KR20220166924A - 반려동물 질병 추론 시스템 및 그 방법 - Google Patents
반려동물 질병 추론 시스템 및 그 방법 Download PDFInfo
- Publication number
- KR20220166924A KR20220166924A KR1020210075800A KR20210075800A KR20220166924A KR 20220166924 A KR20220166924 A KR 20220166924A KR 1020210075800 A KR1020210075800 A KR 1020210075800A KR 20210075800 A KR20210075800 A KR 20210075800A KR 20220166924 A KR20220166924 A KR 20220166924A
- Authority
- KR
- South Korea
- Prior art keywords
- disease
- information
- list
- companion animal
- final
- Prior art date
Links
- 201000010099 disease Diseases 0.000 title claims abstract description 299
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 299
- 241001465754 Metazoa Species 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 33
- 208000024891 symptom Diseases 0.000 claims abstract description 63
- 230000002068 genetic effect Effects 0.000 claims abstract description 57
- 208000031295 Animal disease Diseases 0.000 claims abstract description 45
- 235000013305 food Nutrition 0.000 claims description 48
- 239000004615 ingredient Substances 0.000 claims description 33
- 230000002596 correlated effect Effects 0.000 claims description 20
- 208000026350 Inborn Genetic disease Diseases 0.000 claims description 13
- 208000016361 genetic disease Diseases 0.000 claims description 13
- 239000002994 raw material Substances 0.000 claims description 13
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 210000001015 abdomen Anatomy 0.000 claims description 6
- 210000000436 anus Anatomy 0.000 claims description 6
- 210000003608 fece Anatomy 0.000 claims description 6
- 210000004392 genitalia Anatomy 0.000 claims description 6
- 210000001624 hip Anatomy 0.000 claims description 6
- 210000000214 mouth Anatomy 0.000 claims description 6
- 210000002784 stomach Anatomy 0.000 claims description 6
- 210000000515 tooth Anatomy 0.000 claims description 6
- 230000003648 hair appearance Effects 0.000 claims description 5
- 206010047700 Vomiting Diseases 0.000 claims description 4
- 230000006399 behavior Effects 0.000 claims description 4
- 210000005069 ears Anatomy 0.000 claims description 4
- 235000012054 meals Nutrition 0.000 claims description 4
- 210000002345 respiratory system Anatomy 0.000 claims description 4
- 210000002700 urine Anatomy 0.000 claims description 4
- 230000008673 vomiting Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000003745 diagnosis Methods 0.000 description 7
- 230000007774 longterm Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 241000894007 species Species 0.000 description 4
- 230000009193 crawling Effects 0.000 description 3
- 235000015097 nutrients Nutrition 0.000 description 3
- 102000004169 proteins and genes Human genes 0.000 description 3
- 108090000623 proteins and genes Proteins 0.000 description 3
- 235000011888 snacks Nutrition 0.000 description 3
- 208000008589 Obesity Diseases 0.000 description 2
- 238000009395 breeding Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 235000014633 carbohydrates Nutrition 0.000 description 2
- 150000001720 carbohydrates Chemical class 0.000 description 2
- 230000037406 food intake Effects 0.000 description 2
- 235000012631 food intake Nutrition 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- KBPHJBAIARWVSC-RGZFRNHPSA-N lutein Chemical compound C([C@H](O)CC=1C)C(C)(C)C=1\C=C\C(\C)=C\C=C\C(\C)=C\C=C\C=C(/C)\C=C\C=C(/C)\C=C\[C@H]1C(C)=C[C@H](O)CC1(C)C KBPHJBAIARWVSC-RGZFRNHPSA-N 0.000 description 2
- 229960005375 lutein Drugs 0.000 description 2
- ORAKUVXRZWMARG-WZLJTJAWSA-N lutein Natural products CC(=C/C=C/C=C(C)/C=C/C=C(C)/C=C/C1=C(C)CCCC1(C)C)C=CC=C(/C)C=CC2C(=CC(O)CC2(C)C)C ORAKUVXRZWMARG-WZLJTJAWSA-N 0.000 description 2
- 235000012680 lutein Nutrition 0.000 description 2
- 239000001656 lutein Substances 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 235000020824 obesity Nutrition 0.000 description 2
- KBPHJBAIARWVSC-XQIHNALSSA-N trans-lutein Natural products CC(=C/C=C/C=C(C)/C=C/C=C(C)/C=C/C1=C(C)CC(O)CC1(C)C)C=CC=C(/C)C=CC2C(=CC(O)CC2(C)C)C KBPHJBAIARWVSC-XQIHNALSSA-N 0.000 description 2
- FJHBOVDFOQMZRV-XQIHNALSSA-N xanthophyll Natural products CC(=C/C=C/C=C(C)/C=C/C=C(C)/C=C/C1=C(C)CC(O)CC1(C)C)C=CC=C(/C)C=CC2C=C(C)C(O)CC2(C)C FJHBOVDFOQMZRV-XQIHNALSSA-N 0.000 description 2
- 206010011878 Deafness Diseases 0.000 description 1
- 206010073767 Developmental hip dysplasia Diseases 0.000 description 1
- 208000007446 Hip Dislocation Diseases 0.000 description 1
- 208000012659 Joint disease Diseases 0.000 description 1
- 208000007534 Patellar Dislocation Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 231100000895 deafness Toxicity 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 235000015872 dietary supplement Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000004209 hair Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 208000016354 hearing loss disease Diseases 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 210000000629 knee joint Anatomy 0.000 description 1
- 210000002414 leg Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 210000003491 skin Anatomy 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
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
- G16H50/50—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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
- G16B40/20—Supervised data analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
-
- 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
- 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
- G16H50/20—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
- G16H50/30—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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Biophysics (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biotechnology (AREA)
- Physiology (AREA)
- Nutrition Science (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Bioethics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
본 발명은 반려동물 질병 추론 시스템 및 그 방법을 개시한다. 상기 반려동물 질병 추론 방법은, 반려동물의 개체 정보 및 유전 정보를 포함하는 기초 정보를 수신하고, 상기 반려동물의 증상 정보를 수신하고, 질병 데이터베이스에 따라 상기 증상 정보에 따라 매칭되는 질병을 포함하는 질병 리스트를 생성하고, 상기 질병 리스트의 상기 질병은 상기 개체 정보 및 상기 유전 정보에 따라 발병 가능성을 계산하고, 상기 발병 가능성에 따라 상기 질병 리스트를 변경한 최종 질병 리스트를 생성하는 것을 포함한다.
Description
본 발명은 반려동물 질병 추론 시스템 및 그 방법에 관한 것이다. 구체적으로, 반려동물의 개체적 특성 및 유전적 특성을 고려하여 질병을 추론하는 시스템 및 방법에 관한 것이다.
반려동물은 인간과 언어로 대화를 하지 못하기에 반려동물의 외관에서 나타내는 이상 증상을 토대로 반려인이 그 질병을 추론내지 진단할 필요가 있다. 다만, 이러한 증상에 따른 질병 추론의 경우 개체적 특성과 유전적 특성을 고려하지 않는다면 그 정확도는 높지 않아 반려동물에게 필요한 조치를 적시에 취하지 못할 위험이 있다.
또한, 수의사가 아닌 일반적인 반려인이 추가적인 검사 없이 관찰만으로 인지할 수 있는 증상은 한정적이므로 정확한 진단을 위한 가이드가 필요할 수 있다.
이러한 배경에서, 반려동물의 개체적 특성 및 유전적 특성을 고려하여 증상에 따른 진단을 제공하는 기술에 대한 수요가 늘어나고 있다.
본 발명의 과제는, 반려인이 쉽게 반려동물의 눈에 보이는 증상만으로 질병을 유추하는 과정에서 반려동물의 개체적 유전 특성을 활용하여 그 정확도를 비약적으로 높인 반려동물 질병 추론 시스템을 제공하는 것이다.
또한, 본 발명의 다른 과제는, 반려인이 쉽게 반려동물의 눈에 보이는 증상만으로 질병을 유추하는 과정에서 반려동물의 개체적 유전 특성을 활용하여 그 정확도를 비약적으로 높인 반려동물 질병 추론 방법을 제공하는 것이다.
본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시예에 의해 보다 분명하게 이해될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
상기 과제를 해결하기 위한 본 발명의 몇몇 실시예에 따른 반려동물 질병 추론 방법은 반려동물의 개체 정보 및 유전 정보를 포함하는 기초 정보를 수신하고, 상기 반려동물의 증상 정보를 수신하고, 질병 데이터베이스에 따라 상기 증상 정보에 따라 매칭되는 질병을 포함하는 질병 리스트를 생성하고, 상기 질병 리스트의 상기 질병은 상기 개체 정보 및 상기 유전 정보에 따라 발병 가능성을 계산하고, 상기 발병 가능성에 따라 상기 질병 리스트를 변경한 최종 질병 리스트를 생성하는 것을 포함한다.
또한, 상기 최종 질병 리스트를 생성하는 것은 상기 발병 가능성이 낮은 질병을 상기 질병 리스트에서 제외하는 것을 포함할 수 있다.
또한, 상기 최종 질병 리스트를 생성하는 것은 상기 질병 리스트에 포함된 질병과 상관관계가 있는 상관 질병을 상기 질병 리스트에 추가하는 것을 포함할 수 있다.
또한, 상기 상관 질병은 상기 개체 정보 및 상기 유전 정보에 따라 상관 질병 개체 범위를 정의하고, 상기 상관 질병 개체 범위 내에서 질병 간의 상관도를 도출하여 결정될 수 있다.
또한, 상기 상관도 판단은 기계학습 방법론 및 협업 필터링(collaborative filtering) 중 적어도 하나의 방법으로 수행될 수 있다.
또한, 상기 발병 가능성을 계산하는 것은, 질병 트렌드 정보를 온라인으로 수집하고, 상기 질병 트렌드 정보에 기초하여 개체적 특성 및 유전적 특성을 업데이트하고, 상기 개체 정보, 상기 유전 정보, 상기 개체적 특성 및 상기 유전적 특성을 통해서 상기 발병 가능성을 계산하는 것을 포함할 수 있다.
또한, 상기 증상 정보는, 상기 반려동물의 대변, 소변, 식사, 구토, 귀, 얼굴, 눈, 발바닥, 관절, 피부, 모질, 구강, 치아, 호흡기, 생식기, 항문, 등, 허리, 배, 복부 및 행동 중 적어도 하나에 대한 이상 증상을 포함할 수 있다.
또한, 상기 최종 질병 리스트에 포함된 질병에 효과적인 원료, 성분 및 먹거리 중 적어도 하나를 선정하여 전송하는 것을 더 포함할 수 있다.
상기 다른 과제를 해결하기 위한 본 발명의 몇몇 실시예에 따른 반려동물 질병 추론 시스템은 반려동물의 기초 정보 및 증상 정보를 수신하는 수신부, 상기 기초 정보, 증상 정보 및 매칭 정보에 따라 매칭되는 질병을 추론하여 질병 리스트를 생성하고, 상기 질병 리스트, 상기 기초 정보, 상기 증상 정보, 유전적 특성 및 개체적 특성에 따른 최종 질병 리스트를 생성하는 질병 추론부 및 상기 매칭 정보를 제공하고, 온라인에서 질병 트렌드 정보를 수집하여 업데이트된 상기 유전적 특성 및 상기 개체적 특성을 제공하는 유전적 질병 데이터 베이스를 포함할 수 있다.
또한, 상기 최종 질병 리스트에 포함된 질병에 효과적인 원료, 성분 및 먹거리를 선정하는 먹거리 추천 모듈과, 상기 최종 질병 리스트에 포함된 질병에 효과적인 성분을 상기 먹거리 추천 모듈로 제공하는 질병-처방 성분 데이터베이스와, 상기 최종 질병 리스트에 포함된 질병에 효과적인 원료를 상기 먹거리 추천 모듈로 제공하는 질병-처방 원료 데이터베이스와, 먹거리의 원료 및 성분에 대한 정보를 상기 먹거리 추천 모듈에 제공하는 먹거리 데이터베이스를 더 포함할 수 있다.
본 발명의 반려동물 질병 추론 시스템 및 그 방법은, 반려인이 육안으로 확인하는 증상, 개체적 특성 및 유전적 특성에 따른 질병 진단의 정확성을 높여준다.
또한, 증상에 의해서 도출된 질병과 상관관계가 있는 질병을 판단하여 질병 리스트를 업데이트하여 상관도가 높은 질병을 추가적으로 진단할 수 있다.
상술한 내용과 더불어 본 발명의 구체적인 효과는 이하 발명을 실시하기 위한 구체적인 사항을 설명하면서 함께 기술한다.
도 1은 본 발명의 몇몇 실시예들에 따른 반려동물 질병 추론 시스템을 설명하기 위한 개념도이다.
도 2는 도 1의 증상 정보 및 그 입력 방법을 설명하기 위한 예시적인 개념도이다.
도 3은 도 1의 반려동물 질병 추론 시스템을 세부적으로 설명하기 위한 블록도이다.
도 4는 도 3의 질병 추론부를 세부적으로 설명하기 위한 블록도이다.
도 5는 도 3의 유전적 질병 데이터베이스를 세부적으로 설명하기 위한 블록도이다.
도 6은 본 발명의 몇몇 실시예들에 따른 반려동물 질병 추론 방법을 설명하기 위한 순서도이다.
도 7은 본 발명의 몇몇 실시예들에 따른 반려동물 질병 추론 방법을 설명하기 위한 순서도이다.
도 8은 도 6 및 도 7의 발병 가능성 계산 단계를 세부적으로 설명하기 위한 순서도이다.
도 9는 도 6 및 도 7의 최종 질병 리스트 생성 단계를 세부적으로 설명하기 위한 순서도이다.
도 10은 본 발명의 몇몇 실시예들에 따른 반려동물 질병 추론 시스템의 하드웨어 구성을 설명하기 위한 도면이다.
도 2는 도 1의 증상 정보 및 그 입력 방법을 설명하기 위한 예시적인 개념도이다.
도 3은 도 1의 반려동물 질병 추론 시스템을 세부적으로 설명하기 위한 블록도이다.
도 4는 도 3의 질병 추론부를 세부적으로 설명하기 위한 블록도이다.
도 5는 도 3의 유전적 질병 데이터베이스를 세부적으로 설명하기 위한 블록도이다.
도 6은 본 발명의 몇몇 실시예들에 따른 반려동물 질병 추론 방법을 설명하기 위한 순서도이다.
도 7은 본 발명의 몇몇 실시예들에 따른 반려동물 질병 추론 방법을 설명하기 위한 순서도이다.
도 8은 도 6 및 도 7의 발병 가능성 계산 단계를 세부적으로 설명하기 위한 순서도이다.
도 9는 도 6 및 도 7의 최종 질병 리스트 생성 단계를 세부적으로 설명하기 위한 순서도이다.
도 10은 본 발명의 몇몇 실시예들에 따른 반려동물 질병 추론 시스템의 하드웨어 구성을 설명하기 위한 도면이다.
본 명세서 및 특허청구범위에서 사용된 용어나 단어는 일반적이거나 사전적인 의미로 한정하여 해석되어서는 아니된다. 발명자가 그 자신의 발명을 최선의 방법으로 설명하기 위해 용어나 단어의 개념을 정의할 수 있다는 원칙에 따라, 본 발명의 기술적 사상과 부합하는 의미와 개념으로 해석되어야 한다. 또한, 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명이 실현되는 하나의 실시예에 불과하고, 본 발명의 기술적 사상을 전부 대변하는 것이 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 및 응용 가능한 예들이 있을 수 있음을 이해하여야 한다.
본 명세서 및 특허청구범위에서 사용된 제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. '및/또는' 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
본 명세서 및 특허청구범위에서 사용된 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서 "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해서 일반적으로 이해되는 것과 동일한 의미를 가지고 있다.
일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 본 발명의 각 실시예에 포함된 각 구성, 과정, 공정 또는 방법 등은 기술적으로 상호 간 모순되지 않는 범위 내에서 공유될 수 있다.
이하, 도 1 내지 도 5를 참조하여, 본 발명의 몇몇 실시예들에 따른 반려동물 질병 추론 시스템을 설명한다.
도 1은 본 발명의 몇몇 실시예들에 따른 반려동물 질병 추론 시스템을 설명하기 위한 개념도이다.
도 1을 참조하면, 본 발명의 몇몇 실시예들에 따른 반려동물 질병 추론 시스템(100)은 반려인(10)으로부터 기초 정보(Ib) 및 증상 정보(Is)를 수신하고, 최종 질병 리스트(Ld) 및 먹거리 정보(Fr)를 전송할 수 있다.
반려인(10)은 반려동물을 키우는 자로 스마트 기기를 통해서 반려동물 질병 추론 시스템(100)과 데이터를 주고받을 수 있다. 상기 스마트 기기는 개인 휴대용 정보 단말기(PDA, personal digital assistant), 포터블 컴퓨터(portable computer), 웹 타블렛(web tablet), 무선 전화기(wireless phone), 모바일 폰(mobile phone), 디지털 뮤직 플레이어(digital music player), 메모리 카드(memory card), 또는 정보를 무선환경에서 송신 및/또는 수신할 수 있는 모든 전자 제품에 적용될 수 있다.
반려동물 질병 추론 시스템(100)은 워크스테이션(workstation), 데이터 센터, 인터넷 데이터 센터(internet data center(IDC)), DAS(direct attached storage) 시스템, SAN(storage area network) 시스템, NAS(network attached storage) 시스템 및 RAID(redundant array of inexpensive disks, or redundant array of independent disks) 시스템 중 적어도 하나로 구현될 수 있으나, 본 실시예가 이에 제한되는 것은 아니다.
반려동물 질병 추론 시스템(100)은 반려인(10)에게 네트워크를 통해서 데이터를 전송할 수 있다. 네트워크는 유선 인터넷 기술, 무선 인터넷 기술 및 근거리 통신 기술에 의한 네트워크를 포함할 수 있다. 유선 인터넷 기술은 예를 들어, 근거리 통신망(LAN, Local area network) 및 광역 통신망(WAN, wide area network) 중 적어도 하나를 포함할 수 있다.
무선 인터넷 기술은 예를 들어, 무선랜(Wireless LAN: WLAN), DLNA(Digital Living Network Alliance), 와이브로(Wireless Broadband: Wibro), 와이맥스(World Interoperability for Microwave Access: Wimax), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), IEEE 802.16, 롱 텀 에볼루션(Long Term Evolution: LTE), LTE-A(Long Term Evolution-Advanced), 광대역 무선 이동 통신 서비스(Wireless Mobile Broadband Service: WMBS) 및 5G NR(New Radio) 기술 중 적어도 하나를 포함할 수 있다. 단, 본 실시예가 이에 제한되는 것은 아니다.
근거리 통신 기술은 예를 들어, 블루투스(Bluetooth), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association: IrDA), UWB(Ultra-Wideband), 지그비(ZigBee), 인접 자장 통신(Near Field Communication: NFC), 초음파 통신(Ultra Sound Communication: USC), 가시광 통신(Visible Light Communication: VLC), 와이 파이(Wi-Fi), 와이 파이 다이렉트(Wi-Fi Direct), 5G NR (New Radio) 중 적어도 하나를 포함할 수 있다. 단, 본 실시예가 이에 제한되는 것은 아니다.
네트워크를 통해서 통신하는 스트리밍 서버(100) 및 모바일 단말기(200)는 이동통신을 위한 기술표준 및 표준 통신 방식을 준수할 수 있다. 예를 들어, 표준 통신 방식은 GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), CDMA2000(Code Division Multi Access 2000), EV-DO(Enhanced Voice-Data Optimized or Enhanced Voice-Data Only), WCDMA(Wideband CDMA), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), LTE(Long Term Evolution), LTEA(Long Term Evolution-Advanced) 및 5G NR(New Radio) 중 적어도 하나를 포함할 수 있다. 단, 본 실시예가 이에 제한되는 것은 아니다.
기초 정보(Ib)는 반려인(10)의 반려동물의 개체 정보 및 유전 정보를 포함할 수 있다. 개체 정보는 외형 정보, 체형 정보, 나이, 현재 급여량, 현재 먹거리 및 현재 산책 수준 중 적어도 하나를 포함할 수 있다. 이때, 먹거리는 사료, 간식 및 영양제 중 적어도 하나를 포함할 수 있다. 유전 정보는 반려동물의 종적 정보 및 유전병력 정보 중 적어도 하나를 포함할 수 있다.
도 2는 도 1의 증상 정보 및 그 입력 방법을 설명하기 위한 예시적인 개념도이다. 도 2는 반려인의 스마트기기 화면일 수 있다.
도 1 및 도 2를 참조하면, 증상 정보(Is)는 반려동물의 이상 증상에 대한 정보일 수 있다.
도 2의 A1 화면을 참조하면, 증상 정보(Is)는 예를 들어, 반려동물의 대변, 소변, 식사, 구토, 귀, 얼굴, 눈, 발바닥, 관절, 피부, 모질, 구강, 치아, 호흡기, 생식기, 항문, 비만도, 행동, 배, 복부, 등 및 허리 중 적어도 하나에 대한 이상 증상을 포함할 수 있다. 이때, 피부와 모질, 구강과 치아, 생식기와 항문은 같은 카테고리로 분류될 수 있다. 또한, 배와 복부, 등과 허리도 같은 카테고리로 분류될 수 있다. 단, 본 실시예가 이에 제한되는 것은 아니다.
본 발명의 몇몇 실시예들에 따른 반려동물 질병 추론 시스템(100)은 이상 증상은 여러 개 선택하여 증상 정보(Is)를 설정할 수 있다. 이때, 증상의 개수는 도면에서는 최대 3개이지만, 이에 제한되는 것은 아니다. 즉, 증상의 개수는 4개 이상일 수도 있다.
본 발명의 몇몇 실시예들에 따른 반려동물 질병 추론 시스템(100)은 각각의 증상에 대한 아이콘(IC)을 통해서 반려인(10)이 이상 증상을 세부적으로 입력하게 할 수 있다. 예를 들어, '대변' 아이콘(IC)을 선택하는 경우 '대변'의 세부적인 이상 증상을 선택할 수 있게 화면이 전개될 수 있다. 이를 통해서, 반려인(10)은 반려동물의 증상 정보(Is)를 구체적으로 반려동물 질병 추론 시스템(100)에 전송할 수 있다.
도 3은 도 1의 반려동물 질병 추론 시스템을 세부적으로 설명하기 위한 블록도이다.
도 3을 참조하면, 본 발명의 몇몇 실시예들에 따른 반려동물 질병 추론 시스템(100)은 수신부(110), 질병 추론부(120), 유전적 질병 데이터베이스(130), 먹거리 추천 모듈(140), 먹거리 데이터베이스(150), 질병-처방 원료 데이터베이스(160) 및 질병-처방 성분 데이터베이스(170)를 포함할 수 있다.
수신부(110)는 기초 정보(Ib) 및 증상 정보(Is)를 수신할 수 있다. 수신부(110)는 네트워크를 통해서 기초 정보(Ib) 및 증상 정보(Is)를 수신할 수 있다. 수신부(110)는 기초 정보(Ib) 및 증상 정보(Is)를 질병 추론부(120)로 전송할 수 있다.
질병 추론부(120)는 기초 정보(Ib) 및 증상 정보(Is)를 수신하고, 매칭 정보(Im), 유전적 특성(Cg), 개체적 특성(Ci) 및 상관도(Rc)를 수신할 수 있다. 질병 추론부(120)는 기초 정보(Ib), 증상 정보(Is), 매칭 정보(Im), 유전적 특성(Cg), 개체적 특성(Ci) 및 상관도(Rc)를 통해서 최종 질병 리스트(Ld)를 생성할 수 있다. 질병 추론부(120)는 최종 질병 리스트(Ld)를 도 1의 반려인(10), 먹거리 추천 모듈(140), 질병-처방 원료 데이터베이스(160) 및 질병-처방 성분 데이터베이스(170)로 전송할 수 있다.
이때, 최종 질병 리스트(Ld)는 반려동물의 증상에 따라 반려동물이 가지고 있을 수 있는 질병의 리스트일 수 있다. 즉, 질병 추론부(120)에 의해서, 반려동물의 질병이 진단될 수 있다.
유전적 질병 데이터베이스(130)는 증상 정보(Is)와 질병을 매칭시킬 수 있는 매칭 정보(Im)를 저장할 수 있다. 또한, 유전적 질병 데이터베이스(130)는 반려동물의 유전적 특성(Cg) 및 개체적 특성(Ci)을 질병 추론부(120)로 제공할 수 있다. 이때, 유전적 특성(Cg)은 반려동물의 종에 따른 질병 트렌드가 반영된 특성일 수 있다. 개체적 특성(Ci)은 외형, 체형 및 나이가 유사한 그룹에 따른 질병 트렌드가 반영된 특성일 수 있다. 또한, 유전적 질병 데이터베이스(130)는 질병간의 상관관계를 수치화한 상관도(Rc)를 질병 추론부(120)로 제공할 수 있다.
먹거리 추천 모듈(140)은 최종 질병 리스트(Ld)를 수신할 수 있다. 먹거리 추천 모듈(140)은 최종 질병 리스트(Ld)에 포함된 질병에 대한 먹거리 정보(Fr)를 생성할 수 있다. 먹거리 정보(Fr)는 반려동물에게 효과적인 원료, 성분 및 먹거리 중 적어도 하나를 포함할 수 있다. 먹거리 정보(Fr)는 먹거리 데이터(150), 처방 원료 데이터(Rp) 및 처방 성분 데이터(Ip)를 통해서 도출될 수 있다.
먹거리 데이터베이스(150)는 먹거리의 원료 및 성분에 대한 먹거리 데이터(150)를 제공할 수 있다. 질병-처방 원료 데이터베이스(160)는 최종 질병 리스트(Ld)를 수신하고, 질병에 대해서 처방되는 효과적인 원료가 무엇인지에 대한 처방 원료 데이터(Rp)를 제공할 수 있다. 질병-처방 성분 데이터베이스(170)는 최종 질병 리스트(Ld)를 수신하고, 질병에 대해서 처방되는 효과적인 성분이 무엇인지에 대한 처방 성분 데이터(Ip)를 제공할 수 있다.
먹거리 추천 모듈(140)은 효과적인 성분, 효과적인 원료에 대응되는 먹거리를 판단하여 먹거리 정보(Fr)를 반려인(10)에게 제공할 수 있다.
또한, 먹거리 정보(Fr)는 먹거리 간의 궁합 정보를 포함할 수 있다. 먹거리 간의 궁합이란 각 성분이나 원료의 복용 함량을 지키는 조합을 의미할 수 있다. 예를 들어, 영양제에 루테인이 포함된 경우, 사료에는 루테인이 포함되지 않은 사료가 추천될 수 있다. 이를 통해서, 기능성 원료의 오남용을 방지할 수 있다.
또 다른 예시로, 당뇨이거나 다이어트가 필요한 경우, 하루 섭취 단백질과 탄수화물량을 고려해서 간식과 영양제, 사료의 궁합을 추출할 수 있다. 이러한 궁합은 단백질 총 량과 탄수화물 총 량을 고려하여 계산될 수 있다. 일 실시예로 고단백 사료의 경우 단백질이 높은 간식이나 영양제의 궁합지수를 낮춰서 추천할 수 있다.
도 4는 도 3의 질병 추론부를 세부적으로 설명하기 위한 블록도이다.
도 3 및 도 4를 참조하면, 질병 추론부(120)는 질병 리스트 생성부(121) 및 최종 질병 리스트 생성부를 포함할 수 있다.
질병 리스트 생성부(121)는 기초 정보(Ib) 및 증상 정보(Is)를 수신할 수 있다. 질병 리스트 생성부(121)는 유전적 질병 데이터베이스(130)로부터 매칭 정보(Im)도 수신할 수 있다. 매칭 정보(Im)는 증상에 따라 가능한 질병을 매칭한 정보일 수 있다. 질병 리스트 생성부(121)는 증상 정보(Is) 및 매칭 정보(Im)에 따라 질병 리스트(L1)를 생성할 수 있다. 이러한 질병 리스트(L1)는 복수의 질병을 포함할 수 있고, 이러한 질병은 반려동물이 보유할 가능성이 있는 질병일 수 있다.
매칭 정보(Im)는 개체 정보 및 유전 정보에 따라 각 질병의 발병 가능성에 대한 정보도 포함할 수 있다. 질병 리스트 생성부(121)는 매칭 정보(Im)를 이용하여 각각의 질병들의 발병 가능성을 계산할 수 있다. 질병 리스트 생성부(121)는 질병 리스트(L1)의 질병들을 발병 가능성에 따라 정렬할 수 있다. 단, 본 실시예가 이에 제한되는 것은 아니다. 이때, 발병 가능성은 가중치 형태로 분배될 수 있다. 즉, 발병 가능성의 총합은 1이 될 수 있다. 단, 본 실시예가 이에 제한되는 것은 아니다.
질병 리스트 생성부(121)는 질병 리스트(L1)를 최종 질병 리스트 생성부(122)로 전송할 수 있다. 최종 질병 리스트 생성부(122)는 질병 리스트(L1)를 수신하여 이를 최종 질병 리스트(Ld)로 업데이트할 수 있다.
최종 질병 리스트(Ld)는 매칭 정보(Im), 유전적 특성(Cg), 개체적 특성(Ci) 및 상관도(Rc)를 수신할 수 있다. 최종 질병 리스트(Ld)는 발병 가능성이 기준치 이하인 질병을 제외시킬 수 있다. 이에 따라서, 최종 질병 리스트(Ld)는 발병 가능성이 높은 질병으로 업데이트될 수 있다. 이를 통해서, 본 실시예에 따른 반려동물 질병 추론 시스템(100)은 더욱 정밀한 질병 진단 서비스를 제공할 수 있다.
이때, 최종 질병 리스트(Ld)는 유전적 특성(Cg) 및 개체적 특성(Ci)을 활용할 수 있다. 유전적 특성(Cg) 및 개체적 특성(Ci)은 정기적 혹은 비정기적으로 온라인으로 질병 정보를 수집하여 업데이트될 수 있다.
즉, 유전적 특성(Cg) 및 개체적 특성(Ci)은 온라인 상에 존재하는 병원 영수증 정보, 웹 크롤링에 의해서 수집된 정보 등을 통해서 반려동물의 유전 정보 및 개체 정보에 따라 자주 발생하는 질병 트렌드를 반영할 수 있다. 예를 들어, 보더콜리 견종은 이전에는 난청이 가장 자주 발병하는 유전적 질환이었으나 현재는 관절 질환이 가장 많이 발생하는 유전적 질환일 수 있다. 이는 견종의 브리딩에 따라 질병의 트렌드가 계속 변화함을 반영하는 부분이다. 따라서, 최종 질병 리스트(Ld)는 업데이트된 유전적 특성(Cg) 및 개체적 특성(Ci)을 통해서 발병 가능성을 새로 계산할 수 있다.
최종 질병 리스트 생성부(122)는 질병 리스트(L1)에 포함된 질병들과 다른 질병들의 상관관계를 판단할 수 있다. 이에 따라서, 최종 질병 리스트 생성부(122)는 질병 리스트(L1)에 포함된 질병들과 상관관계가 높은 질병들을 상관 질병으로 정의할 수 있다. 최종 질병 리스트 생성부(122)는 질병 리스트(L1)에 상관 질병을 추가하여 최종 질병 리스트(Ld)를 설명할 수 있다.
상관 질병은 기초 정보(Ib)의 개체 정보 및 상기 유전 정보에 따라 결정될 수 있다. 최종 질병 리스트 생성부(122)는 개체 정보 및 상기 유전 정보를 이용하여 상관 질병 개체 범위를 정의할 수 있다. 상관 질병 개체 범위는 해당 반려동물과 유사한 종, 나이, 몸무게, 크기 등의 범위를 의미할 수 있다. 상관 질병 개체 범위 내에서 상관도를 도출하여 상관 질병을 도출하는 것은 절대적으로 상관도를 도출하여 상관 질병을 결정하는 것에 비해서 훨씬 정확하고 유의미할 수 있다. 이때, 상관도 판단은 기계학습 방법론 및 협업 필터링(collaborative filtering) 중 적어도 하나의 방법으로 수행될 수 있다.
상관 질병은 유전적 특성(Cg) 및 개체적 특성(Ci)과도 관계 있을 수 있다. 예를 들면, 슬개골 탈구와 같은 질환은 무릎 관절 질환으로 다리의 다른 부분에 압력이 더 들어가게 되면서 고관절 이형성증과 같은 질병을 야기할 수 있다. 따라서, 유전적 특성(Cg) 및 개체적 특성(Ci)에 의해서 자주 발생되는 질병에 따라 유의해야 하는 다른 상관 질병도 반려동물의 최종 질병 리스트(Ld)에 포함될 수 있다. 이에 따라서, 반려인(10)은 증상 정보(Is)에 의해서 도출되는 질병과 그에 따른 상관 질병 모두 고려하여 반려동물의 건강을 관리할 수 있다.
최종 질병 리스트 생성부(122)는 최종 질병 리스트(Ld)를 반려인(10), 먹거리 추천 모듈(140), 질병-처방 원료 데이터베이스(160) 및 질병-처방 성분 데이터베이스(170)로 전송할 수 있다.
도 5는 도 3의 유전적 질병 데이터베이스를 세부적으로 설명하기 위한 블록도이다.
도 3 및 도 5를 참조하면, 유전적 질병 데이터베이스(130)는 질병 데이터베이스(131), 질병 트렌드 모듈(132) 및 질병 상관관계 모듈(133)을 포함할 수 있다.
질병 데이터베이스(131)는 기초 정보(Ib) 및 증상 정보(Is)를 수신할 수 있다. 질병 데이터베이스(131)는 내부에 매칭 정보(Im)를 저장할 수 있다. 매칭 정보(Im)는 증상 정보(Is)와 질병을 서로 매칭시킬 수 있는 정보일 수 있다. 나아가, 매칭 정보(Im)는 각 질병의 발병 가능성도 포함할 수 있다. 따라서, 질병 데이터베이스(131)는 증상 정보(Is)에 따라 매칭되는 질병을 확인할 수 있게 매칭 정보(Im)를 도 3의 질병 추론부(120)로 제공할 수 있다.
질병 트렌드 모듈(132)은 기초 정보(Ib) 및 증상 정보(Is)를 수신할 수 있다. 질병 트렌드 모듈(132)은 유전적 특성(Cg) 및 개체적 특성(Ci)을 생성할 수 있다. 질병 트렌드 모듈(132)은 온라인 상의 병원 영수증 정보를 수집하고, 웹 크롤링을 통해서 질병 정보를 수집할 수 있다. 이에 따라서, 유전적 특성(Cg)은 최근 유전 정보에 따른 질병 트렌드를 반영하여 생성되고, 업데이트될 수 있다. 또한, 개체적 특성(Ci)은 개체 정보에 따른 질병 트랜드를 반영하여 생성되고, 업데이트될 수 있다. 질병 트렌드 모듈(132)은 유전적 특성(Cg) 및 개체적 특성(Ci)을 도 3의 질병 추론부(120)로 제공할 수 있다.
질병 상관관계 모듈(133)은 기초 정보(Ib) 및 증상 정보(Is)를 수신할 수 있다. 질병 상관관계 모듈(133)은 질병 간의 상관도(Rc)를 도출할 수 있다. 질병 상관관계 모듈(133)은 상관도(Rc)를 도 3의 질병 추론부(120)로 제공할 수 있다.
본 실시예에 따른 반려동물 질병 추론 시스템(100)은 반려인이 전문지식 없이도 세분화된 증상 정보(Is)를 작성할 수 있도록 가이드할 수 있고, 그에 따라 반려동물의 질병을 쉽고 정확하게 진단할 수 있다.
나아가, 유전적 특성(Cg) 및 개체적 특성(Ci)을 지속적으로 업데이트하여 최근 브리딩 경향에 따른 질병의 트렌드를 확인하여 반려동물의 유전적 특성(Cg) 및 개체적 특성(Ci)을 반영하여 정확하게 질병을 진단할 수 있다.
또한, 진단된 질병에 그치지 않고, 그 질병과 상관관계가 있는 상관 질병을 최종 질병 리스트(Ld)에 추가할 수 있다. 이에 따라서, 반려동물의 잠재적으로 관찰되지 않은 질병에 대해서도 대비할 수 있을 수 있다.
이하, 도 1 내지 내지 도 9를 참조하여, 본 발명의 몇몇 실시예들에 따른 반려동물 질병 추론 방법을 설명한다. 상술한 실시예와 중복되는 부분은 간략히 하거나 생략한다.
도 6을 참조하면, 본 발명의 몇몇 실시예들에 따른 반려동물 질병 추론 방법은 먼저 기초 정보를 수신한다(S100).
구체적으로, 도 1을 참조하면, 반려동물 질병 추론 시스템(100)은 반려인(10)으로부터 기초 정보(Ib)를 수신할 수 있다. 기초 정보(Ib)는 반려인(10)의 반려동물의 개체 정보 및 유전 정보를 포함할 수 있다. 개체 정보는 외형 정보, 체형 정보, 나이, 현재 급여량, 현재 먹거리 및 현재 산책 수준 중 적어도 하나를 포함할 수 있다. 유전 정보는 반려동물의 종적 정보 및 유전병력 정보 중 적어도 하나를 포함할 수 있다.
다시, 도 6을 참조하면, 증상 정보를 수신한다(S200).
구체적으로, 도 1 및 도 2를 참조하면, 반려동물 질병 추론 시스템(100)은 반려인(10)으로부터 증상 정보(Is)를 수신할 수 있다. 증상 정보(Is)는 반려동물의 이상 증상에 대한 정보일 수 있다.
증상 정보(Is)는 예를 들어, 반려동물의 대변, 소변, 식사, 구토, 귀, 얼굴, 눈, 발바닥, 관절, 피부, 모질, 구강, 치아, 호흡기, 생식기, 항문, 비만도, 행동, 배, 복부, 등 및 허리 중 적어도 하나에 대한 이상 증상을 포함할 수 있다. 이때, 피부와 모질, 구강과 치아, 생식기와 항문은 같은 카테고리로 분류될 수 있다. 또한, 배와 복부, 등과 허리도 같은 카테고리로 분류될 수 있다. 단, 본 실시예가 이에 제한되는 것은 아니다.
다시, 도 6을 참조하면, 질병 리스트를 생성한다(S300).
구체적으로, 도 3 및 도 4를 참조하면, 질병 리스트 생성부(121)는 기초 정보(Ib) 및 증상 정보(Is)를 수신할 수 있다. 질병 리스트 생성부(121)는 유전적 질병 데이터베이스(130)로부터 매칭 정보(Im)도 수신할 수 있다. 매칭 정보(Im)는 증상에 따라 가능한 질병을 매칭한 정보일 수 있다. 질병 리스트 생성부(121)는 증상 정보(Is) 및 매칭 정보(Im)에 따라 질병 리스트(L1)를 생성할 수 있다.
다시, 도 6을 참조하면, 발병 가능성을 계산한다(S400).
구체적으로, 도 3 및 도 4를 참조하면, 질병 리스트 생성부(121)는 매칭 정보(Im)를 이용하여 각각의 질병들의 발병 가능성을 계산할 수 있다. 질병 리스트 생성부(121)는 질병 리스트(L1)의 질병들을 발병 가능성에 따라 정렬할 수 있다. 단, 본 실시예가 이에 제한되는 것은 아니다. 이때, 발병 가능성은 가중치 형태로 분배될 수 있다. 즉, 발병 가능성의 총합은 1이 될 수 있다. 단, 본 실시예가 이에 제한되는 것은 아니다.
다시, 도 6을 참조하면, 최종 질병 리스트를 생성한다(S500).
구체적으로, 도 3 및 도 4를 참조하면, 최종 질병 리스트(Ld)는 매칭 정보(Im), 유전적 특성(Cg), 개체적 특성(Ci) 및 상관도(Rc)를 수신할 수 있다. 최종 질병 리스트(Ld)는 발병 가능성이 기준치 이하인 질병을 제외시킬 수 있다. 이에 따라서, 최종 질병 리스트(Ld)는 발병 가능성이 높은 질병으로 업데이트될 수 있다. 이를 통해서, 본 실시예에 따른 반려동물 질병 추론 시스템(100)은 더욱 정밀한 질병 진단 서비스를 제공할 수 있다.
최종 질병 리스트 생성부(122)는 질병 리스트(L1)에 포함된 질병들과 다른 질병들의 상관관계를 판단할 수 있다. 이에 따라서, 최종 질병 리스트 생성부(122)는 질병 리스트(L1)에 포함된 질병들과 상관관계가 높은 질병들을 상관 질병으로 정의할 수 있다. 최종 질병 리스트 생성부(122)는 질병 리스트(L1)에 상관 질병을 추가하여 최종 질병 리스트(Ld)를 설명할 수 있다.
본 실시예는 최신 트렌드를 반영하여 반려동물의 질병 진단의 유효성을 크게 높일 수 있고, 나아가 상관 질병에 대해서도 고려할 수 있는 질병 리스트를 생성할 수 있다.
도 7은 본 발명의 몇몇 실시예들에 따른 반려동물 질병 추론 방법을 설명하기 위한 순서도이다.
도 7을 참조하면, 도 6의 반려동물 질병 추론 방법에 추가적으로 하나의 단계가 더 존재할 수 있다. 즉, 효과적인 원료, 성분 및 먹거리 중 적어도 하나를 선정하여 전송한다(S600).
구체적으로, 도 3을 참조하면, 먹거리 추천 모듈(140)은 최종 질병 리스트(Ld)를 수신할 수 있다. 먹거리 추천 모듈(140)은 최종 질병 리스트(Ld)에 포함된 질병에 대한 먹거리 정보(Fr)를 생성할 수 있다. 먹거리 정보(Fr)는 반려동물에게 효과적인 원료, 성분 및 먹거리 중 적어도 하나를 포함할 수 있다. 먹거리 정보(Fr)는 먹거리 데이터(150), 처방 원료 데이터(Rp) 및 처방 성분 데이터(Ip)를 통해서 도출될 수 있다.
도 8은 도 6 및 도 7의 발병 가능성 계산 단계를 세부적으로 설명하기 위한 순서도이다.
도 8을 참조하면, 질병 트렌드 정보를 수집한다(S410).
구체적으로, 도 3 및 도 5를 참조하면, 질병 트렌드 모듈(132)은 온라인 상의 병원 영수증 정보를 수집하고, 웹 크롤링을 통해서 질병 정보를 수집할 수 있다.
다시, 도 8을 참조하면, 개체적 특성 및 유전적 특성을 업데이트한다(S420).
구체적으로, 도 3 및 도 5를 참조하면, 유전적 특성(Cg)은 최근 유전 정보에 따른 질병 트렌드를 반영하여 생성되고, 업데이트될 수 있다. 또한, 개체적 특성(Ci)은 개체 정보에 따른 질병 트랜드를 반영하여 생성되고, 업데이트될 수 있다.
다시, 도 8을 참조하면, 발병 가능성을 계산한다(S430).
구체적으로 도 3 및 도 4를 참조하면, 질병 리스트 생성부(121)는 매칭 정보(Im)를 이용하여 각각의 질병들의 발병 가능성을 계산할 수 있다. 최종 질병 리스트(Ld)는 발병 가능성이 기준치 이하인 질병을 제외시킬 수 있다. 이에 따라서, 최종 질병 리스트(Ld)는 발병 가능성이 높은 질병으로 업데이트될 수 있다. 이를 통해서, 본 실시예에 따른 반려동물 질병 추론 시스템(100)은 더욱 정밀한 질병 진단 서비스를 제공할 수 있다. 이때, 최종 질병 리스트(Ld)는 유전적 특성(Cg) 및 개체적 특성(Ci)을 활용할 수 있다. 최종 질병 리스트(Ld)는 업데이트된 유전적 특성(Cg) 및 개체적 특성(Ci)을 통해서 발병 가능성을 새로 계산할 수 있다.
도 9는 도 6 및 도 7의 최종 질병 리스트 생성 단계를 세부적으로 설명하기 위한 순서도이다.
도 9를 참조하면, 질병 리스트에서 발병 가능성이 낮은 질병을 제외한다(S510).
구체적으로, 도 3 및 도 4를 참조하면, 최종 질병 리스트(Ld)는 발병 가능성이 기준치 이하인 질병을 제외시킬 수 있다. 이에 따라서, 최종 질병 리스트(Ld)는 발병 가능성이 높은 질병으로 업데이트될 수 있다. 이를 통해서, 본 실시예에 따른 반려동물 질병 추론 시스템(100)은 더욱 정밀한 질병 진단 서비스를 제공할 수 있다.
다시, 도 9를 참조하면, 질병 리스트의 포함된 질병과 상관 질병을 추가하여 최종 질병 리스트를 생성한다(S520).
구체적으로, 도 3 및 도 4를 참조하면, 최종 질병 리스트 생성부(122)는 질병 리스트(L1)에 포함된 질병들과 다른 질병들의 상관관계를 판단할 수 있다. 이에 따라서, 최종 질병 리스트 생성부(122)는 질병 리스트(L1)에 포함된 질병들과 상관관계가 높은 질병들을 상관 질병으로 정의할 수 있다. 최종 질병 리스트 생성부(122)는 질병 리스트(L1)에 상관 질병을 추가하여 최종 질병 리스트(Ld)를 설명할 수 있다.
이상의 설명은 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 실시예들은 본 실시예의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
Claims (10)
- 반려동물의 개체 정보 및 유전 정보를 포함하는 기초 정보를 수신하고,
상기 반려동물의 증상 정보를 수신하고,
질병 데이터베이스에 따라 상기 증상 정보에 따라 매칭되는 질병을 포함하는 질병 리스트를 생성하고,
상기 질병 리스트의 상기 질병은 상기 개체 정보 및 상기 유전 정보에 따라 발병 가능성을 계산하고,
상기 발병 가능성에 따라 상기 질병 리스트를 변경한 최종 질병 리스트를 생성하는 것을 포함하는 반려동물 질병 추론 방법.
- 제1 항에 있어서,
상기 최종 질병 리스트를 생성하는 것은 상기 발병 가능성이 낮은 질병을 상기 질병 리스트에서 제외하는 것을 포함하는 반려동물 질병 추론 방법.
- 제1 항에 있어서,
상기 최종 질병 리스트를 생성하는 것은 상기 질병 리스트에 포함된 질병과 상관관계가 있는 상관 질병을 상기 질병 리스트에 추가하는 것을 포함하는 반려동물 질병 추론 방법.
- 제3 항에 있어서,
상기 상관 질병은 상기 개체 정보 및 상기 유전 정보에 따라 상관 질병 개체 범위를 정의하고, 상기 상관 질병 개체 범위 내에서 질병 간의 상관도를 도출하여 결정되는 반려동물 질병 추론 방법.
- 제4 항에 있어서,
상기 상관도 판단은 기계학습 방법론 및 협업 필터링(collaborative filtering) 중 적어도 하나의 방법으로 수행되는 반려동물 질병 추론 방법.
- 제1 항에 있어서,
상기 발병 가능성을 계산하는 것은,
질병 트렌드 정보를 온라인으로 수집하고,
상기 질병 트렌드 정보에 기초하여 개체적 특성 및 유전적 특성을 업데이트하고,
상기 개체 정보, 상기 유전 정보, 상기 개체적 특성 및 상기 유전적 특성을 통해서 상기 발병 가능성을 계산하는 것을 포함하는 반려동물 질병 추론 방법.
- 제1 항에 있어서,
상기 증상 정보는, 상기 반려동물의 대변, 소변, 식사, 구토, 귀, 얼굴, 눈, 발바닥, 관절, 피부, 모질, 구강, 치아, 호흡기, 생식기, 항문, 등, 허리, 배, 복부 및 행동 중 적어도 하나에 대한 이상 증상을 포함하는 반려동물 질병 추론 방법.
- 제1 항에 있어서,
상기 최종 질병 리스트에 포함된 질병에 효과적인 원료, 성분 및 먹거리 중 적어도 하나를 선정하여 전송하는 것을 더 포함하는 반려동물 질병 추론 방법.
- 반려동물의 기초 정보 및 증상 정보를 수신하는 수신부;
상기 기초 정보, 증상 정보 및 매칭 정보에 따라 매칭되는 질병을 추론하여 질병 리스트를 생성하고, 상기 질병 리스트, 상기 기초 정보, 상기 증상 정보, 유전적 특성 및 개체적 특성에 따른 최종 질병 리스트를 생성하는 질병 추론부; 및
상기 매칭 정보를 제공하고, 온라인에서 질병 트렌드 정보를 수집하여 업데이트된 상기 유전적 특성 및 상기 개체적 특성을 제공하는 유전적 질병 데이터 베이스를 포함하는 반려동물 질병 추론 시스템.
- 제9 항에 있어서,
상기 최종 질병 리스트에 포함된 질병에 효과적인 원료, 성분 및 먹거리를 선정하는 먹거리 추천 모듈과,
상기 최종 질병 리스트에 포함된 질병에 효과적인 성분을 상기 먹거리 추천 모듈로 제공하는 질병-처방 성분 데이터베이스와,
상기 최종 질병 리스트에 포함된 질병에 효과적인 원료를 상기 먹거리 추천 모듈로 제공하는 질병-처방 원료 데이터베이스와,
상기 먹거리의 원료 및 성분에 대한 정보를 상기 먹거리 추천 모듈에 제공하는 먹거리 데이터베이스를 더 포함하는 반려동물 질병 추론 시스템.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210075800A KR102597008B1 (ko) | 2021-06-11 | 2021-06-11 | 반려동물 질병 추론 시스템 및 그 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210075800A KR102597008B1 (ko) | 2021-06-11 | 2021-06-11 | 반려동물 질병 추론 시스템 및 그 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20220166924A true KR20220166924A (ko) | 2022-12-20 |
KR102597008B1 KR102597008B1 (ko) | 2023-11-02 |
Family
ID=84538996
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210075800A KR102597008B1 (ko) | 2021-06-11 | 2021-06-11 | 반려동물 질병 추론 시스템 및 그 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102597008B1 (ko) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190058206A (ko) * | 2017-11-21 | 2019-05-29 | 주식회사 펫피트 | 행동정보를 이용한 질병예측방법 및 장치 |
KR101961311B1 (ko) * | 2018-07-18 | 2019-07-17 | 강동완 | 가축용 질병 예측 및 알림 시스템 |
KR102067157B1 (ko) | 2019-03-04 | 2020-02-11 | 주식회사 클린포펫 | 동물 질병 진단 시스템 |
JP2021086210A (ja) * | 2019-11-25 | 2021-06-03 | 富士フイルム株式会社 | 動物用健康リスク評価システム及び動物用健康リスク評価方法 |
-
2021
- 2021-06-11 KR KR1020210075800A patent/KR102597008B1/ko active IP Right Grant
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190058206A (ko) * | 2017-11-21 | 2019-05-29 | 주식회사 펫피트 | 행동정보를 이용한 질병예측방법 및 장치 |
KR101961311B1 (ko) * | 2018-07-18 | 2019-07-17 | 강동완 | 가축용 질병 예측 및 알림 시스템 |
KR102067157B1 (ko) | 2019-03-04 | 2020-02-11 | 주식회사 클린포펫 | 동물 질병 진단 시스템 |
JP2021086210A (ja) * | 2019-11-25 | 2021-06-03 | 富士フイルム株式会社 | 動物用健康リスク評価システム及び動物用健康リスク評価方法 |
Also Published As
Publication number | Publication date |
---|---|
KR102597008B1 (ko) | 2023-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7386166B2 (ja) | ペットウェルネスプラットフォームのための方法及びシステム | |
US11803962B2 (en) | Animal health assessment | |
EP3895178A1 (en) | System and method for providing health information | |
KR20190008770A (ko) | 건강 컨설팅의 성공 예측 방법 | |
Fenn et al. | The role of unconditional cash transfers during a nutritional emergency in Maradi region, Niger: a pre–post intervention observational study | |
US11763920B2 (en) | Mucus analysis for animal health assessments | |
US11901080B1 (en) | Predictive modeling for user condition prediction | |
US11894144B2 (en) | Animal health decision support system and methods | |
Ramírez-Morales et al. | Automated early detection of drops in commercial egg production using neural networks | |
KR102597008B1 (ko) | 반려동물 질병 추론 시스템 및 그 방법 | |
KR102546789B1 (ko) | 인공지능 기반의 성분 분석 및 의학적 근거를 활용하여 식품의 의학적 효능을 산출하는 장치, 방법 및 프로그램 | |
WO2023201285A2 (en) | Computer-implemented systems and methods for health data analysis and management | |
US20230207100A1 (en) | Nutritional information exchange system | |
Gay | Determining cause and effect in herds | |
KR20230100770A (ko) | 개인건강정보(phr)에 기초한 개인 맞춤형 건강관리 솔루션 제공 시스템 | |
Abu-Issa et al. | Design and implementation of proactive multi-type context-aware recommender system for patients suffering diabetes | |
Saraswathi et al. | Designing the Prediction Protocol based on Sparrow Search Optimization Algorithm with Vibrational Auto Encoder in E-Healthcare | |
Sixian et al. | Application of Shapley Additive Explanation Towards Determining Personalized Triage from Health Checkup Data | |
US20220398055A1 (en) | Artificial intelligence based multi-application systems and methods for predicting user-specific events and/or characteristics and generating user-specific recommendations based on app usage | |
KR102488264B1 (ko) | 반려동물의 상태정보를 이용한 인공지능 기반 급여 관리 서비스 제공 시스템 | |
US20230393541A1 (en) | Hub to sync multiple devices | |
KR20240080309A (ko) | 반려 동물 헬스케어 방법 및 장치 | |
CN114930355A (zh) | 推理***、学习委托装置以及学习委托方法 | |
KR102117757B1 (ko) | 상담 프로세스 기반 멀티 처방 방법 | |
Chan et al. | An excellent mortality prediction model based on support vector machine (SVM)-a pilot study |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right |