonly used in data mining, and aims to create a model that predicts the value of a target variable based on several input variables. The figure on the right shows an example of such a predictive model. In the tree structure of the figure, each internal node corresponds to one input variable, and branches leading to child nodes correspond to possible values of the input variable. The leaf node corresponds to the target variable value when each input variable has values corresponding to the path from the root node to the leaf node.

결정 트리 학습법은 지도 분류 학습에서 가장 유용하게 사용되고 있는 기법 중 하나이다. 이 글에서는 모든 속성들이 유한한 이산값들로 구성된 정의역을 가지고 있으며, 분류를 단일 대상 속성으로 지니고 있다고 간주한다. 분류의 정의역의 각 원소들은 클래스라고 불린다. 결정 트리 또는 분류 트리의 모든 내부 노드들에는 입력 속성이 일대일로 대응된다. 트리의 내부 노드에 연결된 가지에는 속성이 가질 수 있는 값들이 표시되며, 잎 노드에는 클래스 또는 클래스의 확률 분포가 표시된다.Decision tree learning is one of the most useful techniques in supervised classification learning. In this paper, we consider that all properties have a domain composed of finite discrete values, and that classification has a single object property. Each element in the domain of a classification is called a class. Input properties are one-to-one correspondence to all internal nodes of a decision tree or a classification tree. The possible values of the attribute are displayed on the branch connected to the internal node of the tree, and the class or probability distribution of the class is displayed on the leaf node.

결정 트리의 '학습'은 학습에 사용되는 자료 집합을 적절한 분할 기준 또는 분할 테스트에 따라 부분 집합들로 나누는 과정이다. 이러한 과정은 순환 분할이라 불리는 방식으로 각각의 나눠진 자료 부분 집합에 재귀적으로 반복되며, 분할로 인해 더 이상 새로운 예측 값이 추가되지 않거나 부분 집합의 노드가 목표 변수와 같은 값을 지닐 때까지 계속된다. 이러한 하향식 결정 트리 귀납법(top-down induction of decision trees, TDIDT)은 탐욕 알고리즘의 한 예시이며, 데이터로부터 결정 트리를 학습하는 가장 일반적인 방법이다. 데이터 마이닝에서 결정 트리는 주어진 데이터의 일반화와 범주화를 돕기 위해 수학적 표현으로 기술된다. The 'learning' of a decision tree is the process of dividing a data set used for learning into subsets according to appropriate split criteria or split tests. This process iterates recursively on each divided data subset in a manner called recursive partitioning, and continues until no more new predicted values are added due to partitioning or the nodes in the subset have the same value as the target variable. . Such top-down induction of decision trees (TDIDT) is an example of a greedy algorithm and is the most common method for learning decision trees from data. In data mining, decision trees are described as mathematical expressions to help generalize and categorize given data.

Machine Learning(기계 학습)은 훈련 데이터(training data)를 통해 학습된 알려진 속성을 기반으로 예측에 초점을 두는 학습 방법이다. Machine Learning is a learning method that focuses on making predictions based on known properties learned through training data.

Deep Learning(CNN, RNN)은 심층 신경망(Deep Neural Network, DNN), 합성곱 신경망(Convolutional Neural Network, CNN), 순환 신경망(Recurrent Neural Network, RNN), 제한 볼츠만 머신(Restricted Boltzmann Machine, RBM), 심층 신뢰 신경망 (Deep Belief Network, DBN) 등으로 구분된다. Deep Learning (CNN, RNN) includes Deep Neural Network (DNN), Convolutional Neural Network (CNN), Recurrent Neural Network (RNN), Restricted Boltzmann Machine (RBM), It is divided into Deep Belief Network (DBN), etc.

심층 신경망은 입력층(input layer)과 출력층(output layer) 사이에 여러 개의 은닉층(hidden layer)들로 이뤄진 인공신경망(Artificial Neural Network, ANN)이다. 심층 신경망은 일반적인 인공신경망과 마찬가지로 복잡한 비선형 관계(non-linear relationship)들을 모델링할 수 있다. 예를 들어, 사물 식별 모델을 위한 심층 신경망 구조에서는 각 객체가 이미지 기본 요소들의 계층적 구성으로 표현될 수 있다. 이때, 추가 계층들은 점진적으로 모인 하위 계층들의 특징들을 규합시킬 수 있다. 심층 신경망의 이러한 특징은, 비슷하게 수행된 인공신경망에 비해 더 적은 수의 유닛(unit, node)들 만으로도 복잡한 데이터를 모델링할 수 있게 해준다.A deep neural network is an artificial neural network (ANN) composed of several hidden layers between an input layer and an output layer. Deep neural networks can model complex non-linear relationships like general artificial neural networks. For example, in a deep neural network structure for an object identification model, each object may be expressed as a hierarchical configuration of image basic elements. In this case, the additional layers may aggregate features of the gradually gathered lower layers. This feature of deep neural networks enables modeling of complex data with fewer units (units, nodes) compared to similarly performed artificial neural networks.

합성곱 신경망(Convolutional Neural Network, CNN)은 최소한의 전처리(preprocess)를 사용하도록 설계된 다계층 퍼셉트론(multilayer perceptrons)의 한 종류이다. CNN은 하나 또는 여러개의 합성곱 계층과 그 위에 올려진 일반적인 인공 신경망 계층들로 이루어져 있으며, 가중치와 통합 계층(pooling layer)들을 추가로 활용한다. 이러한 구조 덕분에 CNN은 2차원 구조의 입력 데이터를 충분히 활용할 수 있다. 다른 딥 러닝 구조들과 비교해서, CNN은 영상, 음성 분야 모두에서 좋은 성능을 보여준다. CNN은 또한 표준 역전달을 통해 훈련될 수 있다. CNN은 다른 피드포워드 인공신경망 기법들보다 쉽게 훈련되는 편이고 적은 수의 매개변수를 사용한다는 이점이 있다. 최근 딥 러닝에서는 합성곱 심층 신뢰 신경망 (Convolutional Deep Belief Network, CDBN) 가 개발되었는데, 기존 CNN과 구조적으로 매우 비슷해서, 그림의 2차원 구조를 잘 이용할 수 있으며 그와 동시에 심층 신뢰 신경망 (Deep Belief Network, DBN)에서의 선훈련에 의한 장점도 취할 수 있다. CDBN은 다양한 영상과 신호 처리 기법에 사용될 수 있는 일반적인 구조를 제공하며 CIFAR와 같은 표준 이미지 데이터에 대한 여러 벤치마크 결과에 사용되고 있다.Convolutional Neural Networks (CNNs) are a type of multilayer perceptrons designed to use minimal preprocessing. CNN consists of one or more convolutional layers and general artificial neural network layers on top of it, and additionally utilizes weights and pooling layers. Thanks to this structure, CNN can fully utilize the input data of the two-dimensional structure. Compared with other deep learning structures, CNN shows good performance in both video and audio fields. CNNs can also be trained through standard back-passing. CNNs are easier to train than other feed-forward neural network techniques and have the advantage of using fewer parameters. Recently, in deep learning, a convolutional deep belief network (CDBN) has been developed, which is structurally very similar to an existing CNN, so it can use the two-dimensional structure of the figure well, and at the same time, a deep belief network (Deep Belief Network) , DBN) can also take advantage of pre-training. CDBN provides a general structure that can be used for various image and signal processing techniques, and is used in several benchmark results for standard image data such as CIFAR.

Auto encoder의 기본 형태는 아래와 같다. The basic form of auto encoder is as follows.

input vector : x∈[0,1] D x∈[0,1]D 이고, hidden representation : y∈[0,1] d y∈[0,1]d 은 다음의 deterministic mapping : y=fθ (x)=s(Wx+b) y=fθ(x)=s(Wx+b) 에 의해 정의된다. input vector: x ∈[0,1] D x ∈[0,1]D, hidden representation: y ∈[0,1] d y ∈[0,1]d is deterministic mapping: y = fθ ( x)= s ( Wx + b ) y=fθ(x)=s(Wx+b).

여기서 θ=W,b 의 모수를 의미하며, W 는 d x D 의 weight matrix 이며, b 는 bias vector 이다. Here, it means the parameter of θ=W,b, W is the weight matrix of d x D, and b is the bias vector.

히든 레이어에서 계산되는 latent representation : y 값은, "Reconstructed" vector : x ' ∈[0,1] D x′∈[0,1]D 으로 다시 Mapped Back 된다.The latent representation computed in the hidden layer: y value is mapped back to a "Reconstructed" vector: x ' ∈[0,1] D x '∈[0,1]D.

이때 계산되는 수식은 The formula to be calculated at this time is

이며, θ ' =W ', b ' 이다. and θ ' =W ', b '.

이때 매핑하기 전의 인풋 레이어의 웨이트 매트릭스의 전치행렬 WT 가 리매핑 웨이트 매트릭스인 W ' 와 같은 경우에 해당 오토인코더는 tied weights를 가졌다고 말한다.At this time, if the transpose matrix WT of the weight matrix of the input layer before mapping is the same as the remapping weight matrix W ', the corresponding autoencoder is said to have tied weights.

이때 손실함수는 다음과 같이 정의된다. In this case, the loss function is defined as follows.

초창기에 기본적인 Auto-Encoder 의 Weight를 학습하는 방법은 BP(Backpropagation) 알고리즘과 SGD(Stochastic Gradient Descent)알고리즘을 활용하였다. input (visible)로 주어진 값에 대하여, 히든과 visible unit 간의 웨이트 값을 계산하여, 시그모이드 함수에 넣고, 다시 그 갚을 한번 더 hidden과 output에 연결되어 있는 Weight 와 계산하여 추정된 값을, 최초 visible 데이터와 지속적으로 비교하여 에러를 업데이트 해나가는 Unsupervised Learning 이다. In the early stage, the basic auto-encoder weight learning method used the BP (Backpropagation) algorithm and the SGD (Stochastic Gradient Descent) algorithm. For the value given as input (visible), calculate the weight value between the hidden and visible unit, put it in the sigmoid function, and calculate the weight value connected to the hidden and output once more to pay back the estimated value, It is an Unsupervised Learning that continuously compares the visible data and updates the error.

Gradient descent는 순차적으로 감소하는 방향을 따라 업데이트한다. 그러나 매우 많은 데이터셋에 대해서는 옵티멈에 수렴하는데 있어 그 시간이 매우 느리다. 반면, SGD방식은 noisy descent 라고도 간주하는데, 각각의 반복 속도가 매우 빠르다. 트레이닝 방법에는 매번 트레이닝 마다 몇 개의 샘플을 이용하느냐에 따라 패턴모드와 배치모드 방법으로 나뉘는데, 패턴모드의 경우 샘플 하나하나 입력하며, 각각 샘플에 대한 매개변수의 변화분을 계산하여 가중치를 업데이트한다. 반면 배치모드의 경우에는 Batch Size 만큼 샘플을 한꺼번에 입력하여, 그 샘플들의 매개변수 변화분을 계산하여 하나의 배치마다 한번씩 가중치를 업데이트 한다. Gradient descent updates along a sequentially decreasing direction. However, for very large datasets, the time to converge to the optimal is very slow. On the other hand, the SGD method is also considered noisy descent, and each repetition rate is very fast. The training method is divided into a pattern mode and a batch mode method depending on how many samples are used for each training. In the pattern mode, each sample is input, and the weight is updated by calculating the change in parameters for each sample. On the other hand, in the case of batch mode, as many samples as the batch size are input at once, the change in parameters of the samples is calculated, and the weight is updated once for each batch.

패턴모드와 같이 하나하나 훈련을 하게 되는 경우 사실상 SGD의 성격을 갖게 된다. 이때 목적함수 L이 지역 최적점에서 잘 벗어날 수 있지만, 트레이닝 시간이 오래 걸린다. 반면, 배치모드의 경우 SGD보다는 성능이 떨어지지만, 적당한 크기의 Mini-Batch 를 상용할 경우 트레이닝 시간이 줄어든다는 장점이 있다. 그래서 일부 연구가들은 Mini-batch + SGD 를 제안하기도 한다.As in the pattern mode, if you train one by one, you actually have the characteristics of SGD. In this case, the objective function L can deviate well from the local optimum, but it takes a long training time. On the other hand, in the case of batch mode, performance is lower than that of SGD, but it has the advantage of reducing training time when using a mini-batch of an appropriate size. Therefore, some researchers suggest Mini-batch + SGD.

유클리디언 거리(Euclidian Distance)는 각 문서와 질의어의 거리를 계산하는 방법이다. 계산 방법은 벡터의 내적을 구하는 것과 같다.The Euclidean distance is a method of calculating the distance between each document and the query term. The calculation method is the same as finding the dot product of a vector.

이상치 분석Outlier Analysis)에서, 이상치 (異狀値: outlier)란 주어진 데이터의 일반적 특성 또는 모델에서 크게 벗어난 것을 말하며, 이상치 분석이란 이들 이상 데이터를 찾아내고 그 특징을 구명하는 것을 말한다. 이상치 (outlier)의 유형에는 다음과 같은 것이 있다.In outlier analysis, an outlier is a deviation from the general characteristics or model of the given data. Types of outliers include:

Global outlier - 특정한 하나의 측정치가 현저하게 벗어나 있는 point anomaly를 말한다.Global outlier - A point anomaly that deviates significantly from one particular measure.

Contextual outlier - “현재 체온이 39도이다” 이것이 이상치인지 정상치인지는 상황에 따라 달리 해석된다. 이처럼 상황을 설정해 놓고 이상치를 탐지하는 것을 말한다.Contextual outlier - “The current body temperature is 39 degrees” Whether this is an outlier or a normal value is interpreted differently depending on the situation. This means setting up the situation and detecting outliers.

Collective outlier - 관측된 여러 값들이 나머지에 비해 현저하게 벗어나 있는 것을 말한다.Collective outlier - A number of observed values deviate significantly from the rest.

이상치 발견을 위한 기법으로는, 통계적 기법에 의한 이상치 발견, 근접도 (Proximity)에 의한 이상치 발견법, 군집(clustering)에 의한 이상치 발견법 등이 있다. As techniques for detecting outliers, there are an outlier detection method using a statistical method, an outlier detection method using proximity, and an outlier detection method using clustering.

통계적 기법에 의한 이상치 발견이란 주어진 데이터에 대한 확률모델을 가정하고 이에 대한 불일치 검증 (discordance test)를 사용한다. 물론 이를 위해서는 주어진 데이터가 가진 주요 파라미터에 대한 지식이 필요하다. 여기에는 앞서 가정한 바와 같은 데이터 분포 (예: 정규분포 또는 Poisson분포 등), 기대값 (expected number, 즉, 평균 또는 분산) 등이 포함된다.Outlier detection by statistical technique assumes a probabilistic model for the given data and uses a discordance test. Of course, this requires knowledge of the main parameters of the given data. This includes data distribution as assumed above (eg, normal distribution or Poisson distribution), expected number (ie, mean or variance).

근접도 (Proximity)에 의한 이상치 발견법이란 가장 가까운 이웃과의 거리가 특정 영역 R 내에서 주어진 임계치보다 큰 경우에 이를 이상치로 판단하는 것이다.An outlier discovery method based on proximity is to determine an outlier when the distance to the nearest neighbor is greater than a given threshold within a specific region R.

우선 거리 임계치 (distance threshold) r(r >0)과 π (0 < π ≤≤1)을 지정한다. 이 때 다음 조건이 만족되는 o 객체는 DB(r, π) 특성을 가지는 이상치라고 할 수 있다.First, a distance threshold r (r > 0) and π (0 < π ≤ 1) are specified. In this case, an object o satisfying the following conditions can be said to be an outlier with DB(r, π) characteristics.

도 5는 학습 패턴의 예를 나타낸 것이다. 5 shows an example of a learning pattern.

기존 환자 정보 빅데이터를 기반으로 학습하고 정규화하고(a), 기존환자들의 순응도 빅데이터를 기반으로 학습하고 정규화한 후(b), 새로운 데이터가 입력이 되면 학습된 정보를 바탕으로 평가하여 환자에게 적합한 레시피를 생성할 수 있다(c). After learning and normalizing based on existing patient information big data (a), and after learning and normalizing based on big data on the compliance of existing patients (b), when new data is input, it is evaluated based on the learned information and given to the patient. A suitable recipe can be created (c).

정규화된 데이터에서 기울기가 상승하는 것은 건강 상태나 순응도가 좋아지는 것을 의미하고, 기울기에 변화가 없이 수평인 것은 건강상태나 순응도에 변화가 없는 것을 의미하고, 수평인 부분은 기울기가 하락하는 것은 건상 상태나 순응도가 나빠지는 것을 의미한다. In normalized data, an increase in the slope means an improvement in health status or compliance, a level with no change in the slope means no change in the health status or compliance, and a decrease in the slope indicates a healthy condition in the normalized data. I mean poor compliance.

이러한 정규화된 데이터를 기반으로 새로운 데이터(사용자 건강 정보)가 입력되면 이를 바탕으로 사용자 상태를 예측하여 최적을 레시피를 생성할 수 있다. When new data (user health information) is input based on such normalized data, an optimal recipe can be generated by predicting the user's state based on this.

사용자와 상호 작용이 많을수록 건강을 개선할 확률이 높아지도록 사용자에게 특화된 형태로 특정 레시피를 강화할 수 있다. Specific recipes can be enhanced in a user-specific form, so that the more interaction you have with the user, the more likely you are to improve your health.

상기와 같이 생성된 레시피, 통계, 일정, 평가정보 등은 데이터 송수신부를 통해 건강 정보 단말(100)로 전송될 수 있다. 물론 이때 건강 정보 단말(100) 이외에 사용자가 미리 지정한 단말기가 있다면 해당 단말기로도 함께 전송할 수 있다. The recipe, statistics, schedule, evaluation information, etc. generated as described above may be transmitted to the health information terminal 100 through the data transceiver. Of course, if there is a terminal previously designated by the user in addition to the health information terminal 100 at this time, it may also be transmitted to the corresponding terminal.

건강 정보 단말(100)은 상기 데이터를 수신하여 표시부에 표시할 수 있다. The health information terminal 100 may receive the data and display it on the display unit.

건강 정보 단말(100)은 표시부에 다양한 아이콘이나 UI(user interface)를 표시할 수 있다. 예를 들면, 계정관리, 통계조회, 이력조회, 레포트, 주의/경보, 복약/운동지시, 평가 등과 같은 아이콘을 표시할 수 있다. 사용자는 건강 정보 단말(100)에서 원하는 아이콘을 선택하면 그에 해당하는 정보를 표시할 수 있다. The health information terminal 100 may display various icons or a user interface (UI) on the display unit. For example, it is possible to display icons such as account management, statistics inquiry, history inquiry, report, caution/alarm, medication/exercise instruction, evaluation, and the like. When the user selects a desired icon in the health information terminal 100 , information corresponding thereto may be displayed.

또한, 본 발명에 의하면, 사용자 이외에 관리자도 레시피 및 관련 정보를 볼 수 있다. 즉, 건강 관리 장치(200)의 표시부에 표시되는 내용을 통해 이를 확인할 수 있다. 본 실시예에서, 관리자는 시스템 관리자, 병원 관리자, 및 헬스 케어 관리자 등을 모두 포함할 수 있다. 상기 관리자는 표시부에 표시되는 지시내용이나 사용자의 복약 여부 등을 확인하여 빠른 대응이 가능하다.In addition, according to the present invention, an administrator in addition to the user can view the recipe and related information. That is, it can be confirmed through the contents displayed on the display unit of the health management device 200 . In this embodiment, the administrator may include all of a system administrator, a hospital administrator, and a health care administrator. The manager can quickly respond by checking the instructions displayed on the display unit or whether the user is taking medication.

또한, 도 6은 건강 관리 장치의 표시부(250)에 표시되는 UI의 일 실시예를 나타낸 것이다. 6 illustrates an embodiment of a UI displayed on the display unit 250 of the health management device.

도 6을 참조하면, 표시부(250)는 계정관리, 고객별 정보, 누적 그래프, 레시피 관리, 운용 설정 등의 메뉴를 표시할 수 있다. 관리자는 표시부(250)에 표시되는 사항을 모니터링 하여 필요한 조치를 신속히 취할 수 있다. Referring to FIG. 6 , the display unit 250 may display menus such as account management, customer-specific information, cumulative graph, recipe management, and operation setting. The administrator can monitor the items displayed on the display unit 250 and take necessary actions quickly.

지금까지 본 발명에 따른 건강 관리 장치의 구성도를 살펴보았다. So far, the configuration diagram of the health care device according to the present invention has been looked at.

도 7은 본 발명의 실시예에 따른 건강 정보 패턴의 일 예를 나타낸 것이다. 7 illustrates an example of a health information pattern according to an embodiment of the present invention.

도 7a는 시간별, 날짜별 건강 정보 데이터의 변화를 데이터 시트에 기록한 예를 나타난 것이고, 도 7b는 혈당의 시간별 날짜별 패턴을 나타낸 것이고, 도 7c는 혈당값 기준으로 보여준 시간별 평균 혈당 패턴과 식사시간 및 영양정보를 0~1범위로 정규화(normalize)해서 나타낸 것이고, 도 7d는 매 시간별 혈당 패턴을 요일별로 나타낸 것이다. 본 실시예에서는 혈당 패턴을 요일별로 나타내었지만, 혈당 패턴 외 여러 파라미터 정보를 요일이나 날짜별로 나타낼 수도 있다. 7A shows an example in which changes in health information data by time and by date are recorded on a data sheet, FIG. 7B shows a pattern of blood sugar by time and by date, and FIG. and nutritional information normalized to a range of 0 to 1, and FIG. 7D shows a blood glucose pattern for each hour by day of the week. Although the blood sugar pattern is shown for each day of the week in the present embodiment, various parameter information other than the blood sugar pattern can also be displayed for each day or date.

도 7을 참조하면, 매 시간 별로 BGM(Blood Glucose Monitoring), 식사량, 수분섭취, 운동시간, 취침, TC(Total Cholesterol), TG(Triglyceride), HDL(High Density lipoprotein) 콜레스트롤 등과 같은 수치를 매일 기록할 수 있으며, 시간별로 혈당 패턴을 그래프로 나타낼 수도 있으며, 요일별로 혈당의 변화 패턴을 관찰할 수도 있다. Referring to FIG. 7, daily records such as BGM (Blood Glucose Monitoring), meal amount, water intake, exercise time, bedtime, TC (Total Cholesterol), TG (Triglyceride), HDL (High Density lipoprotein) cholesterol, etc. It is also possible to display the blood sugar pattern by time as a graph, and to observe the blood sugar change pattern for each day of the week.

도 8은 건강 관리 단말(100)과 건강 관리 장치(200)간 메시지 송수신 내용을 나타낸 일 실시예이다. 본 실시예에서, 건강 관리 단말은 건강 관리 단말을 포함하는 경우를 나타낸 것이다. 8 is an exemplary embodiment illustrating the content of message transmission/reception between the health management terminal 100 and the health management device 200 . In this embodiment, the health management terminal includes a health management terminal.

도 8에 도시된 것과 같이 건강 관리 단말은 혈당 트렌드, 체중, 혈압, 병력, 식습관, 생활습관, 가족력 등을 건강 관리 장치로 전송한다(S710). As shown in FIG. 8 , the health management terminal transmits a blood sugar trend, weight, blood pressure, medical history, eating habits, lifestyle, family history, etc. to the health management device (S710).

건강 관리 장치는 상기 정보를 수신하여 분석하여 사용자가 어느 그룹에 속하는지는 판단하고 판단 결과를 전송한다(S720). 도시된 바와 같이, "A님의 님의 정보 분석결과 혈당 패턴은 C 그룹으로 분류됩니다. C 그룹의 Recipe DB를 적용하여 앞으로 1개월씩 12단계 관리를 진행합니다."와 같은 메시지를 전송하고, "A 님의 이번달 목표는 기본 체력 강화입니다. 이번달에 꼭 해야 할 것은 식후30분 걷기, 잡곡식단, 복약순응, 해도 되는 것은 …하지 말아야 할 것은 …입니다."와 같은 메시지를 전송할 수 있다. The health management device receives and analyzes the information, determines which group the user belongs to, and transmits the determination result (S720). As shown, a message such as "As a result of analyzing information from Mr. A, the blood sugar pattern is classified into group C. By applying the recipe DB of group C, 12 steps of management will be carried out for 1 month each." You can send a message such as "A's goal this month is to strengthen basic physical strength. What you must do this month is to walk for 30 minutes after a meal, eat a multigrain diet, follow medication, what you can do … and what you shouldn't do ..." can be sent.

건강 관리 단말은 이를 체크하여(S730), 지시에 따라 운동 및 식단을 구성하여 생활한 후, 주기적으로 건강 정보와 지시 이행 여부에 대한 정보를 전송한다(S740). 예를 들어 "혈당값 전송(150), 식사유무 전송(적당), 복약유무 전송(유)"와 같은 메시지를 전송할 수 있다. The health management terminal checks this (S730), configures exercise and diet according to the instruction, and then periodically transmits health information and information on whether the instruction is fulfilled (S740). For example, a message such as "transmitting blood sugar value 150, transmitting whether a meal is present (property), or transmitting whether or not taking medication (preparation)" may be transmitted.

건강 관리 장치는 상기 사용자가 전송한 정보를 바탕으로 새로운 레시피를 생성하여 전송한다(S750). 예를 들어, "안녕하세요. A 님, 식전에 꼭 혈당 체크 부탁드려요. 혈당이 조금 높으세요. 아침은 현미로 천천히 씹어 드세요. 신선한 과일(사과)도 챙겨 드세요. 달걀은 한 개 이상 드시지 마세요. 식사하셨으면 약을 꼭 챙겨 드시고 30분 정도 걸어보세요."와 같은 메시지를 전송할 수 있다. The health management device generates and transmits a new recipe based on the information transmitted by the user (S750). For example, "Hello. A, please check your blood sugar before meals. Your blood sugar is a little high. Chew slowly with brown rice in the morning. Also eat fresh fruit (apples). Do not eat more than one egg. After eating, be sure to take your medicine and walk for about 30 minutes."

사용자는 지속적으로 이를 확인하고 변경된 레시피에 따라 생활하면서 간식이나 건장 보조제를 복용한 경우 이에 대한 정보를 전송한다(S760). 간식이나 건강 보조제에 대한 정보는 식품 바코드를 전송함으로써 전송할 수 있다. The user continuously checks this and transmits information on this if he or she takes a snack or a health supplement while living according to the changed recipe (S760). Information about snacks or dietary supplements can be transmitted by sending food barcodes.

건강 관리 장치는 지속적으로 모니터링 하면서 변화된 정보에 따라 새로운 지시를 전송한다(S770). 예를 들어, "안녕하세요. A 님, 간식에 포화지방이 많으니 조금만 드세요. 가족력과 유전자분석결과 고혈압 가능성도 있으니 붉은 육류는 줄이고 오메가-3를 섭취하세요. 종합비타민은 괜찮지만 A님은 신장질환이 있어 비타민 C는 일정량 이상 드시지는 마세요."와 같은 메시지를 전송할 수 있다. The health management device transmits a new instruction according to the changed information while continuously monitoring (S770). For example, "Hello. A snack contains a lot of saturated fat, so eat it sparingly. As a result of family history and genetic analysis, there is a possibility of high blood pressure, so reduce red meat and take omega-3. Multivitamins are fine, but Mr. A has kidney disease. Therefore, please do not consume more than a certain amount of vitamin C."

사용자는 변화된 식단 및 레시피에 따라 생활하고 변화된 건강 정보 및 생활 정보를 전송한다(S780). 예를 들어, "저녁 식사 유무 전송(식단 바코드, 케이크/식빵), 혈당값 전송(160), 운동량 자동전송, 약품 전송(약품 바코드, 타이레놀)"과 같은 메시지를 전송할 수 있다. 운동량은 사용자의 움직임을 감지하는 센서가 자동으로 전송할 수 있으므로 운동량 자동 전송이라 표현하였다. The user lives according to the changed diet and recipe and transmits the changed health information and living information (S780). For example, messages such as "transmitting the presence or absence of dinner (meal bar code, cake/bread), blood glucose value transmission 160, exercise amount automatic transmission, and drug transmission (medicine barcode, Tylenol)" may be transmitted. Since the amount of exercise can be automatically transmitted by a sensor that detects the user's movement, it is expressed as automatic transmission of the amount of exercise.

일정 기간이 경과하면 건강 관리 장치는 평가 결과를 전송한다(S790). 예를 들어, "안녕하세요. A 님, 이번달 목표를 모두 완수하셨습니다. C 그룹에서 상위 10%로 성과가 높습니다. 축하드리며 상품권 포인트 5천점을 보내드리니 필요한 곳에 잘 쓰세요. C 그룹의 5%는 식습관, 생활개선을 통해 정상 혈당을 유지하고 있습니다. A님도 남은 11개월 잘 실천 바랍니다."과 같은 메시지를 전송할 수 있다. When a predetermined period has elapsed, the health management device transmits an evaluation result (S790). For example, "Hello. A, you have completed all of your goals for this month. You are performing well in the top 10% in group C. Congratulations, I'm sending you 5,000 gift certificate points, so please use it where you need it. 5% of group C is your eating habits, We are maintaining normal blood sugar through life improvement. I hope that A will do well for the remaining 11 months."

상기와 같은 방법에 의해 사용자의 건강 상태 정보 기반으로, 동일 사용자 그룹군과 비교하고 최적의 레시피를 생성하고, 사용자의 식단, 운동량, 복약 상태 등을 지속적으로 모니터링하여 사용자의 상태 변화에 따라 변화된 레시피를 제공할 수 있다. According to the method as described above, based on the user's health status information, the recipe is compared with the same user group group and an optimal recipe is created, and the user's diet, exercise amount, medication status, etc. are continuously monitored to change the recipe according to the user's status change. can provide

도 9는 본 발명의 실시예에 따른 레시피 데이터베이스의 일 예를 나타낸 것이다. 9 shows an example of a recipe database according to an embodiment of the present invention.

도 9를 참조하면, 레시피는 처방, 음식, 보충제 필드를 포함하고, 각각의 필드에는 다양한 지시사항이 저장되어 있다. Referring to FIG. 9 , the recipe includes prescription, food, and supplement fields, and various instructions are stored in each field.

예를 들어, 처방 필드의 경우, '과체중일 경우 체중을 줄이세요', '정제된 설탕과 알코올을 피하세요', '소금을 적당히만 섭취하세요' 등과 같은 메시지가 저장될 수 있다. For example, for a prescription field, messages such as 'If you are overweight, lose weight', 'Avoid refined sugar and alcohol', 'Consume salt in moderation', etc. may be stored.

이외에도 데이터베이스는 권장 항목, 금지식단 항목, 보충 항목에 대한 데이터를 저장할 수 있다. In addition, the database may store data on recommended items, forbidden diet items, and supplement items.

예를 들어, 권장 항목으로는 “탄수화물 섭취 중 일부를 좋은 불포화 지방과 오메가 3 지방산으로 대체해 드세요”, “통곡물, 고섬유질, 저혈당 식품을 선택해 드세요”와 같은 항목을 포함할 수 있고, 금지식단 항목으로는 “소화가 빠른 탄수화물 섭취를 줄이세요”, “고혈당 음식을 줄이세요”와 같은 항목을 포함할 수 있고, 보충 항목으로는 “크롬, 마그네슘, 셀렌은 인슐린 저항성 낮은 경우에 도움”, “시나몬과 인삼은 포도당 내성을 높입니다”와 가은 항목을 포함할 수 있다. For example, recommendations could include items such as “Replace some of your carbohydrate intake with good unsaturated fats and omega-3 fatty acids”, “Choose whole grains, high-fiber, low-glycemic foods,” and no Dietary items can include items such as “Reduce fast-digesting carbohydrates” and “Reduce high-glycemic foods”, and supplemental items such as “Chromium, magnesium and selenium help with low insulin resistance”, “Cinnamon and Ginseng Increase Glucose Tolerance” may include items such as “Cinnamon and Ginseng increase glucose tolerance”.

도 10는 본 발명의 실시예에 따른 실제 서비스 예시를 나타낸 것이다. 10 shows an example of an actual service according to an embodiment of the present invention.

도 10를 참조하면, 사용자가 저녁식사 유무, 운동량, 복용 약품에 대한 정보 등을 전송하면, 건강 관리 장치에서는 사용자의 건강 정보를 기반으로 그에 적합한 레시피를 생성하여 사용자에게 전송할 수 있다. Referring to FIG. 10 , when the user transmits information on whether dinner is eaten, the amount of exercise, and the medication taken, the health management device may generate a recipe suitable for the user based on the user's health information and transmit it to the user.

이상에서 본 발명에 따른 실시예들이 설명되었으나, 이는 예시적인 것에 불과하며, 당해 분야에서 통상적 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 범위의 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 다음의 특허청구범위에 의해서 정해져야 할 것이다.Although the embodiments according to the present invention have been described above, these are merely exemplary, and those of ordinary skill in the art will understand that various modifications and equivalent ranges of embodiments are possible therefrom. Accordingly, the true technical protection scope of the present invention should be defined by the following claims.

100 : 건강 관리 단말
200 : 건강 관리 장치
300 : 데이터베이스100: health care terminal
200: health care device
300 : database

Claims (25)

사용자의 건강 정보를 기반으로 사용자가 이행해야 할 하나 이상의 항목을 포함하는 레시피를 생성하는 레시피 생성 단계; 및
사용자 건강 정보 및 상기 레시피를 이용하여 상기 사용자의 순응도를 분석하되, 분석된 순응도를 기반으로 사용자의 미래 순응도 및 건강상태를 예측하는 순응도 분석 단계; 및
사용자 건강 정보와 순응도 또는 예측된 미래 순응도에 따라 레시피를 수정하는 레시피 수정 단계;를 포함하며,
상기 레시피 생성 단계에서는 사용자 단말로부터 수신한 건강 정보를 데이터베이스에 저장된 정보와 비교하여 사용자 레시피를 생성하되, 상기 데이터베이스는 공개된 공공 건강 정보 데이터베이스, 의료 기관들에서 수집한 진료기록, 건강검진 데이터나 웨어러블 건강 수집 장치를 통해 실시간으로 수집한 정보들을 사례별로 저장하거나, 특정 기간 동안의 건강 정보별 수치 변화에 대한 시계열성 건강 정보들을 사례별로 저장하고, 사례별로 저장된 건강 정보를 바탕으로 유사 패턴의 환자나 증상들끼리 그룹핑하여 패턴별로 레시피를 저장하며,
상기 순응도 분석 단계에서는 상기 데이터베이스에 저장되어 있는 유사 패턴 환자의 순응도를 학습하여 학습된 순응도를 바탕으로 미래 순응도를 예측하고,
상기 레시피 수정 단계에서는 상기 분석된 순응도를 기반으로 특정 레시피 항목을 강화하거나 완화하되, 순응도가 낮은 항목의 레시피는 완화하고 순응도가 높은 항목의 레시피는 상대적으로 강화하여 전체적인 레시피 이행 가능성을 높이는 건강 관리 방법. A recipe generating step of generating a recipe including one or more items to be fulfilled by the user based on the user's health information; and
a compliance analysis step of analyzing the user's compliance by using the user's health information and the recipe, and predicting the user's future compliance and health status based on the analyzed compliance; and
Recipe modification step of modifying the recipe according to user health information and compliance or predicted future compliance;
In the recipe generating step, a user recipe is generated by comparing the health information received from the user terminal with information stored in a database, and the database is an open public health information database, medical records collected from medical institutions, health checkup data or wearables. The information collected in real time through the health collection device is stored on a case-by-case basis, or time-series health information about numerical changes by health information for a specific period is stored for each case, and based on the health information stored in each case, patients with similar patterns or By grouping symptoms together, recipes are saved for each pattern,
In the compliance analysis step, the degree of compliance of patients with similar patterns stored in the database is learned and the degree of future compliance is predicted based on the learned degree of compliance,
In the recipe modification step, a specific recipe item is strengthened or mitigated based on the analyzed compliance, but the recipe of the item with low compliance is relaxed and the recipe of the item with high compliance is relatively strengthened. . 삭제delete 삭제delete 제1항에 있어서,
상기 레시피 생성 단계는,
데이터베이스를 기반으로 기존 환자 정보에 대한 다양한 환자군에 대한 건강 패턴을 학습하는 사전 단계를 거친 상태에서, 상기 사용자 건강 정보를 상기 학습된 건강 패턴에서 가장 유사하게 매칭되는 패턴을 먼저 찾은 뒤 평가하여 레시피를 생성하는 단계를 포함하는 건강 관리 방법. According to claim 1,
The recipe creation step is,
In the state of learning health patterns for various patient groups based on the existing patient information based on the database, the user health information is first found for the most similarly matched pattern in the learned health pattern, and then evaluated to prepare a recipe. A health care method comprising the step of creating. 삭제delete 제4항에 있어서,
상기 건강 정보를 클러스터링 하거나 머신 러닝이나 신경망을 포함하는 학습 알고리즘을 통하여 건강 패턴 학습을 최적화하는 단계를 더 포함하는 건강 관리 방법. 5. The method of claim 4,
The health care method further comprising the step of clustering the health information or optimizing health pattern learning through a learning algorithm including machine learning or a neural network. 제1항에 있어서,
상기 학습된 순응도 패턴 정보를 클러스터링 하거나 머신 러닝이나 신경망을 포함하는 학습 알고리즘을 통하여 순응도 학습을 최적화하는 단계를 더 포함하는 건강 관리 방법. According to claim 1,
The health care method further comprising clustering the learned compliance pattern information or optimizing compliance learning through a learning algorithm including machine learning or a neural network. 제1항에 있어서,
상기 항목은 건강 정보 측정 규칙, 운동량, 활동성, 식단, 수면시간, 복약규칙, 및 건강보조제, 스트레스 관리, 체중, BMI, 병원검진, 약국내원, 식품관련 구매정보, SNS나 전화를 포함하는 사회 활동 정보 중 하나 이상에 대한 정보를 포함하는 건강 관리 방법. According to claim 1,
The above items are health information measurement rules, exercise amount, activity, diet, sleep time, medication rules, and health supplements, stress management, weight, BMI, hospital checkups, pharmacy visits, food related purchase information, social activities including SNS or phone calls A health care method comprising information about one or more of the information. 삭제delete 제1항에 있어서,
상기 건강정보, 순응도, 및 레시피를 저장부에 저장하는 단계; 및
상기 저장부에 저장된 데이터를 분석하여 사용자 건강 상태의 변화 및 그에 따른 레시피의 변화를 통계로 작성하는 단계;를 더 포함하는 건강 관리 방법. According to claim 1,
storing the health information, compliance level, and recipe in a storage unit; and
The health management method further comprising; analyzing the data stored in the storage unit and writing a change in a user's health state and a change in a recipe according thereto as statistics. 제1항에 있어서,
레시피에 지정된 시간이 되거나 이벤트가 발생한 경우 레시피 정보를 미리 등록된 단말로 전송하는 단계를 더 포함하는 건강 관리 방법. According to claim 1,
The health management method further comprising the step of transmitting recipe information to a pre-registered terminal when the time specified in the recipe or an event occurs. 제1항에 있어서,
상기 사용자 건강 정보를 외부 기기로부터 수신하는 단계를 더 포함하는 건강 관리 방법. According to claim 1,
The health management method further comprising the step of receiving the user health information from an external device. 제11항에 있어서,
상기 레시피 정보와 함께 사용자의 건강 관리를 개선시키거나 예방하거나 사용자의 자기 관리 의지를 높여줄 수 있는 정보를 더 전송하고,
상기 정보는 사용자의 건강 관리를 개선시키거나 예방하거나 사용자의 자기 관리 의지를 높여줄 수 있는 이벤트, 사은품 제공, 구매 정보, 건강 정보, 예방 접종 정보, 약품 정보, 식품 정보 중 하나 이상을 포함하는 건강 관리 방법. 12. The method of claim 11,
Further transmitting information that can improve or prevent the user's health management or increase the user's self-management will together with the recipe information,
The information may include at least one of events, gift offerings, purchase information, health information, vaccination information, drug information, and food information that can improve or prevent the user's health management or increase the user's self-management will. management method. 삭제delete 제12항에 있어서,
상기 수신하는 단계에서의 수신 정보는 복약, 식사, 운동, 수면, 병원 검진, 유전 정보, 문진 정보, 약품, 칼로리 소모정보, 음식별 혈당이나 혈액내 대사 반응 정보, 건강 검진 정보, 알레르기나 부작용, 합병증 정보, 영양 및 보조제 중의 어느 하나 이상과 관련된 유무, 시간, 양을 포함하는 부가정보를 포함하는 건강 관리 방법. 13. The method of claim 12,
Receiving information in the receiving step is medication, meal, exercise, sleep, hospital checkup, genetic information, questionnaire information, medicine, calorie consumption information, blood glucose or blood metabolic reaction information for each food, health checkup information, allergies or side effects, A health care method comprising additional information including information on complications, presence or absence, time, and amount related to any one or more of nutrition and supplements. 제12항에 있어서,
상기 수신하는 단계에서의 수신 정보의 형태는 문자, 숫자, 이미지, 사진, 동영상, 바코드 중 하나 이상을 포함하는 것을 특징으로 하는 건강 관리 방법. 13. The method of claim 12,
The type of information received in the receiving step includes at least one of letters, numbers, images, photos, videos, and barcodes. 제1항에 있어서,
상기 레시피 및 순응도 정보를 미리 설정된 외부 장치로 전송하거나 공유하는 단계를 더 포함하는 건강 관리 방법. According to claim 1,
The method further comprising transmitting or sharing the recipe and compliance information to a preset external device. 제1항에 있어서,
상기 레시피 및 순응도 정보는 미리 설정된 외부기기와 연계되어 외부기기에 의해 관리되는 단계를 더 포함하는 건강 관리 방법. According to claim 1,
The method further comprising the step of managing the recipe and compliance information by the external device in association with a preset external device. 제1항에 있어서,
상기 레시피는 사용자가 이행해야 할 항목에 대한 시간, 일별, 주간별, 월별, 연도별 이행 중 하나 이상을 을 포함하거나 즉시 이행 가능한 이벤트를 포함하는 것을 특징으로 하는 건강 관리 방법. According to claim 1,
The recipe includes at least one of time, daily, weekly, monthly, and yearly fulfillment of an item to be fulfilled by the user, or includes an event that can be implemented immediately. 제1항에 있어서,
상기 레시피는 개별 질환, 복합질환, 또는 질병이 없는 일반인의 건강을 관리하기 위한 항목을 포함하는 것을 특징으로 하는 건강 관리 방법. According to claim 1,
The recipe is a health management method, characterized in that it includes items for managing the health of the general public without individual diseases, complex diseases, or diseases. 제1항에 있어서,
상기 레시피는 필수 사항, 권장 사항, 금지 사항, 보충 정보 중 하나 이상을 포함하는 것을 특징으로 하는 건강 관리 방법. According to claim 1,
wherein the recipe includes one or more of essential, recommended, prohibited, and supplemental information. 제11항 또는 제12항에 있어서,
상기 전송 및 수신하는 방법은 IP망, 모바일망, 비모바일 전용망 중의 하나인 것을 특징으로 하는 건강 관리 방법.13. The method of claim 11 or 12,
The method of transmitting and receiving is a health care method, characterized in that one of an IP network, a mobile network, and a non-mobile dedicated network. 삭제delete 사용자 건강 정보를 기반으로 사용자가 이행해야 할 하나 이상의 항목을 포함하는 레시피를 생성하는 레시피 생성부; 및
사용자 건강 정보 및 상기 레시피를 이용하여 상기 사용자의 순응도를 분석하되, 분석된 순응도를 기반으로 사용자의 미래 순응도 및 건강상태를 예측하는 순응도 분석부;를 포함하며,
상기 레시피 생성부는 사용자 단말로부터 수신한 건강 정보를 데이터베이스에 저장된 정보와 비교하여 사용자 레시피를 생성하되, 상기 데이터베이스는 공개된 공공 건강 정보 데이터베이스, 의료 기관들에서 수집한 진료기록, 건강검진 데이터나 웨어러블 건강 수집 장치를 통해 실시간으로 수집한 정보들을 사례별로 저장하거나, 특정 기간 동안의 건강 정보별 수치 변화에 대한 시계열성 건강 정보들을 사례별로 저장하고, 사례별로 저장된 건강 정보를 바탕으로 유사 패턴의 환자나 증상들끼리 그룹핑하여 패턴별로 레시피를 저장하며,
상기 순응도 분석부는 상기 데이터베이스에 저장되어 있는 유사 패턴 환자의 순응도를 학습하여 학습된 순응도를 바탕으로 미래 순응도를 예측하고,
상기 레시피 생성부는 건강 정보와 순응도 또는 예측된 순응도에 따라 생성된 레시피를 수정하되, 순응도가 낮은 항목의 레시피는 완화하고 순응도가 높은 항목의 레시피는 상대적으로 강화하여 전체적인 레시피 이행 가능성을 높이는 건강 관리 장치.a recipe generator for generating a recipe including one or more items to be fulfilled by a user based on user health information; and
and a compliance analysis unit that analyzes the user's compliance by using the user's health information and the recipe, and predicts the user's future compliance and health status based on the analyzed compliance.
The recipe generating unit generates a user recipe by comparing the health information received from the user terminal with information stored in a database, wherein the database is an open public health information database, medical records collected from medical institutions, health checkup data, or wearable health The information collected in real time through the collection device is stored on a case-by-case basis, or time-series health information about numerical changes by health information over a specific period is stored for each case, and patients or symptoms with similar patterns based on the health information stored for each case Save recipes by pattern by grouping them together,
The compliance analyzer learns the compliance of patients with similar patterns stored in the database and predicts future compliance based on the learned compliance,
The recipe generator revises the generated recipe according to health information and compliance or predicted compliance, but relaxes recipes for items with low compliance and relatively strengthens recipes for items with high compliance. . 삭제delete

Images