KR20210046056A - 생리학적 데이터의 지능형 처리 방법 및 시스템 - Google Patents
생리학적 데이터의 지능형 처리 방법 및 시스템 Download PDFInfo
- Publication number
- KR20210046056A KR20210046056A KR1020217008403A KR20217008403A KR20210046056A KR 20210046056 A KR20210046056 A KR 20210046056A KR 1020217008403 A KR1020217008403 A KR 1020217008403A KR 20217008403 A KR20217008403 A KR 20217008403A KR 20210046056 A KR20210046056 A KR 20210046056A
- Authority
- KR
- South Korea
- Prior art keywords
- physiological data
- user terminal
- physiological
- terminal device
- data
- 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
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- 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
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
-
- 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
- A61B5/486—Bio-feedback
-
- 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
- A61B5/7235—Details of waveform analysis
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- 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
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- 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
- G16H40/67—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 for remote operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computer Networks & Wireless Communication (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Fuzzy Systems (AREA)
- Computing Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Game Theory and Decision Science (AREA)
Abstract
생리학적 데이터의 지능형 처리 방법 및 시스템으로서, 클라우드 시스템에서 운행되며 헬스 클라우드를 구현하고, 그 중에 데이터베이스를 구축하여, 각종 사용자 단말 장치에서 수집하는 개인화된 생리학적 데이터 및 각종 의료 정보 제공자가 전송하는 생리학적 데이터를 저장하며 하나의 빅데이터를 형성하고, 통신 회로를 통해 각 사용자 단말 장치에서 전송되는 연속적 생리학적 데이터 및 비연속적 생리학적 데이터를 수신하고, 시스템이 빅데이터로 분석한 후에 각종 생리학적 상태를 예측할 수 있는 생리학적 예측 모델을 구축하며, 각 사용자 단말 장치가 전송하는 연속적 생리학적 데이터 또는 비연속적 생리학적 데이터에 따라 생리학적 상태를 판단할 수 있고 사용자에게 실시간으로 정보를 피드백 할 수 있다.
Description
본 발명은 생리학적 데이터의 처리 방법에 관한 것으로, 특히 사용자 단말 장치가 전송하는 생리학적 데이터에 따라 빅데이터 분석을 수행하고 인공지능으로 생리적인 상태를 예측하는 생리학적 데이터의 지능형 처리 방법 및 시스템에 관한 것이다.
기존 헬스케어 시스템의 작동 방식은 주로 헬스케어 대상자의 몸이나 주변에 바이오 센서를 설치하고, 네트워크를 통해 헬스케어 센터까지 연결하며, 헬스케어 대상자의 생리학적 상태를 분석해 낼 수 있다. 기존의 헬스케어 시스템이 헬스케어 대상자를 보살핀다는 목적을 확실하게 실현할 수 있는지 여부는 헬스케어 센터의 즉각적인 분석 능력 및 헬스케어 대상자의 바이오 센서가 제공할 수 있는 생리학적 데이터에 달려 있다.
현재 흔히 볼 수 있는 웨어러블 바이오센서는 한정된 생리학적 정보만을 제공할 뿐이고, 예를 들어 심박센서는 기본적인 심장 박동 수 또는 심박 변이율 등의 정보만을 제공할 뿐, 실제처럼 완벽한 12 리드 심전도는 제공할 수 없으며, 온도 센서도 체온 정보 및 일부에서만 가능한 수면, 호흡, 넘어짐 등의 조사 정보만을 제공할 수 있으니, 확보할 수 있는 데이터는 그저 한정된 특정 정보에 불과해, 완벽하고 정확한 예방적 차원의 판단을 내리기는 결코 쉽지 않다.
정확한 생리학적 상태의 판단은 헬스케어 대상자의 과거 의료 기록, 현재의 환경 요소에 근거하고, 수집되는 생리학적 데이터까지 고루 갖추어서 종합적인 판단을 내려야 하는데, 현재의 기술은 이를 효과적으로 수행할 수 없으며, 전문의의 판단과 실시간적인 협력도 필요하다.
명세서는 클라우드 시스템에서 운행 가능하고, 인공지능 연산과 머신러닝의 기능을 수행하는 데에 사용되며 나아가 헬스 클라우드를 실현하고, 사용 시스템 멀티 모델의 변화에 따라 학습할 수 있고 생리학적 예측 모델에 따라 예측하며, 사용자와 관련된 생리학적 상태의 정보를 제공할 수 있는 생리학적 데이터의 지능형 처리 시스템과 방법을 개시한다.
본 발명의 일 실시 형태에 따른 생리학적 데이터의 지능형 처리 시스템은 각종 사용자 단말 장치에서 수집하는 개인화된 생리학적 데이터 및 각종 의료 정보 제공자가 전송하는 비개인화된 생리학적 데이터를 저장하여 하나의 빅데이터를 형성하는 데에 사용되는 데이터베이스를 포함하며, 데이터 수집 수단으로 사용자의 적어도 2개의 사용자 단말 장치가 전송하는 연속적 생리학적 데이터 및 각 사용자가 착용하는 적어도 2개의 사용자 단말 장치가 생성하도록 촉발하는 비연속적 생리학적 데이터를 수신할 수 있으며, 여기서 연속적 생리학적 데이터 및 사용자의 촉발을 거쳐 생성되는 비연속적 생리학적 데이터는 데이터베이스에 저장되는 빅데이터의 일부분을 형성한다.
생리학적 데이터의 지능형 처리 시스템은 소프트웨어적인 수단을 통해 각종 기능을 수행하는데, 예를 들어 머신러닝 수단은 데이터베이스가 저장한 빅데이터에 따라 분석한 후, 각종 생리학적 상태를 예측하는 데에 사용되는 생리학적 예측 모델을 구축하며, 예측 모델 수단은 곧 사용자 단말 장치가 전송하는 생리학적 데이터에 따라, 생리학적 예측 모델을 참조하여 생리학적 상태를 예측하며, 분석 수단은 적어도 2개의 사용자 단말 장치가 전송하는 연속적 생리학적 데이터 및/또는 비연속적 생리학적 데이터에 따라 분석을 진행한 후 상기 생리학적 예측 모델을 참조하여 생리학적 상태를 판단할 수 있으며, 피드백 수단은 적어도 2개의 사용자 단말 장치가 전송하는 연속적 생리학적 데이터 또는 비연속적 생리학적 데이터에 대한 분석을 거쳐 얻어낸 생리학적 상태에 따라 해당 연속적 생리학적 데이터에 대한 피드백 정보 또는 비연속적 생리학적 데이터에 대한 피드백 정보를 생성한다. 상기 피드백 정보는 각 사용자 단말 장치가 대응하는 식별 및 통신 정보에 의해 각 사용자의 통신 장치로 다시 전송될 수 있다.
나아가, 각 사용자가 착용하는 사용자 단말 장치는 예를 들어 사용자의 몸에 착용하는 스마트 팔찌, 스마트 목걸이, 스마트웨어 또는 각종 신호로 사용자의 몸에 연결할 수 있는 고정식 생리학적 감지 장치와 같은 제1사용자 단말 장치를 포함하며, 제1사용자 단말 장치를 통해 소수 정보 항목의 생리학적 데이터를 감지하고 클라우드 시스템으로 전송되는 연속적 생리학적 데이터를 형성할 수 있다.
게다가, 각 사용자는 제1사용자 단말 장치를 능동적으로 촉발하여 제1사용자 단말 장치가 한동안 감지한 소수 정보 항목의 생리학적 데이터를 획득하고 해당 클라우드 시스템까지 전송되는 비연속적 생리학적 데이터를 형성할 수 있다.
나아가, 각 사용자가 착용하는 사용자 단말 장치는 제2사용자 단말 장치도 포함하며, 피드백 수단이 연속적 생리학적 데이터나 비연속적 생리학적 데이터에 대해 각 사용자의 해당 통신 장치에 전송되는 피드백 정보를 생성할 때, 제2사용자 단말 장치가 즉시 또는 일정 시간 동안 감지 생성하는 생리학적 데이터를 생성하고, 클라우드 시스템까지 전송하도록 제2사용자 단말 장치를 촉발할 수 있다.
나아가, 상기 분석 수단은 인공지능으로서, 적어도 2개의 사용자 단말 장치가 전송하는 연속적 생리학적 데이터 또는 비연속적 생리학적 데이터에 따라, 여러 가지 생리학적 상태를 기본으로 갖는 생리학적 예측 모델을 참조하여 그 중의 한 생리학적 상태를 판단한다.
바람직하게는 시스템은 한 예측 모델, 즉 머신러닝 방법을 제공하여 데이터베이스가 수집한 빅데이터에 따라 트레이닝을 진행하여 여러 가지 생리학적 상태를 예측하는 데에 사용되는 생리학적 예측 모델을 획득하며, 여기서 각각의 비연속적 생리학적 데이터가 참조하는 각 사용자 상태에 따라 생리학적 예측 모델을 최적화하기도 한다.
나아가, 시스템은 한 학습 모델을 제공하며, 동시에 제1사용자 단말 장치와 제2사용자 단말 장치가 생성하는 생리학적 데이터에 따라 클라우드 시스템 중 머신러닝을 통해 구축한 생리학적 예측 모델을 참조하여 생리학적 상태를 다시 종합적으로 판단할 수 있으며, 생리학적 예측 모델을 한층 더 최적화할 수 있다.
생리학적 데이터의 지능형 처리 방법의 실시예에 따라, 각 사용자에게 부착된 단말 장치에서 연속적 생리학적 데이터 또는 비연속적 생리학적 데이터를 수신하고, 이후 상기 연속적 생리학적 데이터 또는 비연속적 생리학적 데이터를 분석하며, 클라우드 시스템 중 머신러닝을 통해 구축한 생리학적 예측 모델을 참조하여 생리학적 상태를 판단하며, 또한 각 사용자 단말 장치가 전송하는 연속적 생리학적 데이터 또는 비연속적 생리학적 데이터를 분석하여 얻은 생리학적 상태에 따라, 연속적 생리학적 데이터에 대한 피드백 정보 또는 비연속적 생리학적 데이터에 대한 피드백 정보를 생성하여, 곧 바로 통신 네트워크를 통해 각 사용자 단말 장치가 대응하는 식별 및 통신 정보에 의거, 각 사용자의 통신 장치로 다시 전송한다.
여기서, 근거가 되는 데이터베이스가 클라우드 시스템에 구축되며, 데이터베이스는 각종 사용자 단말 장치에서 수집한 개인화된 생리학적 데이터 및 각종 의료 정보 제공자가 전송하는 비식별화 비개인화된 생리학적 데이터를 저장하여 빅데이터를 형성하고, 시스템이 머신러닝 수단과 데이터베이스에 저장된 빅데이터에 따라 분석한 후 각종 생리학적 상태를 예측하는 데에 사용되는 생리학적 예측 모델을 구축할 수 있도록 한다.
도 1은 생리학적 데이터의 지능형 처리 방법에 의해 운행되는 시스템 구조 실시예의 도면을 나타낸다.
도 2는 또 다른 생리학적 데이터의 지능형 처리 시스템 실시예의 개략도를 나타낸다.
도 3은 생리학적 데이터의 지능형 처리 방법을 실현하는 클라우드 시스템 기능 모듈 실시예의 개략도를 나타낸다.
도 4는 클라우드 시스템 중 인공지능 기술 실시예의 개략도를 나타낸다.
도 5는 생리학적 데이터의 지능형 처리 시스템을 응용한 실시예의 첫 번째 개략도를 나타낸다.
도 6은 생리학적 데이터의 지능형 처리 시스템을 응용한 실시예의 두 번째 개략도를 나타낸다.
도 7은 생리학적 데이터의 지능형 처리 방법의 실시예의 첫 번째 흐름도를 나타낸다.
도 8은 생리학적 데이터의 지능형 처리 방법의 실시예의 두 번째 흐름도를 나타낸다.
도 9는 생리학적 데이터의 지능형 처리 방법의 실시예의 세 번째 흐름도를 나타낸다.
도 2는 또 다른 생리학적 데이터의 지능형 처리 시스템 실시예의 개략도를 나타낸다.
도 3은 생리학적 데이터의 지능형 처리 방법을 실현하는 클라우드 시스템 기능 모듈 실시예의 개략도를 나타낸다.
도 4는 클라우드 시스템 중 인공지능 기술 실시예의 개략도를 나타낸다.
도 5는 생리학적 데이터의 지능형 처리 시스템을 응용한 실시예의 첫 번째 개략도를 나타낸다.
도 6은 생리학적 데이터의 지능형 처리 시스템을 응용한 실시예의 두 번째 개략도를 나타낸다.
도 7은 생리학적 데이터의 지능형 처리 방법의 실시예의 첫 번째 흐름도를 나타낸다.
도 8은 생리학적 데이터의 지능형 처리 방법의 실시예의 두 번째 흐름도를 나타낸다.
도 9는 생리학적 데이터의 지능형 처리 방법의 실시예의 세 번째 흐름도를 나타낸다.
명세서는 사용자 단말 장치에서 생성된 생리학적 데이터를 효과적으로 처리하는 지능형 처리 방법인 생리학적 데이터의 지능형 처리 방법 및 시스템을 개시하며, 이 방법을 적용하는 시스템은 클라우드 시스템의 연산과 통신 기술을 적용하며, 여기에는 빅데이터 기술을 활용하여 각종 의료기관이나 의료 센터에서 획득한 상대적으로 전체적이고 완벽한 데이터 중에 학습으로 얻어진 각종 생리학적 예측 모델이 포함되며, 빅데이터를 통해 생리학적 데이터를 분석 사용하고, 인공지능(Artificial Intelligence) 기술로 각종 생리학적 데이터의 지능형 처리 방법을 처리하고 학습하여, 각 사용자 단말 장치로부터 획득한 유한한 생리학적 데이터를 효과적으로 처리할 수 있으며, 사용자 단말 장치는 사용자가 몸에 착용하는 스마트 팔찌, 스마트 목걸이, 스마트웨어일 수 있고, 사용자에게 연결되는 고정식 감지 장치일 수도 있다. 이들 유한한 생리학적 데이터가 지능형 분석을 거치면, 설사 유한하면서도 단편적인 데이터일지라도 클라우드 시스템의 생리학적 예측 모델에 의거해 사용자의 생리학적 상태를 정확하게 판독하고 사용자에게 피드백할 수 있다.
언급할 점은, 상기 시스템에 적용되는 인공지능 기술은 머신러닝 방법을 이용하고 대량으로 수집된 생리학적 데이터, 예를 들면 의료기관, 헬스케어센터 등으로부터의 완벽한 생리학적 데이터에 따라, 빅데이터 분석을 통해 입력과 출력 데이터 사이를 긴밀하게 연결하는 연관성을 학습으로 얻어내고, 그중의 소프트웨어 기술로 생리학적 예측 모델을 구축하고, 생리학적 예측 모델 중에, 사용자가 착용하는 생리학적 감지 장치 또는 환경 감지 장치로부터 수집하여 얻은 데이터를 포함해 각종 생리학적 상태가 가지고 있는 각종 생리학적 특징을 기재하며, 이후 사용자가 피드백한 정보를 활용해 생리학적 모델을 최적화하므로, 생리학적 예측 모델에 따라 사용자가 전송하는 소수의 정보에 의거해 현재 또는 미래의 생리학적 상태를 정확하면서도 효과적으로 판단하고 예측할 수 있다는 것이다.
상기 생리학적 데이터의 지능형 처리 방법이 적용되는 시스템 구조는 도 1이 나타내는 범례를 참고할 수 있으며, 시스템은 주로 클라우드 시스템(101)을 제시하며, 실시예는 빅데이터 분석과 인공지능 기술을 활용하여 구축한 헬스 클라우드로서, 네트워크(10)를 통해 도면에서 대표적으로 나타내는 의료기관(107)과 같은 각종 의료 정보 제공자를 온라인으로 연결할 수 있으며 네트워크(10)를 통하거나, 필요한 네트워크 장비를 추가하여, 도시된 스마트 밴드(103)와 스마트웨어(105)와 같은 각종 사용자 단말에 연결한다.
클라우드 시스템(101)은 네트워크(10)를 통해 멀티포트 사용자의 각종 사용자 단말 장치(103, 105)(적어도 2개)에서 생리학적 데이터를 취득하고, 각 사용자는 하나 또는 여러 가지의 사용자 단말 장치에 연결하거나 이를 착용할 수 있으며, 실시예는 사용자의 착용식 장치 또는 사용자 신체에 신호로 연결되는 고정식 생리학적 감지 장치일 수 있으며, 만약 사용자 단말 장치 자체가 네트워킹 회로를 가지고 있다면, 직접 클라우드 시스템(101)에 온라인으로 연결할 수 있으며, 또한 그가 처한 장소의 네트워크 장비 또는 개인 지능형 장치를 통해 클라우드 시스템(101)에 온라인으로 연결할 수 있다.
일 실시예에 따르면, 생리학적 데이터의 지능형 처리 시스템은 클라우드 시스템(101)에서 운용되는 생리학적 데이터의 지능형 처리 방법을 통해 각종 양식의 사용자 단말 장치가 생성하는 생리학적 데이터 및 의료기관(107)으로 대표되는 의료 정보 제공자가 생성하는 생리학적 데이터를 포함하되, 실제 실시에서는 결코 상기 예시에 국한되지 않는 데이터를 수집한다. 일반적으로, 의료기관(107)이 생성하는 생리학적 데이터는 비교적 전체적인 데이터이며, 다양한 생리학적 감지 장비가 생성하는 생리학적 데이터를 포괄할 수 있으며, 또한 비식별화의 개인화된 데이터(예를 들어 사용자의 즉각적인 생리학적 감지 데이터, 병력 데이터 등)도 포함하고 비식별화의 비개인화된 데이터(성별불문, 각 연령층, 민족불문, 각종 질병, 환경 정보 등)도 포함하며, 클라우드 시스템(101)이 생리학적 데이터의 지능형 처리 방법을 운용하는 데에 필요한 빅데이터를 형성하고, 빅데이터 분석 후에 각종 생리학적 상태를 예측하는 생리학적 예측 모델을 구축한다.
클라우드 시스템(101)은 헬스 클라우드를 실현하면서 적어도 상기 2종의 데이터 경로를 거쳐 각각 의료기관(107)이나 메디컬센터로부터 얻어지는 비교적 전체적인 생리학적 데이터 및 각 사용자 단말 장치(103, 105)로부터 수신하는 유한한 생리학적 데이터에, 헬스 클라우드 중 인공지능(AI)의 머신러닝(machine learning) 기능을 결합하여 데이터를 증강하고 유의미한 정보를 추출하며, 나아가 특정 그룹이 이 헬스 클라우드를 응용하도록 제공하여, 특정 그룹을 보호하는 목적을 달성하게 된다.
이와 같이, 빅데이터 분석을 통해, 데이터 중에서 얻어낸 정보에서 머신러닝 기술 트레이닝으로 생리학적 상태를 판단하고 예측하는 생리학적 예측 모델은 이를 빌어 합리화를 진행하여 각 사용자 단말 장치로부터 받은 생리학적 데이터 중의 생리학적 정보를 판단할 수 있으며, 사용자의 현재 생리학적 데이터가 내포하고 있는 생리학적 상태를 판단하고, 심지어는 사용자의 향후 신체 상태를 예측하는 데에 사용되기도 한다.
한 사람의 현재의 생리학적 상태의 표징은 심장박동, 호흡, 체온, 혈압, 사물에 대한 반응을 포함하며 하나의 생리학적 상태를 종합적으로 형성할 수 있으나, 더욱 복잡한 원인은 온/습도, 기후, 공기의 질 등과 같이 이 사람이 처한 환경 상태를 포함할 수 있으며, 이 사람 자체의 생리학적 질병, 병력도 고려할 수 있다. 한 사람의 생리학적 상태를 더욱 전체적이고 완벽하게 예측하기 위해서는 관련 사회계층, 인종, 거주지, 나이, 성별 등의 데이터 분석까지 포함하여 환경 정보와 이력 정보의 도움도 필요하며, 심지어 그 중에 인공지능(Artificial Intelligence, AI) 분야에서는 머신러닝(machine learning)의 기술을 활용하는데, 머신러닝은 알고리즘을 통해 데이터를 분석하는 것으로서, 대량의 데이터와 알고리즘으로 데이터의 특징을 학습하여, 사용자의 생리학적 상태를 판단하고 예측하는 생리학적 예측 모델을 구축한다. 그러므로 클라우드 시스템(101)이 실현하는 헬스 클라우드는 빅데이터와 머신러닝의 방식 등 인공지능 학습을 활용하여 생리학적 예측 모델을 구축해야 하며, 항상 신규 데이터와 피드백 정보에 따라 생리학적 예측 모델을 최적화하기도 해야 하며, 이 실시예 유형 중의 촉발 동작을 예로 들면, 이 동작은 모델을 효과적으로 최적화하는 정보가 된다.
도 2는 또 다른 생리학적 데이터의 지능형 처리 시스템 실시예의 개략도를 나타내며, 이 예는 클라우드 시스템(201)이 네트워크(20)를 통해 의료기관(209)에서 생성되는 생리학적 데이터와 사용자(204, 205)가 착용하거나 이들에게 연결된 각종 사용자 단말 장치에서 생성되는 생리학적 데이터, 그리고 단말 감지 장치 a, b, c, d, e, f가 감지할 수 있는 생리학적 데이터 이외에, 예를 들어 온도, 기후, 공기의 질, 압력, 시간, 광선 등의 정보와 같은 환경 정보를 수집하여 종합적인 판단을 수행하고, 정확하게 예측한 생리학적 상태도 제공할 수 있다는 것을 보여준다.
특별한 것은, 사용자 단말 장치가 전송하는 생리학적 데이터에 근거하여 발생할 수 있는 상황을 판단하거나 예측해야 할 때에, 환경 정보도 중요한 정보이므로, 도면에서 나타난 것처럼, 사용자(204, 205) 부근에 설치한 단말 감지 장치 a, b, c, d, e, f가 감지하는 정보는 클라우드 시스템(201)이 사용자(204, 205)가 처한 환경 상태를 확보하는 데에 사용하는 중요한 참고 정보가 된다는 것이다. 예를 들어, 클라우드 시스템(201)이 사용자가 착용한 사용자 단말 장치가 전송하는 생리학적 데이터가 심박 이상을 나타내는 상태라고 수신한 경우, 만약 사용자가 처한 환경의 온/습도가 사람에게 적절하지 않을 가능성이 있고 사용자에게 과거 심장 분야의 병력이 있었을 가능성이 결합되어, 시스템이 생리학적 예측 모델을 참고한 후 사용자에게 위험이 있는 것으로 판단하면, 적당한 예방 조치를 내릴 수 있다.
이 예는 차량(203)의 운전자가 스마트 팔찌 및/또는 스마트웨어 등의 하나 또는 복수의 사용자 단말 장치를 착용하면, 네트워킹 장비를 통해 클라우드 시스템(201)에 연결할 수 있고, 우선 클라우드 시스템(201)은 감지하는 생리학적 데이터를 연속적으로 수신할 수 있으며, 클라우드 시스템(201) 중의 인공지능 기술이 이 차량(203) 운전자의 나이, 병력이나 처한 환경의 정보, 또는 실시간으로 수신하는 생리학적 데이터에 근거해서 언제든지 예측을 할 수 있음을 나타낸다. 이 예시가 보여주는 바에 따르면, 한 차량 운전자의 생리학적 상태가 특별히 주행 안전과 관련되는 경우, 클라우드 시스템(201) 중의 인공지능 기술이 운전자의 현재 또는 한 시각 이후에 이상한 생리학적 상황이 있거나 있을 수 있다고 판단하면 운전자 본인이나 관련자에게 즉시 통지하고, 안전에 대한 우려를 피하거나 적절한 처치를 내릴 수 있다.
일 실시예에 따르면, 상기 사용자 단말 장치는 예를 들면 차량(203) 중에 놓는 감지 장비 및 운전자가 잡는 핸들에 설치하는 생리학적 감지 장치 등과 같이 회로 신호로 운전자의 몸에 연결되는 고정식 생리학적 감지 장비일 수 있다.
운전자가 두 가지 사용자 단말 장치를 착용한다면, 상황에 따라 클라우드 시스템(201)에서 우선 제1사용자 단말 장치의 생리학적 데이터를 확보하고, 인공지능 기술을 거쳐 이상이 있을 가능성이 있다고 판단되면, 이때, 제2사용자 단말 장치가 설정에 따라 가동되고, 클라우드 시스템(201)이 이후 제2사용자 단말 장치의 생리학적 데이터를 계속 확보하게 하여, 더욱 정확한 예측 결과를 얻을 수 있게 된다.
다시 일 실시예에 따르면, 클라우드 시스템(201)은 사용자 단말 장치가 생성하는 생리학적 데이터를 연속적으로 수신하는 것 외에, 차량 운전자가 신체에 어떤 상황이 있는 것을 느끼는 경우에도 사용자 단말 장치가 능동적으로 생리학적 데이터를 클라우드 시스템(201)에 업로드하도록 스스로 촉발하며, 클라우드 시스템(201)에서 이상한 상황이 있는지를 판단하고 후속 처리를 수행할 수 있게 된다.
도 3은 생리학적 데이터의 지능형 처리 방법을 실현하는 클라우드 시스템 기능 모듈 실시예의 개략도를 나타낸다.
도면에서는, 클라우드 시스템(30)은 프로세서, 메모리, 통신 회로와 저장 장치 등의 하드웨어 구성요소를 구비한 컴퓨터 시스템으로 구현할 수 있으며, 여기서 생리학적 데이터의 지능형 처리 방법을 수행하는 소프트웨어 구성요소를 운용하여, 머신러닝(303), 생리학적 예측 모델(304), 피드백 시스템(306) 및 정보 분석(305) 등과 같은 기능을 구현하며, 데이터베이스(302)는 환경 데이터를 포함하여 서로 다른 경로에서 받은 생리학적 데이터를 저장하는 데에 사용된다는 것을 나타내고 있다. 도면에서는, 클라우드 시스템(30)이 네트워크 요소(301)를 통해, 각종 사용자 단말 장치(31), 그리고 의료기관, 헬스케어센터 등을 포함하여 완벽하고 상대적으로 전체적인 생리학적 데이터를 제공하는 의료기구(32) 같은 각종 데이터 제공자 내지는 의료보건기구(33) 등을 포함하여 정부기관(예를 들어 건보 데이터) 이 제공하는 국민 전체의 건강 정보 및 단말기에 설치된 각종 환경 감지 장치를 통해 생성되는 환경 정보(34)에 연결된다는 것을 나타내고 있다.
실시예에 따르면, 클라우드 시스템(30)은 데이터를 수집하는 여러 가지 경로가 있으며, 여기서 네트워크 요소(301)는 데이터 수집을 구현하는 수단으로서 각 사용자 단말 장치(31)가 전송하는 연속적인 생리학적 데이터 및 각 사용자가 착용하는 각각의 사용자 단말 장치(31)가 생성하도록 촉발하는 비연속적 생리학적 데이터를 수신하는 데에 사용되며, 여기서 연속적 생리학적 데이터와 비연속적 생리학적 데이터는 데이터베이스(302) 중에 저장되는 빅데이터의 일부분을 형성한다. 여기에서 언급하려는 것은, 상기 연속적 생리학적 데이터는 사용자 단말 장치(31)가 지속적이고 끊임없이(정시) 클라우드 시스템(30)으로 업로드하는 생리학적 데이터 외에, 사용자 단말 장치(31)가 그중의 저장 매체로 정시에 저장 감지할 수 있는 생리학적 데이터까지 포함하여 정시에 클라우드 시스템(30)으로 업로드할 수도 있다는 점이다. 한 방안에 있어서, 만약 클라우드 시스템(30) 중의 분석이 어떤 생리학적 이상이 있다는 정보를 판단해 내면, 특정 수요에 따라 사용자 단말 장치(31)가 장치에 저장된 생리학적 데이터를 클라우드 시스템(30)으로 업로드하도록 요구할 수도 있다.
상기 사용자 단말 장치(31)는 예를 들어 스마트 밴드와 스마트웨어, 또는 사용자에게 설치되는 의료장비와 같은 여러 가지 실시 방식이 있을 수 있으며, 개인화된 생리학적 데이터 제공에 사용된다. 상기 의료기구(32), 예를 들어 도시된 의료기관과 헬스케어센터는 완벽한 생리학적 데이터를 제공할 수 있으며, 이러한 데이터는 비식별화 개인화된 생리학적 데이터를 포함할 수 있고, 비식별화 비개인화된 생리학적 데이터도 포함할 수 있다. 예를 들어 건강보험기구와 같은 의료보건기구(33)는 개인 또는 비개인화된 생리학적 데이터에, 추가로 환경 정보(34)도 확보하여, 클라우드 시스템(30) 중에서 빅데이터 데이터베이스(302)를 구축할 수 있다.
데이터베이스(302) 중의 데이터를 사용하고, 머신러닝(303)을 거쳐 그중의 빅데이터를 분석하며, 여러 가지 생리학적 상태를 예측하는 데에 사용되는 생리학적 예측 모델을 구축하고, 각각의 비연속적 생리학적 데이터가 참조하는 각 사용자 상태에 따라 생리학적 예측 모델을 최적화할 수도 있다. 나아가, 상기 생리학적 예측 모델(304)의 기능은 예를 들어 사용자 단말 장치(31)가 전송하는 연속적 생리학적 데이터 또는 비연속적 생리학적 데이터와 같이 사용자 제공 소수 정보를 지닌 생리학적 데이터에 따라, 여러 가지 생리학적 상태를 기본으로 가지면서 인공지능 기술로 구현하는 분석 수단을 포괄하는 생리학적 예측 모델을 참조하며, 각종 데이터 정보를 참고하여 현재 또는 미래의 생리학적 상태를 판단하거나 예측할 수 있다.
이어서, 피드백 시스템(306)은 각 사용자 단말 장치(31)가 전송하는 연속적 생리학적 데이터나 비연속적 생리학적 데이터를 분석하여 얻어낸 생리학적 상태에 따라 연속적 생리학적 데이터에 대한 피드백 정보 또는 비연속적 생리학적 데이터에 대한 피드백 정보를 생성하고 건강 관련 정보를 구축하며 사용자에게 실시간으로 정보를 제공한다. 이후, 네트워크 요소(301) 등의 통신 회로를 통해, 각 사용자 단말 장치(31)가 대응하는 식별 및 통신 정보에 의거, 사용자의 지능형 장치 또는 연락원 리스트 상의 연락원 장치와 같은 각 사용자의 통신 장치로 다시 전송하며, 피드백 정보를 전송하고 효과적인 제안을 하여 사용자를 보호한다.
정보 분석(305)의 기능에 있어서, 각 생리학적 데이터 제공자가 전송하는 정보를 처리하며, 여기서는 주로 적어도 2개의 사용자 단말 장치가 전송하는 연속적 생리학적 데이터 또는 비연속적 생리학적 데이터에 따라, 분석을 거친 후 상기 생리학적 예측 모델을 참조하여 생리학적 상태를 판단할 수 있으며, 예를 들면, 사용자는 착용하는 사용자 단말 장치(31)를 능동적으로 촉발하여 일정 시간 내의 생리학적 데이터(사용자 단말 장치의 메모리에 일시적으로 저장)를 획득하고 클라우드 시스템(30)이 사용자 단말 장치(31)가 이 시간 내에 감지한 소수 정보 항목의 생리학적 데이터를 획득하도록 할 수 있으며, 이것은 비연속적 생리학적 데이터로서, 정보 분석(305)에서 처리된 후, 이러한 데이터는 명확하게 특정 생리학적 상태에 대응할 수 있으며, 마찬가지로 데이터베이스(302) 중 빅데이터의 일부분을 형성하고, 이 또한 생리학적 예측 모델(304)를 거쳐 모델 비교 대조를 거친 후 생리학적 상태를 판단하거나 예측할 수 있다.
도 4는 나아가 클라우드 시스템 중 인공지능 기술 실시예의 개략도를 나타낸다.
이 예시에서 보여주는 클라우드 시스템(4)에는 인공지능 모듈(40)이 설치되며, 상기 실시예에서 설명하는 빅데이터 분석, 머신러닝 방법 및 생리학적 예측 모델이 예측을 수행하는 수단에 따라 실현할 수 있으며, 여기서 핵심은 머신러닝(401)이다.
클라우드 시스템(4)은 사용자 단말 장치 또는 각종 의료 정보 제공자로부터 개인화된 생리학적 데이터(41)와 비개인화 생리학적 데이터(42)를 수신하며, 생리학적 데이터는 몇 가지 특성을 가질 수 있으며, 몇 가지 특성은 모두 생리학적 정보 제공자(예를 들어 사용자 단말 장치, 의료기관, 메디컬센터, 헬스케어센터 등)가 머신러닝(401)에 제공하는 정보와 관련이 있으며, 함께 빅데이터를 구축한다.
첫 번째 정보는 비연속적 데이터(402)와 연속적 데이터(404)로 나뉜다.
클라우드 시스템(4)이 수신하는 생리학적 데이터는 비연속적 데이터(402)와 연속적 데이터(404)로 나뉘며, 머신러닝(401)을 거쳐 이 두 가지 데이터를 조합 운용할 수 있다. 여기서 비연속적 데이터(402)는 각 사용자 단말 장치가 능동적으로 내보내는 경고 메모 정보이며, 예를 들어 사용자 단말 장치를 착용한 사용자가 몸이 좋지 않다고 느끼면 장치의 통신 기능(예를 들어 구조요청 버튼)을 통해 긴급 정보를 내보낼 수 있으며, 이때 클라우드 시스템(4)은 시간 정보, 신분 정보까지 포함해, 경고 메모가 있는 정보를 획득할 수 있고, 관련된 생리학적 데이터도 동시에 수집하고, 이것들은 메모가 있는 데이터를 구축하며, 시스템에 있어서 이것은 분명 연관성이 있는 정보이다.
이들 비연속적 데이터(402)는 경고 메모를 지닌 생리학적 데이터이며, 클라우드 시스템(4) 중 인공지능 모듈(40)의 학습 메커니즘에서 사용하도록 제공될 수 있으며, 특정 전문 의료인력이 인공지능의 머신러닝(401)을 결합하여 생리학적 정보 식별을 진행함으로써 현재의 생리학적 상태가 기댓값과 다른지 여부를 비교 대조하며, 만약 차이나 변이의 이상이 확실히 유의미한 상황이라면, 클라우드 시스템(4)이 사용자나 관련 관리자에게 직접 신호를 내보내, 관련된 안내 및 필요한 처치를 진행한다.
상기 연속적 데이터(404)는 각종 의료 관련 기구에서 수집하는 선택적이지 않는 생리학적 데이터를 포함하며, 각 사용자 단말 장치에서 연속적으로 수신하는 생리학적 데이터도 포함할 수 있으며, 비선택적인 생리학적 정보의 빅데이터를 형성한다. 연속적 데이터(404)는 완벽한 기능을 지닌 의료 장비에서 생성되며, 비선택적 정보로서, 환자의 생리학적 데이터를 측정하는 각종 의료 장비를 포함할 수 있고, 환자가 몸에 착용하는 각종 장치에서 생성되는 데이터를 포함할 수 있으며, 착용식 장치에 대해 말하자면, 연속적으로 생리학적 데이터 수집할 수 있고, 또한 특정 네트워킹 장비에 온라인으로 연결해 생리학적 데이터를 클라우드 시스템으로 전송하거나, 특정 컴퓨터 장비 중의 소프트웨어에서 일차적인 데이터 필터링 정리를 진행한 후 다시 네트워크를 거쳐 클라우드 시스템(4)으로 업로드할 수 있으며, 과정 중에 지속적으로 기계 선별을 진행하고 머신러닝(401)으로 피드백하는 연산 과정 중에 더욱 완벽한 헬스 클라우드를 구축한다.
여기에서 언급하고자 하는 것은, 의료기관에서 확보하는 연속적 데이터(404) 중에는 병실의 생리학적 정보 모니터링 장비를 포함하여 내부적으로 이미 정보 필터링 선별 메커니즘이 구축되어 있으므로 이상하거나 긴박한 위험을 지체 없이 발견하고, 나아가 의료진에게 주의하도록 알리고 관련된 후속 응급 또는 일반 처치를 즉시 진행하도록 할 수 있다. 하지만 착용식 장치로 말하자면, 생리학적 정보의 완벽성과 안정성의 제약으로 인해 당분간은 의료기관 병실(예를 들어 중환자실)의 표준 시설과 함께 거론할 수 없으나, 클라우드 시스템(4)과 착용식 장치와의 결합과 머신러닝을 통해, 연속적 모니터링으로 얻어지는 상대적으로 많은 수량의 정보에 맞먹는 정보를 학습하고 확보할 수 있다.
클라우드 시스템(4)에 있어서, 인공지능 모듈(40)은 첫 번째 시간에 유의미한 신호로 변환될 필요는 없지만, 비연속적인 경고 메모 및 후속 처치 결과의 대조를 거쳐, 명확한 용도가 없는 것처럼 보이는 데이터가 신뢰할 만하면서 적극적이고 유효한 정보로 변하도록 할 수 있을 것이며, 나아가 다음에 유사한 상황이 발생할 때, 첫 번째 시간에 사용자에게, 즉 생리학적 데이터를 제공하는 단말 사용자에게 경고를 할 수 있고, 또한 적극적인 치료나 관련 처치를 하도록 경고하며, 위임을 거쳐 배후에서 권한과 책임이 있는 업체가 관련 후속 관리 및 헬스 케어를 수행하도록 전달할 수도 있다.
두 번째 정보는 소수 정보 항목(405)과 다수 정보 항목(403)의 조합이다.
일부 착용식 장치는 착용 부위의 제약으로 인해 국부적인 생리학적 데이터만을 감지할 수 있고, 소수 정보 항목(405)의 수집 장치라고 불리며, 일부의 생리학적 신호를 시뮬레이션할 수 있을 것이다. 또한 일부 시중에서 보이는 착용식 장치 또는 검사 장비는 센서를 신체의 여러 부위 또는 움직이는 사지 끝에 배치할 수 있으므로 수집하는 생리학적 신호가 상대적으로 많고 광범위하며, 다수 정보 항목(403)의 수집 장치라고 부를 수 있다.
인공지능 모듈(40)의 클라우드 연산에 있어서, 소수 정보 항목(405)의 수집 장치를 거쳐 수집하는 데이터는 다수 정보 항목(403)의 수집 장치에서 획득하는 생리학적 데이터와 대조해 모의실험을 거쳐 개량함으로써, 소수 정보 항목(405)의 수집 장치가 생성하는 정보를 응용 가능한 새로운 파라미터로 발전시켜 다수 정보 항목(403)의 수집 장치가 원래 가지는 완벽성을 점차 대체할 기회가 있을 것이다.
이처럼, 인공지능 모듈(40) 이 처리하는 데이터는 적어도 지속적(또는 정시)으로 끊임없이 사용자가 착용한 사용자 단말 장치에서 수신하는 생리학적 데이터인 상기 연속적 데이터(404); 사용자가 능동적으로 사용자 단말 장치를 촉발해 전송하도록 하여 수신하는 현재(또는 일정 시간 내에) 생성되는 생리학적 데이터인 비연속적 데이터(402); 유한한 몇 가지 항목의 생리학적 데이터만 감지할 수 있는 사용자 단말 장치로부터 생성되는 데이터를 수신하는 소수 정보 항목(405); 그리고 상대적으로 다수인 생리학적 데이터를 감지할 수 있는 착용 장치 또는 검사 장비에서 생성되는 생리학적 데이터인 다수 정보 항목(403)을 포함한다.
상기 비연속적 생리학적 데이터에 있어서, 한 가지 상황에서 클라우드 시스템(4)이 제1사용자 단말 장치가 전송하는 연속적 생리학적 데이터를 분석할 때, 생리학적 예측 모델(406)을 대조하여 이상한 생리학적 상황을 판단하고, 사용자에게 통지할 수 있으며, 이때, 설정에 의거해 제2사용자 단말 장치가 이 정보에 따라 일정 시간 내의 생리학적 데이터를 전송하도록 능동적으로 구동(또는 수동적으로 제어)하여 생리학적 상태를 정확하게 판단하도록 할 수 있으며, 이때 이 시간 내의 생리학적 데이터는 라벨링된 후에 비연속적 데이터(402)에 대비되는 생리학적 데이터를 형성하며, 생리학적 예측 모델(406)을 최적화하는 정보가 될 수 있다.
더 나아가, 빅데이터의 기술에 있어서, 다른 각종 환경 정보도 포함할 수 있으며, 상기 클라우드 시스템(4)은 각종 경로를 통해 개인(착용식 장치, 의료 장비), 대중(국민 건강 데이터, 보험 데이터), 환경(지역, 기후, 계절), 실시간 데이터를 수집하며, 각종 데이터는 인공지능 모듈(40) 중의 빅데이터를 형성하고, 머신러닝(401)을 거쳐, 생리학적 예측 모델(406)을 구축할 수 있다.
이어서 도 5는 생리학적 데이터의 지능형 처리 시스템을 응용한 실시예의 개략도를 나타낸다.
도면에서는 스마트 팔찌로 나타나는 제1사용자 단말 장치(51) 및 스마트웨어로 나타나는 제2사용자 단말 장치(52)가 보이며, 제1사용자 단말 장치(51)와 제2사용자 단말 장치(52)는 데이터 입출력 설비(53)(예를 들어 스마트폰, 태블릿PC, 컴퓨터 등)로의 연결을 통해 생리학적 데이터를 클라우드 시스템(5)으로 업로드한다.
일 실시예에 있어서, 사용자는 제1사용자 단말 장치(51)를 능동적으로 촉발하여 제1사용자 단말 장치(51)가 설정된 시간 동안 감지할 수 있는 소수 정보 항목의 생리학적 데이터를 획득하고 클라우드 시스템(5)으로 전송되는 비연속적 생리학적 데이터를 형성할 수 있다. 또는 제1사용자 단말 장치(51)가 연속적으로 생리학적 데이터를 전송한다.
이때, 클라우드 시스템(5)은 수신한 소량의 정보 항목을 지닌 생리학적 데이터에 따라, 생리학적 예측 모델을 참조하여 현재의 생리학적 상태를 판단하며, 이때, 피드백 수단으로 개인 스마트 장치(53)에 정보를 다시 전송할 수 있으며, 이러한 정보는 이 예시 중에서 비연속적 생리학적 데이터에 대해 생성되는 피드백 정보이며, 이때 제2사용자 단말 장치(52)를 한층 더 촉발하여, 제2사용자 단말 장치(52)가 즉시 또는 일정 시간 동안 감지 생성하는 생리학적 데이터를 생성하고, 이후 클라우드 시스템(5)으로 전송하도록 사용자에게 요구할 수 있다. 그리고 여기서 제2사용자 단말 장치(52)가 일정 시간 동안 생성하도록 촉발한 생리학적 데이터는 라벨링되며, 대응하는 피드백 정보의 비연속적 생리학적 데이터와 연관성이 있다.
이때 얻어지는 효과의 하나는 클라우드 시스템(5)이 적어도 2개의 사용자 단말 장치를 통해 사용자의 생리학적 상태를 확인하고 더욱 정확한 예측 결과를 제공할 수 있다는 것이며, 여기서의 상황은 클라우드 시스템(5) 중의 인공지능 수단이 제1사용자 단말 장치가 전송한 생리학적 데이터에 따라 이상하다고 판단하면, 이후 사용자가 제2사용자 단말 장치를 촉발하여 다른 부위의 생리학적 데이터를 한층 더 전송하도록 요구하며, 서로 검증하여 예측 결과의 정확성을 강화할 수 있다.
도 6은 생리학적 데이터의 지능형 처리 시스템을 응용한 또 다른 실시예의 개략도를 나타내며, 이 예시도 마찬가지로 클라우드 시스템(6)을 제공하고, 각종 사용자 단말 장치는 각종 온라인 연결 방식을 통해 네트워크(60)를 거쳐 클라우드 시스템(6)과 온라인으로 연결된다.
이 예시는 사용자(603)가 착용한 사용자 단말 장치가 부근의 네트워크 장비(601)를 통해 네트워크(60)에 온라인으로 연결되며, 이로써 연속적이거나 불연속적인 생리학적 데이터를 클라우드 시스템(6)으로 전송한다는 것을 보여준다. 또한, 차량(605)(예를 들어 버스)의 운전자도 마찬가지로 특정 사용자 단말 장치를 착용하면서, 휴대하고 있는 개인 스마트 장치(602)를 통해 네트워크와 온라인으로 연결할 수 있고, 연속적이거나 불연속적인 생리학적 데이터를 클라우드 시스템(6)으로 전송하는 것도 가능하다.
예를 들어, 특수 돌봄 대상을 대중교통수단의 운전자로 설정하고, 대중교통수단의 운전자가 출근할 때 손에 스마트 밴드(제1사용자 단말 장치)를 차고 몸에는 스마트웨어(제2사용자 단말 장치)를 착용하도록 한다. 출발 전에, 우선 모든 장치가 정상적으로 작동하는지와 정확한 정보를 내보낼 수 있는지를 확인하고, 이후 근무 시에 곁에 있는 네트워킹 장비(예를 들어 개인 스마트 장치(602)) 상의 어플리케이션(예를 들어 App)을 거쳐 관련된 제1 또는 제2사용자 단말 장치가 생성하는 생리학적 데이터를 수집할 수 있다. 클라우드 시스템(6)이 언제든지 차량(605) 운전자의 생리학적 상태를 모니터링할 수 있게 된다.
명세서가 제시하는 생리학적 데이터의 지능형 처리 방법에 따른 실시예는 도 7이 나타내는 주요 실시예 흐름도를 참고할 수 있다.
흐름 1에서 시작하며, 사용자가 몸에 착용하는 제1사용자 단말 장치는 연속적이면서도 능동적으로 사용자의 생리학적 데이터를 감지하도록 설정할 수 있으며, 이러한 것들은 소수 정보 항목의 생리학적 데이터에 속하며, 예를 들어 스마트 팔찌의 정밀도에 따라 맥박, 심박, 호흡, 동작, 수면 상태 등을 감지할 수 있고, 연속적 생리학적 데이터도 생성하며, 예를 들면 단계 S701은 사용자 단말 장치 중의 통신 기능, 또는 별도의 다른 네트워킹 장비를 통해 생리학적 데이터를 클라우드 시스템으로 전송한다.
이어서 예를 들어 단계 S703은 클라우드 시스템 중의 소프트웨어 수단으로 상기 연속적 생리학적 데이터를 분석하고, 단계 S705에서는 클라우드 시스템 중 머신러닝을 통해 구축한 생리학적 예측 모델을 참조하여 그중의 생리학적 상태를 판단한다. 여기서 분석 수단은 인공지능일 수 있으며, 제1사용자 단말 장치가 전송하는 연속적 생리학적 데이터에 따라, 여러 가지 생리학적 상태를 기본으로 갖는 모델을 참조하여 그중의 한 생리학적 상태를 판단할 수 있다.
단계 S707에 있어서, 클라우드 시스템의 소프트웨어 수단은 분석으로 얻은 생리학적 상태에 따라 대응하는 피드백 정보를 생성하며, 예를 들어 단계 S709에서는 네트워크를 통해 각 사용자 단말 장치가 대응하는 식별과 통신 정보에 따라 각 사용자의 개인 스마트 장치 또는 특정 연락원의 장치로 다시 전송할 수 있다.
단계 S705에 있어서, 클라우드 시스템이 생리학적 상태를 판단할 때, 피드백 정보(단계 S707)를 생성하는 것 외에 클라우드 시스템이 제공하는 정보를 사용자가 수신하도록 하기도 하며, 단계 S711처럼, 시스템은 예측 모델을 제공하고, 단말 장치의 설정 또는 인위적인 촉발에 따라 제2사용자 단말 장치를 능동적으로 촉발하여 이 시간 동안(예를 들어 이전의 1분 또는 10분) 수집하는 생리학적 데이터를 생성하도록 하거나, 사용자에게 제2사용자 단말 장치를 촉발하도록 요구하여 생리학적 데이터 생성하거나 장치 내 일정 시간 동안의 생리학적 데이터를 추출하도록 할 수 있으며, 이것은 비연속적 생리학적 데이터의 일종에 속하며, 클라우드 시스템으로 전송된다. 이때, 예를 들어 단계 S713은 한 학습 모드에서, 클라우드 시스템 중의 소프트웨어 수단이 생리학적 예측 모델을 참조하여 생리학적 상태를 종합적으로 판단하고, 관련 정보를 사용자에게 피드백하며, 또한 예를 들어 단계 S715에서, 이들 전후로 참조하는 생리학적 데이터는 동시에 머신러닝 중 생리학적 예측 모델을 최적화하는 데이터를 형성한다.
도 8은 생리학적 데이터의 지능형 처리 방법의 주요 실시예의 두 번째 흐름도를 나타낸다.
이 예시에서, 사용자의 제1, 제2 또는 더욱 많은 사용자 단말 장치는 결코 연속적으로 생리학적 데이터를 클라우드 시스템으로 전송하지는 않지만, 여전히 생리학적 데이터를 단속적으로 감지하고 생성할 수 있으며, 또한 장치의 메모리에 잠시 저장하였다가, 어느 시기, 예를 들어 단계 S801처럼 사용자가 요구를 받거나 스스로의 필요에 의해(예를 들어 이상하다고 느끼는 경우) 제1사용자 단말 장치를 촉발하여 생리학적 데이터를 생성하도록 할 수 있으며, 이것은 비연속적 생리학적 데이터에 속하고, 이때, 사용자 단말 장치는 여전히 소수 정보 항목을 지닌 생리학적 데이터를 한동안 감지 생성하고 클라우드 시스템으로 전송되는 비연속적 생리학적 데이터를 형성할 수 있다.
이때, 일 실시예에 있어서, 예를 들어 단계 S803은 사용자의 설정에 따라 제2 또는 기타 사용자 단말 장치를 동시에 작동하여 생리학적 데이터를 생성하도록 할 수도 있으며, 이들 생리학적 데이터는 아마도 실시간으로 생성되거나, 최근의 어느 시간대 내에서 생성되고 사용자 단말 장치의 데이터에 잠시 저장되었다가 클라우드 시스템으로 함께 업로드 될 것이며, 단계 S805에 있어서, 클라우드 시스템은 각 사용자 단말 장치가 생성하는 생리학적 데이터를 수신한다.
여기에서 언급할 것은, 상기 제1, 제2 또는 더욱 많은 사용자 단말 장치는 또 다른 장치(예를 들어 사용자의 컴퓨터 장치)를 통해 연동되도록 설정할 수 있으며, 임의의 한 사용자 단말 장치가 촉발되면, 이 설정에 따라 동시에 다른 장치를 촉발하여, 동일한 시간대 내의 생리학적 데이터를 함께 업로드할 수 있으며, 또한 클라우드 시스템의 데이터베이스 중에서 이들 동일 이벤트 하에서 생성되는 생리학적 데이터에 대해 라벨링을 진행할 수 있다.
클라우드 시스템은 이들 어느 시각에 업로드 된 비연속적 생리학적 데이터를 수신한 후, 예컨대 단계 S807처럼 소프트웨어 수단을 이용하여 생리학적 데이터를 분석하며, 클라우드 시스템 중 머신러닝을 통해 구축된 생리학적 예측 모델을 참조하여 생리학적 상태를 판단하는 단계 S809를 포함한다. 이어서, 예를 들어 단계 S811은 클라우드 시스템이 이 비연속적 생리학적 데이터에 대한 피드백 정보를 생성하도록 하고, 예를 들어 단계 S813은 각 사용자 단말 장치가 대응하는 식별과 통신 정보에 의거해 피드백 정보를 사용자의 개인 스마트 장치로 전송한다.
사용자가 개인 스마트 장치를 통해 클라우드 시스템이 전송하는 정보를 받으면 응답을 할 수 있으며, 예를 들어 현재 신체 상황을 클라우드 시스템으로 회신하여, 클라우드 시스템이 사용자의 정보를 수신하도록 할 수 있으며, 예를 들어 단계 S815는 진일보한 생리학적 데이터를 더 제공하거나, 사용자가 의료기관에 가서 진료를 받고 전문가의 의견을 얻을 때, 모두 클라우드 시스템에 회신하는 정보를 생성할 수 있으며, 이들 응답 정보는 라벨링을 거친 후 모두 상대적으로 유의미한 정보이며, 생리학적 예측 모델을 최적화하는 정보를 형성할 수도 있다.
도 8이 나타내는 흐름에 따라서, 상기 실시예에서 설명한 제1, 제2 또는 기타 사용자 단말 장치와 같은 비연속적 생리학적 데이터를 제공하는 장치가 촉발을 거쳐 제공하는 생리학적 데이터는 일반적으로 소수이면서도 핵심적인 정보이고, 이들 유의미하고 라벨링된 생리학적 데이터는 비연속적 및 연속적인 생리학적 데이터가 일정한 연관성을 갖도록 할 수 있으며 시스템 내의 생리학적 예측 모델을 최적화하는 근거가 된다.
도 9는 생리학적 데이터의 지능형 처리 방법의 또 다른 일 실시예의 흐름도를 나타내며, 사용자가 임의의 한 사용자 단말 장치를 능동적으로 촉발하여 생리학적 데이터를 전송하도록 하는 방식 외에, 이 실시예에서는 클라우드 시스템이 사용자 단말 장치를 능동적으로 촉발하여 생리학적 데이터를 제공하도록 할 수 있다는 것을 보여준다.
단계 S901을 예로 들면, 클라우드 시스템은 지속적으로 수신하는 생리학적 데이터에 따라, 생리학적 예측 모델에 대조한 후 생리학적 상태를 판단할 수 있으며, 단계 S903에 있어서, 클라우드 시스템을 거쳐 이상이 있다고 판단될 때에는 사용자 단말 장치(그중의 하나 또는 복수)에 대해 촉발 정보를 직접 생성하고, 다른 사용자 장치를 함께 촉발하거나, 사용자의 컴퓨터 장치(예를 들어 이동 장치)를 통해 촉발 정보를 전송하여, 제1, 제2 또는 더욱 많은 사용자 단말 장치를 함께 촉발하여 실시간으로 감지한 생리학적 데이터 또는 한동안 일시적으로 저장한 생리학적 데이터를 전송하도록 하며, 예를 들어 단계 S905에서는 클라우드 시스템이 여러 가지 사용자 단말 장치가 전송하는 생리학적 데이터를 수신하고, 라벨링을 수행하며, 예를 들어 단계 S907은 이들 장치가 생성하는 데이터 사이에 연관이 있으며, 후속 분석을 수행할 수 있고, 머신러닝 방법으로 생리학적 예측 모델을 최적화할 수도 있다는 것을 표시한다.
다음 예시에서는 명세서가 제시한 생리학적 데이터의 지능형 처리 방법 및 시스템 상황의 범례를 운용하며, 직장에서 근무하는 인력이 상기 헬스 클라우드에 온라인으로 연결할 수 있는 범례를 착용한 것을 제시하였으며, 예를 들어 버스 운전자의 경우, 이 헬스 클라우드를 실현하는 클라우드 시스템이 이미 빅데이터를 구축하였고 머신러닝을 거친 후에 구축한 인공지능은 이 버스 운전자에 관한 개인화된 이력의 생리학적 데이터도 포함할 수 있으며, 이 범례는 결코 명세서가 제시하는 생리학적 데이터의 지능형 처리 방법 및 시스템의 응용 범위를 한정하는 데에 사용되지는 않는다.
상황 1:버스 운전자가 주행 중 갑자기 몸에 이상이 있음을 발견한 상황에서 즉시 제1사용자 단말 장치(예를 들어 스마트 밴드) 상의 촉발 인터페이스, 예를 들어 스마트 밴드에 설치된 버튼을 통해 정보를 내보내면, 이때 그 중의 통신 기능이 밴드에 저장된 정보의 전후 일정 시간(약 30초) 동안의 생리학적 데이터를 클라우드 시스템으로 전송하고 운전자는 원래의 작업을 계속 수행할 수 있다. 이때, 클라우드 시스템은 이 제1사용자 단말 장치에서 생성된 생리학적 데이터를 수신하고, 관련 메모를 구축하며 적당한 시기에 인공지능 분석을 진행하는데, 이때 운전자의 생리학적 상태에 급박한 위협이 있다고 판단하면 즉시 이 운전자에게 정보를 발송할 수 있으며, 예를 들어 휴대폰을 통해 클라우드 시스템 또는 관련 주관자와 온라인으로 연결하여 관련 협조를 진행하도록 한다.
상황 2:버스 운전자가 주행 중에 현재 갑자기 이상 상황이 발생하면 곧 바로 착용하고 있던 제1사용자 단말 장치를 사용하여 메모하고, 동시에 전후 일정 시간 동안의 생리학적 데이터를 클라우드 시스템으로 전송하여 후속 분석을 진행하며, 클라우드 시스템 중 처리 프로그램을 거쳐 평가 후에 즉각적인 위험이 없다고 판단되면 운전자의 통신 장치(예를 들어 휴대폰)를 통해 운전자에게 통지하고, 그 운전자가 자체적으로 건강 상황의 변화에 주의하도록 하며, 가까운 시일 안에 의료기관에서 후속 평가를 진행하고 관련 주관자에게 통지하며 후속 케어를 진행할 것을 요청한다. 단, 동일 시간에 클라우드 시스템은 관련 정보를 계속 기록하고, 후속 처리 결과를 기다렸다가 기록하고 비교한다.
상황 3:버스 운전자가 근무 중에 아무런 이상 증상을 느끼지 못하더라도 통신 기술을 통해 운전자가 착용한 제2사용자 단말 장치(예를 들어 스마트웨어)를 구동하여 심박 정보 같은 운전자의 생리학적 데이터를 확보하며, 클라우드 시스템으로 업로드하고, 클라우드 시스템 중 소프트웨어 프로그램을 거쳐 심박 정보를 분석한 후, 버스 운전자의 심장에 허혈성 변화가 나타난 것으로 드러나면, 클라우드 시스템은 즉시 통신 방법을 통해 관련 주관자가 운전자 임시 교체 및 병원으로의 긴급 이송과 같은 후속적으로 필요한 대처를 하도록 할 수 있다.
상황 4: 버스 운전자는 제2사용자 단말 장치(예를 들어 스마트웨어)를 착용하지 않고 제1사용자 단말 장치(예를 들어 스마트 밴드)만을 착용하였으며 운전 중에 운전자가 아무런 이상 증상을 느끼지 못하였으나 제1사용자 단말 장치가 생리학적 데이터를 지속적으로 수집하고 클라우드 시스템으로 업로드하며, 그중의 소프트웨어 프로그램 분석을 거쳐, 특정 시간에 허혈성 심장병의 급성 발작이 의심된다고 판단하면, 이때 클라우드 시스템은 통신 방법을 통해 운전자가 즉시 차량을 옆으로 붙여 정차하도록 자동으로 통지하고, 또한 즉시 인력을 파견해 후속적인 대체 동작을 하고 긴급 치료를 하도록 주관자에게 통지하며, 여기에는 구급 업체 병원 구조요원이 응급 구조를 진행하도록 동시에 통지하는 것까지도 포함된다. 만약 급진을 거쳐 급성 심근경색으로 판명되면, 이후 응급 지지대를 받쳐 놓고, 쉬었다가 이 사람이 계속 운전 작업을 수행한다.
상황 5:이 범례 중에서, 버스 운전자는 출근을 준비할 때, 우선 제1사용자 단말 장치(예를 들어 스마트 밴드)를 통해 일차적인 검사를 진행할 수 있으며, 예를 들어 스마트 밴드의 상태 확인 버튼을 누르면, 일정 시간의 생리학적 데이터가 클라우드 시스템으로 업로드 되며, 클라우드 시스템은 통신 방법을 통해 어젯밤의 수면 상황이 이상해서 자율신경계의 교란, 기력 이상이 야기되었고, 5시간 전에 졸도가 의심되는 생리학적 상태가 발생하였다는 것 등을 포함하는 정보를 전송받으므로, 즉시 휴가를 내고 휴식을 취하며 진료를 받고 나서 이상이 없다고 확정된 후에 업무에 복귀할 것을 제안한다.
이상의 내용을 종합하면, 명세서가 제시하는 생리학적 데이터의 지능형 처리 방법 및 시스템은 클라우드 시스템을 구축함으로써 헬스 클라우드를 실현하는 것이며, 여기서 각종 의료 정보 제공자로부터 완벽한 개인화 또는 비개인화된 생리학적 데이터를 수신하고 각종 사용자 단말 장치로부터 연속적 또는 비연속적이지만 소량의 정보인 생리학적 데이터를 수신함으로써 데이터베이스를 구축하고 이후 빅데이터와 머신러닝의 방식 등 인공지능 학습을 활용하여 생리학적 예측 모델을 구축하고, 신규 데이터와 피드백 정보에 따라 생리학적 예측 모델을 수시로 최적화하고, 사용자가 제공하는 소량의 생리학적 데이터에 따라 사용자의 생리학적 상태를 예측할 수 있으며, 제시하는 시스템은 특정 그룹의 사용자에 대해 해당 그룹의 사용자가 처한 환경 배경과 작업 배경에 의거해 정확하고 효과적인 예측 모델을 제공할 수도 있다.
10: 네트워크
101: 클라우드 시스템
107: 의료기관 103: 스마트 밴드
105:스마트웨어
20: 네트워크 201: 클라우드 시스템
203: 차량 209: 의료기관
204, 205: 사용자 a, b, c, d, e, f: 단말 감지 장치
30: 클라우드 시스템 303: 머신러닝
302: 데이터베이스 304: 생리학적 예측 모델
306: 피드백 시스템 305: 정보 처리
301: 네트워크 요소 31: 사용자 단말 장치
32: 의료기구 33: 의료보건기구
34: 환경 정보
4: 클라우드 시스템 40: 인공지능 모듈
404: 연속적 데이터 402: 불연속적 데이터
405: 소수 정보 항목 403: 다수 정보 항목
401: 머신러닝 406: 생리학적 예측 모델
41: 개인화된 생리학적 데이터 42: 비개인화 생리학적 데이터
5: 클라우드 시스템 53: 개인 스마트 장치
51: 제1사용자 단말 장치 52: 제2사용자 단말 장치
6: 클라우드 시스템 60: 네트워크
601: 네트워크 장비 602: 개인 스마트 장치
603: 사용자 605: 차량
단계(S701 ~ S715) 생리학적 데이터의 지능형 처리 흐름
단계(S801 ~ S815) 생리학적 데이터의 지능형 처리 흐름
단계(S901 ~ S907) 생리학적 데이터의 지능형 처리 흐름
107: 의료기관 103: 스마트 밴드
105:스마트웨어
20: 네트워크 201: 클라우드 시스템
203: 차량 209: 의료기관
204, 205: 사용자 a, b, c, d, e, f: 단말 감지 장치
30: 클라우드 시스템 303: 머신러닝
302: 데이터베이스 304: 생리학적 예측 모델
306: 피드백 시스템 305: 정보 처리
301: 네트워크 요소 31: 사용자 단말 장치
32: 의료기구 33: 의료보건기구
34: 환경 정보
4: 클라우드 시스템 40: 인공지능 모듈
404: 연속적 데이터 402: 불연속적 데이터
405: 소수 정보 항목 403: 다수 정보 항목
401: 머신러닝 406: 생리학적 예측 모델
41: 개인화된 생리학적 데이터 42: 비개인화 생리학적 데이터
5: 클라우드 시스템 53: 개인 스마트 장치
51: 제1사용자 단말 장치 52: 제2사용자 단말 장치
6: 클라우드 시스템 60: 네트워크
601: 네트워크 장비 602: 개인 스마트 장치
603: 사용자 605: 차량
단계(S701 ~ S715) 생리학적 데이터의 지능형 처리 흐름
단계(S801 ~ S815) 생리학적 데이터의 지능형 처리 흐름
단계(S901 ~ S907) 생리학적 데이터의 지능형 처리 흐름
Claims (20)
- 클라우드 시스템에서 운행되는 생리학적 데이터의 지능형 처리 시스템으로서,
각종 사용자 단말 장치가 수집하는 개인화된 생리학적 데이터를 저장하고 빅데이터를 형성하는 데에 사용되는 데이터베이스와;
각 사용자의 적어도 2개의 사용자 단말 장치가 전송하는 연속적 생리학적 데이터, 각 사용자가 촉발하여 각 사용자 단말 장치가 생성하는 비연속적 생리학적 데이터 및/또는 상기 클라우드 시스템이 촉발하여 각 사용자의 적어도 2개의 상기 사용자 단말 장치가 생성하는 비연속적 생리학적 데이터를 수신하는 데에 사용되고, 여기서 상기 연속적 생리학적 데이터와 상기 비연속적 생리학적 데이터가 상기 데이터베이스에 저장된 빅데이터의 일부분을 형성하는 데이터 수집 수단과;
상기 데이터베이스가 저장한 빅데이터에 따라 분석을 진행한 후, 각종 생리학적 상태를 예측하는 데에 사용되는 생리학적 예측 모델을 구축하는 머신러닝 수단과;
각 사용자의 적어도 2개의 상기 사용자 단말 장치가 전송하는 연속적 생리학적 데이터 또는 비연속적 생리학적 데이터에 따라, 분석 후에 상기 생리학적 예측 모델을 참조하여 생리학적 상태를 판단하는 분석 수단과;
적어도 2개의 상기 사용자 단말 장치가 전송하는 연속적 생리학적 데이터 또는 비연속적 생리학적 데이터를 분석하여 얻은 상기 생리학적 상태에 따라 상기 연속적 생리학적 데이터에 대한 피드백 정보 또는 상기 비연속적 생리학적 데이터에 대한 피드백 정보를 생성하고, 각 사용자 단말 장치가 대응하는 식별과 통신 정보에 의거해 상기 피드백 정보를 각 사용자의 통신 장치로 전송하는 피드백 수단을 포함하는 것을 특징으로 하는, 생리학적 데이터의 지능형 처리 시스템. - 제1항에 있어서,
각 사용자의 적어도 2개의 상기 사용자 단말 장치는, 소수 정보 항목의 생리학적 데이터를 감지하고, 상기 클라우드 시스템으로 전송하는 연속적 또는 비연속적 생리학적 데이터를 형성하는 제1사용자 단말 장치를 포함하는 것을 특징으로 하는 생리학적 데이터의 지능형 처리 시스템. - 제2항에 있어서,
각 사용자는 상기 제1사용자 단말 장치를 능동적으로 촉발하여 상기 제1사용자 단말 장치가 한동안 감지하는 소수 정보 항목의 생리학적 데이터를 획득하도록 하고, 상기 클라우드 시스템으로 전송되는 비연속적 생리학적 데이터를 형성하는 것을 특징으로 하는 생리학적 데이터의 지능형 처리 시스템. - 제2항 또는 제3항에 있어서,
상기 제1사용자 단말 장치가 촉발되고, 곧 바로 제2사용자 단말 장치 또는 더욱 많은 사용자 단말 장치를 동시에 촉발하여, 상기 클라우드 시스템이 적어도 2개의 상기 사용자 단말 장치에서 생성되는 생리학적 데이터를 동시에 수신하도록 하는 것을 특징으로 하는 생리학적 데이터의 지능형 처리 시스템. - 제4항에 있어서,
상기 제1사용자 단말 장치와 상기 제2사용자 단말 장치가 일정 시간 동안 함께 생성한 생리학적 데이터는 라벨링되어 연관성을 갖게 되는 것을 특징으로 하는 생리학적 데이터의 지능형 처리 시스템. - 제2항 또는 제3항에 있어서,
각 사용자의 적어도 2개의 상기 사용자 단말 장치는, 상기 피드백 수단이 상기 연속적 생리학적 데이터 또는 상기 비연속적 생리학적 데이터에 대해 각 사용자의 상기 통신 장치에 전송되는 피드백 정보를 생성할 때 촉발하여 즉시 또는 일정 시간 동안 감지하는 생리학적 데이터를 생성하고 상기 클라우드 시스템으로 전송하도록 하는 제2사용자 단말 장치도 포함하는 것을 특징으로 하는 생리학적 데이터의 지능형 처리 시스템. - 제6항에 있어서,
상기 제2사용자 단말 장치가 촉발되어 생성한 일정 시간 동안의 생리학적 데이터는 라벨링되고, 상기 피드백 정보에 대응하는 비연속적 생리학적 데이터와 연관성을 갖는 것을 특징으로 하는 생리학적 데이터의 지능형 처리 시스템. - 제7항에 있어서,
상기 제1사용자 단말 장치와 상기 제2사용자 단말 장치는 상기 사용자가 착용하는 스마트 팔찌, 스마트 목걸이, 스마트웨어 또는 상기 사용자에게 신호로 연결되는 고정식 생리학적 감지 장치인 것을 특징으로 하는 생리학적 데이터의 지능형 처리 시스템. - 제1항에 있어서,
상기 머신러닝 수단은 상기 데이터베이스가 수집하는 빅데이터에 따라 여러 가지 생리학적 상태를 예측하는 데에 사용되는 생리학적 예측 모델을 트레이닝으로 획득하고, 여기서 각각의 비연속적 생리학적 데이터에 대조되는 각 사용자 상태에 따라 상기 생리학적 예측 모델을 최적화하기도 하는 것을 특징으로 하는 생리학적 데이터의 지능형 처리 시스템. - 제9항에 있어서,
상기 분석 수단은 인공지능이며, 적어도 2개의 상기 사용자 단말 장치가 전송하는 연속적 생리학적 데이터 또는 비연속적 생리학적 데이터에 따라, 여러 가지 생리학적 상태를 기본으로 갖는 생리학적 예측 모델을 참조하여 그중의 생리학적 상태를 판단하는 것을 특징으로 하는 생리학적 데이터의 지능형 처리 시스템. - 클라우드 시스템에서 운행되는 생리학적 데이터의 지능형 처리 방법으로서,
각 사용자가 착용하는 적어도 2개의 사용자 단말 장치로부터 연속적 생리학적 데이터 또는 비연속적 생리학적 데이터를 수신하는 단계와;
상기 연속적 생리학적 데이터 또는 비연속적 생리학적 데이터를 분석하고, 상기 클라우드 시스템 중 머신러닝을 통해 구축한 생리학적 예측 모델을 참조하여 생리학적 상태를 판단하는 단계와;
적어도 2개의 상기 사용자 단말 장치로부터 전송되는 연속적 생리학적 데이터 또는 비연속적 생리학적 데이터를 분석하여 얻어낸 상기 생리학적 상태에 따라, 상기 연속적 생리학적 데이터에 대한 피드백 정보 또는 상기 비연속적 생리학적 데이터에 대한 피드백 정보를 생성하는 단계와;
통신 네트워크를 통해 각 사용자 단말 장치가 대응하는 식별과 통신 정보에 의거해 상기 피드백 정보를 각 사용자의 통신 장치로 다시 전송하는 단계와;
상기 클라우드 시스템 중에 설치되어 적어도 2개의 상기 사용자 단말 장치가 수집하는 개인화된 생리학적 데이터를 저장하는 데이터베이스가, 상기 연속적 생리학적 데이터와 비연속적 생리학적 데이터를 포함하여 빅데이터를 형성하고, 이후 머신러닝 기술로 상기 데이터베이스에 저장된 빅데이터에 따라 분석한 후 각종 생리학적 상태를 예측하는 데에 사용하는 생리학적 예측 모델을 구축하는 단계를 포함하는 것을 특징으로 하는 생리학적 데이터의 지능형 처리 방법. - 제11항에 있어서,
각 사용자가 착용하는 적어도 2개의 상기 사용자 단말 장치는 제1사용자 단말 장치와 제2사용자 단말 장치 또는 기타 사용자 단말 장치를 포함하며, 적어도 2개의 상기 사용자 단말 장치를 통해 소수 정보 항목의 생리학적 데이터를 감지하고 상기 클라우드 시스템으로 전송되는 연속적 또는 비연속적 생리학적 데이터를 형성하는 것을 특징으로 하는 생리학적 데이터의 지능형 처리 방법. - 제12항에 있어서,
각 사용자가 상기 제1사용자 단말 장치를 능동적으로 촉발하여 상기 제1사용자 단말 장치가 한동안 감지한 소수 정보 항목의 생리학적 데이터를 획득하도록 하고, 상기 클라우드 시스템으로 전송되는 비연속적 생리학적 데이터를 형성하는 것을 특징으로 하는 생리학적 데이터의 지능형 처리 방법. - 제11항 내지 13항 중 어느 한 항에 있어서,
각 사용자가 착용하는 적어도 2개의 상기 사용자 단말 장치는, 상기 피드백 수단이 상기 연속적 생리학적 데이터 또는 상기 비연속적 생리학적 데이터에 대해 각 사용자의 상기 통신 장치에 전송되는 피드백 정보를 생성할 때 촉발되어 즉시 또는 일정 시간 동안 감지하는 생리학적 데이터를 생성하고 상기 클라우드 시스템으로 전송하도록 하는 제2사용자 단말 장치도 포함하는 것을 특징으로 하는 생리학적 데이터의 지능형 처리 방법. - 제14항에 있어서,
상기 제2사용자 단말 장치가 촉발되어 생성한 일정 시간 동안의 생리학적 데이터는 라벨링되고, 상기 피드백 정보에 대응하는 비연속적 생리학적 데이터와 연관성을 갖는 것을 특징으로 하는 생리학적 데이터의 지능형 처리 방법. - 제12항에 있어서,
상기 제1사용자 단말 장치가 촉발되면, 곧 바로 제2사용자 단말 장치 또는 기타 사용자 단말 장치가 동시에 촉발되어, 상기 클라우드 시스템이 적어도 2개의 상기 사용자 단말 장치가 한동안 감지하는 소수 정보 항목의 생리학적 데이터를 확보하도록 하고, 상기 클라우드 시스템으로 전송되는 비연속적 생리학적 데이터를 형성하는 것을 특징으로 하는 생리학적 데이터의 지능형 처리 방법. - 제16항에 있어서,
상기 적어도 2개의 사용자 단말 장치의 하나는 사용자에 의해 능동적으로 촉발되면, 곧 바로 상기 제2사용자 단말 장치 또는 기타 사용자 단말 장치를 연동하여 촉발하고, 상기 시간 내의 생리학적 데이터를 상기 클라우드 시스템으로 재전송하는 것을 특징으로 하는 생리학적 데이터의 지능형 처리 방법. - 제16항에 있어서,
상기 적어도 2개의 사용자 단말 장치의 하나는 연속적 생리학적 데이터에 따라 상기 클라우드 시스템에 의해 이상하다고 판단될 때 촉발되고, 곧 바로 기타 사용자 단말 장치를 연동하여 촉발하며, 상기 시간 내의 생리학적 데이터를 상기 클라우드 시스템으로 재전송하는 것을 특징으로 하는 생리학적 데이터의 지능형 처리 방법. - 제16항 내지 제18항 중 어느 한 항에 있어서,
적어도 2개의 상기 사용자 단말 장치가 촉발되어 생성한 일정 시간 동안의 생리학적 데이터는 라벨링되고, 상기 피드백 정보에 대응하는 비연속적 생리학적 데이터와 연관성을 갖는 것을 특징으로 하는 생리학적 데이터의 지능형 처리 방법. - 제11항에 있어서,
머신러닝의 방법은 상기 데이터베이스가 수집하는 빅데이터에 따라 여러 가지 생리학적 상태를 예측하는 데에 사용되는 모델을 트레이닝으로 획득하며, 여기서 각각의 비연속적 생리학적 데이터에 대조되는 각 사용자 상태에 따라 모델을 최적화하기도 하며, 그리고 상기 분석 수단은 인공지능으로서, 적어도 2개의 상기 사용자 단말 장치가 전송하는 연속적 생리학적 데이터나 비연속적 생리학적 데이터에 따라 여러 가지 생리학적 상태를 기본으로 갖는 모델을 참조하여 그중의 한 생리학적 상태를 판단하는 것을 특징으로 하는 생리학적 데이터의 지능형 처리 방법.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862722589P | 2018-08-24 | 2018-08-24 | |
US62/722,589 | 2018-08-24 | ||
PCT/CN2019/102327 WO2020038471A1 (zh) | 2018-08-24 | 2019-08-23 | 生理数据智能处理方法与*** |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20210046056A true KR20210046056A (ko) | 2021-04-27 |
KR102522039B1 KR102522039B1 (ko) | 2023-04-14 |
Family
ID=69591374
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020217008403A KR102522039B1 (ko) | 2018-08-24 | 2019-08-23 | 생리학적 데이터의 지능형 처리 방법 및 시스템 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20210174920A1 (ko) |
JP (1) | JP2021533971A (ko) |
KR (1) | KR102522039B1 (ko) |
CN (1) | CN111819585A (ko) |
TW (1) | TWI709146B (ko) |
WO (1) | WO2020038471A1 (ko) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI765354B (zh) * | 2020-09-18 | 2022-05-21 | 國立臺灣海洋大學 | 個人化生理監測方法及其系統 |
US20220180725A1 (en) * | 2020-12-04 | 2022-06-09 | Wearable Technologies Inc. | Smart wearable personal safety devices and related systems and methods |
WO2022214291A1 (en) * | 2021-04-08 | 2022-10-13 | Biotronik Se & Co. Kg | Ai based patient assessment |
TWI812404B (zh) * | 2022-08-16 | 2023-08-11 | 國立陽明交通大學 | 即時生理訊號的情緒辨識系統 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006122610A (ja) * | 2004-10-29 | 2006-05-18 | Ipsquare Inc | 健康管理システム |
US20170055911A1 (en) * | 2014-02-17 | 2017-03-02 | Sanandco Limited | A phone for use in health monitoring |
US20180137247A1 (en) * | 2016-11-16 | 2018-05-17 | healthio Inc. | Preventive and predictive health platform |
Family Cites Families (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8388530B2 (en) * | 2000-05-30 | 2013-03-05 | Vladimir Shusterman | Personalized monitoring and healthcare information management using physiological basis functions |
US20070004969A1 (en) * | 2005-06-29 | 2007-01-04 | Microsoft Corporation | Health monitor |
CN101504696A (zh) * | 2008-02-05 | 2009-08-12 | 周常安 | 互动式生理分析方法 |
CN102043894B (zh) * | 2009-10-13 | 2014-09-17 | 北京大学 | 一种生理数据监测***及方法 |
CN102068239A (zh) * | 2010-12-08 | 2011-05-25 | 浙江大学 | 一种体域网的智能采集生理信息方法 |
TW201349160A (zh) * | 2012-05-23 | 2013-12-01 | Accton Technology Corp | 生理監控系統與生理監控方法 |
CN103778312B (zh) * | 2012-10-24 | 2017-05-10 | 中兴通讯股份有限公司 | 远程家庭保健*** |
US20190038148A1 (en) * | 2013-12-12 | 2019-02-07 | Alivecor, Inc. | Health with a mobile device |
CN106572804A (zh) * | 2014-08-22 | 2017-04-19 | 皇家飞利浦有限公司 | 用于使用声学信号来测量血压的方法和装置 |
CN104523263B (zh) * | 2014-12-23 | 2017-06-20 | 华南理工大学 | 基于移动互联网的孕产妇健康监护*** |
US20170347895A1 (en) * | 2015-01-04 | 2017-12-07 | Vita-Course Technologies Co.,Ltd | System and method for health monitoring |
CN104873186B (zh) * | 2015-04-17 | 2018-05-18 | 中国科学院苏州生物医学工程技术研究所 | 一种可穿戴的动脉检测装置及其数据处理方法 |
CN104796485B (zh) * | 2015-04-30 | 2019-09-10 | 深圳市全球锁安防***工程有限公司 | 一种老龄人云安康服务平台及大数据处理方法 |
CN105078445B (zh) * | 2015-08-24 | 2018-11-02 | 华南理工大学 | 基于健康服务机器人的老年人健康服务*** |
CN105160175A (zh) * | 2015-08-31 | 2015-12-16 | 西安交通大学 | 一种远程医疗监护*** |
CN105125221B (zh) * | 2015-10-26 | 2017-11-10 | 重庆理工大学 | 云服务实时摔倒检测***及方法 |
KR102431455B1 (ko) * | 2015-12-14 | 2022-08-12 | 삼성전자주식회사 | 인체 통신을 이용하여 헬스 정보를 송수신하는 방법 및 장치 |
US10407078B2 (en) * | 2016-04-26 | 2019-09-10 | Sivalogeswaran Ratnasingam | Dynamic learning driving system and method |
FR3051656B1 (fr) * | 2016-05-31 | 2019-03-22 | Ellcie Healthy | Dispositif connecte de suivi comportemental d'un individu et permettant la detection et/ou la prevention d'une anomalie |
CN106295986A (zh) * | 2016-08-08 | 2017-01-04 | 赵宏杰 | 基于智能移动终端的健康检测管理*** |
CN106940757B (zh) * | 2017-03-14 | 2019-06-18 | 深圳蓝奥声科技有限公司 | 基于物联网的健康监护服务方法和协同主机*** |
CN107194191A (zh) * | 2017-06-20 | 2017-09-22 | 北京时代科华科技有限公司 | 一种健康看护智能生态*** |
CN107529645B (zh) * | 2017-06-29 | 2019-09-10 | 重庆邮电大学 | 一种基于深度学习的心音智能诊断***及方法 |
CN107833635A (zh) * | 2017-11-02 | 2018-03-23 | 佛山鑫进科技有限公司 | 一种基于大数据分析的智能手环监测装置 |
TWM562102U (zh) * | 2018-01-31 | 2018-06-21 | Golden Smart Home Tech Corp | 雲端生理數據收集系統 |
CN108538405A (zh) * | 2018-04-23 | 2018-09-14 | 刘仲 | 一种基于大数据云服务的智能实时监护仪及监护*** |
CN108717678B (zh) * | 2018-05-25 | 2021-12-21 | 青岛联合创智科技有限公司 | 一种智慧养老*** |
-
2019
- 2019-08-23 CN CN201980017529.5A patent/CN111819585A/zh active Pending
- 2019-08-23 JP JP2021534421A patent/JP2021533971A/ja active Pending
- 2019-08-23 TW TW108130282A patent/TWI709146B/zh active
- 2019-08-23 WO PCT/CN2019/102327 patent/WO2020038471A1/zh active Application Filing
- 2019-08-23 KR KR1020217008403A patent/KR102522039B1/ko active IP Right Grant
-
2021
- 2021-02-24 US US17/183,346 patent/US20210174920A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006122610A (ja) * | 2004-10-29 | 2006-05-18 | Ipsquare Inc | 健康管理システム |
US20170055911A1 (en) * | 2014-02-17 | 2017-03-02 | Sanandco Limited | A phone for use in health monitoring |
US20180137247A1 (en) * | 2016-11-16 | 2018-05-17 | healthio Inc. | Preventive and predictive health platform |
Also Published As
Publication number | Publication date |
---|---|
US20210174920A1 (en) | 2021-06-10 |
TW202025173A (zh) | 2020-07-01 |
TWI709146B (zh) | 2020-11-01 |
JP2021533971A (ja) | 2021-12-09 |
KR102522039B1 (ko) | 2023-04-14 |
CN111819585A (zh) | 2020-10-23 |
WO2020038471A1 (zh) | 2020-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102522039B1 (ko) | 생리학적 데이터의 지능형 처리 방법 및 시스템 | |
US10736527B2 (en) | Workout management method and system using a wearable device | |
KR101775932B1 (ko) | 반려동물 케어를 위한 멀티모달 시스템 | |
US10820069B2 (en) | Computer-aided dispatch systems and methods utilizing biometrics to assess responder condition and suitability | |
Azimi et al. | Medical warning system based on Internet of Things using fog computing | |
CN109922723A (zh) | 用于生理监测的装置、***和方法 | |
KR20190101002A (ko) | 애완동물의 건강 상태 관리 방법 및 시스템 | |
CN108135507A (zh) | 用于预测心力衰竭代偿失调的***和方法 | |
CN113990500A (zh) | 一种生命体征参数的监测方法、装置以及储存介质 | |
Mohan et al. | Artificial Intelligence and IoT in Elderly Fall Prevention: A Review | |
AU2020239678A1 (en) | System and method for analyzing a physiological condition of a user | |
Sharma et al. | Gerontechnology—The study of alzheimer disease using cloud computing | |
Kaur et al. | The interoperability of fog and IoT in healthcare domain: Architecture, application, and challenges | |
JP2009524466A (ja) | ヘルスケアデータをモニタする装置及び方法 | |
US20160228067A1 (en) | System and method for intelligent monitoring of patient vital signs | |
KR102190759B1 (ko) | 긴급상황 모니터링 시스템 및 방법 | |
Patil et al. | Heart Disease Prediction Using Machine Learning and Data Analytics Approach | |
Lupión et al. | Epilepsy Seizure Detection Using Low-Cost IoT Devices and a Federated Machine Learning Algorithm | |
Jeyabharathi et al. | iEpilepsy monitoring and alerting system using machine learning algorithm and WHMS | |
Bej et al. | A cost-effective alertness-rating tool to enable situational awareness among on-duty static security guards in Covid-19 pandemic | |
AU2021103601A4 (en) | System and method for monitoring post covid patient using machine learning and block chain | |
Shahade et al. | A Review on IoT-Driven Technologies for Heart Disease Diagnosis and Prediction | |
Sridevi et al. | Deep Learning Model to Predict the Behavior of an Elder in a Smart Home | |
Hardani et al. | Autumn leaves: Automatic fall detection, alert and assessment to improve pre-hospital emergency care response | |
Mahalakshmi et al. | The Internet Of Things On Neural Networks Provides Intelligent Healthcare Management For Diabetic Patients |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |