KR102416715B1 - 피크혈당 값을 이용한 혈당 예측 방법 및 음식 제안 시스템 - Google Patents

피크혈당 값을 이용한 혈당 예측 방법 및 음식 제안 시스템 Download PDF

Info

Publication number
KR102416715B1
KR102416715B1 KR1020200145716A KR20200145716A KR102416715B1 KR 102416715 B1 KR102416715 B1 KR 102416715B1 KR 1020200145716 A KR1020200145716 A KR 1020200145716A KR 20200145716 A KR20200145716 A KR 20200145716A KR 102416715 B1 KR102416715 B1 KR 102416715B1
Authority
KR
South Korea
Prior art keywords
blood glucose
glucose
blood sugar
blood
specific user
Prior art date
Application number
KR1020200145716A
Other languages
English (en)
Other versions
KR20220060125A (ko
Inventor
박종서
박승재
이상훈
Original Assignee
한국항공대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국항공대학교산학협력단 filed Critical 한국항공대학교산학협력단
Priority to KR1020200145716A priority Critical patent/KR102416715B1/ko
Publication of KR20220060125A publication Critical patent/KR20220060125A/ko
Application granted granted Critical
Publication of KR102416715B1 publication Critical patent/KR102416715B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7465—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network
    • A61B5/747—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network in case of emergency, i.e. alerting emergency services
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Emergency Medicine (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Nutrition Science (AREA)
  • Business, Economics & Management (AREA)
  • Critical Care (AREA)
  • Emergency Management (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Nursing (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Optics & Photonics (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

본 발명은 피크 혈당 값을 이용하여 섭취하고자 하는 포도당 양에 따른 혈당을 예측할 수 있는 방법 및 시스템에 관한 것이다. 위에서 살펴본 과제를 해결하기 위하여 본 발명에 따른 피크 혈당 값을 이용한 혈당 예측 방법은, 특정 사용자에 대해 혈당 측정을 수행한 혈당 측정 센서에 대해 서로 다른 시점에 측정된 복수의 혈당 센싱 값을 수신하는 단계, 상기 복수의 혈당 센싱 값 중 기 설정된 조건을 만족하는 적어도 두 개의 피크 혈당 값을 특정하는 단계, 상기 적어도 두 개의 피크 혈당 값에 선형 회귀 분석(Linear Regression) 모델을 적용하여, 상기 특정 사용자에 대한 혈당 예측 그래프를 생성하는 단계 및 상기 혈당 예측 그래프에 근거하여, 상기 특정 사용자가 섭취하고자 하는 포도당 양에 따른 혈당 값을 예측하는 단계를 포함하는 것을 특징으로 하여, 사용자가 섭취하고자 하는 포도당 양에 따른 예측 혈당 값을 사용자에게 제공하는 역할을 수행할 수 있다.

Description

피크혈당 값을 이용한 혈당 예측 방법 및 음식 제안 시스템{METHOD FOR PREDICTING BLOOD GLUCOSE USING PEAK BLOOD GLUCOSE LEVEL AND FOOD PROPOSAL SYSTEM}
본 발명은 피크 혈당 값을 이용하여 섭취하고자 하는 포도당 양에 따른 혈당을 예측할 수 있는 방법 및 시스템에 관한 것이다.
기존의 당뇨 검사 방법은 크게는 소변, 혈액, 경구 포도당 부하, 혈색소검사로 나뉘어져 있다. 이 중 경구 포도당 부하 검사방법은 8시간 이상 음식을 섭취하지 않은 공복 상태에서 정맥 채혈을 시행한 뒤, 75g의 경구용 포도당을 물 250-300ml에 섞어서 마신 후 120분 뒤에 채혈 검사를 시행하여 정상인지 당뇨인지를 판정한다. 이와 같이, 기존의 경구 포도당 부하 검사 방법은 결과의 재현성과 측정소요시간의 문제로 활용도가 낮다.
한편, 최근에는 전자기기 및 스마트 기술의 발달에 따라, 개개인들이 병원에 매번 가지 않더라도, 스마트폰과 같은 전자기기(또는 스마트 디바이스)를 이용하여 장소 및 시간에 대한 제약없이, 사용자가 원하는 시점에 혈당을 실시간으로 파악할 수 있도록 하는 연속혈당측정기(CGM)가 개발되어 시장에 출시되어 있다.
사용자는 연속혈당측정기(CGM)를 사용하여 자신의 실시간 혈당 값을 제공받을 수 있다. 그러나 현재로서는, 사용자가 단순히 혈당 값에 대한 데이터만 제공받을 수 있을 뿐, 이 데이터를 통해 사용자가 스스로 알아낼 수 있는 건강정보에 제약이 있다
따라서, 연속혈당측정기(CGM)를 사용하여 얻은 혈당 값들을 분석하기 위한 다양한 데이터 처리 방법이 요구되고 있다.
(특허문헌 1) JP 2012-81166 A
(특허문헌 2) KR 2019-0020516 A
(특허문헌 3) JP 2020-78648 A
(특허문헌 4) KR 2019-0063954 A
본 발명은 사용자에게 유용한 정보로 가공하기 위한 혈당치 데이터 분석 방법을 제공하는 것이다.
나아가, 본 발명은 피크 혈당 값을 이용한 혈당 예측 방법을 제공하는 것에 그 목적이 있다.
위에서 살펴본 과제를 해결하기 위하여 본 발명에 따른 피크 혈당 값을 이용한 혈당 예측 방법은, 특정 사용자에 대해 혈당 측정을 수행한 혈당 측정 센서에 대해 서로 다른 시점에 측정된 복수의 혈당 센싱 값을 수신하는 단계, 상기 복수의 혈당 센싱 값 중 기 설정된 조건을 만족하는 적어도 두 개의 피크 혈당 값을 특정하는 단계, 상기 적어도 두 개의 피크 혈당 값에 선형 회귀 분석(Linear Regression) 모델을 적용하여, 상기 특정 사용자에 대한 혈당 예측 그래프를 생성하는 단계 및 상기 혈당 예측 그래프에 근거하여, 상기 특정 사용자가 섭취하고자 하는 포도당 양에 따른 혈당 값을 예측하는 단계를 포함하는 것을 특징으로 하여, 사용자가 섭취하고자 하는 포도당 양에 따른 예측 혈당 값을 사용자에게 제공하는 역할을 수행할 수 있다.
또한, 본 발명에 따른 피크 혈당 값을 이용한 혈당 예측 시스템은, 특정 사용자에 대해 혈당 측정을 수행한 혈당 측정 센서에 대해 서로 다른 시점에 측정된 복수의 혈당 센싱 값을 수신하는 통신부 및 상기 복수의 혈당 센싱 값 중 기 설정된 조건을 만족하는 적어도 두개의 피크 혈당 값을 특정하는 제어부를 포함하고, 상기 제어부는, 상기 적어도 두개의 피크 혈당 값에 선형 회귀 분석(Linear Regression) 모델을 적용하여, 상기 특정 사용자에 대한 혈당 예측 그래프를 생성하고, 상기 혈당 예측 그래프에 근거하여, 상기 특정 사용자가 섭취하고자 하는 포도당 양에 따른 혈당 값을 예측하는 것을 특징으로 하여, 사용자가 섭취하고자 하는 포도당 양에 따른 예측 혈당 값을 사용자에게 제공하는 역할을 수행할 수 있다.
위에서 살펴본 것과 같이, 본 발명에 따른 피크 혈당 값을 이용한 혈당 예측 방법 및 시스템은, 혈당 측정 센서로부터 수신한 복수의 혈당 센싱 값들 중 피크 혈당 값에 선형 회귀 분석(Linear Regression) 모델을 적용하여 혈당 예측 그래프를 생성함으로써, 사용자가 섭취하고자 하는 포도당 양에 따른 예측 혈당 값을 사용자에게 제공할 수 있다. 따라서, 사용자는 특정 음식을 섭취하기 전에 상기 특정 음식과 양이 자신에게 알맞은 양인지를 판단하여 음식의 종류와 양을 조절할 수 있는 효과를 가질 수 있다.
나아가, 본 발명에 따른 피크 혈당 값을 이용한 혈당 예측 방법 및 시스템은, 각 사용자 마다 당뇨 심각 단계를 특정함으로써, 사용자가 섭취하고자 하는 음식의 양(포도당의 양)이 상기 당뇨 심각 단계에 근거한 권장 포도당 섭취 양을 초과하는 경우, 경고 정보를 전달함으로써 사용자가 경각심을 가질 수 있게 하고, 자신의 당뇨 심각 단계를 고려하여 사용자가 안전한 혈당 값을 유지할 수 있는 환경을 만들어 줌으로써 보다 체계적으로 자신의 건강을 관리할 수 있는 효과를 가질 수 있다.
나아가, 본 발명에 따른 피크 혈당 값을 이용한 혈당 예측 방법 및 시스템은, 사용자의 예측 혈당 값을 그래프의 형태로 제공함으로써, 사용자가 직관적으로 자신이 섭취할 포도당 양에 따른 혈당을 예측할 수 있는 효과를 가질 수 있다.
더 나아가, 본 발명은 사용자 단말을 통하여 사용자로부터 특정 음식 메뉴 정보를 수신하여, 상기 특정 음식 메뉴를 섭취 시 사용자의 예상되는 혈당 값을 제공함으로써, 사용자가 섭취하고자 하는 음식 메뉴와 양이 자신에게 알맞은 메뉴와 양인지를 판단할 수 있도록 만들어 주는 것에 그 목적이 있다. 따라서, 사용자는 자신의 예측 혈당 값을 제공받을 수 있으므로, 당뇨환자 뿐만 아니라, 다이어트에 관심이 많은 현대인들에게도 체중 조절에 도움을 줄 수 있는 효과를 가질 수 있다.
나아가, 본 발명에 따른 피크 혈당 값을 이용한 혈당 예측 방법 및 시스템은, 획득한 혈당데이터를 일정기간 학습하여 연속혈당측정기 없이도 섭취한 음식에 대해 혈당데이터 예측이 가능하도록 하는 효과를 가질 수 있다.
도 1은 본 발명에 따른 피크 혈당 값을 이용한 혈당 예측 방법 및 시스템을 설명하기 위한 개념도이다.
도 2는 본 발명에 따른 피크 혈당 값을 이용한 혈당 예측 방법을 설명하기 위한 흐름도이다.
도 3 내지 도 5는 본 발명에 따른 사용자들이 혈당 측정 센서를 통해 측정한 복수의 혈당 센싱 값들을 통해 피크 혈당 값을 특정하는 것을 설명하기 위한 흐름도들이다.
도 6은 본 발명에 따른 혈당 예측 그래프이다.
도 7은 본 발명에 따른 섭취하고자 하는 음식메뉴에 대한 예측 피크 혈당 값을 사용자에게 알려주는 것을 설명하기 위한 개념도이다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소에는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 단수뿐만 아니라 복수도 포함하는 것으로 해석한다.
본 발명은, 혈당 측정 센서로부터 수신한 복수의 혈당 센싱 값 중에서 적어도 두 개의 피크 혈당 값을 특정하고, 상기 적어도 두 개의 피크 혈당 값에 선형 회귀 분석(Linear Regression) 모델을 적용하여, 사용자가 섭취하고자 하는 포도당 양에 따른 예측 혈당 값을 사용자에게 제공하기 위한 것으로서, 이하 첨부된 도면과 함께 본 발명에 대해 보다 구체적으로 살펴본다.
도 1은 본 발명에 따른 피크 혈당 값을 이용한 혈당 예측 방법 및 시스템을 설명하기 위한 개념도이고, 도 2는 본 발명에 따른 피크 혈당 값을 이용한 혈당 예측 방법을 설명하기 위한 흐름도이다. 나아가, 도 3 내지 도 5는 본 발명에 따른 사용자들이 혈당 측정 센서를 통해 측정한 복수의 혈당 센싱 값들을 통해 피크 혈당 값을 특정하는 것을 설명하기 위한 흐름도들이며, 도 6은 본 발명에 따른 혈당 예측 그래프이다. 또한, 도 7은 본 발명에 따른 섭취하고자 하는 음식메뉴에 대한 예측 피크 혈당 값을 사용자에게 알려주는 것을 설명하기 위한 개념도이다.
도 1에 도시된 것과 같이, 본 발명에 따른 혈당 예측 시스템(100)은 통신부(110), 저장부(120) 및 제어부(130) 중 적어도 하나를 포함할 수 있다. 이때 본 발명에 따른 혈당 예측 시스템(100)은 상술한 구성 요소로 제한되는 것은 아니며, 본 명세서의 설명에 따른 기능과 동일 또는 유사한 역할을 수행하는 구성요소를 더 포함할 수 있다.
한편, 본 발명에 따른 맞춤형 혈당 예측 시스템(100)은 혈당 측정 센서(10) 및 전자기기(20) 중 적어도 하나와 통신을 통하여 연동되어 동작할 수 있다. 여기서 혈당 측정 센서(10)는 혈당 측정기, 혈당 측정 장치, 연속 혈당 측정기, 혈당 센서, 무채혈 혈당측정기 등으로 호칭될 수 있다. 전자기기(20)는, 스마트폰(smart phone), 휴대폰, 스마트TV, 스마트 미러(smart mirror), 태블릿 PC, 컴퓨터, 노트북 중 적어도 하나를 포함할 수 있다.
한편, 본 발명에 따른 혈당 예측 시스템(100)은 사용자에게 그래픽을 제공하는 애플리케이션 또는 소프트웨어로 구현될 수 있다.
예를 들어, 본 발명에 따른 혈당 예측 시스템(100)은, 전자기기(20)상에 애플리케이션을 다운받을 수 있는 프로그램(예를 들어, 플레이스토어, 또는 앱스토어)을 통해 다운로드 되거나, 전자기기(20) 상에 초기 프로그램으로서 설치될 수 있다. 이 경우, 본 발명에 따른 통신부(110), 저장부(120) 및 제어부(130)는 전자기기의 구성 요소로 활용될 수 있다.
예를 들어, 본 발명에 따른 혈당 예측 시스템(100)의 통신부(110), 저장부(120) 및 제어부(130)는, 전자기기(20)의 하드웨어 구성을 활용하여, 특정 포도당 섭취량에 대한 사용자의 혈당 예측을 위한 일련의 기능을 수행할 수 있다.
예를 들어, 통신부(110)는 전자기기(20)의 통신부에 구비된 통신 모듈(예를 들어, 이동통신 모듈, 근거리 통신 모듈, 무선 인터넷 모듈, 위치정보 모듈, 방송 수신 모듈 등)의 구성을 이용하여, 적어도 하나의 외부 서버(또는 클라우드 서버 등)와 데이터를 송수신할 수 있다.
제어부(130)는, 혈당 측정 센서(10)에 센싱된 혈당 센싱 값을 통신부(110)로부터 수신하도록 제어할 수 있다. 전자기기(20)는 통신부(110)를 통해 혈당 데이터를 수신할 수 있다.
나아가, 저장부(120)는 전자기기(20)에 구비된(또는 삽입된) 메모리 또는 외부 서버를 이용하여, 본 발명에 따른 혈당 예측 방법과 관련된 데이터를 저장하도록 구성될 수 있다.
저장부(120)는 본 발명에 따른 사용자의 혈당에 대한 예측 정보를 생성하기 위해 필요한 정보(또는 데이터)가 저장되는 공간이 있으면 되고, 물리적인 공간에 대한 제약은 없는 것으로 이해될 수 있다. 이하에서 저장부(120)라 함은, 저장매체, 데이터베이스 서버 및 클라우드 서버 중 적어도 하나를 의미하는 것으로 이해할 수 있다.
혈당 예측 정보의 생성과 관련하여 저장부(120)에 저장되는 정보의 종류는 다양할 수 있다.
먼저, 저장부(120)에는 하나 이상의 혈당 데이터가 저장될 수 있다. 각각의 혈당 데이터는 혈당 센싱 값 및 시간 정보 중 적어도 하나를 포함할 수 있다. 혈당 센싱 값은 혈당 측정 센서(10)로부터 센싱된 사용자의 혈당을 수치로 나타낸 값이다. 시간 정보는 상기 혈당 센싱 값이 혈당 측정 센서(10)로부터 센싱된 날짜 및 시간 정보를 포함할 수 있다. 본 명세서에서는, 상기 혈당 데이터에 포함된 시간 정보를 타임 스탬프라고 명명하기로 한다. 서로 다른 시점에 센싱된 혈당 센싱 값이 복수 개 존재할 수 있다. 즉, 저장부(120)에는 복수개의 혈당 데이터가 저장될 수 있다. 본 발명에서 편의를 위하여 각각의 혈당 데이터에 번호를 부여하여 Data No.1, Data No.2 등으로 혈당 데이터를 구분하기로 한다.
한편, 상기 혈당 센싱 값들은 식전 혈당과 식후 혈당 중의 하나에 해당할 수 있다. 식전 혈당은 공복 혈당을 의미하며, 공복 혈당을 측정하기 위해서는 측정 대상이 일정 시간 이상 공복을 유지해야 하지만, 식후 혈당의 경우 식후 일정 시간 후에 측정하면 되므로, 일상 생활에서도 측정 대상의 불편을 줄이면서 측정이 가능하다. 본 발명은 식전 혈당과 식후 혈당 모두에 적용될 수 있다.
또한, 저장부(120)에는 다양한 음식 메뉴에 대응되는 포도당의 양이 저장될 수 있다. 이러한 대응 정보는 다른 저장장치로부터 수신할 수 있거나 사용자로부터 직접 입력 받을 수도 있다.
또한, 저장부(120)에는 복수의 당뇨 심각 단계가 복수의 혈당 센싱 값에 주성분 분석(PCA: Principal component analysis) 기법을 적용한 결과에 따라 구분되어 저장될 수 있다. 주성분 분석이란 다수의 변수들이 가지고 있는 전체 변동을 잘 설명할 수 있는 중요한 몇 개의 새로운 변수(주성분)들을 새롭게 생성해서, 변수가 여러 개인 다차원 데이터를 적은 수의 새로운 변수로 요약하는 기법이다. 그 결과로, 서로 연관되어 있는 변수들을 전체적으로 가장 잘 설명할 수 있는 새로운 변수가 생성될 수 있다.
또한, 저장부(120)에는 사용자와 관련된 정보가 저장될 수 있다. 여기에서 사용자란, 전자기기(20)의 사용자로서, 상기 전자기기(20)를 통해 섭취하고자 하는 포도당의 양에 따라 예상되는 혈당 값을 제공받을 수 있다. 또한, 사용자는 자신이 보호하고 있는 피보호자의 예상 혈당 값을 제공받는 보호자에 해당할 수도 있다. 즉, 사용자는 혈당 검사를 진행하는 검사자일 수도 있고, 피검사자일 수도 있다. 이때 사용자는, '운용자', '이용자', '유저' 등의 용어로 대체될 수 있다.
한편, 사용자는, 본 발명에 따른 혈당 예측 시스템(100)에서 제공하는 애플리케이션 또는 웹페이지를 통해, 자신의 당뇨의 심각도를 파악할 수 있고, 전자기기(20)를 통해 자신의 당뇨의 심각단계 상태에 근거한 권장 포도당 섭취량을 제공받을 수 있다. 또한, 사용자의 당뇨 심각단계에 근거한 권장 포도당 섭취 양을 초과하는 경우 경고 알림을 받을 수도 있다. 이를 위해, 사용자는 본 발명에 따른 혈당 예측 시스템(100)에 등록된 사용자 계정을 보유할 수 있다.
저장부(120)에 저장되는 사용자와 관련된 정보는, ID, 이름, 생년월일, 성별, 키, 몸무게, 당뇨 심각단계 중 적어도 하나를 포함할 수 있다. 한편, 상기 사용자와 관련된 정보는 상기 언급한 것들 외에 다른 것들을 포함할 수도 있다. 본 명세서에서는, 사용자와 관련된 정보를 “사용자 정보”라고 명명하기로 한다. 사용자 정보는 도 1에 도시된 전자기기(20)를 통해 사용자로부터 입력 받을 수 있다. 또한, 사용자로부터 입력 받은 사용자 정보는 저장부(120)에 저장될 수 있다.
한편, 사용자는 본 발명에 따른 혈당 예측 시스템(100)에 등록된 사용자 계정을 보유할 수 있다. 복수의 사용자는 각각 서로 다른 사용자 계정을 보유할 수 있다. 상기 혈당 측정 센서(10)로부터 수신된 혈당 데이터와 사용자로부터 입력 받은 사용자 정보는 각 사용자가 보유한 사용자 계정에 매칭하여 저장부(120)에 함께 저장될 수 있다.
나아가, 제어부(130)는 본 발명에 따른 혈당 예측 시스템(100)의 전반적인 동작을 제어할 수 있다.
먼저, 제어부(130)는, 혈당 측정 센서(10)로부터 혈당 센싱 값을 수신하도록 통신부(110)를 제어할 수 있다(S210, 도 2 참조)
여기에서, 혈당 센싱 값은 특정 사용자에 대한 것일 수 있다.
혈당 측정 센서(10)로부터 수신되는 혈당 센싱 값은, 복수의 혈당 센싱 값을 포함할 수 있다.
앞서 살펴본 것과 같이, 각각의 혈당 센싱 값에는, 각각의 혈당 센싱 값이 센싱된 시점에 대한 타임 스탬프가 매칭되어 존재할 수 있다.
이러한 타임 스탬프는, 각각의 혈당 센싱 값의 메타 데이터로서 존재할 수 있다.
여기에서, 특정 사용자에 대해 혈당 측정을 수행하는 혈당 측정 센서(10)는 예를 들어, 연속 혈당 측정기(CGM: Continuous Glucose Monitoring)와 같은 장치일 수 있다. 연속 혈당 측정기의 종류는 메드트로닉사의 ‘가디언™커넥트’와 ‘아이프로™2’, 휴온스의 ‘덱스콤 G6’ 등이 될 수 있으며, 이에 제한되는 것은 아니다.
혈당 측정 센서(10)는, 사용자의 신체에 부착되어 실시간으로 변화하는 혈당을 측정할 수 있는 장치일 수 있다. 사용자는 혈당 측정 센서(10)를 피부에 착용한 상태에서 일상생활을 진행할 수 있다.
혈당 측정 센서(10)는 도면에 도시되지는 않았지만, 신체의 부착되어 체액을 추출하여 혈당을 측정하는 센서 모듈과 센서 모듈에 의해 측정된 혈당 수치를 전자기기(20)에 송신하는 송신기 등을 포함하여 구성될 수 있다. 전자기기(20)에는 혈당 측정 센서(10)로부터 수신한 혈당 데이터를 관리하는 전용 애플리케이션(예를 들어, FreeStyle LibreLink)이 설치되어 있는데, 사용자는 측정된 혈당 데이터 정보를 사용자의 전자기기(20)의 전용 애플리케이션을 통해 확인할 수 있다.
통신부(110)는 혈당 측정 센서(10)가 작동 개시된 후 혈당 측정 센서(10)와 사용자 전자기기(20)를 서로 통신 연결하는 과정을 담당한다. 통신부(110)는 근거리 통신 모듈(NFC: Near Field Communication)과 블루투스(Bluetooth) 통신 모듈을 통해 사용자 전자기기(20)와 페어링 접속을 자동으로 수행할 수 있다.
구체적으로, 혈당 측정 센서(10)와 사용자 전자기기(20)가 서로 근거리 통신 범위에 위치하는 경우, 혈당 측정 센서(10)는 NFC 통신 모듈 또는 블루투스 통신 모듈을 통해 사용자 전자기기(20)와 자동으로 통신 접속 절차를 진행하며, 사용자 전자기기(20)와 혈당 측정 센서(10)가 서로 접속 완료되는 경우 별도의 입력이 없더라도 혈당 측정 센서(10)는 측정한 사용자의 혈당 데이터를 사용자 전자기기(10)로 주기적으로 (예를 들어, 5분 주기마다) 전송할 수 있다.
혈당 측정 센서(10)와 사용자 전자기기(20)간의 데이터 이동의 또 다른 방법은 혈당 측정 센서(10)와 사용자 전자기기(20)를 서로 접촉시키는 방식이 될 수 있다. 본 발명의 일 실시예에 따르면, 혈당 측정 센서(10)와 전자기기(20)를 접촉시킬 때마다 혈당 측정 센서(10)로부터 측정된 혈당 데이터가 전자기기(20)로 송신되도록 할 수 있다. 혈당 측정 센서(10)와 전자기기(20)가 접촉하면 통신이 잘 되고 있음을 알리는 알림음(‘삐’)이 출력될 수 있다. 지금까지 혈당 측정 센서(10)와 전자기기(20) 간의 통신 방식의 예시들을 설명하였으며, 혈당 측정 센서(10)와 전자기기(20) 간의 통신 방식이 이들 방식들에 제한되는 것은 아니다.
이와 같이, 제어부(130)는 혈당 측정 센서(10)에 대해 서로 다른 시점에 측정된 복수의 혈당 센싱 값을 수신하고, 특정 사용자가 보유한 사용자 계정에 매칭하여 저장부(120)에 저장할 수 있다.
다음으로, 제어부(130)는 복수의 혈당 센싱 값 중 기 설정된 조건을 만족하는 적어도 두 개의 피크 혈당 값을 특정할 수 있다(S220, 도 2참조).
구체적으로, 제어부(130)는 특정 사용자의 신체의 일부에 장착된 혈당 측정 센서(10)로부터 센싱된 복수의 혈당 센싱 값 중 기 설정된 조건을 만족하는 적어도 두 개의 피크 혈당 값을 특정할 수 있다.
피크 혈당 값은 혈당 측정 센서(10)로부터 센싱된 복수의 혈당 센싱 값들 중 기 설정된 조건을 만족하는 혈당 값을 의미하고, 여기에서, 기 설정된 조건은, i) 타임 스탬프에 포함된 날짜 정보가 동일한 복수의 혈당 센싱 값들 중 가장 높은 값 또는 ii) 타임 스탬프에 포함된 시간 정보가 비슷한 시간대(예를 들어, 9:00~11:00)에 센싱된 복수의 혈당 센싱 값들 중 가장 높은 값 중 하나가 될 수 있다.
제어부(130)는 특정 사용자의 사용자 계정에 매칭하여 저장된 복수의 혈당 센싱 값들 중 기 설정된 조건 중 하나를 만족하는 적어도 두 개의 혈당 값을 특정하여, 상기 특정 사용자에 대한 피크 혈당 값으로서 저장부(130)에 저장할 수 있다.
제어부(130)가 사용자의 복수의 혈당 센싱 값들 중 적어도 두 개의 피크 혈당 값을 특정한다는 것은, 상기 사용자의 특정 음식 섭취 후 혈당을 예측하기 위해 필요한 혈당 데이터를 추출하는 것을 의미한다.
나아가, 제어부(130)는 특정 사용자에 대한 적어도 두 개의 피크 혈당 값(혈당 데이터)을 특정하여, 상기 적어도 두 개의 피크 혈당 값에 선형 회귀 모델을 적용하여 개인의 혈당치를 예측할 수 있다.
이하에서는, 당뇨의 정도가 서로 다른 3명의 사용자에 대한 혈당 데이터를 예를 들어, 적어도 두개의 피크 혈당 값을 특정하는 방법에 대하여 살펴본다.
도 3은 본 발명에 따른 심각한 당뇨를 앓고 있는 사용자 1이 혈당 측정 센서(10)를 통해 측정한 혈당 데이터들을 도시하고 있고, 도 4는 본 발명에 따른 약한 당뇨를 앓고 있는 사용자 2가 혈당 측정 센서(10)를 통해 측정한 혈당 데이터들을 도시하고 있으며, 도 5는 본 발명에 따른 당뇨가 없는 정상인 사용자 3이 혈당 측정 센서(10)를 통해 측정한 혈당 데이터들을 도시하고 있다.
예를 들어, 제어부(130)는 도 3에 도시된 14개의 혈당 데이터(Data No.1 내지 Data No.14) 중에서 기 설정된 조건을 만족하는 적어도 두 개의 피크 혈당 값을 특정할 수 있다. 도 3의 Data No.1 내지 Data No.8에는 2020년 7월 6일에 서로 다른 시간에 측정한 혈당 값(mg/dL)들이 기재되어 있고, Data No.9 내지 Data No.12에는 2020년 7월 11일에 서로 다른 시간에 측정한 혈당 값(mg/dL)들이 기재되어 있다.
여기에서, 기 설정된 조건은 예를 들어, 동일한 날짜에 측정된 혈당 데이터 중에서, 연속하여 측정된 3개의 혈당 값(예를 들어, 도 3의 Data No.5, Data No.6, Data No.7과 같이)중에서 중간에 측정된 혈당 값(Data No.5)이 가장 높은 경우, 중간에 측정된 혈당 값이 피크 혈당 값에 해당할 수 있다. 즉, 2번째(중간)로 측정된 혈당 값이 1번째로 측정된 혈당 값 및 3번째로 측정된 혈당 값보다 높은 값을 가지는 혈당 값인 경우가 이에 해당한다.
예를 들어, 도 3에서 동일한 날짜(2020-07-06)에 연속하여 측정된 3개의 혈당 값(Data No.4, No.5, No.6)을 살펴보면, Data No.4의 혈당 값은 500mg/dL이고, Data No.5의 혈당 값은 520mg/dL이며, Data No.6의 혈당 값은 511mg/dL이다. 이 경우, Data No.5의 혈당 값(520mg/dL)은 Data No.4의 혈당 값(500mg/dL) 및 Data No.6의 혈당 값(511mg/dL)보다 높은 값을 가지므로, 피크 혈당 값이라고 볼 수 있다.
도 3에 도시된 것과 같이, 또 다른 예로서, 동일한 날짜(2020-07-11)에 연속하여 측정된 3개의 혈당 값(Data No.9, No.10, No.11)을 살펴보면, Data No.9의 혈당 값은 188mg/dL이고, Data No.10의 혈당 값은 198mg/dL이며, Data No.11의 혈당 값은 448mg/dL이다. 이 경우에는, Data No.11의 혈당 값이 가장 높은 혈당 값을 가지지만, Data No.11의 혈당 값은 연속으로 측정된 3개의 혈당 값 중 2번째(중간)로 측정된 혈당 값이 아닌, 3번째로 측정된 혈당 값에 해당하므로 피크 혈당 값이 될 수 없다.
도 3에 도시된 것과 같이, 또 다른 예로서, 동일한 날짜(2020-07-11)에 연속하여 측정된 3개의 혈당 값(Data No.10, No.11, No.12)을 살펴보면, Data No.11의 혈당 값(448mg/dL)은 Data No.10의 혈당 값(198mg/dL) 및 Data No.12의 혈당 값(420mg/dL)보다 높은 값을 가지므로, 피크 혈당 값이라고 볼 수 있다.
따라서, 도 3의 사용자1의 복수의 혈당 센싱 값 중 기 설정된 조건을 만족하는 적어도 두 개의 피크 혈당 값을 520mg/dL 및 448mg/dL로 특정할 수 있다.
다음으로, 제어부(130)는 적어도 두 개의 피크 혈당 값에 선형 회귀 분석(Linear Regression) 모델을 적용하여, 상기 특정 사용자에 대한 혈당 예측 그래프를 생성할 수 있다(S230, 도 2참조).
선형 회귀 분석은 특정 사용자에 대해 과거 수집한 데이터를 기반으로 상기 특정 사용자에 대한 데이터를 예측하는 것이다.
이때, 예측된 데이터는, 실질적으로 수집되지 않은 데이터에 해당할 수 있다.
선형 회귀 분석 모델을 적용하는 것은, 예를 들어, 제어부(130)가 특정 사용자에 대하여 특정된 적어도 두 개의 피크 혈당 값과 이에 대응하는 포도당 섭취량을 2차원 평면에 좌표점으로 도시한 후, 이들 좌표점을 연결하는 것에 해당할 수 있다.
혈당 예측 그래프는, 기 설정된 조건을 만족하는 적어도 두 개의 피크 혈당 값을 잇는 기울기를 가질 수 있다. 기 설정된 조건을 만족하는 피크 혈당 값이 두 개인 경우에는 해당 두 개의 피크 혈당 값을 잇는 기울기가 이에 해당할 수 있다. 한편, 기 설정된 조건을 만족하는 피크 혈당 값이 세 개 이상인 경우에는, 혈당 예측 그래프의 기울기를 구하기 위하여 다양한 실시 예가 가능할 수 있다.
예를 들어, 특정된 피크 혈당 값들 중에서 가장 큰 값과 가장 작은 값에 대한 기울기를 혈당 예측 그래프의 기울기로 정할 수 있다. 또는, 특정된 피크 혈당 값들 중에서 서로 인접한 값들에 대한 기울기의 평균 기울기를 혈당 예측 그래프의 기울기로 정할 수 있다. 피크 혈당 값이 세 개 이상으로 특정된 경우의 혈당 예측 그래프의 기울기를 구하는 방법이 이에 한정되는 것은 아니다.
위에서 구한 기울기와 관련하여, 피크 혈당 값과 이에 대응하는 포도당 섭취량를 나타내는 어느 하나의 좌표점을 지나는 그래프를 혈당 예측 그래프로 정할 수 있다.
혈당 예측 그래프의 제1축은 포도당과 관련될 수 있다. 예를 들어, 혈당 예측 그래프의 제1축은 포도당 섭취량(g)이 될 수 있다. 혈당 예측 그래프의 제1축과 수직하는 제2축은 혈당과 관련될 수 있다. 예를 들어, 혈당 예측 그래프의 제2축은 피크 혈당 값(mg/dL)이 될 수 있다.
도 6의 그래프 A, B 및 C는 각 사용자의 적어도 두 개의 피크 혈당 값에 선형 회귀 분석 모델을 적용하여 생성된 혈당 예측 그래프이다. 도 6에 도시된 것과 같이, 혈당 예측 그래프의 기울기는 사용자마다 상이할 수 있다. 도 3, 도 4 및 도 5가 각각 사용자1, 사용자2 및 사용자3의 혈당 데이터의 예시를 나타내는 경우, 도 6의 그래프 A는 사용자1의 혈당 예측 그래프이고, 그래프 B는 사용자2의 혈당 예측 그래프이며, 그래프 C는 사용자3의 혈당 예측 그래프일 수 있다.
다음으로, 제어부(130)는 상기 혈당 예측 그래프에 근거하여, 상기 특정 사용자가 섭취하고자 하는 포도당 양에 따른 혈당 값을 예측할 수 있다(S240, 도 2참조). 예를 들어, 제어부(130)는 혈당 예측 그래프에 대응하는 방정식을 구해서 섭취하고자 하는 포도당 양에 대한 혈당 값을 예측할 수 있다.
구체적으로, 제어부(130)는 상기 혈당 예측 그래프의 제1축에서 상기 특정 사용자가 섭취하고자 하는 포도당 양에 해당하는 제1지점을 특정할 수 있다. 예를 들어, 도 6의 제1축에서 포도당 섭취량이 60g인 지점을 제1지점으로 특정할 수 있다.
그 후, 제어부(130)는 상기 혈당 예측 그래프의 상기 제2축에서 상기 제1 지점에 대응되는 제2지점의 혈당 값을 상기 특정 사용자가 섭취하고자 하는 포도당 양에 따른 예측 혈당 값으로써 추출할 수 있다. 예를 들어, 도 6의 그래프 B와 관련하여 상기 제1지점에 대응되는 제2축의 제2지점의 혈당 값 152mg/dL을 상기 특정 사용자가 섭취하고자 하는 포도당 양 60g에 따른 예측 혈당 값으로써 추출할 수 있다.
도 6의 각 그래프에서 포도당 섭취량이 0g일 때 피크 혈당 값이 50mg/dL인 것으로 도시하였으나, 이는 예시에 불과하며, 포도당 섭취량이 0g일 때 피크 혈당 값은 다른 값을 가질 수 있다.
한편, 제어부(130)는 상기 복수의 혈당 센싱 값에 주성분 분석(PCA: Principal Component Analysis) 기법을 적용하여 복수의 서로 다른 당뇨 심각 단계 중 상기 특정 사용자의 당뇨 심각 단계를 특정할 수 있다. 예를 들어, 저장부(120)에는 복수의 당뇨 심각 단계에 대한 정보가 저장될 수 있으며, 제어부(130)는 복수의 당뇨 심각 단계 중 하나를 각 사용자의 복수의 혈당 센싱 값에 주성분 분석(PCA) 기법을 적용한 결과에 따라 선택할 수 있다.
제어부(130)는 혈당 측정 센서(10)로부터 센싱된 적어도 두 개의 피크 혈당 값에 근거해서, 예측 그래프를 생성할 수 있다. 제어부(130)는 각 사용자에 대하여 해당하는 예측 그래프 및 당뇨 심각단계를 결정한다. 저장부(120)는 제어부(130)가 결정한 예측 그래프 및 당뇨 심각단계에 대하여 각 사용자의 사용자 계정에 매칭하여 저장할 수 있다. 즉, 특정 사용자의 사용자 계정에는 상기 특정 사용자에 해당하는 혈당 예측 그래프와 당뇨 심각 단계 정보가 포함될 수 있다. 본 발명의 일 실시예에 따르면, 어떤 사용자의 예측 그래프는 자신과 유사한 당뇨 심각 단계를 갖는 다른 사용자의 혈당값을 예측하기 위해 활용될 수 있다.
저장부(120)는 당뇨의 심각 단계를, 예를 들어 3단계로 나누어 저장할 수 있다. 당뇨의 심각단계 중 1단계는 피크 혈당 값이 제 1기준 혈당 값(예를 들어, 150mg/dL) 이하인 경우에 해당하고, 이 경우에 해당하는 사용자를 당뇨가 아닌 것으로 취급할 수 있다. 당뇨의 심각단계 중 2단계는 피크 혈당 값이 제 1기준 혈당 값(예를 들어, 150mg/dL)과 제 2기준 혈당 값(예를 들어, 250mg/dL) 사이인 경우에 해당하고, 이 경우에 해당하는 사용자를 약한 당뇨인 것으로 취급할 수 있다. 당뇨의 심각 단계 중 3단계는 피크 혈당 값이 제 2기준 혈당 값(예를 들어, 250mg/dL)을 초과하는 경우에 해당하고, 이 경우에 해당하는 사용자를 심각한 당뇨인 것으로 취급할 수 있다. 상기 예시에서 당뇨의 심각 단계를 3단계로 나누는 것에 대하여 설명하였으나, 이에 한정되는 것은 아니며 더 많은 단계를 가질 수 있다.
도 6에 도시된 바와 같이, 그래프 A는 당뇨의 심각 단계가 3단계에 해당하는 당뇨가 심각한 사람의 혈당 예측 그래프일 수 있고, 그래프 B는 당뇨의 심각 단계가 2단계에 해당하는 당뇨가 약한 사람의 혈당 예측 그래프일 수 있으며, 그래프 C는 당뇨의 심각 단계가 1단계에 해당하는 당뇨가 없는 정상인 사람의 혈당 예측 그래프에 해당할 수 있다.
사용자의 당뇨 심각 단계가 특정된 후, 제어부(130)는 상기 사용자의 당뇨 심각 단계에 근거하여, 상기 사용자가 섭취하고자 하는 포도당 양에 따른 경고 정보를 생성할 수 있다. 즉, 사용자의 당뇨 심각 단계별로 경고 정보가 전달되는 기준이 상이할 수 있다.
제어부(130)는 혈당 예측 그래프를 토대로 사용자가 섭취하려는 음식에 의해 구해지는 포도당 섭취 양이 기 설정된 기준 포도당 섭취 양보다 많은 경우에 경고 정보를 생성할 수 있다. 또는 혈당 예측 그래프를 토대로 사용자가 섭취하려는 음식에 의해 구해지는 포도당 섭취 양이 기 설정된 기준 포도당 섭취 양보다 일정량 이상 더 많은 경우에 경고 정보를 생성할 수 있다. 상기 기준 포도당 섭취 양 및 상기 일정량 중 적어도 하나는 사용자의 당뇨 심각 단계에 따라 달라질 수 있다.
당뇨가 심각한 사용자일수록 기준 포도당 섭취 양이 적으며, 당뇨의 가능성이 적은 사용자일수록 기준 포도당 섭취 양이 클 수 있다.
나아가, 상기 일정량은,“혈당 예측 그래프를 토대로 사용자가 섭취하려는 음식에 의해 구해지는 포도당 섭취 양”과“상기 기 설정된 기준 포도당 섭취 양” 간의 차이 값 일 수 있다.
예를 들어, 당뇨의 심각단계가 낮은 1단계의 사람의 경우“혈당 예측 그래프를 토대로 사용자가 섭취하려는 음식에 의해 구해지는 포도당 섭취 양”과“상기 기 설정된 기준 포도당 섭취 양”간의 차이에 해당하는 상기 일정량은 포도당 50g일 수 있다. 다른 예로서, 당뇨의 심각단계가 높은 3단계의 사람의 경우, 상기 일정량은 포도당 5g 일 수 있다.
이와 같이, 제어부(130)는 당뇨의 심각 단계에 따라, 차이 값, 즉 상기 일정 량의 정도를 달리하여, 사용자의 당뇨 정도에 따른 맞춤형 관리를 수행할 수 있다.
또한, 상기 경고 정보는 상기 특정 사용자가 섭취한 포도당 양이, 상기 특정 사용자의 당뇨 심각 단계에 근거한 권장 포도당 섭취 양을 초과하는 경우 생성될 수 있다.
한편, 경고 정보는 다양한 형태로 사용자에게 전달될 수 있다. 예를 들어, 상기 사용자의 단말 또는 상기 사용자의 단말에 연결된 장치(예를 들어, 스마트워치)의 화면에 문자, 도형, 숫자 및 기호 중 적어도 하나를 통해 표시되거나 상기 사용자의 단말에 연결된 스피커나 이어폰을 통해 사용자에게 음성 또는 소리를 통해 전달될 수 있다. 상기 예시에서 시각적 알람 및 청각적 알람을 예로 들었으나, 이에 한정되는 것은 아니며, 촉각(예를 들어, 진동) 또는 광 점멸 등의 방식으로 전달될 수 있다. 상기 경고 정보를 참고하여 사용자는 자신의 섭취하는 포도당의 양을 조절함으로써 자신의 혈당 값을 안전한 범위 내에서 유지할 수 있다.
한편, 제어부(130)는 사용자로부터 상기 사용자 단말을 통하여 사용자가 섭취하고자 하는 특정 음식 메뉴 정보를 수신할 수 있다. 상기 음식 메뉴 정보의 수신은 사용자가 어플리케이션 등에 표시된 이미지나 목록을 클릭하는 방식으로 이루어질 수 있다. 예를 들어, 도 7에 도시된 것과 같이, 상기 음식 메뉴 정보는 이모티콘의 형태를 가질 수도 있으며, 이모티콘을 클릭하면 더 세분화된 음식 메뉴가 나타날 수 있다.
다양한 음식 메뉴에 대응되는 포도당의 양은 기 설정된 데이터베이스에 저장될 수 있다. 포도당의 양이 저장되어 있지 않은 음식 메뉴의 경우, 사용자로부터 포도당의 양을 별도로 입력 받아 데이터베이스를 업데이트할 수도 있다. 상기 기 설정된 데이터베이스는 상기 단말에 포함된 저장부(120) 또는 상기 단말에 연결된 외부 장치에 위치할 수 있다.
제어부(130)는 혈당 예측 그래프에 근거하여, 상기 특정 사용자가 섭취하고자 하는 포도당 양에 따른 혈당 값을 예측함에 있어서(S240), 상기 기 설정된 데이터베이스로부터 상기 특정 음식 메뉴에 대응되는 포도당 양을 추출할 수 있으며, 상기 추출된 포도당 양을 상기 특정 사용자가 섭취하고자 하는 포도당 양으로서 특정할 수 있다.
도 7에 도시된 것과 같이, 사용자로부터 먹고 싶은 음식으로 ‘케이크’를 입력 받은 경우, 제어부(130)는 먼저 상기 기 설정된 데이터베이스로부터 ‘케이크’ 1조각에 대응되는 포도당의 양 90g을 추출할 수 있다. 즉, 추출된 포도당 양 90g은 사용자가 섭취하고자 하는 포도당 양으로서 특정될 수 있다. 만약, 상기 예시에서, 도 7의 사용자가 당뇨의 심각 단계 3단계에 해당하는 심각한 당뇨를 앓고 있는 사람이라면, 섭취하고자 하는 포도당 양 90g은 권장 포도당 섭취양인 10g을 초과하므로, 제어부(130)는 사용자에게 경고 정보를 전달할 수 있다. 반면, 상기 예시에서, 도 7의 사용자가 당뇨의 심각 단계 1단계에 해당하는 정상인 사람이라면, 섭취하고자 하는 포도당 양 90g은 권장 포도당 섭취양인 100g에 미달하므로, 제어부(130)는 사용자에게 경고 정보를 전달하지 않을 것이다.
특정 사용자에 대해 저장부(120)에 저장된 혈당 데이터의 분석 결과들은, 혈당 데이터 값을 센싱한 당사자인 상기 특정 사용자 외에 다른 사용자를 위하여 활용될 수 있다.
제어부(130)는 유사한 당뇨 심각 단계를 갖는 다른 사용자의 혈당 예측 그래프에 기반하여 예측 혈당 값을 추출할 수 있다. 이 경우, 당뇨 심각 단계에 대한 정보는 본 발명에서 앞서 설명한 방식대로 복수의 혈당 데이터를 기반으로 분석한 결과로 파악할 수도 있고, 피검사자 스스로 입력할 수도 있고, 의사 진단 하에 또는 보호자의 주도 하에 사용자(피검사자, 의사, 보호자 등)가 직접 입력할 수 있다.위에서 살펴본 것과 같이, 본 발명에 따른 피크 혈당 값을 이용한 혈당 예측 방법 및 시스템은, 혈당 측정 센서로부터 수신한 복수의 혈당 센싱 값들 중 피크 혈당 값에 선형 회귀 분석(Linear Regression) 모델을 적용하여 혈당 예측 그래프를 생성함으로써, 사용자가 섭취하고자 하는 포도당 양에 따른 예측 혈당 값을 사용자에게 제공할 수 있다. 따라서, 사용자는 특정 음식을 섭취하기 전에 상기 특정 음식과 양이 자신에게 알맞은 양인지를 판단하여 음식의 종류와 양을 조절할 수 있는 효과를 가질 수 있다.
나아가, 본 발명에 따른 피크 혈당 값을 이용한 혈당 예측 방법 및 시스템은, 각 사용자 마다 당뇨 심각 단계를 특정함으로써, 사용자가 섭취하고자 하는 음식의 양(포도당의 양)이 상기 당뇨 심각 단계에 근거한 권장 포도당 섭취 양을 초과하는 경우, 경고 정보를 전달함으로써 사용자가 경각심을 가질 수 있게 하고, 자신의 당뇨 심각 단계를 고려하여 보다 체계적으로 자신의 건강을 관리할 수 있는 효과를 가질 수 있다.
나아가, 본 발명에 따른 피크 혈당 값을 이용한 혈당 예측 방법 및 시스템은, 자신의 예측 혈당 값을 제공받을 수 있으므로, 당뇨환자 뿐만 아니라, 다이어트에 관심이 많은 현대인들에게도 체중 조절에 도움을 줄 수 있는 효과를 가질 수 있다.
나아가, 본 발명에 따른 피크 혈당 값을 이용한 혈당 예측 방법 및 시스템은, 사용자의 예측 혈당 값을 그래프의 형태로 제공함으로써, 사용자가 직관적으로 자신이 섭취할 포도당 양에 따른 혈당을 예측할 수 있는 효과를 가질 수 있다.
나아가, 본 발명에 따른 피크 혈당 값을 이용한 혈당 예측 방법 및 시스템은, 획득한 혈당데이터를 일정기간 학습하여 연속혈당측정기 없이도 섭취한 음식에 대해 혈당데이터 예측이 가능하도록 하는 효과를 가질 수 있다.
한편, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.

Claims (6)

  1. 통신부, 저장부 및 제어부를 포함하는 혈당 예측 시스템에서의 혈당 예측 방법에 있어서,
    상기 통신부를 통해, 특정 사용자에 대해 혈당 측정을 수행한 혈당 측정 센서에 대해 서로 다른 시점에 측정된 복수의 혈당 센싱 값을 수신하는 단계;
    상기 제어부에서, 상기 복수의 혈당 센싱 값 중 기 설정된 조건을 만족하는 적어도 두 개의 피크 혈당 값을 특정하는 단계;
    상기 제어부에서, 상기 적어도 두 개의 피크 혈당 값에 선형 회귀 분석(Linear Regression) 모델을 적용하여, 상기 특정 사용자에 대한 혈당 예측 그래프를 생성하는 단계; 및
    상기 제어부에서, 상기 특정 사용자에 대한 혈당 예측 그래프에 근거하여, 상기 특정 사용자가 섭취하고자 하는 포도당 양에 따른 혈당 값을 예측하는 단계를 포함하고,
    상기 복수의 혈당 센싱 값 각각에는, 상기 복수의 혈당 센싱 값이 각각 센싱된 시점에 대한 타임 스탬프가 매칭되어 존재하고,
    상기 기 설정된 조건을 만족하는 상기 적어도 두 개의 피크 혈당 값은, 상기 타임 스탬프에 포함된 날짜 정보가 동일한 혈당 센싱 값들 중 가장 높은 값 또는 상기 타임 스탬프에 포함된 시간 정보가 비슷한 시간대에 센싱된 혈당 센싱 값들 중 가장 높은 값에 해당하며,
    상기 특정 사용자에 대한 혈당 예측 그래프는,
    상기 특정 사용자에 대하여 특정된 상기 적어도 두 개의 피크 혈당 값 및 상기 적어도 두 개의 피크 혈당 값에 대응하는 포도당 섭취량을, 상기 선형 회귀 분석 모델에 기반하여 2차원 평면에 나타내어지며,
    상기 특정 사용자에 대한 혈당 예측 그래프의 제1 축은 포도당 섭취량에 대응되고, 상기 제1 축과 수직하는 제2 축은 피크 혈당 값에 대응되어, 상기 특정 사용자에 대한 혈당 예측 그래프를 통해, 상기 특정 사용자가 섭취하고자 하는 포도당 양에 따른 상기 특정 사용자의 혈당 값의 예측이 가능하도록 이루어지는 것을 특징으로 하는 피크 혈당 값을 이용한 혈당 예측 방법.
  2. 제1항에 있어서,
    상기 특정 사용자에 대한 혈당 예측 그래프의 그래프는, 상기 적어도 두 개의 피크 혈당 값을 잇는 기울기를 갖는 것을 특징으로 하는 피크 혈당 값을 이용한 혈당 예측 방법.
  3. 제2항에 있어서,
    상기 특정 사용자의 혈당 값을 예측하는 단계에서는,
    상기 특정 사용자에 대한 혈당 예측 그래프의 상기 제1 축에서 상기 특정 사용자가 섭취하고자 하는 포도당 양에 해당하는 제1 지점을 특정하고,
    상기 특정 사용자에 대한 혈당 예측 그래프의 상기 제2 축에서 상기 제1 지점에 대응되는 제2 지점의 혈당 값을 상기 특정 사용자가 섭취하고자 하는 포도당 양에 따른 예측 혈당 값으로서 추출하는 것을 특징으로 하는 피크 혈당 값을 이용한 혈당 예측 방법.
  4. 제3항에 있어서,
    상기 제어부가, 상기 복수의 혈당 센싱 값에 주성분 분석(PCA: Principal Component Analysis) 기법을 적용하여 복수의 서로 다른 당뇨 심각 단계 중 상기 특정 사용자의 당뇨 심각 단계를 특정하는 단계 및
    상기 제어부가, 상기 특정 사용자의 당뇨 심각 단계에 근거하여, 상기 특정 사용자가 섭취하고자 하는 포도당 양에 따른 경고 정보를 생성하는 단계를 더 포함하고,
    상기 경고 정보는,
    상기 특정 사용자가 섭취한 포도당 양이, 상기 특정 사용자의 당뇨 심각 단계에 근거한 권장 포도당 섭취 양을 초과하는 경우 생성되는 것을 특징으로 하는 피크 혈당 값을 이용한 혈당 예측 방법.
  5. 제3항에 있어서,
    상기 제어부가, 상기 특정 사용자의 사용자 단말을 통하여, 특정 음식 메뉴 정보를 수신하는 단계를 더 포함하고,
    상기 특정 사용자의 혈당 값을 예측하는 단계에서는,
    상기 제어부가 기 설정된 데이터베이스로부터 상기 특정 음식 메뉴에 대응되는 포도당 양을 추출하며,
    상기 추출된 포도당 양을, 상기 특정 사용자가 섭취하고자 하는 포도당 양으로서 특정하는 것을 특징으로 하는 피크 혈당 값을 이용한 혈당 예측 방법.
  6. 특정 사용자에 대해 혈당 측정을 수행한 혈당 측정 센서에 대해 서로 다른 시점에 측정된 복수의 혈당 센싱 값을 수신하는 통신부; 및
    상기 복수의 혈당 센싱 값 중 기 설정된 조건을 만족하는 적어도 두 개의 피크 혈당 값을 특정하는 제어부를 포함하고,
    상기 제어부는,
    상기 적어도 두 개의 피크 혈당 값에 선형 회귀 분석(Linear Regression) 모델을 적용하여, 상기 특정 사용자에 대한 혈당 예측 그래프를 생성하고,
    상기 특정 사용자에 대한 혈당 예측 그래프에 근거하여, 상기 특정 사용자가 섭취하고자 하는 포도당 양에 따른 혈당 값을 예측하고,
    상기 복수의 혈당 센싱 값 각각에는, 상기 복수의 혈당 센싱 값이 각각 센싱된 시점에 대한 타임 스탬프가 매칭되어 존재하고,
    상기 기 설정된 조건을 만족하는 상기 적어도 두 개의 피크 혈당 값은, 상기 타임 스탬프에 포함된 날짜 정보가 동일한 혈당 센싱 값들 중 가장 높은 값 또는 상기 타임 스탬프에 포함된 시간 정보가 비슷한 시간대에 센싱된 혈당 센싱 값들 중 가장 높은 값에 해당하며,
    상기 특정 사용자에 대한 혈당 예측 그래프는,
    상기 특정 사용자에 대하여 특정된 상기 적어도 두 개의 피크 혈당 값 및 상기 적어도 두 개의 피크 혈당 값에 대응하는 포도당 섭취량을, 상기 선형 회귀 분석 모델에 기반하여 2차원 평면에 나타내어지며,
    상기 특정 사용자에 대한 혈당 예측 그래프의 제1 축은 포도당 섭취량에 대응되고, 상기 제1 축과 수직하는 제2 축은 피크 혈당 값에 대응되어, 상기 특정 사용자에 대한 혈당 예측 그래프를 통해, 상기 특정 사용자가 섭취하고자 하는 포도당 양에 따른 상기 특정 사용자의 혈당 값의 예측이 가능하도록 이루어지는 것을 특징으로 하는 피크 혈당 값을 이용한 혈당 예측 시스템.
KR1020200145716A 2020-11-04 2020-11-04 피크혈당 값을 이용한 혈당 예측 방법 및 음식 제안 시스템 KR102416715B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200145716A KR102416715B1 (ko) 2020-11-04 2020-11-04 피크혈당 값을 이용한 혈당 예측 방법 및 음식 제안 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200145716A KR102416715B1 (ko) 2020-11-04 2020-11-04 피크혈당 값을 이용한 혈당 예측 방법 및 음식 제안 시스템

Publications (2)

Publication Number Publication Date
KR20220060125A KR20220060125A (ko) 2022-05-11
KR102416715B1 true KR102416715B1 (ko) 2022-07-05

Family

ID=81606967

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200145716A KR102416715B1 (ko) 2020-11-04 2020-11-04 피크혈당 값을 이용한 혈당 예측 방법 및 음식 제안 시스템

Country Status (1)

Country Link
KR (1) KR102416715B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012081166A (ja) * 2010-10-14 2012-04-26 Seiko Epson Corp 血糖値予測システム
JP2020078648A (ja) * 2014-04-10 2020-05-28 デックスコム・インコーポレーテッド 血糖緊急度評価及び警告インターフェース

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102003667B1 (ko) * 2017-08-21 2019-07-25 포항공과대학교 산학협력단 저혈당 예측 장치, 방법 및 프로그램과, 저혈당 예측 모델 생성 장치, 방법 및 프로그램
KR20190063954A (ko) * 2017-11-30 2019-06-10 염승민 인공지능 클라우드 영양소 변화 예측 방법과 인공지능 클라우드 영양소 대사량 측정 방법 및 그를 사용하는 질병관리 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012081166A (ja) * 2010-10-14 2012-04-26 Seiko Epson Corp 血糖値予測システム
JP2020078648A (ja) * 2014-04-10 2020-05-28 デックスコム・インコーポレーテッド 血糖緊急度評価及び警告インターフェース

Also Published As

Publication number Publication date
KR20220060125A (ko) 2022-05-11

Similar Documents

Publication Publication Date Title
US10034635B2 (en) Method and system for monitoring intoxication
CN112289400B (zh) 用于处理分析物数据并产生报告的***和方法
US9293023B2 (en) Techniques for emergency detection and emergency alert messaging
US9672472B2 (en) System and method for managing behavior change applications for mobile users
CN108024765B (zh) 对于生理参数进行动态葡萄糖曲线响应的***、装置和方法
US20140235955A1 (en) Electronic Skin Patch for Real Time Monitoring of Cardiac Activity and Personal Health Management
KR20170055409A (ko) 식습관 정보를 제공하는 방법 및 이를 위한 웨어러블 장치
US20190006040A1 (en) Cognitive diabetic regulator
KR101501280B1 (ko) 당뇨병 관련 의료정보 송수신 장치
JP2023504398A (ja) 連続血糖モニタリングに基づく提案
WO2015143085A1 (en) Techniques for wellness monitoring and emergency alert messaging
US20220248988A1 (en) Digital and user interfaces for analyte monitoring systems
KR101501281B1 (ko) 당뇨병 및 당뇨 합병증 관리 방법
KR20180092905A (ko) 애플리케이션 기반의 개인별 건강 분석에 따른 영양 관리 시스템 및 그 방법
EP4117520A1 (en) Graphical user interfaces for analyte monitoring systems
CN114449945A (zh) 信息处理装置、信息处理***和信息处理方法
Szydło et al. Mobile devices in the open and universal system for remote patient monitoring
EP3179901B1 (en) Blood glucose meter with low cost user interface having programmed graphic indicators
US11185260B1 (en) State-based methods and systems using continuous glucose monitors and accelerometers to regulate glucose levels
KR20210004408A (ko) 건강 정보 공유 방법, 장치, 및 시스템
KR20170109449A (ko) 애플리케이션 기반의 개인별 건강 분석에 따른 영양 관리 시스템 및 그 방법
KR102416715B1 (ko) 피크혈당 값을 이용한 혈당 예측 방법 및 음식 제안 시스템
Coelho et al. A bipolar disorder monitoring system based on wearable device and smartphone
Abir et al. IoT Based Framework for Remote Patient Monitoring
AU2022329968A1 (en) Facilitating adherence to tasks designed to maintain or improve health

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant