KR102348915B1 - 처방 약물 유효성 예측 장치 - Google Patents
처방 약물 유효성 예측 장치 Download PDFInfo
- Publication number
- KR102348915B1 KR102348915B1 KR1020200063650A KR20200063650A KR102348915B1 KR 102348915 B1 KR102348915 B1 KR 102348915B1 KR 1020200063650 A KR1020200063650 A KR 1020200063650A KR 20200063650 A KR20200063650 A KR 20200063650A KR 102348915 B1 KR102348915 B1 KR 102348915B1
- Authority
- KR
- South Korea
- Prior art keywords
- feature vector
- subject information
- metabolic disease
- vector
- information
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4848—Monitoring or testing the effects of treatment, e.g. of medication
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Veterinary Medicine (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medicinal Chemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Development Economics (AREA)
- Physiology (AREA)
- Game Theory and Decision Science (AREA)
- Psychiatry (AREA)
- Chemical & Material Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
본 발명의 다중 대사성 질환에 대한 처방 약물 유효성 예측 장치는 피측정자의 상이한 부위의 외관 측정 정보 벡터를 포함하는 피측정자 정보 벡터들을 입력 받아, 각각의 피측정자 정보 벡터들에 포함된 변수들 중 대사성 질환에 처방된 약물의 유효성 모델링 과정에서 선택된 통계적으로 유의미한 변수들을 추출하여 대사성 질환에 따라 제1 통합 피처 벡터 및 제2 통합 피처 벡터를 생성하고, 각각의 통합 피처 벡터를 입력으로 하는 대사성 질환에 따라 각각 모델링된 모델에 기초하여 처방된 약물이 제1 대사성 질환 및 제2 대사성 질환 각각에 유효성이 있을지 예측한다.
Description
처방된 약물의 효능을 예측하는 장치에 관한 것으로, 보다 상세하게는 대사성 질환에 대하여 처방된 약물이 질환 환자에게 효능을 발휘할 지 여부를 예측하는 장치에 관한 것이다.
최근 도시화된 생활환경으로 인한 생활습관, 불균형적이고 과도한 영양섭취, 과도한 스트레스 등으로 인해 고혈압, 고지혈증, 인슐린저항성, 당뇨, 동맥경화, 심혈관계질환 등의 대사성 질환이 급증하여 사람들의 건강을 위협하고 있다.
대사성 질환은 생체 내 물질대사 장애에 의해 발생하는 질환을 총칭하는 말이며 일반적으로 섭취한 영양에 비해 부족한 에너지 소모로 인한 비만이 가장 근본적인 원인으로 알려져 있다.
한의학에서 비만관련 치료로 처방되어 사용되는 약물들이 있다. 대표적으로 태음조위탕 등이 있으며, 태음조위탕은 비만, 고지혈증 등에 효과가 있다는 것이 알려져 있다. 대사성 질환 치료에 이러한 약물들이 처방되지만, 개인에 따라 약물의 효능이 다르게 나타나거나 효능이 나타나지 않는 경우가 있어 약물 복용 전에 질환자에게 해당 약물이 효능이 있을 지에 대하여 사전에 예측할 수 있다면 불필요한 약물 복용 및 약물 남용 등을 방지할 수 있을 것이다.
본 발명은 대사성 질환 치료를 위해 처방되는 약물이 대사성 질환 환자에게 투여될 때 대사성 질환 별로 효능이 있을 지 여부를 체형 정보 등을 이용하여 예측하는 장치를 제공하는 것을 목적으로 한다.
본 발명의 일 양상에 따르면, 다중 대사성 질환에 대한 처방 약물 유효성 예측 장치는 피측정자 정보 입력부와, 제1 통합 피처 벡터 생성부와, 제2 통합 피처 벡터 생성부와, 제1 대사성 질환 약물 유효성 판단부와, 제2 대사성 질환 약물 유효성 판단부를 포함한다.
피측정자 정보 입력부는 피측정자의 상이한 부위의 외관 측정 정보 벡터를 포함하는 피측정자 정보 벡터들을 입력 받는다.
제1 통합 피처 벡터 생성부는 각각의 피측정자 정보 벡터들에 포함된 변수들 중 제1 대사성 질환의 해당 약물의 유효성 모델링 과정에서 선택된 통계적으로 유의미한 변수들을 추출하여 제1 통합 피처 벡터를 생성한다.
제2 통합 피처 벡터 생성부는 각각의 피측정자 정보 벡터들에 포함된 변수들 중 제2 대사성 질환의 해당 약물의 유효성 모델링 과정에서 선택된 통계적으로 유의미한 변수들을 추출하여 제2 통합 피처 벡터를 생성한다.
제1 대사성 질환 약물 유효성 판단부는 제1 통합 피처 벡터를 입력 받아 제1 모델링에 기초하여 제1 대사성 질환에 대한 해당 약물의 유효성 정보를 출력한다.
제2 대사성 질환 약물 유효성 판단부는 제2 통합 피처 벡터를 입력 받아 제2 모델링에 기초하여 제2 대사성 질환에 대한 해당 약물의 유효성 정보를 출력한다.
본 발명의 또 다른 양상에 따르면, 제1 통합 피처 벡터 생성부는 각각의 피측정자 정보 벡터를 제1 대사성 질환의 해당 약물의 유효성 모델링 과정에서 선택된 통계적으로 유의미한 변수들에 해당하는 데이터만을 추출하여 새롭게 제1 피측정자 정보 벡터들 구성하는 제1 변수 선택부와, 새롭게 구성된 각각의 제1 피측정자 정보 벡터들을 정규화하는 제1 벡터 정규화부와, 그리고 정규화된 제1 피측정자 정보 벡터들을 병합하여 제1 통합 피처 벡터를 생성하는 제1 벡터 통합부를 포함할 수 있고, 제2 통합 피처 벡터 생성부는 각각의 피측정자 정보 벡터를 제2 대사성 질환의 해당 약물의 유효성 모델링 과정에서 선택된 통계적으로 유의미한 변수들에 해당하는 데이터만을 추출하여 새롭게 제2 피측정자 정보 벡터들 구성하는 제2 변수 선택부와, 새롭게 구성된 각각의 제2 피측정자 정보 벡터들을 정규화하는 제2 벡터 정규화부와, 그리고 정규화된 제2 피측정자 정보 벡터들을 병합하여 제2 통합 피처 벡터를 생성하는 제2 벡터 통합부를 포함할 수 있다.
본 발명의 또 다른 양상에 따르면, 피측정자 정보 입력부는 안면 형상 정보를 입력 받아 안면 피처 벡터를 생성하는 안면 피처 벡터 입력부와, 음성 정보를 입력 받아 음성 피처 벡터를 생성하는 음성 피처 벡터 입력부와, 체형 정보를 입력 받아 체형 피처 벡터를 생성하는 체형 피처 벡터 입력부와, 설문지 응답 정보를 입력 받아 설문지 응답 벡터를 생성하는 설문지 응답 피처 벡터 입력부를 포함할 수 있다.
추가적으로, 피측정자 정보 입력부는 설진 형상 정보를 입력 받아 설진 피처 벡터를 생성하는 설진 피처 벡터 입력부를 더 포함할 수 있다.
본 발명에 의하면 대사성 질환 치료를 위해 처방되는 약물이 대사성 질환 환자에게 투여될 때 특정 대사성 질환에 대하여 효능이 있을 지 여부를 비침습적 방법으로 체형 정보 등을 이용하여 미리 예측할 수 있고, 이 예측을 바탕으로 약물의 남용 및 부작용을 방지할 수 있다.
도 1은 일 양상에 따르는 처방 약물 유효성 예측 장치의 블록도이다.
도 2는 또 다른 양상에 따르는 처방 약물 유효성 예측 장치의 블록도로 통합 피처 벡터 생성부의 기능을 세분화하여 도시하고 있다.
도 3은 또 다른 양상에 따른 처방 약물 유효성 예측 장치의 블록도로 피측정자 정보 입력부의 기능을 세분화하여 도시하고 있다.
도 4는 또 다른 양상에 따른 처방 약물 유효성 예측 장치의 블록도로 통합 피처 벡터 생성부와 피측정자 정보 입력부의 기능을 세분화하여 도시하고 있다.
도 2는 또 다른 양상에 따르는 처방 약물 유효성 예측 장치의 블록도로 통합 피처 벡터 생성부의 기능을 세분화하여 도시하고 있다.
도 3은 또 다른 양상에 따른 처방 약물 유효성 예측 장치의 블록도로 피측정자 정보 입력부의 기능을 세분화하여 도시하고 있다.
도 4는 또 다른 양상에 따른 처방 약물 유효성 예측 장치의 블록도로 통합 피처 벡터 생성부와 피측정자 정보 입력부의 기능을 세분화하여 도시하고 있다.
전술한, 그리고 추가적인 양상들은 첨부된 도면을 참조하여 설명하는 실시 예들을 통해 구체화된다. 각 실시 예들의 구성 요소들은 다른 언급이나 상호간에 모순이 없는 한 실시 예 내에서 다양한 조합이 가능한 것으로 이해된다. 블록도의 각 블록은 어느 경우에 있어서 물리적인 부품을 표현할 수 있으나 또 다른 경우에 있어서 하나의 물리적인 부품의 기능의 일부 혹은 복수의 물리적인 부품에 걸친 기능의 논리적인 표현일 수 있다. 때로는 블록 혹은 그 일부의 실체는 프로그램 명령어들의 집합(set)일 수 있다. 이러한 블록들은 전부 혹은 일부가 하드웨어, 소프트웨어 혹은 이들의 결합에 의해 구현될 수 있다.
도 1은 일 양상에 따르는 처방 약물 유효성 예측 장치의 블록도이다. 본 발명의 일 양상에 따르는 다중 대사성 질환에 대한 처방 약물 유효성 예측 장치(100)는 피측정자 정보 입력부(110)와, 제1 통합 피처 벡터 생성부(130)와, 제2 통합 피처 벡터 생성부(150)와, 제1 대사성 질환 약물 유효성 판단부(170)와, 제2 대사성 질환 약물 유효성 판단부(190)를 포함한다.
처방 약물 유효성 예측장치는 입력 인터페이스와, 출력 인터페이스와, 메모리와, 저장장치와, 네트워크 장치와, 프로세서 등을 포함하는 컴퓨팅 장치로 구현될 수 있다. 입력 인터페이스는 사용자의 입력을 받아들이는 인터페이스로 키보드(keyboard), 터치스크린(touch screen), 마우스(mouse), 전자펜(stylus pen) 및 펜 태블릿(pen tablet)을 포함하며, 이에 한정되는 것은 아니다. 출력 인터페이스는 사용자 인터페이스 등을 표시하는 디스플레이(display)를 포함한다. 네트워크 장치는 유선 또는 무선으로 네트워크에 연결되어 타 장치와 통신을 담당하는 장치이다. 프로세서는 메모리 및/또는 저장 장치에 저장된 처방 약물 유효성 예측을 위해 구현된 프로그램 명령어 셋을 실행할 수 있다. 프로세서는 중앙 처리 장치(CPU), 그래픽 처리 장치(GPU) 또는 전용의 프로세서일 수 있다. 메모리와 저장 장치는 휘발성 저장 매체 및/또는 비휘발성 저장 매체로 구성될 수 있다. 예를 들어, 메모리는 읽기 전용 메모리(read only memory, ROM) 및/또는 랜덤 액세스 메모리(random access memory, RAM)로 구성될 수 있다.
피측정자 정보 입력부(110)는 컴퓨팅 장치에서 실행되는 프로그램 명령어 세트로 적어도 적어도 기능의 일부가 구현된다. 피측정자 정보 입력부(110)는 피측정자의 상이한 부위의 외관 측정 정보 벡터를 포함하는 피측정자 정보 벡터들을 입력 받는다. 즉, 피측정자 정보 입력부(110)는 대사성 질환 진단에 사용하기 위해 피측정자의 외관을 측정한 데이터를 벡터 형식으로 입력 받는다. 이때 측정되는 피측정자의 외관은 신체의 특정 부위로 제한되지 않으며, 키, 몸무게, 체지방지수, 체온, 허리둘레, 허벅지 둘레, 안면 색, 안면 부분 영역(예, 이마, 코 등), 나이, 목 둘레, 가슴 둘레 등을 포함할 수 있다. 또한, 피측정자 정보 벡터는 측정된 값들 사이의 비율 정보를 포함할 수 있다. 예를 들어, 키와 허리둘레의 비율, 키와 허리둘레의 비율, 몸무게와 허벅지 둘레의 비율 등이 피측정자 정보 벡터에 포함될 수 있다. 피측정자 정보 입력부(110)는 복수의 장치로부터 각각의 장치가 측정하거나 입력받은 외관 측정 정보 벡터를 입력받거나 외관 측정 정보들을 수집하여 전달하는 장치들을 통해 입력받을 수 있다. 이에 제한되는 것은 아니며 데이터베이스 또는 파일 형태로 저장된 데이터 형태로 외관 측정 정보 벡터를 입력받을 수 있다.
처방 약물 유효성 예측 장치(100)는 대사성 질환에 처방되는 약물이 질환자에게 효능이 있는 지 여부를 예측하는 예측 모델을 모델링한다. 예측 모델의 모델링 과정에서는 먼저 대사성 질환자들을 모집단으로 하여 다양한 대사성 질환 환자에게 대사성 질환에 처방되는 약물을 동일하게 일정 기간동안 투여하는 임상시험을 진행하고, 각 대사성 질환별로 해당 약물이 효능을 보였는지 판단하여 대사성 질환 환자를 약물 효능군(약물을 복용하면 효과가 있는 그룹)과 비효능군(약물을 복용해도 효과가 없는 그룹)으로 분류하였다. 이후 각 대사성 질환자들의 외관 측정 정보 벡터를 포함하는 피측정자 정보 벡터의 각 항목들을 독립 변수 X로 하여 대사성 질환 별로 종속 변수 Y(효능 여부)를 예측하는 모델링 함수를 구한다. 이때의 모델링은 통계에 기반한 모델일 수 있으며, 모델은 독립 변수와 종속 변수와의 상관 관계를 규명하는 것을 목표로 학습되며, 실제값(임상 실험의 결과)와 모델의 예측값의 평균오차 즉, 평균제곱오차의 제곱근(Root mean squared error, RMS)을 최소화하는 방향으로 학습된다. 모델링 과정에서 독립 변수와 종속 변수와의 상관 관계 규명에 의해 통계적으로 유의미한 변수들이 결정된다. 즉, 효능 여부에 영향을 많이 미치는 독립 변수들이 모델링 과정에 결정된다. 이후 실제로 대사성 질환자를 대상으로 처방 약물의 효능 여부를 예측할 때 해당 모델에 유의미한 변수들만 구성된 벡터를 입력하여 효능 여부를 예측할 수 있다.
모델링 과정에서 도출된 유의미한 변수들은 대사성 질환 별로 구분되어 실제 대사성 질환자를 대상으로 처방 약물의 효능 여부를 예측할 때 사용할 수 있도록 데이터베이스 등에 따로 저장될 수 있다. 즉, 향후 처방 약물의 효능 여부를 예측할 때 대사성 질환 별로 어떤 변수들의 선택하여 사용할 지 알 수 있도록 저장할 수 있다.
제1 통합 피처 벡터 생성부(130)는 컴퓨팅 장치에서 실행되는 프로그램 명령어 세트로 적어도 적어도 기능의 일부가 구현된다. 제1 통합 피처 벡터 생성부(130)는 각각의 피측정자 정보 벡터들에 포함된 변수들 중 제1 대사성 질환의 해당 약물의 유효성 모델링 과정에서 선택된 통계적으로 유의미한 변수들을 추출하여 제1 통합 피처 벡터를 생성한다. 제1 통합 피처 벡터 생성부(130)는 피측정자 정보 입력부(110)로부터 외관 측정 정보 벡터를 포함하는 피측정자 정보 벡터들을 전달받아 모델링 과정에서 결정된 유의미한 변수들만을 추출하여 제1 대사성 질환에 처방되는 약물이 피측정자에게 약효를 나타낼지 예측하는 모델의 입력 벡터로 재구성한다. 이때 도출된 유의미한 변수들의 목록이 데이터베이스 등에 저장되어 있을 수 있다.
제2 통합 피처 벡터 생성부(150)는 컴퓨팅 장치에서 실행되는 프로그램 명령어 세트로 적어도 적어도 기능의 일부가 구현된다. 제2 통합 피처 벡터 생성부(150)는 각각의 피측정자 정보 벡터들에 포함된 변수들 중 제2 대사성 질환의 해당 약물의 유효성 모델링 과정에서 선택된 통계적으로 유의미한 변수들을 추출하여 제2 통합 피처 벡터를 생성한다. 제2 통합 피처 벡터 생성부(150)는 피측정자 정보 입력부(110)로부터 외관 측정 정보 벡터를 포함하는 피측정자 정보 벡터들을 전달받아 모델링 과정에서 결정된 유의미한 변수들만을 추출하여 제2 대사성 질환에 처방되는 약물이 피측정자에게 약효를 나타낼지 예측하는 모델의 입력 벡터로 재구성한다. 이때 도출된 유의미한 변수들의 목록이 데이터베이스 등에 저장되어 있을 수 있다.
제1 대사성 질환 약물 유효성 판단부(170)는 컴퓨팅 장치에서 실행되는 프로그램 명령어 세트로 적어도 적어도 기능의 일부가 구현된다. 제1 대사성 질환 약물 유효성 판단부(170)는 제1 통합 피처 벡터를 입력 받아 제1 모델링에 기초하여 제1 대사성 질환에 대한 해당 약물의 유효성 정보를 출력한다. 처방 약물이 제1 대사성 질환에 유효한 효능을 보일 지 예측하는 모델을 모델링하는 과정에서 도출된 모델링 함수에 제1 통합 피처 벡터에 포함된 변수들을 적용하여 제1 대사성 질환 약물이 피측정자에게 효과를 나타낼 지 여부를 예측한다.
제2 대사성 질환 약물 유효성 판단부(190)는 컴퓨팅 장치에서 실행되는 프로그램 명령어 세트로 적어도 적어도 기능의 일부가 구현된다. 제2 대사성 질환 약물 유효성 판단부(190)는 제2 통합 피처 벡터를 입력 받아 제2 모델링에 기초하여 제2 대사성 질환에 대한 해당 약물의 유효성 정보를 출력한다. 처방 약물이 제2 대사성 질환에 유효한 효능을 보일 지 예측하는 모델을 모델링하는 과정에서 도출된 모델링 함수에 제2 통합 피처 벡터에 포함된 변수들을 적용하여 제2 대사성 질환 약물이 피측정자에게 효과를 나타낼 지 여부를 예측한다.
일 예로, 피측정자에게 처방된 약물이 태음조위탕이고, 태음조위탕이 고혈압과 당뇨에 효능이 있을지 여부를 예측하는 경우, 제1 대사성 질환은 고혈압으로 설정하고, 제2 대사성 질환은 당뇨로 지정한 후, 태음조위탕이 고혈압에 효능을 나타내는지 예측하도록 모델링된 제1 모델링을 통해 피측정자 정보로 태음조위탕이 피측정자에 대하여 고혈압에 효능이 있는지 예측하여 결과를 도출하고, 또한 태음조위탕이 당뇨에 효능을 나타내는지 예측하도록 모델링된 제2 모델링을 통해 피측정자 정보로 태음조위탕이 피측정자에 대하여 당뇨에 효능이 있는지 예측하여 결과를 도출한다. 물론, 모델링을 변경 적용하여 다른 대사성 질환에 대하여도 해당 질환에 대한 모델링을 통해 해당 약물이 효능이 있을지 예측할 수 있으며, 다른 처방 약물에 대한 모델링을 통해 다른 약물에 대하여도 예측할 수 있다.
도 2는 또 다른 양상에 따르는 처방 약물 유효성 예측 장치의 블록도로 통합 피처 벡터 생성부의 기능을 세분화하여 도시하고 있다. 본 발명의 또 다른 양상에 따르면, 처방 약물 유효성 예측 장치(100)의 제1 통합 피처 벡터 생성부(130)는 제1 변수 선택부(131)와, 제1 벡터 정규화부(133)와, 제1 벡터 통합부(135)를 포함할 수 있고, 제2 통합 피처 벡터 생성부(150)는 제2 변수 선택부(151)와, 제2 벡터 정규화부(153)와, 제2 벡터 통합부(155)를 포함할 수 있다.
제1 변수 선택부(131)는 피측정자 정보 입력부(110)로부터 수신한 각각의 피측정자 정보 벡터를 제1 대사성 질환의 해당 약물의 유효성 모델링 과정에서 도출되어 선택된 통계적으로 유의미한 변수들에 해당하는 데이터만을 추출하여 새롭게 제1 피측정자 정보 벡터들로 재구성한다. 예를 들어, 제1 변수 선택부(131)가 피측정자 정보 입력부(110)로부터 A(a1, a2, a3, a4, a5) 벡터, B(b1, b2, b3, b4), C(c1, c2, c3, c4, c5) 벡터를 전달받고, 제1 대사성 질환의 해당 약물의 유효성 모델링 과정에서 선택된 유의미한 변수가 a1, a3, b2, c3, c5인 경우 제1 변수 선택부(131)는 A 벡터, B 벡터, C 벡터를 각각 A'(a1, a3) 벡터, B'(b2) 벡터, C'(c3, c5) 벡터로 재구성한다.
제1 벡터 정규화부(133)는 새롭게 구성된 각각의 제1 피측정자 정보 벡터들에 대하여 정규화를 수행한다. 정규화는 데이터를 특정 구간의 값(예, 0~1 또는 0~100 등)으로 바꾸는 척도법이다. 정규화는 일반적으로 데이터 군 내에서 특정 데이터가 가지는 위치를 파악할 때 용이하다. 피측정자에 대하여 처방 약물의 유효성을 예측할 때 정규화를 사용하므로 모델링을 할 때에도 정규화 과정을 반드시 거쳐야 한다.
제1 벡터 통합부(135)는 정규화된 제1 피측정자 정보 벡터들을 병합하여 하나의 제1 통합 피처 벡터를 생성한다. 앞선 예에서 제1 통합 피처 벡터는 a1, a3, b2, c3, c5 변수가 정규화되어 벡터로 구성된다.
제2 변수 선택부(151)는 피측정자 정보 입력부(110)로부터 수신한 각각의 피측정자 정보 벡터를 제2 대사성 질환의 해당 약물의 유효성 모델링 과정에서 도출되어 선택된 통계적으로 유의미한 변수들에 해당하는 데이터만을 추출하여 새롭게 제2 피측정자 정보 벡터들로 재구성한다. 제1 변수 선택부(131)의 예와 동일하게 예를 들 수 있다.
제2 벡터 정규화부(153)는 새롭게 구성된 각각의 제2 피측정자 정보 벡터들에 대하여 정규화를 수행한다. 정규화는 데이터를 특정 구간의 값(예, 0~1 또는 0~100 등)으로 바꾸는 척도법이다. 정규화는 일반적으로 데이터 군 내에서 특정 데이터가 가지는 위치를 파악할 때 용이하다. 피측정자에 대하여 처방 약물의 유효성을 예측할 때 정규화를 사용하므로 모델링을 할 때에도 정규화 과정을 반드시 거쳐야 한다.
제2 벡터 통합부(155)는 정규화된 제1 피측정자 정보 벡터들을 병합하여 하나의 제2 통합 피처 벡터를 생성한다.
도 3은 또 다른 양상에 따른 처방 약물 유효성 예측 장치의 블록도로 피측정자 정보 입력부의 기능을 세분화하여 도시하고 있다. 본 발명의 또 다른 양상에 따르면, 처방 약물 유효성 예측 장치(100)의 피측정자 정보 입력부(110)는 안면 피처 벡터 입력부(111)와, 안색 피처 벡터 입력부(112)와, 음성 피처 벡터 입력부(113)와, 체형 피처 벡터 입력부(115)와, 설문지 응답 피처 벡터 입력부(117)를 포함할 수 있다.
안면 피처 벡터 입력부(111)는 2차원 또는 3차원 안면 형상 정보를 입력 받아 안면 피처 벡터를 생성한다. 안면 형상 정보는 피측정자의 얼굴에 대한 정보로 전체적인 생김새나 크기 등에 대한 정보(예를 들어, 이마의 크기, 눈의 크기, 귀의 크기 및 형태 등)와 상태 정보(기미, 주근깨, 뾰루지 등이 있는지 여부)를 포함할 수 있다. 일반적으로 안면 형상 정보는 안면 영상으로부터 획득될 수 있다.
안색 피처 벡터 입력부(112)는 안색 정보를 입력 받아 안색 피처 벡터를 생성한다. 안색 정보는 전체적인 얼굴의 색 정보, 각 얼굴 부위의 색 정보를 포함할 수 있다. 안색 정보는 사용자에 의해 입력된 정보이거나 안면 영상으로부터 자동으로 추출된 정보일 수 있다.
음성 피처 벡터 입력부(113)는 피측정자의 음성 특징에 대한 음성 정보를 입력 받아 음성 피처 벡터를 생성한다. 음성 특징에 대한 음성 정보는 피측정자의 음성이 고음인지 저음인지 여부, 음성이 힘찬 음성인지 여부, 굵은 음성인지 여부, 성량의 풍부성, 말의 빠르기 등의 정보를 포함할 수 있다.
체형 피처 벡터 입력부(115)는 체형 정보를 입력 받아 체형 피처 벡터를 생성한다. 체형 정보는 키, 몸무게, 체지방지수, 가슴 둘레, 허리 둘레 등의 정보를 포함할 수 있고, 이들 간의 비율 정보를 포함할 수 있다.
설문지 응답 피처 벡터 입력부(117)는 설문지 응답 정보를 입력 받아 설문지 응답 벡터를 생성한다. 설문지 응답 정보는 거주지 정보, 나이, 사상체질, 병력 등의 정보를 포함할 수 있다.
추가적으로, 처방 약물 유효성 예측 장치(100)의 피측정자 정보 입력부(110)는 설진 형상 및 색상 정보를 입력 받아 설진 피처 벡터를 생성하는 설진 피처 벡터 입력부(119)를 더 포함할 수 있다. 설진 형상 및 색상 정보는 설태의 여부, 혀의 색깔, 설형(크기, 이빨자국, 혓바늘 등), 설질 등의 혀의 형상 및 상태에 대한 정보를 포함할 수 있다.
도 4는 또 다른 양상에 따른 처방 약물 유효성 예측 장치의 블록도로 통합 피처 벡터 생성부와 피측정자 정보 입력부의 기능을 세분화하여 도시하고 있다. 본 발명의 또 다른 양상에 따르면, 처방 약물 유효성 예측 장치(100)는 피측정자 정보 입력부(110)와, 제1 통합 피처 벡터 생성부(130)와, 제2 통합 피처 벡터 생성부(150)와, 제1 대사성 질환 약물 유효성 판단부(170)와, 제2 대사성 질환 약물 유효성 판단부(190)를 포함한다.
피측정자 정보 입력부(110)는 안면 피처 벡터 입력부(111)와, 음성 피처 벡터 입력부(113)와, 체형 피처 벡터 입력부(115)와, 설문지 응답 피처 벡터 입력부(117)를 포함할 수 있고, 제1 통합 피처 벡터 생성부(130)는 제1 변수 선택부(131)와, 제1 벡터 정규화부(133)와, 제1 벡터 통합부(135)를 포함할 수 있고, 제2 통합 피처 벡터 생성부(150)는 제2 변수 선택부(151)와, 제2 벡터 정규화부(153)와, 제2 벡터 통합부(155)를 포함할 수 있다. 각각 기능 블록은 앞서 설명한 것과 같다.
처방 약물 유효성 예측 장치는 모델링 과정에서 사용한 모델링 변수 특히, 모델링 과정에서 도출된 유의미한 변수들을 대사성 질환과 처방 약물 정보와 매핑하여 모델링 변수 DB에 저장할 수 있다. 따라서, 각각의 기능 블록에서 대사성 질환과 처방 약물에 따라 모델링과정에서 도출된 유의미한 변수 정보를 해당 DB를 통해 획득할 수 있다.
이상에서 본 발명을 첨부된 도면을 참조하는 실시 예들을 통해 설명하였지만 이에 한정되는 것은 아니며, 이들로부터 당업자라면 자명하게 도출할 수 있는 다양한 변형 예들을 포괄하도록 해석되어야 한다. 특허청구범위는 이러한 변형 예들을 포괄하도록 의도되었다.
100: 처방 약물 유효성 예측 장치
110: 피측정자 정보 입력부
111: 안면 피처 벡터 입력부
112: 안색 피처 벡터 입력부
113: 음성 피처 벡터 입력부
115: 체형 피처 벡터 입력부
117: 설문지 응답 피처 벡터 입력부
119: 설진 피처 벡터 입력부
130: 제1 통합 피처 벡터 생성부
131: 제1 변수 선택부
133: 제1 벡터 정규화부
135: 제1 벡터 통합부
150: 제2 통합 피처 벡터 생성부
151: 제2 변수 선택부
153: 제2 벡터 정규화부
155: 제2 벡터 통합부
170: 제1 대사성 질환 약물 유효성 판단부
190: 제2 대사성 질환 약물 유효성 판단부
110: 피측정자 정보 입력부
111: 안면 피처 벡터 입력부
112: 안색 피처 벡터 입력부
113: 음성 피처 벡터 입력부
115: 체형 피처 벡터 입력부
117: 설문지 응답 피처 벡터 입력부
119: 설진 피처 벡터 입력부
130: 제1 통합 피처 벡터 생성부
131: 제1 변수 선택부
133: 제1 벡터 정규화부
135: 제1 벡터 통합부
150: 제2 통합 피처 벡터 생성부
151: 제2 변수 선택부
153: 제2 벡터 정규화부
155: 제2 벡터 통합부
170: 제1 대사성 질환 약물 유효성 판단부
190: 제2 대사성 질환 약물 유효성 판단부
Claims (4)
- 피측정자의 상이한 부위의 외관 측정 정보 벡터를 포함하는 피측정자 정보 벡터들을 입력 받는 피측정자 정보 입력부와;
상기 각각의 피측정자 정보 벡터들에 포함된 변수들 중 제1 대사성 질환의 해당 약물의 유효성 모델링 과정에서 선택된 통계적으로 유의미한 변수들을 추출하여 제1 통합 피처 벡터를 생성하는 제1 통합 피처 벡터 생성부와;
상기 각각의 피측정자 정보 벡터들에 포함된 변수들 중 제2 대사성 질환의 해당 약물의 유효성 모델링 과정에서 선택된 통계적으로 유의미한 변수들을 추출하여 제2 통합 피처 벡터를 생성하는 제2 통합 피처 벡터 생성부와;
제1 통합 피처 벡터를 입력 받아 제1 모델링에 기초하여 제1 대사성 질환에 대한 해당 약물의 유효성 정보를 출력하는 제1 대사성 질환 약물 유효성 판단부와;
제2 통합 피처 벡터를 입력 받아 제2 모델링에 기초하여 제2 대사성 질환에 대한 해당 약물의 유효성 정보를 출력하는 제2 대사성 질환 약물 유효성 판단부;
를 포함하는 다중 대사성 질환에 대한 처방 약물 유효성 예측 장치.
- 제 1 항에 있어서,
제1 통합 피처 벡터 생성부는 :
각각의 피측정자 정보 벡터를 제1 대사성 질환의 해당 약물의 유효성 모델링 과정에서 선택된 통계적으로 유의미한 변수들에 해당하는 데이터만을 추출하여 새롭게 제1 피측정자 정보 벡터들 구성하는 제1 변수 선택부와, 새롭게 구성된 각각의 제1 피측정자 정보 벡터들을 정규화하는 제1 벡터 정규화부와, 그리고 정규화된 제1 피측정자 정보 벡터들을 병합하여 제1 통합 피처 벡터를 생성하는 제1 벡터 통합부를 포함하고,
제2 통합 피처 벡터 생성부는 :
각각의 피측정자 정보 벡터를 제2 대사성 질환의 해당 약물의 유효성 모델링 과정에서 선택된 통계적으로 유의미한 변수들에 해당하는 데이터만을 추출하여 새롭게 제2 피측정자 정보 벡터들 구성하는 제2 변수 선택부와, 새롭게 구성된 각각의 제2 피측정자 정보 벡터들을 정규화하는 제2 벡터 정규화부와, 그리고 정규화된 제2 피측정자 정보 벡터들을 병합하여 제2 통합 피처 벡터를 생성하는 제2 벡터 통합부를 포함하는 다중 대사성 질환에 대한 처방 약물 유효성 예측 장치.
- 제 1 항에 있어서, 피측정자 정보 입력부는:
2차원 또는 3차원 안면 형상 정보를 입력 받아 안면 피처 벡터를 생성하는 안면 피처 벡터 입력부와, 안색 정보를 입력 받아 안색 피처 벡터를 생성하는 안색 피처 벡터 입력부와, 음성 정보를 입력 받아 음성 피처 벡터를 생성하는 음성 피처 벡터 입력부와, 체형 정보를 입력 받아 체형 피처 벡터를 생성하는 체형 피처 벡터 입력부와, 설문지 응답 정보를 입력 받아 설문지 응답 벡터를 생성하는 설문지 응답 피처 벡터 입력부;
를 포함하는 다중 대사성 질환에 대한 처방 약물 유효성 예측 장치.
- 제 3 항에 있어서, 피측정자 정보 입력부는:
설진 형상 및 색상 정보를 입력 받아 설진 피처 벡터를 생성하는 설진 피처 벡터 입력부를 더 포함하는 다중 대사성 질환에 대한 처방 약물 유효성 예측 장치.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200063650A KR102348915B1 (ko) | 2020-05-27 | 2020-05-27 | 처방 약물 유효성 예측 장치 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200063650A KR102348915B1 (ko) | 2020-05-27 | 2020-05-27 | 처방 약물 유효성 예측 장치 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20210146627A KR20210146627A (ko) | 2021-12-06 |
KR102348915B1 true KR102348915B1 (ko) | 2022-01-11 |
Family
ID=78901500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200063650A KR102348915B1 (ko) | 2020-05-27 | 2020-05-27 | 처방 약물 유효성 예측 장치 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102348915B1 (ko) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102057047B1 (ko) | 2019-02-27 | 2019-12-18 | 한국과학기술정보연구원 | 질병 예측 장치 및 이를 이용한 질병 예측 방법 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101298303B1 (ko) * | 2010-04-27 | 2013-08-20 | 울산대학교 산학협력단 | 약물의 약동-약력학적 모델링을 위한 통합 분석 시스템 |
KR101301821B1 (ko) * | 2011-08-30 | 2013-08-29 | 한국 한의학 연구원 | 안색 정보 생성 장치 및 그 방법, 안색 정보를 이용한 건강 상태 판단 장치 및 그 방법, 건강 분류 함수 생성 장치 및 그 방법 |
KR101591175B1 (ko) * | 2014-05-07 | 2016-02-04 | 한국 한의학 연구원 | 음성 분석을 이용한 건강 상태 진단 장치 및 방법 |
KR101828660B1 (ko) * | 2015-11-27 | 2018-02-13 | 한국 한의학 연구원 | 체질 진단 방법 및 장치 |
EP3479485B1 (en) | 2016-07-04 | 2022-03-16 | SISP Technologies Ltd | Data processing method and apparatus |
-
2020
- 2020-05-27 KR KR1020200063650A patent/KR102348915B1/ko active IP Right Grant
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102057047B1 (ko) | 2019-02-27 | 2019-12-18 | 한국과학기술정보연구원 | 질병 예측 장치 및 이를 이용한 질병 예측 방법 |
Also Published As
Publication number | Publication date |
---|---|
KR20210146627A (ko) | 2021-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10891785B2 (en) | Systems and methods for fitting product | |
US11232580B2 (en) | Extended reality system | |
US9836883B2 (en) | Systems and methods for fitting product | |
US11688129B2 (en) | Avatar generator | |
JP5144338B2 (ja) | 健康状態によるアバター映像の生成方法及び装置 | |
US20100106475A1 (en) | Biophysical virtual model database and applications | |
CN108198603A (zh) | 一种基于个人体检信息的营养饮食推荐方法 | |
KR20100130592A (ko) | 미용 분석 및 치료 진단을 위한 시스템 및 방법 | |
JPWO2019244949A1 (ja) | 生体情報処理方法、生体情報処理装置、および生体情報処理システム | |
KR102453304B1 (ko) | 치매 예방 및 자가진단을 위한 가상현실콘텐츠를 제공하는 시스템 | |
KR102425479B1 (ko) | 사용자의 정보로 아바타를 생성하여 외부의 메타버스플랫폼에 제공하고 사용자 맞춤형 디지털치료제를 추천하는 시스템 및 방법 | |
KR102425481B1 (ko) | 재활치료를 위한 가상현실 커뮤니케이션 시스템 | |
KR102348915B1 (ko) | 처방 약물 유효성 예측 장치 | |
US11515043B1 (en) | Method and device for hair loss prediction and personalized scalp care | |
CA3176236C (en) | Method and system for using sensor data from rehabilitation or exercise equipment to treat patients via telemedicine | |
JP7022571B2 (ja) | アドバイスシステム | |
WO2022163826A1 (ja) | 健康支援装置、健康支援システム、健康支援方法 | |
KR102432251B1 (ko) | 소셜서버에서 수행되는 가상현실 재활시스템 | |
Mata et al. | Virtual reality and sensors for the next generation medical systems | |
JP2024513108A (ja) | 医療及び投薬を管理するためのユーザボディ体積の予測 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |