KR102553295B1 - 맞춤형으로 검사 일정을 추천하는 전자 장치, 제어 방법 및 컴퓨터프로그램 - Google Patents
맞춤형으로 검사 일정을 추천하는 전자 장치, 제어 방법 및 컴퓨터프로그램 Download PDFInfo
- Publication number
- KR102553295B1 KR102553295B1 KR1020220048262A KR20220048262A KR102553295B1 KR 102553295 B1 KR102553295 B1 KR 102553295B1 KR 1020220048262 A KR1020220048262 A KR 1020220048262A KR 20220048262 A KR20220048262 A KR 20220048262A KR 102553295 B1 KR102553295 B1 KR 102553295B1
- Authority
- KR
- South Korea
- Prior art keywords
- time
- inspection
- patient
- item
- examination
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
본 발명은 맞춤형으로 검사 일정을 추천하는 전자 장치, 제어 방법 및 컴퓨터프로그램에 관한 것이다.
Description
본 발명은 맞춤형으로 검사 일정을 추천하는 전자 장치, 제어 방법 및 컴퓨터프로그램에 관한 것으로, 상세하게는, 경험에 기반한 검사일정 조정이 아닌, 과거 데이터 기반으로 통계적인 방법 도는 머신러닝 등을 활용한 방법으로 예약할 각 검사의 소요 시간을 예측하여 실 소요 시간 기반의 예약 스케줄을 제공하는 발명이다.
CT나 MRI와 같은 고가 검사 장비의 효율적인 운영은 병원의 운영 효율 및 환자의 빠른 진단에 필수적이나, 검사 촬영 수요가 많아 대기가 발생하며, 따라서 효율적인 검사 일정 조율이 매우 중요하다.
그러나 일반적으로 병원 검사 예약 시스템에서는 임의로 정한 5분, 10분 등의 시간 단위 별로 검사 예약을 하는데, 이는 검사 종류에 따른 검사시간 변이를 반영하지 못하므로 효율적인 검사 일정 조율에 적합하지 않으며, 이를 보완하기 위해 검사실의 경력자가 실제 검사 소요 시간을 추정하여 검사 일정을 조율하는 것이 대부분이다.
한편, 병원 응급실에서는 도착한 순서가 아닌 응급치료 요구도에 따라 진료를 진행하게 된다.
그러나 각종 검사의 경우 수 개월 전에 검사를 예약한 단순 추적 검사 환자가 응급 검사 수요가 많은 시간대에 예약되어 응급 검사가 지연되는 상황이 발생할 수 있다.
한편, 상기의 배경기술로서 설명된 사항들은 본 발명의 배경에 대한 이해 증진을 위한 것일 뿐, 이 기술분야에서 통상의 지식을 가진 자에게 이미 알려진 종래기술에 해당함을 인정하는 것으로 받아들여져서는 안 될 것이다.
본 발명이 해결하고자 하는 과제는 검사처방의 종류, 환자유형(입원, 응급, 외래), 연령, 주진료과 또는 진단명, 중증도 등에 따라 검사 소요 시간을 탐색적 분석하여, 환자 상태에 따른 변동 폭이 클 경우 검사 소요 시간 예측 AI를 적용한 예약 스케줄을 제공하되, 변동 폭이 크지 않은 경우 통계적으로 얻은 검사 소요 시간을 적용한 예약 스케줄을 제공하는, 맞춤형으로 검사 일정을 추천하는 전자 장치, 제어 방법 및 컴퓨터프로그램을 제공하는 것이다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상술한 과제를 해결하기 위한 본 발명의 일 면에 따른 메모리, 통신부 및 메모리 및 통신부를 제어하는 프로세서를 포함하는 맞춤형으로 검사 일정을 추천하는 전자 장치에 있어서, 프로세서는, 검사 장치에 대한 검사 이력을 메모리에 저장하고, 저장된 검사 이력을 바탕으로 검사 항목 별 소요 시간을 산출하고, 제1 환자에 대한 제1 검사 예약이 획득되면, 획득된 제1 검사 예약을 바탕으로 제1 검사 항목를 식별하고, 검사 항목 별 소요 시간을 바탕으로 식별된 제1 검사 항목에 대한 제1 예약 스케줄을 생성한다.
이때, 프로세서는, 제1 예약 스케줄에 따른 실 소요 시간 및 검사 항목 별 소요 시간의 차이를 바탕으로 제1 변동 시간을 산출하고, 제1 검사 항목에 대한 제2 환자의 제2 검사 예약이 획득되면, 제1 변동 시간을 포함하는 제2 예약 스케줄을 생성할 수 있다.
추가로, 메모리는, 검사 소요 시간 예측 모듈을 포함하고, 프로세서는, 제1 환자에 대한 위중증 수치를 획득하고, 위중증 수치가 임계치 이상인 경우, 검사 소요 시간 예측 모듈에 제1 검사 예약에 대한 데이터를 입력하여 출력된, 제1 검사 항목에 대한 실시간 소요 시간을 바탕으로 제1 예약 스케줄을 생성하고, 검사 소요 시간 예측 모듈은, 프로세서로부터 검사 이력을 학습데이터로 획득하여, 실시간 검사 항목 별 예약 스케줄, 및 검사 항목 별 변동 시간에 대해 실시간 검사 항목별 소요 시간을 출력하도록 학습될 수 있다.
한편, 프로세서는, 서로 다른 검사 항목 간 이동시간을 획득하고, 제1 검사 항목에 대한 권장 검사 항목을 판단하고, 권장 검사 항목에 대한 소요 시간, 및 권장 검사 항목에 대한 검사 스케줄을 바탕으로, 권장 검사 항목에 대한 적어도 하나의 검사 가능 시점을 산출하고, 검사 항목 간 이동시간, 산출된 검사 가능 시점 및 제1 예약 스케줄을 바탕으로, 권장 검사 항목에 대해 제1 예약 스케줄을 재편성한 권장 스케줄을 생성하고, 권장 검사 항목은, 환자의 연령, 진료과, 진단명, 및 위중증 수치 중 적어도 하나를 포함하는 환자에 대한 정보, 및 검사 항목에 대해 추가 진단 가능성이 임계치 이상인 병에 대한 진단을 수행하는 검사 항목일 수 있다.
추가로, 프로세서는, 제1 환자에 대해 식별된 연령이 기 등록된 기준 연령 범위에 포함되면, 제1 검사 항목에 대한 검사 시점을 평일 야간 및 주말에 대한 검사 스케줄에 배치하고, 제1 환자에 대해 식별된 위중증 수치가 기 등록된 추적 검사 가능 범위에 포함되면, 응급 검사가 수행된 횟수가 임계치 미만인 시간 범위에 제1 검사 항목에 대한 검사 시점을 배치할 수 있다.
또한, 프로세서는, 제1 검사 항목에 대한 검사 이력 중, 제1 변동 시간과 일정 시간 이상 차이가 있는 제2 변동 시간이 발생하면, 제2 변동 시간의 검사 대상인 제3 환자에 대한 정보를 식별하고, 제1 환자에 대한 정보 및 제3 환자에 대한 정보를 비교하여, 환자의 연령, 진료과, 진단명, 및 위중증 수치 중 일치하는 데이터가 존재하는지 여부를 판단하고, 일치하는 데이터가 존재하는 경우, 제3 환자에 대한 정보에 포함된 데이터 중 제1 환자에 대한 정보에 포함되지 않은 적어도 하나의 데이터를 식별하고, 식별된 데이터가 존재하는 경우, 식별된 데이터에 대한 제2 변동 시간을 제1 검사 항목에 대해 저장하되, 제1 환자에 대한 정보 중 식별된 데이터를 제외한 나머지 데이터에 대한 제1 변동 시간을 제1 검사 항목에 대해 저장하고, 식별된 데이터가 미존재하는 경우, 제1 변동 시간이 적용된 소요 시간 및 제2 변동 시간이 발생한 실 소요 시간의 평균 시간을 바탕으로 제1 검사 항목에 대한 소요 시간을 업데이트할 수 있다.
이때, 프로세서는, 제1 환자에 대한 정보 및 제3 환자에 대한 정보를 비교함에 있어, 일치하는 데이터가 미존재하는 경우, 제3 환자에 대한 정보와 일치하는 정보에 대응하는 제4 환자의 예약 정보가 제1 검사 항목에 대해 획득되면, 제2 변동 시간을 포함하는 제2 예약 스케줄을 생성할 수 있다.
한편, 본 발명의 일 면에 따른, 메모리, 통신부, 및 메모리 및 통신부를 제어하는 프로세서를 포함하는 전자 장치의 제어 방법에 있어서, 검사 장치에 대한 검사 이력을 저장하는 단계, 저장된 검사 이력을 바탕으로 검사 항목 별 소요 시간을 산출하는 단계, 예약자 단말로부터 제1 환자의 제1 검사 예약에 대한 요청을 수신하는 단계, 제1 검사 예약에 대한 제1 검사 항목을 식별하는 단계, 검사 항목 별 소요 시간을 바탕으로 식별된 제1 검사 항목에 대한 제1 예약 스케줄을 생성하는 단계, 및 생성된 제1 예약 스케줄을 예약자 단말로 제공하는 단계를 포함한다.
추가로, 전자 장치의 제어 방법은, 제1 예약 스케줄에 대한 검사 수행 내역이 획득되면, 검사 수행 내역을 바탕으로 검사 이력을 업데이트하는 단계, 제1 예약 스케줄 및 업데이트된 검사 이력을 바탕으로, 제1 변동 시간을 산출하는 단계, 제1 환자에 대한 연령, 진료과, 진단명, 및 위중증 수치 중 적어도 하나의 데이터를 포함하는 제1 환자에 대한 정보를 획득하는 단계, 및 제1 환자에 대한 정보에 대응하는 제2 환자의 제2 검사 예약을 제1 검사 항목에 대해 획득하면, 제1 변동 시간을 포함하는 제2 예약 스케줄을 제2 환자에 대한 단말로 제공하는 단계를 포함할 수 있다.
한편, 하드웨어인 컴퓨터와 결합되어, 본 발명의 전자 장치의 제어 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된 컴퓨터프로그램을 더 포함할 수 있다.
본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명의 맞춤형으로 검사 일정을 추천하는 전자 장치, 제어 방법 및 컴퓨터프로그램에 의하면, 검사 예약 시 소요 시간에 대한 예측값을 반영하여 맞춤형 예약 스케줄을 제공하되, 권장되는 검사 항목에 대한 추가 검사 추천시 검사 항목 별 소요 시간에 따른 권장 예약 스케줄을 제공할 수 있으며, 추적 검사 환자 및 경제 활동 연령의 외래 환자를 구분하여 응급환자 중심의 예약 스케줄을 구성하는 것이 가능하다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 시스템의 구성도이다.
도 2는 본 발명의 일 실시예에 따른 기본 흐름도이다.
도 3 내지 도 5는 본 발명의 일 실시예에 따른 검사 항목에 대한 소요 시간 업데이트 방법을 도시한 것이다.
도 6은 본 발명의 일 실시예에 따른 전자 장치의 구성도이다.
도 2는 본 발명의 일 실시예에 따른 기본 흐름도이다.
도 3 내지 도 5는 본 발명의 일 실시예에 따른 검사 항목에 대한 소요 시간 업데이트 방법을 도시한 것이다.
도 6은 본 발명의 일 실시예에 따른 전자 장치의 구성도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
명세서에서 사용되는 "부" 또는 “모듈”이라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부" 또는 “모듈”은 어떤 역할들을 수행한다. 그렇지만 "부" 또는 “모듈”은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부" 또는 “모듈”은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 "부" 또는 “모듈”은 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부" 또는 “모듈”들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부" 또는 “모듈”들로 결합되거나 추가적인 구성요소들과 "부" 또는 “모듈”들로 더 분리될 수 있다.
공간적으로 상대적인 용어인 "아래(below)", "아래(beneath)", "하부(lower)", "위(above)", "상부(upper)" 등은 도면에 도시되어 있는 바와 같이 하나의 구성요소와 다른 구성요소들과의 상관관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용시 또는 동작시 구성요소들의 서로 다른 방향을 포함하는 용어로 이해되어야 한다. 예를 들어, 도면에 도시되어 있는 구성요소를 뒤집을 경우, 다른 구성요소의 "아래(below)"또는 "아래(beneath)"로 기술된 구성요소는 다른 구성요소의 "위(above)"에 놓일 수 있다. 따라서, 예시적인 용어인 "아래"는 아래와 위의 방향을 모두 포함할 수 있다. 구성요소는 다른 방향으로도 배향될 수 있으며, 이에 따라 공간적으로 상대적인 용어들은 배향에 따라 해석될 수 있다.
본 명세서에서, 컴퓨터는 적어도 하나의 프로세서를 포함하는 모든 종류의 하드웨어 장치를 의미하는 것이고, 실시 예에 따라 해당 하드웨어 장치에서 동작하는 소프트웨어적 구성도 포괄하는 의미로서 이해될 수 있다. 예를 들어, 컴퓨터는 스마트폰, 태블릿 PC, 데스크톱, 노트북 및 각 장치에서 구동되는 사용자 클라이언트 및 애플리케이션을 모두 포함하는 의미로서 이해될 수 있으며, 또한 이에 제한되는 것은 아니다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 시스템의 구성도이다.
도시된 바와 같이, 본 발명의 전자 장치(100)는 검사 예약을 전자 장치(100)로 전송하여 예약을 실시하는 예약자의 전자 장치인 예약자 단말(200), 및 의료진의 전자 장치인 의료진 단말(300)과 각각 통신할 수 있다.
일 실시예로, 전자 장치는 스마트폰(smartphone), 태블릿 PC(tablet personal computer), 이동 전화기(mobile phone), 영상 전화기, 전자책 리더기(e-book reader), 데스크탑 PC (desktop PC), 랩탑 PC(laptop PC), 넷북 컴퓨터(netbook computer), 워크스테이션(workstation), 서버, PDA(personal digital assistant), PMP(portable multimedia player), MP3 플레이어, 모바일 의료기기, 카메라, 키오스크, 웨어러블 장치(wearable device), 인공지능 스피커(AI speaker) 중 적어도 하나를 포함할 수 있다.
도 2는 본 발명의 일 실시예에 따른 기본 흐름도이다.
도시된 바와 같이, 메모리(110), 통신부(120), 및 메모리(110) 및 통신부(120)를 제어하는 프로세서(130)를 포함하는 본 발명의 전자 장치(100)는, 프로세서(130)를 통해 맞춤형으로 검사 일정을 추천하는 기능을 수행한다.
구체적으로, 프로세서(130)는 복수의 검사 장치 각각에 대한 검사 이력을 해당 검사 장치로부터 수집하여 메모리(110)에 저장(S210)하고, 저장된 검사 이력을 바탕으로 검사 항목 별 소요 시간을 산출(S220)한다.
검사 이력은 검사 장치의 사용 시간, 사용 목적, 검사 대상인 환자에 대한 정보, 및 사용 시점 등 검사 장치의 사용에 대한 과거 데이터를 포함한다.
검사 항목은 검사 장치가 검사 대상인 환자의 신체 부위 또는 전체에 대해 검사를 수행하는데 있어서, 신체 부위, 검사 목적 및 검사 방법에 따라 구분된다.
예컨대, MRI 검사 장치에 대해, 뇌 촬영, 경추 촬영, 요추 촬영, 고관절 촬영 등에 대해 각각 검사 항목으로 분류되며, X-ray 검사 장치에 대해, 흉부 촬영, 상체 촬영, 하체 촬영, 상체 일부 촬영, 하체 일부 촬영 등으로 각각 검사 항목이 분류될 수 있다.
이에 따라, 검사 항목 별 소요 시간은, 각각의 검사 항목에 대한 검사 이력을 바탕으로 산출된, 검사 진행 시 소요될 것으로 예측되는 시간값이다.
예컨대, MRI 검사 장치에 대한 검사 항목인, 뇌 촬영, 경추 촬영, 요추 촬영, 고관절 촬영 각각에 대하여, 검사 항목 별 소요 시간은, 20분, 30분, 15분, 30분으로 예측될 수 있다.
한편, 프로세서(130)는 제1 환자에 대한 제1 검사 예약이 획득(S230)되면, 획득된 제1 검사 예약을 바탕으로 제1 검사 항목를 식별(S240)하여, 검사 항목 별 소요 시간을 바탕으로 식별된 제1 검사 항목에 대한 제1 예약 스케줄을 생성(S250)한다.
검사 예약은 환자에 대한 정보(환자의 연령, 진료과, 진단명, 및 위중증 수치), 검사를 받길 원하는 시간대(년, 월, 일, 시, 분), 검사 불가능한 시간대(년, 월 일, 시, 분), 검사를 받고자 하는 적어도 하나의 검사 항목(제1 검사 항목 포함) 등에 대한 데이터와 함께 프로세스(130)로 수신된다.
이때, 전자 장치(100)는 통신부(120)를 통해 의료진 단말(300)(300)로부터 제1 환자에 대한 진료 데이터를, 단계 S230을 수행하기 전에 획득할 수 있다.
진료 데이터는 환자에 대한 위중증 수치(위증, 중증, 경증, 응급), 필수 검사 항목, 및 특이사항(검사 시 주의해야하는 신체부위, 약물 복용 내역, 수술 이력, 정신 상태 감정 내역 등) 중 적어도 하나에 대한 데이터를 포함하는, 의료진이 의료진 단말(300)을 통해 생성한 데이터이다.
한편, 진료 데이터는 해당 환자(제1 환자)의 검사 항목 별 검사를 진행하는 다른 의료진이 본인의 의료진 단말(300)을 통해 획득할 수 있다.
예약 스케줄은, 현재 검사 항목 별 예약 가능한 시간대 내에서, 검사 항목 별 검사 가능한 시점, 및 검사 항목 별 소요 시간을 포함하는 일정표 이미지이다.
프로세서(130)는 예약 스케줄에 대한 예약 확정을 입력받는 UI(User Interface)를 예약자 단말(200)로 제공할 수 있다.
실시예로, 메모리(110)는, 프로세서(130)로부터 검사 이력을 학습데이터로 획득하여, 실시간 검사 항목 별 예약 스케줄, 및 검사 항목 별 변동 시간에 대해 실시간 검사 항목별 소요 시간을 출력하도록 학습된 검사 소요 시간 예측 모듈을 포함할 수 있다.
이에 따라, 프로세서(130)는 제1 환자에 대한 위중증 수치가 임계치 이상인 경우, 검사 소요 시간 예측 모듈에 제1 검사 예약에 대한 데이터를 입력하여 출력된, 제1 검사 항목에 대한 실시간 소요 시간을 바탕으로 제1 예약 스케줄을 생성할 수 있다.
예컨대, 일 환자의 위중증 수치가 위급, 또는 응급인 경우, 빠르고 정확한 예약 스케줄을 획득하기 위해, 프로세서(130)는 검사 소요 시간 예측 모듈을 통해, 해당 환자의 검사 항목에 대한 소요 시간을 실시간 검사 대기자 리스트, 및 실시간으로 업데이트된 소요 시간에 따른 검사 가능한 시점을 획득하여 예약 스케줄을 생성할 수 있다.
도 3 내지 도 5는 본 발명의 일 실시예에 따른 검사 항목에 대한 소요 시간 업데이트 방법을 도시한 것이다.
제1 환자의 제1 검사 항목에 대한 제1 예약 스케줄이 프로세서(130)에 의해 생성되면, 프로세서(130)는 제1 예약 스케줄에 따른 실 소요 시간 및 검사 항목 별 소요 시간의 차이를 바탕으로 제1 변동 시간을 산출할 수 있다.
실 소요 시간은, 예약 스케줄에 따른 검사 항목에 대한 환자의 검사가 진행된 이후, 실제로 검사에 소요된 시간이 기록된 데이터이다.
이에 따라, 프로세서(130)는 검사 항목 별 소요 시간에 포함된 제1 검사 항목에 대한 소요 시간을 실 소요 시간의 차이값을 제1 변동 시간으로 획득하며, 이때, 제1 변동 시간이 임계치 이상인 경우, 실 소요 시간으로 제1 검사 항목에 대한 소요 시간을 업데이트할 수 있다.
예를 들어, 임계치가 5분이고, 도 3에 도시된 바와 같이, 일 환자가 MRI 검사 장치의 뇌 촬영 및 경추 촬영에 대한 검사 항목에 대해 검사를 진행하여 획득된, 제1 변동시간이, 뇌 촬영에 대하여서는 1분, 경추 촬영에 대하여서는 7분으로 산출된 경우, 프로세서(130)는 제1 변동 시간이 임계치 이상인 검사 항목인, MRI 경추 촬영에 대하여는 실 소요 시간인 30분 + 7분 = 37분으로 소요 시간을 업데이트 할 수 있다.
다만, 프로세서(130)는 제1 변동 시간이 임계치 미만인 검사 항목인 MRI 뇌 촬영에 대하여서는 기존 소요 시간을 유지한다.
이에 따라, 프로세서(130)는, 제1 검사 항목에 대한 제2 환자의 제2 검사 예약이 획득되면, 임계치 이상인 제1 변동 시간이 반영된 제2 예약 스케줄을 생성할 수 있다.
한편, 프로세서(130)는 제1 변동 시간이 적용된 소요 시간과 일정 시간 이상 차이가 있는 실 소요 시간이 발생하면, 발생된 실 소요 시간 및 제1 변동 시간이 적용된 소요 시간의 차이값인 제2 변동 시간의 검사 대상인 제3 환자에 대한 정보를 식별한다.
이대, 제2 변동 시간은 임계치 이상인 경우에만 유효한 변화량으로 정의한다.
이후, 프로세서(130)는 제1 환자에 대한 정보 및 식별된 제3 환자에 대한 정보를 비교하여, 환자의 연령, 진료과, 진단명, 및 위중증 수치 중 일치하는 데이터가 존재하는지 여부를 판단할 수 있다.
이때, 환자의 연령, 진료과, 진단명, 및 위중증 수치 중 일치하는 데이터가 존재하는 경우, 프로세서(130)는 제3 환자에 대한 정보에 포함된 데이터(환자의 연령, 진료과, 진단명, 및 위중증 수치) 중 제1 환자에 대한 정보에 포함되지 않은 적어도 하나의 데이터를 식별한다.
제1 환자에 대한 정보에 포함되지 않은 적어도 하나의 데이터가 식별된 경우, 프로세서(130)는 식별된 데이터를 변수로, 제2 변동 시간을 제1 검사 항목에 대해 저장하되, 제1 환자에 대한 정보 중 식별된 데이터를 제외한 나머지 데이터에 대한 제1 변동 시간을 제1 검사 항목에 대해 동일하게 유지한다.
예컨대, 제1 환자의 제1 연령 및 제1 위중증 수치가, 제2 환자의 제2 연령 및 제2 위중증 수치와 각각 동일한 경우, 제2 환자의 제2 진료과, 제2 진단명을 제2 변동 시간이 발생하는 변수로써 제1 검사 항목에 대해 저장하고, 제1 연령 및 제1 위중증 수치에 대해서는 제1 변동 시간을 제1 검사 항목에 대해 유지한다.
이를 통해, 제1 연령, 제2 진료과, 제2 진단명 및 제1 위중증 수치를 포함하는 환자 정보가 식별되면, 프로세서(130)가, 해당 환자 정보의 환자에 대하여서는 제1 검사 항목에 대해 제1 변동 시간이 적용된 소요 시간을 산출하여, 산출된 소요 시간을 바탕으로 예약 스케줄을 생성할 수 있다.
이때, 제2 환자에 대한 정보 중, 제1 환자에 대한 정보에 포함되지 않은 데이터가 미존재하는 경우, 프로세서(130)는 제1 변동 시간이 적용된 소요 시간 및 제2 변동 시간이 발생한 실 소요 시간의 평균 시간을 바탕으로 제1 검사 항목에 대한 소요 시간을 업데이트할 수 있다.
구체적인 예를 들어, 제2 환자에 대한 정보 중, 제1 환자에 대한 정보에 포함되지 않은 데이터가 미존재하고, 임계치가 5분이며, 도 4에 도시된 바와 같이, MRI 검사 장치에 대하여 MRI 뇌 촬영의 소요 시간은 20분, 도 3에서 제1 변동 시간이 적용된 소요 시간인 MRI 경추 촬영의 소요 시간은 37분인 경우, 프로세서(130)가 제2 변동시간으로, MRI 뇌 촬영에 대하여는 -1분, MRI 경추 촬영에 대하여는 -9분인 것으로 산출하면, 프로세서(130)는 절대값이 임계치 이상인 MRI 경추 촬영에 대한 소요 시간 정정을 실시한다.
이때, 정정된 소요 시간은 제1 변동 시간이 적용된 소요 시간인 37분과 제2 변동 시간이 적용된 실 소요 시간인 37+(-9) = 28분의 평균 값인 32.5분을 올림한 값인 33분이다.
한편, 프로세서(130)는 제1 환자에 대한 정보 및 제3 환자에 대한 정보를 비교함에 있어, 일치하는 데이터가 미존재하는 경우, 제3 환자에 대한 정보와 일치하는 정보와 동일한 데이터만을 포함하는 제4 환자 정보가 제1 검사 항목의 새로운 검사 예약에 대해 획득되면, 제4 환자 정보의 환자인 제4 환자에 대하여, 제2 변동 시간에 의해 산출된 제1 검사 항목에 대한 소요 시간을 포함하는 제2 예약 스케줄을 생성할 수 있다.
추가로, 프로세서(130)는 서로 다른 검사 항목 간 이동시간을 획득할 수 있다.
예컨대, 동일한 검사 장치에 의한 서로 다른 검사 항목 간 이동시간은 0분, 서로 다른 검사 항목이 각각 서로 다른 검사 장치에 의한 검사일 경우, 검사 장치 간 이동 거리에 대한 이동 시간(엘리베이터 이용 시간, 계단 이용 시간, 검사실 이동 시간을 포함)이 메모리(110)에 기 등록될 수 있다.
또한, 프로세서(130)는 환자의 연령, 진료과, 진단명, 및 위중증 수치 중 적어도 하나를 포함하는 환자에 대한 정보, 및 검사 항목에 대해 추가 진단 가능성이 임계치 이상인 병에 대한 진단을 수행하는 검사 항목인, 권장 검사 항목을 제공할 수 있다.
추가 진단 가능성이란, 통계에 따라, 일 검사 항목의 진단 목적인 진단명과, 환자의 연령 및 위중증 수치에 대하여 추가로 발견된 병의 발견 횟수가 해당 검사 항목에 대한 검사 횟수에 대해 차지하는 비율이다.
이에 따라, 프로세서(130)는 제1 검사 항목에 대한 권장 검사 항목을 판단하고, 권장 검사 항목에 대한 소요 시간, 및 권장 검사 항목에 대한 검사 스케줄을 바탕으로, 권장 검사 항목에 대한 적어도 하나의 검사 가능 시점을 산출할 수 있다.
이후, 프로세서(130)는 검사 항목 간 이동시간, 산출된 검사 가능 시점 및 제1 예약 스케줄을 바탕으로, 권장 검사 항목에 대해 제1 예약 스케줄을 재편성한 권장 스케줄을 생성한다.
예를 들어, 도 5에 도시된 바와 같이, X-ray 검사 장치와 MRI 검사 장치 간 엘리베이터를 이용한 이동시간을 5분으로 판단하되, 엘리베이터의 이용시간이 많은 혼잡 시간에 대한 최대 이동시간을 14분으로 판단할 수 있다.
이를 위해, 프로세서(130)는 승강장치 운용 시스템과 통신부(120)를 통해 통신하여, 각각의 승강장치 내의 탑승객 무게, 및 버튼이 눌린 층 수에 대한 데이터를 실시간으로 획득하고, 획득된 데이터를 바탕으로 승강장치의 이용에 대한 혼잡이 발생하는 시간대를 산출할 수 있다.
따라서, 프로세서(130)는 예약 스케줄을 생성하거나, 또는 권장 스케줄을 생성함에 있어서, 승강장치의 이용에 대한 혼잡이 발생하는 시간대, 및 서로 다른 검사 항목 간 이동 거리에 따른 이동시간을 바탕으로, 시간대 별로 변수를 유동적으로 적용하여 예약 스케줄 및/또는 권장 스케줄을 생성할 수 있다.
추가로, 프로세서(130)는 승강장치 운용 시스템으로부터 획득된 각각의 승강장치 내의 탑승객 무게, 및 버튼이 눌린 층 수에 대한 데이터를 바탕으로, 응급환자 이송 상황 발생시, 응급 승강장치 외에 이용 가능한 일반 승강장치에 대한 이용 추천을 의료진 단말(300)을 통해 제공할 수 있다.
이때, 의료진 단말(300)로부터 복수의 승강장치 중 제1 승강장치에 대한 이용 요청을 수신하면, 프로세서(130)는 승강장치 운용 시스템을 통해 획득된 제1 승강장치에 대한 실시간 탑승객 무게가 임계치 이상인지 여부를 판단한다.
제1 승강장치에 대한 실시간 탑승객 무게가 임계치 이상인 경우, 프로세서(130)는 승강장치 운용 시스템을 통해, 제1 승강장치에 대한 추가 버튼 입력을 제한하고, 제1 승강장치의 스피커를 통해 기 등록된 하차 알림 및 제1 승강장치에 대해 이동 거리가 가장 짧은 제2 승강장치의 위치 알림에 대한 방송을 출력한다.
승강장치 운용 시스템을 통해, 제1 승강장치 내의 탑승객 무게가 0인 것이 식별되면, 프로세서(130)는 승강장치 운용 시스템을 통해 제1 승강장치를 의료진 단말(300)이 위치한 층에 정차시키는 것이 가능하다.
반면, 제1 승강장치에 대한 실시간 탑승객 무게가 임계치 미만인 경우, 프로세서(130)는 승강장치 운용 시스템을 통해, 제1 승강장치의 스피커로 기 등록된 응급 발생 알람을 제공하고, 제1 승강장치를 의료진 단말(300)이 위치한 층에 정차시키는 것이 가능하다.
한편, 프로세서(130)는, 제1 환자에 대해 식별된 연령이 기 등록된 기준 연령 범위에 포함되면, 제1 환자가 경제 활동 연령의 외래 환자인 것으로 판단하여, 제1 검사 항목에 대한 검사 시점을 평일 야간 및 주말에 대한 검사 스케줄에 배치함으로써, 주말 또는 평일 야간 시간을 우선 추천하여 예약하도록 할 수 있다.
또한, 프로세서(130)는 제1 환자에 대해 식별된 위중증 수치가 기 등록된 추적 검사 가능 범위에 포함되면, 제1 환자가 검사 날짜 또는 시간에 구애받지 않은 추적 검사 환자로 판단하여, 응급 검사가 수행된 횟수가 임계치 미만인 시간 범위에 제1 검사 항목에 대한 검사 시점을 배치함으로써 응급 검사 수요가 많지 않은 요일 및 시간대를 추천할 수 있다.
즉, 프로세서(130)는 환자가 경제 활동 연령의 외래 환자인지, 또는 추적 검사 환자인지 여부를 판단하여, 응급 검사 수요가 많은 시간대에 응급 검사가 지연되는 상황을 방지하기 위해, 응급 검사 수요가 일정 횟수 이상 발생하는 시점을 판단하여, 해당 시점을 포함하는 일정 시간 범위를 응급 스케줄 예상 발생 시간대로 메모리(110)에 저장하고, 응급 스케줄 예상 발생 시간대를 바탕으로 예약 스케줄을 제공할 수 있다.
추가로, 프로세서(130)는 의료진 단말(300)로부터 응급 검사 요청을 수신하면, 응급 검사 요청에 대한 응급 검사 항목을 식별하고, 응급 검사 항목에 대한 현재 검사 중인 스케줄 및 차순위 검사 스케줄을 판단할 수 있다.
판단된 현재 검사 중인 스케줄을 바탕으로 잔여 소요 시간을 산출하고, 차순위 검사 스케줄을 바탕으로 예약 시점을 획득하여, 현재 시점과 예약 시점 간의 차이값이 잔여 소요 시간과 응급 검사 항목에 대한 소요 시간의 합값 이상인 경우, 잔여 소요 시간이 0값이 되는 시점에 응급 검사 스케줄을 생성할 수 있다.
이때, 현재 시점과 예약 시점 간의 차이값이 잔여 소요 시간과 응급 검사 항목에 대한 소요 시간의 합값보다 적은 경우, 프로세서(130)는 차순위 검사 스케줄을 바탕으로 생성한 복수의 추천 예약 스케줄(응급 검사 항목에 대한 예약 변경 가능한 시점)에 대한 선택을 수집하는 UI 및 예약 변경 동의에 대한 선택을 수집하는 UI를, 차순위 검사 스케줄에 대한 예약자 단말로 제공할 수 있다.
복수의 추천 예약 스케줄 중 어느 하나에 대한 선택 및 예약 변경 동의에 대한 선택을 수신하면, 프로세서(130)는 차순위 검사 스케줄을 응급 검사 스케줄로 제공할 수 있다.
반면, 예약 변경 동의에 대한 선택을 획득하지 못한 경우, 프로세서(130)는 다음 순위 검사 스케줄을 식별하여 동일한 프로세스(잔여 소요 시간에 따른 응급 검사 스케줄 생성 또는 예약 변경 동의 요청)를 반복할 수 있다.
한편, 본 발명의 일 면에 따른, 메모리(110), 통신부(120), 및 메모리(110) 및 통신부(120)를 제어하는 프로세서(130)를 포함하는 전자 장치(100)(서버 등)의 제어 방법에 의하면, 전자 장치(100)는 검사 장치에 대한 검사 이력을 저장(S210)하고, 저장된 검사 이력을 바탕으로 검사 항목 별 소요 시간을 산출(S220)할 수 있다.
이때, 예약자 단말로부터 제1 환자의 제1 검사 예약에 대한 요청을 수신(S230)하면, 제1 검사 예약에 대한 제1 검사 항목을 식별(S240)하고, 검사 항목 별 소요 시간을 바탕으로 식별된 제1 검사 항목에 대한 제1 예약 스케줄을 생성(S250)함으로써 생성된 제1 예약 스케줄을 예약자 단말로 제공할 수 있다.
추가로, 전자 장치는, 제1 예약 스케줄에 대한 검사 수행 내역이 획득되면, 검사 수행 내역을 바탕으로 검사 이력을 업데이트하고, 제1 예약 스케줄 및 업데이트된 검사 이력을 바탕으로, 제1 변동 시간을 산출한다.
전자 장치는 제1 환자에 대한 연령, 진료과, 진단명, 및 위중증 수치 중 적어도 하나의 데이터를 포함하는 제1 환자에 대한 정보를 획득함으로써, 제1 환자에 대한 정보에 대응하는 제2 환자의 제2 검사 예약을 제1 검사 항목에 대해 획득하면, 제1 변동 시간을 포함하는 제2 예약 스케줄을 제2 환자에 대한 단말로 제공할 수 있다.
한편, 본 발명은, 하드웨어인 컴퓨터와 결합되어, 본 발명의 전자 장치(100)의 제어 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된 컴퓨터프로그램을 더 포함할 수 있다.
도 6은 본 발명의 일 실시예에 따른 전자 장치(100)의 구성도이다.
앞서 상술한 바 및 도 6에 도시된 바와 같이, 전자 장치(100)는 메모리(110), 통신부(120) 및 프로세서(130)를 포함한다.
메모리(110)는 전자 장치(100)의 동작에 필요한 각종 프로그램 및 데이터를 저장할 수 있다. 메모리(110)는 비휘발성 메모리(110), 휘발성 메모리(110), 플래시메모리(110)(flash-memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SSD) 등으로 구현될 수 있다.
통신부(120)는 외부 장치와 통신을 수행할 수 있다. 특히, 통신부(120)는 와이파이 칩, 블루투스 칩, 무선 통신 칩, NFC칩, 저전력 블루투스 침(BLE 칩) 등과 같은 다양한 통신 칩을 포함할 수 있다. 이때, 와이파이 칩, 블루투스 칩, NFC 칩은 각각 LAN 방식, WiFi 방식, 블루투스 방식, NFC 방식으로 통신을 수행한다. 와이파이 칩이나 블루투스칩을 이용하는 경우에는 SSID 및 세션 키 등과 같은 각종 연결 정보를 먼저 송수신 하여, 이를 이용하여 통신 연결한 후 각종 정보들을 송수신할 수 있다. 무선 통신칩은 IEEE, 지그비, 3G(3rd Generation), 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), 5G(5th Generation) 등과 같은 다양한 통신 규격에 따라 통신을 수행하는 칩을 의미한다.
프로세서(130)는 메모리(110)에 저장된 각종 프로그램을 이용하여 전자 장치(100)의 전반적인 동작을 제어할 수 있다. 프로세서(130)는 RAM, ROM, 그래픽 처리부, 메인 CPU, 제1 내지 n 인터페이스 및 버스로 구성될 수 있다. 이때, RAM, ROM, 그래픽 처리부, 메인 CPU, 제1 내지 n 인터페이스 등은 버스를 통해 서로 연결될 수 있다.
RAM은 O/S 및 어플리케이션 프로그램을 저장한다. 구체적으로, 전자 장치(100)가 부팅되면 O/S가 RAM에 저장되고, 사용자가 선택한 각종 어플리케이션 데이터가 RAM에 저장될 수 있다.
ROM에는 시스템 부팅을 위한 명령어 세트 등이 저장된다. 턴 온 명령이 입력되어 전원이 공급되면, 메인 CPU는 ROM에 저장된 명령어에 따라 메모리(110)에 저장된 O/S를 RAM에 복사하고, O/S를 실행시켜 시스템을 부팅시킨다. 부팅이 완료되면, 메인 CPU는 메모리(110)에 저장된 각종 어플리케이션 프로그램을 RAM에 복사하고, RAM에 복사된 어플리케이션 프로그램을 실행시켜 각종 동작을 수행한다.
그래픽 처리부는 연산부(미도시) 및 렌더링부(미도시)를 이용하여 아이템, 이미지, 텍스트 등과 같은 다양한 객체를 포함하는 화면을 생성한다. 여기서, 연산부는 입력부로부터 수신된 제어 명령을 이용하여 화면의 레이아웃에 따라 각 객체들이 표시될 좌표값, 형태, 크기, 컬러 등과 같은 속성값을 연산하는 구성일 수 있다. 그리고, 렌더링부는 연산부에서 연산한 속성값에 기초하여 객체를 포함하는 다양한 레이아웃의 화면을 생성하는 구성이 일 수 있다. 이러한 렌더링부에서 생성된 화면은 디스플레이의 디스플레이 영역 내에 표시될 수 있다.
메인 CPU는 메모리(110)에 액세스하여, 메모리(110)에 저장된 OS를 이용하여 부팅을 수행한다. 그리고, 메인 CPU는 메모리(110)에 저장된 각종 프로그램, 컨텐츠, 데이터 등을 이용하여 다양한 동작을 수행한다.
제1 내지 n 인터페이스는 상술한 각종 구성요소들과 연결된다. 제1 내지 n 인터페이스 중 하나는 네트워크를 통해 외부 장치와 연결되는 네트워크 인터페이스가 될 수도 있다.
한편, 나아가, 프로세서(130)는 인공지능 모델을 제어할 수 있다. 이 경우, 프로세서(130)는 인공지능 모델을 제어하기 위한 그래픽 전용 프로세서(예: GPU)를 포함할 수 있음은 물론이다.
한편, 본 발명에 따른 인공지능 모델은 교사 지도학습(supervised learning) 또는 비교사 지도학습(unsupervised learning)기반의 모델일 수 있다. 나아가, 본 발명에 따른 인공지능 모델은 SVM(support vector machine), Decision tree, neural network 등 및 이들이 응용된 방법론을 포함할 수 있다.
일 실시예로, 본 발명에 따른 인공지능 모델은 학습데이터를 입력하여 학습된 합성곱 신경망(Convolutional deep Neural Networks, CNN) 기반의 인공지능 모델일 수 있다. 다만, 이에 한정되는 것은 아니며, 다양한 인공지능 모델이 본 발명에 적용될 수 있음은 물론이다. 예컨대, DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network)과 같은 모델이 인공지능 모델로서 사용될 수 있으나, 이에 한정되지 않는다.
이때, 합성곱 신경망(Convolutional deep Neural Networks, CNN)은 최소한의 전처리(preprocess)를 사용하도록 설계된 다계층 퍼셉트론(multilayer perceptrons)의 한 종류이다. 합성곱 신경망은 하나 또는 여러개의 합성곱 계층(convolutional layer)과 그 위에 올려진 일반적인 인공신경망 계층들로 이루어져 있으며, 가중치와 통합 계층(pooling layer)들을 추가로 활용한다. 이러한 구조 덕분에 합성곱 신경망은 2차원 구조의 입력 데이터를 충분히 활용할 수 있다. 또한, 합성곱 신경망은 표준 역전달을 통해 훈련될 수 있다. 합성곱 신경망은 다른 피드포워드 인공신경망 기법들보다 쉽게 훈련되는 편이고 적은 수의 매개변수를 사용한다는 이점이 있다.
또한, 심층 신경망(Deep Neural Networks, DNN)은 입력 계층(input layer)과 출력 계층(output layer) 사이에 복수개의 은닉 계층(hidden layer)들로 이뤄진 인공신경망(Artificial Neural Network, ANN)이다.
이때, 심층 신경망의 구조는 퍼셉트론(perceptron)으로 구성될 수 있다. 퍼셉트론은 여러 개의 입력 값(input)과 하나의 프로세서(prosessor), 하나의 출력 값으로 구성된다. 프로세서는 여러 개의 입력 값에 각각 가중치를 곱한 후, 가중치가 곱해진 입력 값들을 모두 합한다. 그 다음 프로세서는 합해진 값을 활성화함수에 대입하여 하나의 출력 값을 출력한다. 만약 활성화함수의 출력 값으로 특정한 값이 나오기를 원하는 경우, 각 입력 값에 곱해지는 가중치를 수정하고, 수정된 가중치를 이용하여 출력 값을 다시 계산할 수 있다. 이때, 각각의 퍼셉트론은 서로 다른 활성화함수를 사용할 수 있다. 또한 각각의 퍼셉트론은 이전 계층에서 전달된 출력들을 입력으로 받아들인 다음, 활성화 함수를 이용해서 출력을 구한다. 구해진 출력은 다음 계층의 입력으로 전달된다. 상술한 바와 같은 과정을 거치면 최종적으로 몇 개의 출력 값을 얻을 수 있다.
순환 신경망(Reccurent Neural Network, RNN)은 인공신경망을 구성하는 유닛 사이의 연결이 Directed cycle을 구성하는 신경망을 말한다. 순환 신경망은 앞먹임 신경망과 달리, 임의의 입력을 처리하기 위해 신경망 내부의 메모리를 활용할 수 있다.
심층 신뢰 신경망(Deep Belief Networks, DBN)이란 기계학습에서 사용되는 그래프 생성 모형(generative graphical model)으로, 딥 러닝에서는 잠재변수(latent variable)의 다중계층으로 이루어진 심층 신경망을 의미한다. 계층 간에는 연결이 있지만 계층 내의 유닛 간에는 연결이 없다는 특징이 있다.
심층 신뢰 신경망은 생성 모형이라는 특성상 선행학습에 사용될 수 있고, 선행학습을 통해 초기 가중치를 학습한 후 역전파 혹은 다른 판별 알고리즘을 통해 가중치의 미조정을 할 수 있다. 이러한 특성은 훈련용 데이터가 적을 때 굉장히 유용한데, 이는 훈련용 데이터가 적을수록 가중치의 초기값이 결과적인 모델에 끼치는 영향이 세지기 때문이다. 선행학습된 가중치 초기값은 임의로 설정된 가중치 초기값에 비해 최적의 가중치에 가깝게 되고 이는 미조정 단계의 성능과 속도향상을 가능케 한다.
상술한 인공지능 및 그 학습방법에 관한 내용은 예시를 위하여 서술된 것이며, 상술한 실시 예들에서 이용되는 인공지능 및 그 학습방법은 제한되지 않는다. 예를 들어, 당 업계의 통상의 기술자가 동일한 과제해결을 위하여 적용할 수 있는 모든 종류의 인공지능 기술 및 그 학습방법이 개시된 실시 예에 따른 시스템을 구현하는 데 활용될 수 있다.
한편, 프로세서(130)는 하나 이상의 코어(core, 미도시) 및 그래픽 처리부(미도시) 및/또는 다른 구성 요소와 신호를 송수신하는 연결 통로(예를 들어, 버스(bus) 등)를 포함할 수 있다.
일 실시예에 따른 프로세서(130)는 메모리(110)에 저장된 하나 이상의 인스트럭션을 실행함으로써, 본 발명과 관련하여 설명된 방법을 수행한다.
예를 들어, 프로세서(130)는 메모리(110)에 저장된 하나 이상의 인스트럭션을 실행함으로써 신규 학습용 데이터를 획득하고, 학습된 모델을 이용하여, 상기 획득된 신규 학습용 데이터에 대한 테스트를 수행하고, 상기 테스트 결과, 라벨링된 정보가 소정의 제1 기준값 이상의 정확도로 획득되는 제1 학습용 데이터를 추출하고, 상기 추출된 제1 학습용 데이터를 상기 신규 학습용 데이터로부터 삭제하고, 상기 추출된 학습용 데이터가 삭제된 상기 신규 학습용 데이터를 이용하여 상기 학습된 모델을 다시 학습시킬 수 있다.
한편, 프로세서(130)는 프로세서(130) 내부에서 처리되는 신호(또는, 데이터)를 일시적 및/또는 영구적으로 저장하는 램(RAM: Random Access Memory, 미도시) 및 롬(ROM: Read-Only Memory, 미도시)을 더 포함할 수 있다. 또한, 프로세서(130)는 그래픽 처리부, 램 및 롬 중 적어도 하나를 포함하는 시스템온칩(SoC: system on chip) 형태로 구현될 수 있다.
메모리(110)에는 프로세서(130)의 처리 및 제어를 위한 프로그램들(하나 이상의 인스트럭션들)을 저장할 수 있다. 메모리(110)에 저장된 프로그램들은 기능에 따라 복수 개의 모듈들로 구분될 수 있다.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.
본 발명의 구성 요소들은 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 애플리케이션)으로 구현되어 매체에 저장될 수 있다. 본 발명의 구성 요소들은 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있으며, 이와 유사하게, 실시 예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.
100 : 전자 장치
110 : 메모리
120 : 통신부
130 : 프로세서
200 : 예약자 단말
300 : 의료진 단말
110 : 메모리
120 : 통신부
130 : 프로세서
200 : 예약자 단말
300 : 의료진 단말
Claims (10)
- 메모리;
통신부; 및
상기 메모리 및 상기 통신부를 제어하는 프로세서;를 포함하고,
상기 프로세서는,
검사 장치에 대한 검사 이력을 상기 메모리에 저장하고,
상기 저장된 검사 이력을 바탕으로 검사 항목 별 소요 시간을 산출하고,
제1 환자에 대한 제1 검사 예약이 획득되면, 상기 획득된 제1 검사 예약을 바탕으로 제1 검사 항목를 식별하고,
상기 검사 항목 별 소요 시간을 바탕으로 상기 식별된 제1 검사 항목에 대한 제1 예약 스케줄을 생성하고,
상기 제1 환자에 대해 식별된 연령이 기 등록된 기준 연령 범위에 포함되면, 상기 제1 검사 항목에 대한 검사 시점을 평일 야간 및 주말에 대한 검사 스케줄에 배치하고,
상기 제1 환자에 대해 식별된 위중증 수치가 기 등록된 추적 검사 가능 범위에 포함되면, 응급 검사가 수행된 횟수가 임계치 미만인 시간 범위에 상기 제1 검사 항목에 대한 검사 시점을 배치하는, 전자 장치. - 제1 항에 있어서,
상기 프로세서는,
상기 제1 예약 스케줄에 따른 실 소요 시간 및 상기 검사 항목 별 소요 시간의 차이를 바탕으로 제1 변동 시간을 산출하고,
상기 제1 검사 항목에 대한 제2 환자의 제2 검사 예약이 획득되면, 상기 제1 변동 시간을 포함하는 제2 예약 스케줄을 생성하는, 전자 장치. - 제2 항에 있어서,
상기 메모리는,
검사 소요 시간 예측 모듈을 포함하고,
상기 프로세서는,
상기 제1 환자에 대한 위중증 수치를 획득하고,
상기 위중증 수치가 임계치 이상인 경우, 상기 검사 소요 시간 예측 모듈에 상기 제1 검사 예약에 대한 데이터를 입력하여 출력된, 상기 제1 검사 항목에 대한 실시간 소요 시간을 바탕으로 제1 예약 스케줄을 생성하고,
상기 검사 소요 시간 예측 모듈은,
상기 프로세서로부터 상기 검사 이력을 학습데이터로 획득하여, 실시간 검사 항목 별 예약 스케줄, 및 검사 항목 별 변동 시간에 대해 실시간 검사 항목별 소요 시간을 출력하도록 학습된 것을 특징으로 하는, 전자 장치. - 제1 항에 있어서,
상기 프로세서는,
서로 다른 검사 항목 간 이동시간을 획득하고,
상기 제1 검사 항목에 대한 권장 검사 항목을 판단하고,
상기 권장 검사 항목에 대한 소요 시간, 및 상기 권장 검사 항목에 대한 검사 스케줄을 바탕으로, 상기 권장 검사 항목에 대한 적어도 하나의 검사 가능 시점을 산출하고,
상기 검사 항목 간 이동시간, 상기 산출된 검사 가능 시점 및 상기 제1 예약 스케줄을 바탕으로, 상기 권장 검사 항목에 대해 상기 제1 예약 스케줄을 재편성한 권장 스케줄을 생성하고,
상기 권장 검사 항목은,
환자의 연령, 진료과, 진단명, 및 위중증 수치 중 적어도 하나를 포함하는 상기 환자에 대한 정보, 및 검사 항목에 대해 추가 진단 가능성이 임계치 이상인 병에 대한 진단을 수행하는 검사 항목인 것을 특징으로 하는, 전자 장치. - 삭제
- 제2 항에 있어서,
상기 프로세서는,
상기 제1 검사 항목에 대한 검사 이력 중, 상기 제1 변동 시간이 적용된 소요 시간과 일정 시간 이상 차이가 있는 실 소요 시간이 발생하면, 상기 발생된 실 소요 시간 및 상기 제1 변동 시간이 적용된 소요 시간의 차이값인 제2 변동 시간의 검사 대상인 제3 환자에 대한 정보를 식별하고,
상기 제1 환자에 대한 정보 및 상기 제3 환자에 대한 정보를 비교하여, 환자의 연령, 진료과, 진단명, 및 위중증 수치 중 일치하는 데이터가 존재하는지 여부를 판단하고,
일치하는 데이터가 존재하는 경우, 상기 제3 환자에 대한 정보에 포함된 데이터 중 상기 제1 환자에 대한 정보에 포함되지 않은 적어도 하나의 데이터를 식별하고,
상기 식별된 데이터가 존재하는 경우, 상기 식별된 데이터에 대한 제2 변동 시간을 상기 제1 검사 항목에 대해 저장하되, 상기 제1 환자에 대한 정보 중 상기 식별된 데이터를 제외한 나머지 데이터에 대한 제1 변동 시간을 상기 제1 검사 항목에 대해 저장하고,
상기 식별된 데이터가 미존재하는 경우, 상기 제1 변동 시간이 적용된 소요 시간 및 상기 제2 변동 시간이 발생한 실 소요 시간의 평균 시간을 바탕으로 상기 제1 검사 항목에 대한 소요 시간을 업데이트하는, 전자 장치. - 제6 항에 있어서,
상기 프로세서는,
상기 제1 환자에 대한 정보 및 상기 제3 환자에 대한 정보를 비교함에 있어, 일치하는 데이터가 미존재하는 경우, 상기 제3 환자에 대한 정보와 일치하는 정보에 대응하는 제4 환자의 예약 정보가 상기 제1 검사 항목에 대해 획득되면, 상기 제2 변동 시간을 포함하는 제2 예약 스케줄을 생성하는, 전자 장치. - 삭제
- 삭제
- 삭제
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220048262A KR102553295B1 (ko) | 2022-04-19 | 2022-04-19 | 맞춤형으로 검사 일정을 추천하는 전자 장치, 제어 방법 및 컴퓨터프로그램 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220048262A KR102553295B1 (ko) | 2022-04-19 | 2022-04-19 | 맞춤형으로 검사 일정을 추천하는 전자 장치, 제어 방법 및 컴퓨터프로그램 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR102553295B1 true KR102553295B1 (ko) | 2023-07-06 |
Family
ID=87186105
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020220048262A KR102553295B1 (ko) | 2022-04-19 | 2022-04-19 | 맞춤형으로 검사 일정을 추천하는 전자 장치, 제어 방법 및 컴퓨터프로그램 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102553295B1 (ko) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003085277A (ja) * | 2001-09-13 | 2003-03-20 | Olympus Optical Co Ltd | 検査予約システム |
JP2004357762A (ja) * | 2003-06-02 | 2004-12-24 | Konica Minolta Medical & Graphic Inc | 医用画像撮影処理システム、医用画像処理装置及び医用画像処理装置のためのプログラム |
JP2015232767A (ja) * | 2014-06-09 | 2015-12-24 | オリンパス株式会社 | 医療業務支援装置 |
WO2019044621A1 (ja) * | 2017-08-30 | 2019-03-07 | 日本電気株式会社 | データ管理システム、データ管理方法、およびデータ管理プログラム記録媒体 |
KR102320124B1 (ko) | 2021-06-22 | 2021-11-02 | 주식회사 세이프닥 | 병원접수시스템 |
-
2022
- 2022-04-19 KR KR1020220048262A patent/KR102553295B1/ko active IP Right Grant
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003085277A (ja) * | 2001-09-13 | 2003-03-20 | Olympus Optical Co Ltd | 検査予約システム |
JP2004357762A (ja) * | 2003-06-02 | 2004-12-24 | Konica Minolta Medical & Graphic Inc | 医用画像撮影処理システム、医用画像処理装置及び医用画像処理装置のためのプログラム |
JP2015232767A (ja) * | 2014-06-09 | 2015-12-24 | オリンパス株式会社 | 医療業務支援装置 |
WO2019044621A1 (ja) * | 2017-08-30 | 2019-03-07 | 日本電気株式会社 | データ管理システム、データ管理方法、およびデータ管理プログラム記録媒体 |
KR102320124B1 (ko) | 2021-06-22 | 2021-11-02 | 주식회사 세이프닥 | 병원접수시스템 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7200311B2 (ja) | 人工知能およびユーザ入力を用いて発達進度を判定するための方法および装置 | |
JP7170145B2 (ja) | 情報処理装置、プログラム、学習済みモデル、診断支援装置、学習装置及び予測モデルの生成方法 | |
EP3477589B1 (en) | Method of processing medical image, and medical image processing apparatus performing the method | |
US20230351204A1 (en) | Selecting a training dataset with which to train a model | |
CN114298234B (zh) | 脑部医学影像分类方法、装置、计算机设备和存储介质 | |
US20220238225A1 (en) | Systems and Methods for AI-Enabled Instant Diagnostic Follow-Up | |
CN114902235A (zh) | 用于基于用户选择的因素来训练机器学习模型的***和方法 | |
EP3905257A1 (en) | Risk prediction for covid-19 patient management | |
US20220199254A1 (en) | Universal health machine for the automatic assessment of patients | |
JP2019128904A (ja) | 予測システム、シミュレーションシステム、方法およびプログラム | |
KR102494384B1 (ko) | 기저귀 대변 이미지를 활용한 아기 건강 진단 솔루션 제공 방법, 장치 및 시스템 | |
JP2024522648A (ja) | 機械学習のための医療データのベクトル化方法、これを実現したデータ変換装置およびデータ変換プログラム | |
KR102553295B1 (ko) | 맞춤형으로 검사 일정을 추천하는 전자 장치, 제어 방법 및 컴퓨터프로그램 | |
KR102546789B1 (ko) | 인공지능 기반의 성분 분석 및 의학적 근거를 활용하여 식품의 의학적 효능을 산출하는 장치, 방법 및 프로그램 | |
KR20240006058A (ko) | 메타 학습으로 생성된 모델로 개인화된 생물학적 상태를 예측하기 위한 시스템, 방법 및 디바이스 | |
Baba et al. | Predictive approaches for low-cost preventive medicine program in developing countries | |
JP7457292B2 (ja) | 脳画像解析装置、制御方法、及びプログラム | |
JP2020190913A (ja) | 読影支援装置および読影支援方法 | |
KR102623020B1 (ko) | 인공지능 기반의 생체 데이터 분석을 통한 패혈성 쇼크 조기 예측방법, 장치 및 컴퓨터프로그램 | |
US12020789B1 (en) | Systems and methods enabling baseline prediction correction | |
US20230020908A1 (en) | Machine learning models for automated selection of executable sequences | |
KR102599633B1 (ko) | 동물의 질병 진단을 위한 의료 영상 분석 서비스 제공방법 및 장치 | |
Bouanaka et al. | Iedss: Efficient scheduling of emergency department resources based on fog computing | |
EP4261842A1 (en) | Apparatus and method for generating an alert | |
KR102421765B1 (ko) | 인공지능을 이용한 비조영 컴퓨터 단층촬영 이미지를 바탕으로 폐색전증을 판단하는 시스템의 제어 방법, 장치 및 프로그램 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GRNT | Written decision to grant |