KR20230133616A - 개인 유전정보 및 질환정보를 이용한 식단정보 제공 시스템, 그리고 이를 이용한 개인별 식단정보 제공 방법 - Google Patents

개인 유전정보 및 질환정보를 이용한 식단정보 제공 시스템, 그리고 이를 이용한 개인별 식단정보 제공 방법 Download PDF

Info

Publication number
KR20230133616A
KR20230133616A KR1020220030818A KR20220030818A KR20230133616A KR 20230133616 A KR20230133616 A KR 20230133616A KR 1020220030818 A KR1020220030818 A KR 1020220030818A KR 20220030818 A KR20220030818 A KR 20220030818A KR 20230133616 A KR20230133616 A KR 20230133616A
Authority
KR
South Korea
Prior art keywords
information
disease
user
food
data
Prior art date
Application number
KR1020220030818A
Other languages
English (en)
Inventor
조안나
이강표
Original Assignee
(주)인트젠
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)인트젠 filed Critical (주)인트젠
Priority to KR1020220030818A priority Critical patent/KR20230133616A/ko
Publication of KR20230133616A publication Critical patent/KR20230133616A/ko

Links

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
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
    • C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
    • 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
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2228—Indexing structures
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2600/00—Oligonucleotides characterized by their use
    • C12Q2600/156—Polymorphic or mutational markers

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Theoretical Computer Science (AREA)
  • Organic Chemistry (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • General Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Analytical Chemistry (AREA)
  • Zoology (AREA)
  • General Physics & Mathematics (AREA)
  • Wood Science & Technology (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Genetics & Genomics (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Biotechnology (AREA)
  • Immunology (AREA)
  • Microbiology (AREA)
  • Nutrition Science (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Biochemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

개인의 현재 질환정보 유전정보를 획득하여 향후에 발생할 수 있는 질환을 예측하고, 이를 방지 또는 지연시키기 위한 식단정보를 제공하는 시스템과, 이를 이용하여 개인에게 맞춤형 식단정보를 제공하는 방법을 개시한다. 본 발명의 시스템은 서비스 제공자의 서버를 포함하고, 상기 서버는 사용자의 데이터를 포함하는 사용자 데이터베이스; 알려져 있는 식재료의 정보를 하나 이상 포함하여 저장하고 있는 식재료정보 데이터베이스; 상기 식재료정보 데이터베이스에 포함되어 저장되어 있는 식재료를 하나 이상 사용하여 만들어질 수 있는 음식 완성품에 대한 정보를 하나 이상 포함하여 저장하고 있는 음식 데이터베이스; 알려져 있는 유전정보가 하나 이상 포함되어 있는 유전정보 데이터베이스; 알려져 있는 질환정보가 하나 이상 포함되어 있는 질환정보 데이터베이스; 알려져 있는 유전정보-식재료간 상관관계정보가 하나 이상 포함되어 있는 유전정보-식제료 데이터베이스; 상기 사용자가 제공하는 시료에 대하여 분석을 실시하여 상기 사용자의 유전정보를 측정하는 측정부; 상기 서버의 데이터베이스 및 프로그램들을 운용하는 하나 이상의 운영 프로그램을 포함하는 관리부; 그리고 상기 서버 내의 데이터를 이용하여 해당 사용자에 대한 약물 위험도 및 부작용을 예측하고, 개인별 약물 점수를 산출하는 예측/학습부를 포함한다.

Description

개인 유전정보 및 질환정보를 이용한 식단정보 제공 시스템, 그리고 이를 이용한 개인별 식단정보 제공 방법{A SYSTEM FOR PROVIDING DIET INFORMATION USING PERSONAL GENETIC INFORMATION AND DISEASE INFORMATION, AND A METHOD FOR PROVIDING INDIVIDUAL DIET INFORMATION USING THE SAME}
본 발명은 개인 유전정보 및 질환정보를 이용한 식단정보 제공 시스템과 이를 이용한 개인별 식단정보 제공 방법에 대한 것으로, 보다 상세하게는 개인의 현재 질환정보 유전정보를 획득하여 향후에 발생할 수 있는 질환을 예측하고, 이를 방지 또는 지연시키기 위한 식단정보를 제공하는 시스템과, 이를 이용하여 개인에게 맞춤형 식단정보를 제공하는 방법에 대한 것이다.
1953년 제임스 왓슨(James Watson)이 '네이처' 지에 DNA 이중나선에 대한 논문을 발표한 후, DNA 분석 방법은 극적으로 발전하고 있으며, 발견된 DNA를 토대로 종별로 유전자 전체를 연구하는 학문인 유전체학(Genomics)이 급부상하여 이러한 학문을 토대로 다양한 활용 방안들 또한 연구개발되고 있다. 개인에 대한 유전체 검사 비용이 초기에는 상당하여 연구 이상의 활용방안을 모색하기 어려웠지만, 지속적인 가격 하락으로 인하여 이제는 개인이 유전체 검사를 실시하고 이를 이용하여 개인이 모르고 있었던 유전자 변형 정도와 질환 유전자를 파악하여 유전 질환의 예측 및 파악을 비롯한 다양한 신체적, 정신적 건강에 활용될 수 있다.
하지만 이러한 유전체 검사 비용이 산업적으로 활용 가능한 정도로 낮춰진 것은 비교적 최근으로서, 아직 개발되지 않은 다양한 활용방안들이 있을 것으로 파악하고 있다. 특히 현재의 유전정보를 활용한 방안은 주로 제약 등 약품의 개발 및 투여 등 한정된 부분에서만 사용되고 있어서, 개인의 유전정보를 좀 더 폭넓게 사용하고자 하는 시도가 연구개발되고 있다.
한편, 질병에 대한 이해도가 높아지면서 비단 약물 또는 수술에 의한 치료 뿐 아니라, 개인의 위생환경 개선 및 식사개선과 같이 질병의 예방 및 장기적 관리, 치료의 방법이 널리 개발되어 사용되고 있다.
특히 식사의 경우 개인의 질병관리 및 치료에서 큰 역활을 하여, 식사요법(식치)이라는 별도의 의료기법이 개발되고 있는 수준이다. 식사는 인체가 필요로 하는 영양소와 에너지원, 비타민 등을 제공받는 가장 보편적이고 안전한 방법이며, 특히 당뇨나 고혈압과 같은 만성적 질환의 경우에는 관리 및 치료에서 가장 중요한 요소로 사용되고 있다. 따라서 어떠한 질환 또는 질환에 취약한 개개인에게 그 질환을 치료하거나, 또는 질환의 발병을 억제 내지는 지연시킬 수 있는 맞춤형 식단을 제공받는 것은 그 개인의 질환 치료 및 예방에 있어서 매우 중요한 요소로 받아들여지고 있다.
하지만 종래의 질환자에 대한 식단의 제공은, 그 질환에 대하여 일반적으로 알려져 있는 식품을 제공하는 수준에 그쳐 그 개인에 대한 맞춤형 식단이라고 보기는 어려우며, 따라서 개인의 유전적 특성 및 질환수준에 맞춰서 개별적으로 다른 식단정보를 제공해야 할 필요성이 발생하게 되었다.
KR등록특허 10-2043959호 KR등록특허 10-2258899호 KR공개특허 10-2021-0132944호 KR등록특허 10-1561234호
본 발명은 상기와 같은 종래 기술과는 다른 방식으로 개인의 유전적 특성 및 질환정보에 따라 개별적으로 맞춤형 식단정보를 제공하기 위하여, 개인의 확보한 유전정보를 바탕으로 하나 이상의 질환에 대하여 발병여부 및 발병확률을 예측하고, 발병을 방지 내지는 지연시킬 수 있는 식단 및 식재료 정보를 제공할 수 있는 개인 유전정보 및 질환정보를 이용한 식단정보 제공 시스템, 그리고 이를 이용한 개인별 식단정보 제공 방법을 제공하는 데 그 목적이 있다.
본 발명은 상기와 같은 본 발명의 목적을 달성하기 위하여,
개인 유전정보 및 질환정보를 이용한 식단정보 제공 시스템으로서, 서비스 제공자의 서버를 포함하고, 상기 서버는 사용자의 데이터를 포함하는 사용자 데이터베이스; 알려져 있는 식재료의 정보를 하나 이상 포함하여 저장하고 있는 식재료정보 데이터베이스; 상기 식재료정보 데이터베이스에 포함되어 저장되어 있는 식재료를 하나 이상 사용하여 만들어질 수 있는 음식 완성품에 대한 정보를 하나 이상 포함하여 저장하고 있는 음식 데이터베이스; 알려져 있는 유전정보가 하나 이상 포함되어 있는 유전정보 데이터베이스; 알려져 있는 질환정보가 하나 이상 포함되어 있는 질환정보 데이터베이스; 알려져 있는 유전정보-식재료간 상관관계정보가 하나 이상 포함되어 있는 유전정보-식제료 데이터베이스; 상기 사용자가 제공하는 시료에 대하여 분석을 실시하여 상기 사용자의 유전정보를 측정하는 측정부; 상기 서버의 데이터베이스 및 프로그램들을 운용하는 하나 이상의 운영 프로그램을 포함하는 관리부; 그리고 상기 서버 내의 데이터를 이용하여 해당 사용자에 대한 약물 위험도 및 부작용을 예측하고, 개인별 약물 점수를 산출하는 예측/학습부를 포함하며, 상기 예측/학습부는 상기 사용자의 유전정보를 바탕으로 특정 질환에 대한 발병여부 또는 병가능성을 예측하는 데 사용되는 질환예측 모델과, 상기 질환예측 모델을 통해 예측한 사용자에 대한 질환예측 데이터를 바탕으로 섭취를 권장하는 식재료 또는 음식정보를 하나 이상 제공하는 데 사용되는 사용자-식단 상관관계 모델을 포함하는 개인 유전정보 및 질환정보를 이용한 식단정보 제공 시스템을 제공한다.
상기에서, 식단정보 제공 시스템은 하나 이상의 단말기를 더 포함하는 것이 바람직하다.
상기에서, 질환정보 데이터베이스에 포함되는 하나 이상의 질환정보는, 1형 당뇨병, 2형 당뇨병, 고혈압, 골다공증, 비만, 비알코올성 지방간, 크론병, 통풍, 임신성 당뇨병, 그리고 임신성 중독증을 포함하는 것이 바람직하다.
상기에서, 관리부는 외부 공중의 전기통신망에서 상기 데이터베이스 내 정보 또는 데이터 중 필요한 어느 하나 이상을 참조하여 구분 저장시킬 수 있는 봇 프로그램을 하나 이상 포함하는 것이 바람직하다.
상기에서, 사용자 데이터베이스는 각각의 사용자에 대한 데이터를 구분하여 저장하고 있는 하나 이상의 개별 사용자 데이터베이스를 포함하고, 상기 사용자 데이터베이스는 각각 해당 사용자의 ID 등의 로그인 접속정보와 해당 사용자의 인적사항을 포함하는 개인정보; 해당 사용자의 유전정보를 하나 이상 포함하는 개인 유전정보; 해당 사용자의 알려진 질환정보를 하나 이상 포함하는 개인 질환정보; 그리고 상기 예측/학습부에 의하여 예측된 데이터가 하나 이상 포함되어 저장되는 예측정보를 포함하는 것이 바람직하다.
상기에서, 식재료정보 데이터베이스는 각각의 식재료에 대한 데이터를 구분하여 저장하고 있는 하나 이상의 개별 식재료정보 데이터베이스를 포함하고, 상기 식재료정보 데이터베이스는 각각 해당 식재료에 대하여 다른 식재료와 구분지을 수 있도록 고유하게 설정된 ID 또는 고유번호를 포함하는 식재료 ID; 해당 식재료의 일반적인 정보 데이터가 저장되어 있는 식재료 정보; 해당 식재료 내에 포함되는 유효성분이 하나 이상 저장되어 있는 유효성분 정보; 그리고 상기 유효성분 정보 내 유효성분에 대한 알려진 화학적, 생물학적 특성정보를 하나 이상 포함하고 있는 성분 특성정보를 포함하는 것이 바람직하다.
상기에서, 음식 데이터베이스는 각각의 음식에 대한 데이터를 구분하여 저장하고 있는 하나 이상의 개별 음식 데이터베이스를 포함하고, 상기 음식 데이터베이스는 각각 해당 음식정보에 대하여 다른 음식정보와 구분지을 수 있도록 고유하게 부여된 ID 또는 고유번호를 포함하는 음식 ID; 상기 음식에 포함되는 식재료로서, 상기 개별 음식정보 데이터베이스내 식재료 ID를 하나 이상 포함하고 있는 식재료 ID목록; 그리고 해당 음식에 일반적인 정보가 하나 이상 포함되는 음식 일반정보를 포함하는 것이 바람직하다.
상기에서, 유전정보 데이터베이스는 각각의 유전정보에 대한 데이터를 구분하여 저장하고 있는 하나 이상의 개별 유전정보 데이터베이스를 포함하고, 상기 유전정보 데이터베이스는 각각 해당 유전정보에 대하여 다른 유전정보와 구분지을 수 있도록 고유하게 부여된 ID 또는 고유번호를 포함하는 유전정보 ID; 해당 유전정보에 있어서 일반적인 유전정보가 하나 이상 포함되는 일반 유전정보; 상기 일반 유전정보 내 유전정보의 변이될 수 있는 내용 또는 알려진 변이수준이 하나 이상 포함되는 변이형태 정보; 그리고 상기 변이형태 정보 내 변이로 인한 알려진 인체에 대한 신체적 또는 정신적 변화 특징, 발생할 수 있는 질환 내용이 하나 이상 포함되는 변이영향 정보를 포함하는 것이 바람직하다.
상기에서, 질환정보 데이터베이스는 각각의 질환정보에 대한 데이터를 구분하여 저장하고 있는 하나 이상의 개별 질환정보 데이터베이스를 포함하고, 상기 질환정보 데이터베이스는 각각 해당 질환정보에 대하여 다른 질환정보와 구분지을 수 있도록 고유하게 부여된 ID 또는 고유번호를 포함하는 질환정보 ID; 해당 질환정보에 대하여 잘 알려진 정보가 하나 이상 포함되어 있는 질환내용 정보; 해당 질환에 대하여 관여하는 유전자 또는 유전체, 유전자 변이내용이 하나 이상 포함되는 관여유전자 목록; 해당 질환을 외부에서 식별할 수 있는 식별자 정보가 하나 이상 포함되어 있는 질환 식별정보; 그리고 해당 질환을 치료하는 데 유효한 것으로 알려져 있는 하나 이상의 식재료 또는 음식정보가 포함되어 있는 치료식재료 정보를 포함하는 것이 바람직하다.
상기에서, 유전정보-식재료 데이터베이스는 각각의 유전정보-식재료간 상관관계정보에 대한 데이터를 구분하여 저장하고 있는 하나 이상의 개별 유전정보-식재료간 반응정보 데이터베이스를 포함하고, 상기 유전정보-식재료간 반응정보 데이터베이스는 각각 해당 유전정보와 식재료간 상관관계에 있어서 상기 식재료 데이터베이스에 저장되어 있는, 관여하는 식재료정보의 고유하게 부여된 ID 또는 고유번호가 하나 이상 포함되는 관여 식재료 ID 목록; 해당 유전정보와 식재료간 상관관계에 있어서 상기 유전정보 데이터베이스에 저장되어 있는, 관여하는 유전정보의 고유하게 부여된 ID 또는 고유번호가 하나 이상 포함되는 연관 유전정보 ID 목록; 해당 유전정보와 식재료간 상관관계에 있어서 상기 질환정보 데이터베이스에 저장되어 있는, 연관되어 있는 질환의 고유하게 부여된 ID 또는 고유번호가 하나 이상 포함되는 연관 질환정보 ID목록; 그리고 해당 유전정보와 식재료간 상관관계에 있어서의 기전 및 임상반응, 섭취에 따른 결과가 하나 이상 포함되어 있는 유전정보-식재료간 상관관계정보를 포함하는 것이 바람직하다.
상기의 개인 유전정보 및 질환정보를 이용한 식단정보 제공 시스템을 통한 사용자 맞춤식단 데이터 생성 및 제공 방법으로서, 사용자 데이터베이스 확인단계(S1); 상기 단계(S1) 후, 상기 분석부가 해당 사용자에 대한 유전정보 데이터(D1)를 확보하는 유전정보데이터 확보단계(S2); 상기 단계(S2)를 통해 확보된 유전정보 데이터(D1)에 대하여, 상기 예측/학습부가 질환민감도 예측 데이터(D2)를 생성하는 질환민감도 예측단계(S3); 상기 단계(S3)를 통해 생성된 질환민감도 예측 데이터(D2)에 대하여, 상기 예측/학습부가 사용자 맞춤식단 데이터(D3)를 생성하는 맞춤식단정보 제공단계(S4); 상기 단계(S4) 이후, 사용자에게 통보하는 사용자 통보단계(S5); 그리고 상기 질환만족도 예측 데이터(D2) 및 사용자 맞춤식단 데이터(D3)의 정확도를 계산하여, 상기 예측/학습부 내 사용자 질환예측 모델 및 사용자-식단 상관관계 모델의 변수를 조정하는 모델 평가 및 최적화 단계(S6)를 포함함으로서 사용자 맞춤식단 데이터를 생성하고 제공한다.
상기에서, 상기 단계(S3, S4)를 수행하는 데 사용되는 예측/학습부 내 질환예측 모델 및 사용자-식단 상관관계 모델은 데이터셋으로서 해당 사용자의 개별 데이터베이스 중 개인정보, 개인 유전정보와 개인 질환정보, 식재료정보 데이터베이스, 음식 데이터베이스, 유전정보 데이터베이스, 질환정보 데이터베이스, 그리고 유전정보-식재료 데이터베이스를 사용하는 것이 바람직하다.
상기에서, 상기 질환민감도 예측 데이터(D2)는 해당 사용자에 대한 정보를 포함하는 사용자 정보(D21), 그리고 상기 질환예측 모델에 의해 평가된, 해당 질환에 민감도를 포함하는 질환별 민감도 평가정보(D22)를 포함하는 것이 바람직하다.
상기에서, 상기 사용자 맞춤식단 데이터(D3)는 사용자에 대한 맞춤식단 정보(D31)를 포함하는 것이 바람직하다.
상기에서, 상기 사용자 정보(D21)는 해당 사용자에 대한 개인정보, 개인 유전정보, 개인 유전정보를 포함하고, 질환별 민감도 평가정보(D22)는 상기 단계(S3)에서 선택된 하나 이상의 질환 중 어느 하나 이상에 대한 민감도를 포함하는 정성평가 데이터를 하나 이상 포함하는 것이 바람직하다.
상기에서, 상기 맞춤식단 정보(D31)는 하나 이상의 질환에 대하여 예방, 관리, 또는 발병을 지연시키기 위한 하나 이상의 식재료 및 음식 데이터를 포함하는 식단의 일반정보 데이터, 상기 식단의 조리법인 레시피정보 데이터, 상기 식단에 포함되어 있는 하나 이상의 식재료 및 음식 데이터에서, 알러지나 고칼로리, 고지방 등으로 인하여 제외되어야 하거나 대체될 수 있는 식재료정보, 식단의 섭취주기, 금지사항, 권고사항 등의 정보를 하나 이상 포함하고 있는 식단의 권고사항 데이터를 하나 이상 포함하는 것이 바람직하다.
상기에서, 상기 단계(S6)는 상기 데이터(D2, D3)와 해당 사용자의 개별 데이터베이스 내 가장 최신의 데이터를 비교하는 데이터간 비교단계(S61); 상기 단계(S61)에서의 비교에 따라 상기 데이터(D2, D3)가 얼마나 정확하였는지 계산하는 정확도 계산 단계(S62); 상기 단계(S62) 결과에 따라 상기 사용자 질환예측 모델 및 사용자-식단 상관관계 모델의 변수를 조정하는 모델 변수조정 단계(S63)를 포함하는 것이 바람직하다.
본 발명에 의하면, 개인의 유전정보를 바탕으로 어느 질환에 대한 발병여부 및 발병 가능성을 파악하여 제공하는 것은 물론, 이를 방지 또는 지연시키기 위한 식재료 및 음식정보를 제공함으로서 사용자가 자연스럽게 해당 질환의 발병을 회피할 수 있도록 할 수 있다.
도 1은 본 발명의 시스템의 동작 개략 구조도.
도 2 및 도 3은 본 발명의 서버의 구조도.
도 4는 본 발명의 데이터베이스 예시 구조도.
도 5 및 도 6은 본 발명의 시스템의 동작 순서 구조도.
도 7은 본 발명의 데이터베이스 예시 구조도.
도 8은 본 발명의 시스템 동작 순서 구조도.
이하에서는 첨부하는 도면을 참조하여 본 발명을 보다 상세히 설명한다. 하기의 설명은 본 발명의 이해와 실시를 돕기 위한 것이지 본 발명을 이에 한정하려는 것은 아니다. 본 발명이 속한 기술분야에서 통상의 지식을 가진 자들은 이하의 청구범위에 기재된 본 발명의 사상 내에서 다양한 변형이나 수정 또는 변경이 있을 수 있음을 이해할 것이다.
도 1은 본 발명의 개인 유전정보 및 질환정보를 이용한 식단정보 제공 시스템의 개략적인 구조도이다. 이하에서는 도 1을 통하여 본 발명의 시스템이 전체적으로 동작하는 형태에 대하여 설명한다.
도 1에서 도시된 바와 같이, 본 발명의 시스템은 본 발명의 시스템을 제공하는 서비스 제공자의 하나 이상의 서버(10)를 포함한다.
여기서 상기 서버(10)는, CPU 등 하나 이상의 연산장치와 기억장치를 포함하고 프로그램 및 데이터베이스 설치 및 구축이 가능한 종래의 컴퓨터를 사용하면 된다. 이러한 컴퓨터는 서버 전용의 컴퓨터 또는 데스크탑 컴퓨터, 랩톱 컴퓨터 등 다양한 형태의 기기 중 하나를 선택하여 사용하면 되므로, 이에 대한 설명은 생략한다.
그리고 본 발명의 시스템은, 상기 서버(10)에 데이터를 입력하거나, 또는 상기 서버(10)로부터 제공받은 정보를 전자적으로 전송받아 가시적으로 확인할 수 있는 하나 이상의 단말기(20)를 더 포함하여, 사용자(P)가 상기 하나 이상의 단말기(20)를 통해 상기 서버(10)가 전송하는 데이터를 유선 또는 무선 통신을 이용하여 제공받아 사용자(P)에게 제공할 수 있다.
여기서 상기 사용자(P)는 상기 서버(10)를 통하여 본 발명의 시스템을 사용할 수 있는 위치에 있는 사람을 의미하며, 질환을 가지고 본 발명의 시스템을 통해 정보를 제공받고자 하는 본인이거나 또는 간병인이나 보호자 등 질환자를 돌보는 위치에 있는 사람일 수도 있고, 환자에게 정보를 제공하고자 하는 의사나 간호사와 같이 병원이나 의원 등의 의료기관 근무자 내지는 관계자일 수도 있다.
여기서 상기 사용자 단말기(20) 또한, 하나 이상의 연산장치와 기억장치를 포함하고 프로그램을 설치할 수 있으며 디스플레이 등 입출력장치가 있는 종래의 스미트폰 내지는 랩톱 컴퓨터 등의 단말기를 사용하면 되므로 이에 대한 설명은 생략한다.
물론, 상기 단말기(20)는 본 발명의 시스템에서 필수적인 구성요소는 아니며, 예를 들어 인쇄된 서면 등의 방식으로 서버(10)는 상기 사용자(P)에게 상기 단말기(20) 외의 방법으로 정보를 제공할 수 있다. 따라서 상기 서버(10)가 사용자(P)에게 정보를 제공하는 수단은 한정되지 않는다.
상기와 같은 상태에서, 사용자(P)는 자신의 유전체 정보를 제공하면, 상기 서버(10)는 사용자(P)에 대하여 분석한 유전정보를 토대로 질환에 대한 예측정보 및 식단정보를 제공할 수 있다.
그리고 사용자는 해당 식단정보를 사용하고 섭취에 따른 질환의 개선정도, 완치여부 등의 피드백을 다시 상기 서버(10)에 제공하면, 상기 서버(10)는 상기 질환에 대한 예측 및 식단정보를 제공할 때 사용한 기계학습 모델을 최적화할 수 있다.
도 2는 본 발명의 서버(10)의 구조도이며, 도 3은 상기 서버(10) 내 데이터베이스(100~150)의 구체적인 구조도이다. 이하에서는 도 2 및 도 3을 통하여 본 발명의 서버(10)의 구조 및 구성, 기능에 대하여 자세히 설명한다.
상술한 바와 같이, 본 발명의 서버(10)는 일반적인 서버 컴퓨터 등을 사용하게 되며, 따라서 하나 이상의 연산장치와 기억장치를 포함한다. 따라서 이하의 서버(10) 내의 데이터베이스 및 기능부 또한 상기 서버(10) 내의 연산장치 및 기억장치 상에서 동작하는 하나 이상의 프로그램과 데이터 중 어느 하나 이상의 조합을 포함한다.
먼저 본 발명의 시스템에 포함되는 서버(10)는, 상기 사용자(P)의 데이터를 포함하는 사용자 데이터베이스(100), 알려져 있는 식재료의 정보를 하나 이상 포함하여 저장하고 있는 식재료정보 데이터베이스(110), 상기 식재료정보 데이터베이스(110)에 포함되어 저장되어 있는 식재료를 하나 이상 사용하여 만들어질 수 있는 음식 완성품에 대한 정보를 하나 이상 포함하여 저장하고 있는 음식 데이터베이스(120), 알려져 있는 유전자정보, 유전체 정보 및 변이정보 등의 유전정보가 하나 이상 포함되어 있는 유전정보 데이터베이스(130), 알려져 있는 질환에 대한 증상, 기전, 치료방법 등의 질환정보가 하나 이상 포함되어 있는 질환정보 데이터베이스(140),
그리고 알려져 있는 유전체와 특정 식재료의 성분 간 상관관계 내지는 신체 또는 정신의 상태변화정보(이하 유전정보-식재료간 상관관계정보)가 하나 이상 포함되어 있는 유전정보-식재료 데이터베이스(150)를 포함한다.
상기와 같은 데이터베이스(100~150) 구축과 관련하여, 현재 알려져 있는 질병과 관련 유전자, 그리고 이에 맞는 식단이 포함될 수 있다. 예를 들어, 표 1에 도시된 바와 같이 현재 알려져 있는 질병과 관련 유전자, 권장 식단 구성 등의 내용들이 포함될 수 있다.
질병명 관련 유전자 권장 식단 구성
1형 당뇨병 CTLA4, SUMO4, STAT4, CLEC16A, PTPN22, P481-AS1 탄수화물, 잔백질, 지방 및 미량영양소가 다양하게 포함되어 있는 균형있는 식단, 간식 제한
2형 당뇨병 IGF2BP2, KCNQ1 균형잡히고 전체적인 칼로리를 낮춘 비만 예방 식사, 탄수화물 섭취시 단당류 주의
고혈압 AGT, CNNM2, ADD1 체중 정상화를 목표로 저지방, 저칼로리식단, 고염분 및 염장식품 최소섭취
골다공증 ESR1, DCUP3 균형잡힌 식사, 우유 및 유제품, 두류, 해조류, 뼈째 먹는 생선, 생선류 및 통조림류 권장, 칼슘강화식품 및 비타민D 함유 식품 권장, 짠음식과 커피, 탄산 제한
비만 SEC16B, CRYZL2P, BDNF-AS, LINC00678, MAP2KS, FTO 영양학적으로 균형잡히고 칼로리를 줄인 식단, 규칙적 식사시간 유지, 채소류 및 해조류 섭취 늘리고 당이 많은 음식 제한, 가공식품 및 패스트푸드 제한
비알코올성 지방간 PNPLA3 탄수화물 및 당분섭취 감소, 하루 에너지 필요량의 50~60%만 탄수화물 섭취, 섬유소 섭취 권장
크론병 STAT3, LINC01475 섬유소를 줄여 부담을 낮추고 기름지고 질긴 음식 적게, 유제품 섭취 줄이고 고섬유식품, 카페인, 탄산 주의
통풍 LOC105374699, SLC17A1, ABCG2 너무 적지도 많지도 않은 식사, 달걀 및 치즈, 우유, 곡물, 빵, 채소류, 과일류, 설탕 권장, 고기 및 가금류, 생선류, 콩류 주의
임신성 당뇨병 CDKAL1 비타민 C가 풍부한 채소, 하루 2잔 정도의 유제품, 곤약, 해조류, 버섯류, 우뭇가사리 등 권장, 초코렛 및 사탕, 탄산, 케익, 육류기름, 버터, 마가린, 소세지, 햄, 베이컨, 알코올 주의
임신성 중독증 IL19, IL10 균형잡힌 영양소 섭취, 단백질 및 미네랄 섭취, 염분 및 당분 주의
따라서, 상기 질환정보 데이터베이스(140)는 하나 이상 포함되는 질환정보로서, 1형 당뇨병, 2형 당뇨병, 고혈압, 골다공증, 비만, 비알코올성 지방간, 크론병, 통풍, 임신성 당뇨병, 임신성 중독증을 포함하는 것이 바람직하다,
또한 상기 서버(10)는, 상기 사용자(P)가 제공하는 시료에 대하여 분석을 실시하여 상기 사용자(P)의 유전정보를 측정하는 측정부(160), 서버(10)의 데이터베이스 및 프로그램들을 운용하는 하나 이상의 운영 프로그램을 포함하는 관리부(170), 그리고 상기 서버(10) 내의 데이터를 이용하여 해당 사용자에 대한 약물 위험도 및 부작용을 예측하고, 개인별 약물 점수를 산출하는 예측/학습부(180)를 포함한다.
상기의 구성요소(160~180)는 상기한 구성요소들의 목적을 달성하기 위한 하나 이상의 프로그램 및 저장공간, 그리고 필요한 하나 이상의 하드웨어적 구성요소들을 모두 포함할 수 있다.
특히 상기 예측/학습부(180)는, 상기 사용자에 대한 질환을 예측하고 이에 맞춘 식단정보를 제공하기 위하여, 반복적 학습이 가능한 기계학습 알고리즘/모델이 적용 프로그램으로서, 분석 대상이 되는, 상기 사용자 데이터베이스(100)에 포함되어 있는 사용자에 대하여, 사용자의 유전정보를 바탕으로 특정 질환에 대한 민감도가 높아 이미 그 질환이 있거나, 또는 미래에 생길 가능성이 높은 질환을 예측할 수 있는, 수정 가능하게 정의되어 있는 질환예측 모델(181)과, 상기 질환예측 모델(181)을 통하여 예측한 사용자에 대한 질환예측 데이터를 바탕으로 해당 사용자에게 섭취를 권장하는 식재료 또는 음식정보 등을 하나 이상 판별하여 제공하는 사용자-식단 상관관계 모델(182)을 포함한다.
상기 질환예측 모델(181)은 해당 사용자에 대하여, 해당 사용자의 유전정보를 바탕으로 사용자가 이미 걸려 있거나, 또는 미래에 유전적인 요인 또는 식습관 등의 환경적인 요인에 따라 걸릴 가능성이 높은 질환을 예측하고, 질환예측 데이터를 생성한다. 상기 질환예측 데이터는 상기 사용자가 실제 신체검사 등으로 자신의 몸 상태 및 질환 여부를 객관적으로 측정한 결과 데이터와 대비시켜 상기 예측 데이터가 얼마나 정확한지 비교하고 이를 참고하여 모델에 사용되는 변수를 최적화함으로서, 상기 질환예측 모델(181)의 예측 정확성을 높일 수 있다.
마찬가지로, 상기 사용자-식단 상관관계 모델(182) 또한, 상기 질환예측 데이터를 토대로 사용자 맞춤식단 데이터를 생성하게 되는데, 해당 맞춤식단 데이터가 실제 질환의 예방 및 완화 결과 데이터와 대비시키면 상기 맞춤식단 데이터가 얼마나 정확하였는지 비교하고 이를 참고하여 모델에 사용되는 변수를 최적화함으로서 상기 사용자-식단 상관관계 모델(182)의 식단 맞춤 정확성을 높일 수 있다.
또한 상기 데이터베이스(100~150) 중 외부 공중의 전기통신망에서 참조하여 가져올 수 있는 데이터가 하나 이상 있을 수 있는데, 예를 들어 식재료정보 데이터베이스(110) 내 하나 이상의 식재료정보, 음식 데이터베이스(120) 내 하나 이상의 음식정보, 유전정보 데이터베이스(130) 내 하나 이상의 잘 알려진 유전정보, 질환정보 데이터베이스(140) 내 하나 이상의 잘 알려진 질환정보 및 유전-식재료정보 데이터베이스(150) 내 하나 이상의 잘 알려진 유전정보 또는 식재료 관계정보를 외부 공중의 전기통신망에서 참조하여 가져올 수 있다.
따라서 상기 관리부(170)는 외부 공중의 전기통신망에서 상기 데이터베이스(100~140) 내 정보 또는 데이터 중 어느 하나 이상을 외부 공중의 전기통신망에서 참조하여 저장시킬 수 있는 하나 이상의 프로그램을 포함하게 된다. 따라서, 상기 관리부(170)는 하나 이상의 어느 특정 데이터를 외부 공중의 전기통신망을 이용하여 주기적으로 크롤링(Crawling)하여 구분 저장할 수 있는 봇(Bot) 프로그램(171)을 하나 이상 포함하는 것이 바람직하다.
여기서 크롤링 등의 기법을 이용하여 상기 봇 프로그램(171)이 외부의 전기통신망으로부터 데이터를 참조하여 가져오는 방식은, 종래의 방식 및 표준을 사용하여 구현되므로 이에 대한 자세한 설명은 생략한다.
아니면 상기 데이터베이스(100~150)의 내용은 상기 사용자(P)가 자신의 단말기(20)를 통해 입력하여 구축할 수도 있으며, 또는 서비스 제공자가 입력하여 구축할 수도 있다. 이러한 구성은 서비스 제공자가 본 발명의 시스템을 구축하는 형태에 따라 하나 이상 선택하여 사용할 수도 있다.
이때 상기 데이터베이스(100~150)의 내용 중에는, 개인의료정보보호법에 따라 상기 봇 프로그램(171)에 의한 참조 및 상기 사용자(P)에 의한 입력에 있어서 별도의 절차가 필요하거나, 또는 암호화된 내용으로 제공받을 수도 있다. 따라서 상기 관리부(170) 및 봇 프로그램(171)은, 상기 데이터베이스(100~150)의 내용을 입력하여 구축하는 데 있어서 개인의료정보보호법 등의 외부적 요인에 따라 추가적인 입력 절차를 수행하거나 또는 암호화된 내용의 복호화 등의 데이터 가공에 따른 추가적인 구성요소들을 더 포함할 수 있다.
도 3은 상기 데이터베이스(100~150)의 구체적인 구성요소들에 대한 구조도이다. 이하에서는 도 2 및 도 3을 통하여 상기 데이터베이스(100~150) 각각의 구체적인 구성요소들에 대하여 설명한다.
도 2에 도시된 바와 같이, 상기 사용자 데이터베이스(100)는 각각의 사용자에 대한 데이터를 구분하여 저장하고 있는 하나 이상의 개별 사용자 데이터베이스(101, 102...), 상기 식재료정보 데이터베이스(110)는 하나 이상의 식재료에 대한 정보를 각각 포함하여 저장하는 개별 식재료정보 데이터베이스(111, 112...)를 포함한다.
또한 상기 음식 데이터베이스(120)는 상기한 하나 이상의 완성된 음식물에 대한 정보를 각각 구분하여 저장하고 있는 하나 이상의 개별 음식정보 데이터베이스(121, 122...)를 포함하고, 상기 유전정보 데이터베이스(130)는 하나 이상의 개별 유전정보를 각각 구분하여 저장하고 있는 하나 이상의 개별 유전정보 데이터베이스(131, 132...)를 포함한다.
그리고 상기 질환정보 데이터베이스(140)는 상기 하나 이상의 질환정보를 각각 구분하여 저장하고 있는 하나 이상의 개별 질환정보 데이터베이스(141, 142...), 그리고 상기 유전정보-식재료 데이터베이스(150)는 상기 하나 이상의 유전정보-식재료간 상관관계정보를 각각 구분하여 저장하고 있는 하나 이상의 개별 유전정보-식재료간 반응정보 데이터베이스(151, 152...)를 포함한다.
상기의 개별 데이터베이스들에 대하여 자세히 설명하면, 우선 각각의 개별 사용자 데이터베이스(101, 102...)는 각각 해당 사용자의 ID 등의 로그인 접속정보와 더불어, 해당 사용자의 인적사항 등을 포함하는 개인정보(1011), 상기 분석부(160)에 의해 분석되어 갱신 저장되는, 해당 사용자의 유전정보를 하나 이상 포함하는 개인 유전정보(1012), 해당 사용자의 알려진 질환정보를 하나 이상 포함하는 개인 질환정보(1013), 그리고 상기 예측/학습부(180)에 의하여 예측된 데이터가 하나 이상 포함되어 저장되는 예측정보(1014)를 포함한다.
여기서 상기 개인정보(1011)는, 해당 사용자의 개인건강기록(PHR; Personal Health Record)을 포함하고 있는 것이 바람직하다.
그리고 각각의 개별 식재료정보 데이터베이스(111, 112...)는 각각 해당 식재료에 대하여 다른 식재료와 구분지을 수 있도록 고유하게 설정된 ID 또는 고유번호를 포함하는 식재료 ID(1111), 해당 식재료의 이름, 특징, 요리법, 효능 등의 일반적인 정보 데이터가 저장되어 있는 식재료 정보(1112), 해당 식재료 내에 포함되는, 특정 질환에 대하여 인체에 어떠한 방식으로든 작용하는 유효성분이 하나 이상 저장되어 있는 유효성분 정보(1113), 그리고 상기 유효성분 정보(1113) 내 유효성분에 대한 알려진 화학적, 생물학적 특성정보를 하나 이상 포함하고 있는 성분 특성정보(1114)를 포함한다.
그리고 각각의 개별 음식정보 데이터베이스(121, 122...)는 각각 해당 음식정보에 대하여 다른 음식정보와 구분지을 수 있도록 고유하게 부여된 ID 또는 고유번호를 포함하는 음식 ID(1211), 상기 음식에 포함되는 식재료로서, 상기 개별 음식정보 데이터베이스(121, 122...)내 식재료 ID(1111)을 하나 이상 포함하고 있는 식재료 ID목록(1212), 해당 음식에 대한 칼로리, 물성, 맛 등의 일반적인 정보가 하나 이상 포함되는 음식 일반정보(1213)를 포함한다.
그리고 각각의 개별 유전정보 데이터베이스(131, 132...)는 각각 해당 유전정보에 대하여 다른 유전정보와 구분지을 수 있도록 고유하게 부여된 ID 또는 고유번호를 포함하는 유전정보 ID(1311), 해당 유전정보에 있어서 관여하는 유전체 내지는 유전자의 코드명 등의 잘 알려진 일반적인 유전정보가 하나 이상 포함되는 일반 유전정보(1312), 상기 일반 유전정보(1312) 내 유전정보의 변이될 수 있는 내용 또는 알려진 변이수준이 하나 이상 포함되는 변이형태 정보(1313), 상기 변이형태 정보(1313) 내 변이로 인한 알려진 인체에 대한 신체적 내지는 정신적 변화 특징, 발생할 수 있는 질환 등의 내용이 하나 이상 포함되는 변이영향 정보(1314)를 포함한다
이때 상기 변이형태 정보(1313)는 유전체의 변이에 관한 모든 내용이 제한없이 포함될 수 있는데, 예를 들어 하나 이상의 코돈(Codon) 돌연변이, 엑손 결실(Exon Deletion), 치환, 유전자 재배열과 같이 현재 잘 알려져 있는 변이정보들이 포함될 수 있다.
또한 상기 일반 유전정보(1312) 및 변이형태 정보(1313)는 유전체의 변이 뿐 아니라 유전체의 고유한 특징들 역시 더 포함될 수 있는데, 예를 들어 구조 RNA, 조절 RNA, 전령 RNA, 단백질 및 펩타이드와 관련된 정보를 하나 이상 포함할 수 있다.
그리고 각각의 개별 질환정보 데이터베이스(141, 142...)는 각각 해당 질환정보에 대하여 다른 질환정보와 구분지을 수 있도록 고유하게 부여된 ID 또는 고유번호를 포함하는 질환정보 ID(1411), 해당 질환정보에 대하여 질환의 증상, 원인 등 질환에 대하여 잘 알려진 정보가 하나 이상 포함되어 있는 질환내용 정보(1412), 해당 질환에 대하여 관여하는 유전자 또는 유전체, 유전자 변이내용이 하나 이상 포함되는 관여유전자 목록(1413), 해당 질환을 외부에서 식별할 수 있는 바이오마커 등의 식별자 정보가 하나 이상 포함되어 있는 질환 식별정보(1414), 그리고 해당 질환을 치료하는 데 유효한 것으로 알려져 있는 하나 이상의 식재료 또는 음식정보가 포함되어 있는 치료식재료 정보(1415)를 포함한다.
여기서, 상기 관여유전자 목록(1413)에 포함되는 데이터는, 상기 유전정보 데이터베이스(130) 내 하나 이상의 개별 유전정보 데이터베이스에 대한 유전정보 ID(1311)를 하나 이상 포함할 수 있다.
또한, 상기 치료식재료 정보(1415)에 포함되는 데이터는, 상기 식재료정보 데이터베이스(110) 내 하나 이상의 개별 식재료정보 데이터베이스에 대한 식재료 ID(1111)를 하나 이상 포함할 수 있다.
그리고 상기 개별 유전정보-식재료 데이터베이스(151, 152...)는 각각 해당 유전정보와 식재료간 상관관계에 있어서 상기 식재료 데이터베이스(110)에 저장되어 있는, 관여하는 식재료정보의 고유하게 부여된 ID 또는 고유번호가 하나 이상 포함되는 관여 식재료 ID 목록(1511), 해당 유전정보와 식재료간 상관관계에 있어서 상기 유전정보 데이터베이스(130)에 저장되어 있는, 관여하는 유전정보의 고유하게 부여된 ID 또는 고유번호가 하나 이상 포함되는 연관 유전정보 ID 목록(1512), 해당 유전정보와 식재료간 상관관계에 있어서 상기 질환정보 데이터베이스(140)에 저장되어 있는, 연관되어 있는 질환의 고유하게 부여된 ID 또는 고유번호가 하나 이상 포함되는 연관 질환정보 ID목록(1613), 그리고 해당 유전정보와 식재료간 상관관계에 있어서의 구체적인 기전 및 임상반응, 섭취에 따른 결과 등이 하나 이상 포함되어 있는 유전정보-식재료간 상관관계정보(1514)를 포함한다.
이러한 상기 개별 유전정보-식재료간 개별 데이터베이스(151, 152...)의 구성은 예시적으로, 도 4에 도시된 바와 같은 형태로 저장될 수 있다.
도 5은 본 발명의 사용자에 대한 질환을 예측하고 식단정보를 제공하는 과정을 나타낸 순서도이며, 도 6은 상기 순서도에서 단계 S3 및 S4의 구체화된 구조도이다. 이하에서는 도 5 및 도 6을 통하여 본 발명의 시스템이 사용자에 대하여 질환을 예측하여 질환민감도 예측데이터를 생성하고 이를 통하여 사용자 맞춤식단 데이터를 생성하는 방법에 대하여 설명한다.
먼저, 사용자에 대한 유전정보데이터를 확보하기 전에, 해당 사용자의 개별 데이터베이스(101) 내 개인정보(11) 및 개인 질환정보(1013)가 너무 오래되었는지 먼저 확인하는 사용자 데이터베이스 확인단계(S1)를 실시할 수 있다.
만약 상기 단계(S1)에서 해당 사용자에 대한 데이터가 너무 오래되었다면, 해당 사용자에 대한 현 시점에서의 정확한 예측을 하는 것이 어려우므로 먼저 해당 사용자에 대하여 데이터의 최신화를 요청하는 단계를 실시한 다음 단계를 마무리하는 것이 바람직하다.
그리고 상기 단계(S1)에서의 해당 사용자에 대한 데이터에 대하여, 진행 여부의 기준이 되는 기간은 서비스 제공자가 필요에 따라 설정하면 되며, 예를 들어 최소 6개월 전으로 설정하여 6개월 이전 데이터가 상기 개인 질환정보(1013)에 가장 최신의 데이터로 저장되어 있는 상태라면, 데이터의 최신화를 요청하고 단계를 마무리할 수 있다.
또한 상기 단계(S1)는 진행에 필수적인 단계는 아니며, 서비스 제공자는 필요에 따라 진행 여부를 생략할 수도 있다.
그리고 상기 단계(S1)에서 해당 사용자에 대한 데이터가 진행 가능할 정도로 최신의 데이터인 것이 확인되었다면, 해당 사용자가 제공하는 시료를 이용하여 상기 분석부(160)를 통하여 해당 사용자에 대한 유전정보 데이터(D1)를 확보하는 유전정보데이터 확보단계(S2)를 실시한다.
상기 단계(S2)에서 사용자가 제공하는 시료는 종래의 유전자 분석에 사용되는 시료는 모두 가능하며 예를 들어 혈액이나 타액, 세포조직 등이 있을 수 있다.
또한 상기 단계(S2)에서의 유전정보 데이터를 확보하기 위한 유전체 분석 방법 또한 구애받지 않고 종래의 유전체 및 유전자 분석 방법 중 어느 하나 이상을 서비스 제공자가 상기 분석부(160)에 포함시켜 사용할 수 있다.
따라서 상기 단계(S2)에서 산출되는 사용자 유전정보 데이터(D1)는 상기 유전체 및 유전자 분석 방법에 따라 도출되는 통상의 유전체 및 유전자 정보 데이터가 된다. 다만, 바람직하게는 상기 단계(S2)를 통해 도출되는 상기 사용자 유전정보 데이터(D1)는 단일염기다형성(SNP) 유전체 데이터를 포함하는 것이 바람직하다.
상기 단계(S2)를 통해 산출되는 사용자 유전정보 데이터(D1)는 상기 사용자의 개별 데이터베이스(101) 내 개인 유전정보(1012) 내에 구분되어 저장된다.
그리고 상기 단계(S2)를 통해 유전정보 데이터(D1)를 산출한 뒤, 상기 예측/학습부(180)를 통해 해당 사용자에 대하여 현재 가지고 있는 질환 내지는 미래에 발생 확률이 높은 질환에 대하여 예측하고 질환민감도 예측 데이터(D2)를 생성하는 질환민감도 예측단계(S3)가 실시된다.
상기 질환민감도 예측 데이터(D2)는 해당 사용자가 상기 질환정보 데이터베이스(140)에 저장되어 있는 선택된 어느 하나 이상의 질환에 대하여, 어떤 질환이 발생하기 쉬운지 정성적으로 평가한 것이다. 어떠한 질환에 대하여 민감도가 높다면(민감하다면), 그 질환은 사용자가 미래에 유전적인 요인 또는 환경적인 요인에 의하여 발생하기 쉽다는 뜻으로 해석할 수 있다.
상기 단계(S3)를 통해 생성된 상기 질환민감도 예측 데이터(D2)는 상기 사용자의 개별 데이터베이스(101) 내 예측정보(1014)에 구분되어 저장된다.
그리고 상기 단계(S3)를 통해 생성된 해당 사용자에 대한 질환민감도 예측 데이터(D2)를 이용하여 사용자 맞춤식단 데이터(D3)를 생성하는 맞춤식단정보 제공단계(S4)가 실시된다.
상기 단계(S4)에서 생성된 사용자 맞춤식단 데이터(D3)는 상기 예측정보(1014)에 구분되어 저장된다.
상기 단계(S4)가 완료된 후, 사용자에게 통보하는 사용자 통보단계(S5)를 실시한다
상기 사용자 통보단계(S5)에서의 통보는 사용자가 자신의 단말기(20)를 사용할 경우, 사용자의 단말기(20)에 상기 질환민감도 예측 데이터(D2) 및 사용자 맞춤식단 데이터(D3)가 생성되었음을 알리는 알림 신호를 송신함으로서 달성될 수 있다.
또는 상기 사용자 통보단계(S5)는 사용자에게 우편 등의 다른 매체를 통해 통보할 수도 있으며, 이러한 통보 수단은 종래의 방식 중 서비스 제공자가 편리한 방법으로 구성하여 사용하면 된다.
그리고 상기 단계(S5) 이후, 사용자는 자신의 예측정보(1014)를 통해 생성된 정보를 확인한 뒤 이 정보가 얼마나 정확하였는지 평가정보를 입력하거나, 또는 다음 자신의 개인정보(1011) 및 개인 질환정보(1013)를 갱신함으로서 자신의 최신 질환정보와 몸 상태정보를 입력할 수 있다.
그렇다면, 상기 예측/학습부(180)에서 상기 질환민감도 예측 데이터(D2) 및 사용자 맞춤식단 데이터(D3)를 생성하는데 사용한 질환예측 모델(181) 및 사용자-식단 상관관계 모델(182)이 얼마나 정확하게 실제에 가깝게 예측하였는지를 비교할 수 있다. 그리고 이를 토대로 정확도를 보다 높이기 위하여 상기 모델(181, 182)의 변수를 조정함으로서 보다 정확도를 높일 수 있도록 최적화시킬 수 있다.
따라서, 상기 단계(S5) 이후, 상기 모델(181, 182)의 변수를 조정화여 최적화시키는 모델 평가 및 최적화 단계(S6)가 실시될 수 있다.
상기 단계(S3~S4)에 대하여 도 6을 통해 더 상세히 설명하자면, 상술한 바와 같이, 상기 단계(S3, S4)는 상기 예측/학습부(180)를 통해 수행된다. 이때 상술한 바와 같이, 상기 예측/학습부(180)는 상기한 해당 사용자가 어떤 질환이 있거나 또는 미래에 발생할 가능성이 높은지 예측하고 이에 맞춰서 사용자에게 맞춤형 식단을 제공할 수 있으며, 기계학습을 통하여 반복적으로 변수를 최적화할 수 있는 질환예측 모델(181) 및 사용자-식단 상관관계 모델(182)이 포함되어 상기의 단계(S3)를 수행한다.
상기 질환예측 모델(181) 및 사용자-식단 상관관계 모델(182)은 상기 단계(S3, S4)를 수행하기 위한 데이터셋으로서 해당 사용자의 개별 데이터베이스(101) 중 개인정보(1011), 개인 유전정보(1012)와 개인 질환정보(1013), 식재료정보 데이터베이스(110) 전체 내용, 음식 데이터베이스(120) 전체 내용, 유전정보 데이터베이스(130) 전체 내용, 질환정보 데이터베이스(140) 전체 내용, 그리고 유전정보-식재료 데이터베이스(150) 전체 내용을 사용하는 것이 바람직하다.
상기 데이터셋을 바탕으로, 해당 사용자에 대하여 상기 질환예측 모델(181)을 통하여 해당되는 사용자에 대해 선택된 하나 이상의 질환에 대비 질환에 대한 민감도를 측정하고 평가하는 상기 단계(S3)가 수행된다.
상기 단계(S3)가 수행됨으로서 질환민감도 예측 데이터(D2)가 생성되는데, 상기 질환민감도 예측 데이터(D2)는 해당 사용자에 대한 정보를 포함하는 사용자 정보(D21), 그리고 상기 질환예측 모델(181)에 의해 평가된, 해당 질환에 민감도를 포함하는 질환별 민감도 평가정보(D22)를 포함한다.
상기 질환민감도 예측 데이터(D2)가 만들어진 상태에서, 상기 데이터(D2)를 이용하여 상기 사용자-식단 상관관계 모델(182)은 사용자 맞춤식단 데이터(D3)를 만든다.
여기서 상기 사용자 맞춤식단 데이터(D3)는 사용자에 대한 맞춤식단 정보(D31)를 포함한다.
따라서, 상기 예측정보(1014)에 저장되는 데이터는, 상기 질환민감도 예측 데이터(D2) 및 사용자 맞춤식단 데이터(D3)를 포함한다.
도 7은 상기 질환민감도 예측 데이터(D2) 및 사용자 맞춤식단 데이터(D3)의 구체적인 구성요소에 대한 구조도이다. 이하에서는 도 7을 통하여 상기 데이터(D1, D2)의 구성에 대하여 구체적으로 설명한다.
도 7에 도시된 바와 같이, 상기 질환민감도 예측 데이터(D2)는 해당 후보물질에 대한 정보인 사용자 정보(D21)를 포함하는데, 이는 해당 사용자의 개별 데이터베이스(101)에 포함된 내용 중 일부인 개인정보, 관련된 개인 유전정보, 관련된 개인 질환정보를 포함한다.
여기서 상기 개인정보는 상기 개별 데이터베이스(101) 내 개인정보(1011)의 데이터에 포함되는 내용이며, 상기 관련된 개인 유전정보는 상기 개인 유전정보(1012)에 포함되는 내용이고, 상기 관련된 개인 질환정보는 상기 단계(S3)에서 선택된 어느 하나 이상의 질환일 수 있다.
그리고 상기 질환별 민감도 평가정보(D22)는 상기 단계(S3)에서 선택된 하나 이상의 질환 중 어느 하나 이상에 대한 민감도를 포함하는 정성평가 데이터를 하나 이상 포함한다.
그리고 상기 사용자 맞춤식단 데이터(D3)에 포함되는 상기 맞춤식단 정보(D31)는 상기 질환별 민감도 평가정보(D22)에 포함되어 있는 하나 이상의 질환에 대하여 예방, 관리 또는 발병을 지연시키기 위한 하나 이상의 식재료 및 음식 데이터를 포함하는 식단의 일반정보 데이터, 상기 식단의 조리법인 레시피정보 데이터, 상기 식단에 포함되어 있는 하나 이상의 식재료 및 음식 데이터에서, 알러지나 고칼로리, 고지방 등으로 인하여 제외되어야 하거나 대체될 수 있는 식재료정보, 식단의 섭취주기, 금지사항, 권고사항 등의 정보를 하나 이상 포함하고 있는 식단의 권고사항 데이터를 하나 이상 포함한다.
도 8은 본 발명의 예측/학습부(180)에서, 모델(181, 182)의 최적화 과정(단계 S5)을 도시한 구조도이다. 이하에서는, 도 7을 통하여 상기 모델(181, 182)의 최적화 과정에 대하여 설명한다.
상술한 바와 같이, 본 발명의 예측/학습부(180)는 기계학습에 의하여 반복 최적화되는 하나 이상의 모델(181, 182)을 포함한다. 상기 하나 이상의 모델(181, 182)은 상술한 바와 같이 상기 단계(S3~S4)를 수행할 수 있는 기능을 포함하며, 또한 다양한 종래의 알려진 기계학습적 방법, 예를 들어 지도학습, 비지도 학습, 반지도 학습, 강화학습 등의 방식을 사용하거나 또는 전혀 새로운 학습방식을 사용한 모델일 수도 있다.
또한 사용되는 알고리즘 역시 종래의 알려진 경사하강법, 단층 인공신경망 기법, 다층 인공신경망(딥러닝 네트워크) 기법 등 여러 기법을 사용할 수 있다. 이러한 상기 모델(181, 182)의 구체적인 동작 방식 및 구성은 그 자세한 설명을 생략하기로 하며, 여기서는 상기 모델(181, 182)이 서버 내 데이터베이스를 이용하여 변수를 수정하여 최적화하는 단계(S6)에 대하여 설명한다.
상술한 바와 같이, 본 발명의 예측/학습부(180)는 상기 모델(181, 182)을 이용하여 해당 사용자의 질환 민감도를 측정하여 미래에 발생할 수 있는 질환을 예측할 수 있는 단계(S3)와, 사용자에게 맞춤형 식단정보를 제공하는 단계(S4)를 수행한다.
이에 따라 상기 데이터(D2, D3)가 만들어지고, 이는 해당 후보물질의 예측정보(1014)에 구분되어 저장된다.
한편, 해당 후보물질의 예측정보 데이터(1014)와는 별개로, 사용자의 신체상태 및 사용자가 제공받은 식단에 따라 음식을 섭취하였을 때의 신체상태의 변화 데이터가 도출될 수 있다. 이러한 실제적 데이터는 사용자의 단말기(P)를 통해 사용자가 입력되거나, 아니면 상기 봇 프로그램(171) 등에 의하여 공중의 전기통신망(I)에서 해당 사용자의 측정된 실제적 데이터를 가져와 저장할 수도 있다.
그렇게 되면, 상기 데이터(D2, D3)가 해당 사용자에 대하여 현재 질환의 발생여부, 장래의 질환 발생여부에 따른 예측 정확도 및 식단에 대한 유효정도를 알아볼 수 있다. 또한 상기 사용자 개인 질환정보(1013)를 포함하는 개별 데이터베이스는 여럿 있을 수 있으므로, 둘 이상의 상기 개인 질환정보 데이터를 통한 교차검증을 통하여 질환 예측의 정확도와 식단의 질환에 대한 유효정도를 알아볼 수 있다.
따라서, 상기 데이터(D2, D3)가 생성되어 상기 예측정보(1014)에 구분 저장되면, 상기 예측/학습부(180)는 상기 데이터(D2, D3)와 해당 사용자의 개별 데이터베이스 내 가장 최신의 데이터를 비교하는 데이터간 비교단계(S61)를 실시한다.
상기 단계(S61)가 실시된 후, 상기 사용자의 개인 질환정보(1013)의 가장 최신의 데이터 및 다른 개별 데이터베이스들의 개인 질환정보 내용을 통하여 상기 데이터(D2, D3)가 얼마나 정확하였는지 계산하는 정확도 계산 단계(S62)가 실시된다.
그리고 상기 단계(S62) 결과에 따라, 상기 하나 이상의 모델(181, 182)의 변수를 조정하는 모델 변수조정 단계(S63)를 실시한다.
여기서 상기 모델(181, 182)은 변수 조정시의 강도 및 임계값(threshold) 등은 모두 서비스 제공자가 미리 입력한 상기 모델(181, 182)의 규칙 및 정책에 따르면 된다.
상기 단계(S63)를 실시함으로서 상기 모델(181, 182)이 보다 실제 사용자 질환 예측을 보다 정밀하게 할 수 있고, 또한 보다 유효한 식단정보의 제공이 가능해지며, 이러한 절차가 다수 진행됨으로서 상기 모델(181, 182)이 실제 사용자에 대하여 정밀한 질환 예측 및 유효 식단정보 제공에 있어서 최적화될 수 있다.
10 : 서버. 100 : 사용자 데이터베이스
1011 : 개인정보. 1012 : 개인 유전정보.
1013 : 개인 질환정보. 1014 : 예측정보.
110 : 식재료 데이터베이스. 1111 : 식재료 ID.
1112 : 식재료 정보. 1113 : 유효성분 정보.
1114 : 성분 특성정보. 120 : 음식 데이터베이스.
1211 : 음식 ID. 1212 : 식재료 ID 목록.
1213 : 음식 일반정보, 1311 : 유전정보 ID.
1312 : 일반 유전정보. 1313 : 변이형태 정보.
1314 : 변이영향 정보. 140 : 질환정보 데이터베이스.
1411 : 질환정보 ID. 1412 : 질환정보 내용.
1413 : 관여유전자 목록. 1414 : 질환 식별정보.
1415 : 치료식재료 정보. 150 : 유전정보-식재료 데이터베이스.
1511 : 관여식재료 ID목록. 1512 : 연관 유전정보 ID목록.
1513 : 연관 질환정보 ID목록. 1514 : 상관관계 정보.
160 : 측정부. 170 : 관리부.
171 : 봇 프로그램. 180 : 예측/학습부.
181 : 질환예측 모델. 182 : 사용자-식단 상관관계 모델.

Claims (17)

  1. 개인 유전정보 및 질환정보를 이용한 식단정보 제공 시스템으로서,
    서비스 제공자의 서버를 포함하고, 상기 서버는
    사용자의 데이터를 포함하는 사용자 데이터베이스;
    알려져 있는 식재료의 정보를 하나 이상 포함하여 저장하고 있는 식재료정보 데이터베이스;
    상기 식재료정보 데이터베이스에 포함되어 저장되어 있는 식재료를 하나 이상 사용하여 만들어질 수 있는 음식 완성품에 대한 정보를 하나 이상 포함하여 저장하고 있는 음식 데이터베이스;
    알려져 있는 유전정보가 하나 이상 포함되어 있는 유전정보 데이터베이스;
    알려져 있는 질환정보가 하나 이상 포함되어 있는 질환정보 데이터베이스;
    알려져 있는 유전정보-식재료간 상관관계정보가 하나 이상 포함되어 있는 유전정보-식제료 데이터베이스;
    상기 사용자가 제공하는 시료에 대하여 분석을 실시하여 상기 사용자의 유전정보를 측정하는 측정부;
    상기 서버의 데이터베이스 및 프로그램들을 운용하는 하나 이상의 운영 프로그램을 포함하는 관리부;
    그리고 상기 서버 내의 데이터를 이용하여 해당 사용자에 대한 약물 위험도 및 부작용을 예측하고, 개인별 약물 점수를 산출하는 예측/학습부를 포함하며,
    상기 예측/학습부는 상기 사용자의 유전정보를 바탕으로 특정 질환에 대한 발병여부 또는 병가능성을 예측하는 데 사용되는 질환예측 모델과, 상기 질환예측 모델을 통해 예측한 사용자에 대한 질환예측 데이터를 바탕으로 섭취를 권장하는 식재료 또는 음식정보를 하나 이상 제공하는 데 사용되는 사용자-식단 상관관계 모델을 포함하는 것을 특징으로 하는, 개인 유전정보 및 질환정보를 이용한 식단정보 제공 시스템.
  2. 제 1항에 있어서,
    상기 식단정보 제공 시스템은 하나 이상의 단말기를 더 포함하는 것을 특징으로 하는, 개인 유전정보 및 질환정보를 이용한 식단정보 제공 시스템.
  3. 제 1항에 있어서,
    상기 질환정보 데이터베이스에 포함되는 하나 이상의 질환정보는, 1형 당뇨병, 2형 당뇨병, 고혈압, 골다공증, 비만, 비알코올성 지방간, 크론병, 통풍, 임신성 당뇨병, 그리고 임신성 중독증을 포함하는 것을 특징으로 하는, 개인 유전정보 및 질환정보를 이용한 식단정보 제공 시스템.
  4. 제 1항에 있어서,
    상기 관리부는 외부 공중의 전기통신망에서 상기 데이터베이스 내 정보 또는 데이터 중 필요한 어느 하나 이상을 참조하여 구분 저장시킬 수 있는 봇 프로그램을 하나 이상 포함하는 것을 특징으로 하는, 개인 유전정보 및 질환정보를 이용한 식단정보 제공 시스템.
  5. 제 1항에 있어서,
    상기 사용자 데이터베이스는 각각의 사용자에 대한 데이터를 구분하여 저장하고 있는 하나 이상의 개별 사용자 데이터베이스를 포함하고, 상기 사용자 데이터베이스는 각각
    해당 사용자의 ID 등의 로그인 접속정보와 해당 사용자의 인적사항을 포함하는 개인정보;
    해당 사용자의 유전정보를 하나 이상 포함하는 개인 유전정보;
    해당 사용자의 알려진 질환정보를 하나 이상 포함하는 개인 질환정보;
    그리고 상기 예측/학습부에 의하여 예측된 데이터가 하나 이상 포함되어 저장되는 예측정보를 포함하는 것을 특징으로 하는, 개인 유전정보 및 질환정보를 이용한 식단정보 제공 시스템.
  6. 제 1항에 있어서,
    상기 식재료정보 데이터베이스는 각각의 식재료에 대한 데이터를 구분하여 저장하고 있는 하나 이상의 개별 식재료정보 데이터베이스를 포함하고, 상기 식재료정보 데이터베이스는 각각
    해당 식재료에 대하여 다른 식재료와 구분지을 수 있도록 고유하게 설정된 ID 또는 고유번호를 포함하는 식재료 ID;
    해당 식재료의 일반적인 정보 데이터가 저장되어 있는 식재료 정보;
    해당 식재료 내에 포함되는 유효성분이 하나 이상 저장되어 있는 유효성분 정보;
    그리고 상기 유효성분 정보 내 유효성분에 대한 알려진 화학적, 생물학적 특성정보를 하나 이상 포함하고 있는 성분 특성정보를 포함하는 것을 특징으로 하는, 개인 유전정보 및 질환정보를 이용한 식단정보 제공 시스템.
  7. 제 1항에 있어서,
    상기 음식 데이터베이스는 각각의 음식에 대한 데이터를 구분하여 저장하고 있는 하나 이상의 개별 음식 데이터베이스를 포함하고, 상기 음식 데이터베이스는 각각
    해당 음식정보에 대하여 다른 음식정보와 구분지을 수 있도록 고유하게 부여된 ID 또는 고유번호를 포함하는 음식 ID;
    상기 음식에 포함되는 식재료로서, 상기 개별 음식정보 데이터베이스내 식재료 ID를 하나 이상 포함하고 있는 식재료 ID목록;
    그리고 해당 음식에 일반적인 정보가 하나 이상 포함되는 음식 일반정보를 포함하는 것을 특징으로 하는, 개인 유전정보 및 질환정보를 이용한 식단정보 제공 시스템.
  8. 제 1항에 있어서,
    상기 유전정보 데이터베이스는 각각의 유전정보에 대한 데이터를 구분하여 저장하고 있는 하나 이상의 개별 유전정보 데이터베이스를 포함하고, 상기 유전정보 데이터베이스는 각각
    해당 유전정보에 대하여 다른 유전정보와 구분지을 수 있도록 고유하게 부여된 ID 또는 고유번호를 포함하는 유전정보 ID;
    해당 유전정보에 있어서 일반적인 유전정보가 하나 이상 포함되는 일반 유전정보;
    상기 일반 유전정보 내 유전정보의 변이될 수 있는 내용 또는 알려진 변이수준이 하나 이상 포함되는 변이형태 정보;
    그리고 상기 변이형태 정보 내 변이로 인한 알려진 인체에 대한 신체적 또는 정신적 변화 특징, 발생할 수 있는 질환 내용이 하나 이상 포함되는 변이영향 정보를 포함하는 것을 특징으로 하는, 개인 유전정보 및 질환정보를 이용한 식단정보 제공 시스템.
  9. 제 1항에 있어서,
    상기 질환정보 데이터베이스는 각각의 질환정보에 대한 데이터를 구분하여 저장하고 있는 하나 이상의 개별 질환정보 데이터베이스를 포함하고, 상기 질환정보 데이터베이스는 각각
    해당 질환정보에 대하여 다른 질환정보와 구분지을 수 있도록 고유하게 부여된 ID 또는 고유번호를 포함하는 질환정보 ID;
    해당 질환정보에 대하여 잘 알려진 정보가 하나 이상 포함되어 있는 질환내용 정보;
    해당 질환에 대하여 관여하는 유전자 또는 유전체, 유전자 변이내용이 하나 이상 포함되는 관여유전자 목록;
    해당 질환을 외부에서 식별할 수 있는 식별자 정보가 하나 이상 포함되어 있는 질환 식별정보;
    그리고 해당 질환을 치료하는 데 유효한 것으로 알려져 있는 하나 이상의 식재료 또는 음식정보가 포함되어 있는 치료식재료 정보를 포함하는 것을 특징으로 하는, 개인 유전정보 및 질환정보를 이용한 식단정보 제공 시스템.
  10. 제 1항에 있어서,
    상기 유전정보-식재료 데이터베이스는 각각의 유전정보-식재료간 상관관계정보에 대한 데이터를 구분하여 저장하고 있는 하나 이상의 개별 유전정보-식재료간 반응정보 데이터베이스를 포함하고, 상기 유전정보-식재료간 반응정보 데이터베이스는 각각
    해당 유전정보와 식재료간 상관관계에 있어서 상기 식재료 데이터베이스에 저장되어 있는, 관여하는 식재료정보의 고유하게 부여된 ID 또는 고유번호가 하나 이상 포함되는 관여 식재료 ID 목록;
    해당 유전정보와 식재료간 상관관계에 있어서 상기 유전정보 데이터베이스에 저장되어 있는, 관여하는 유전정보의 고유하게 부여된 ID 또는 고유번호가 하나 이상 포함되는 연관 유전정보 ID 목록;
    해당 유전정보와 식재료간 상관관계에 있어서 상기 질환정보 데이터베이스에 저장되어 있는, 연관되어 있는 질환의 고유하게 부여된 ID 또는 고유번호가 하나 이상 포함되는 연관 질환정보 ID목록;
    그리고 해당 유전정보와 식재료간 상관관계에 있어서의 기전 및 임상반응, 섭취에 따른 결과가 하나 이상 포함되어 있는 유전정보-식재료간 상관관계정보를 포함하는 것을 특징으로 하는, 개인 유전정보 및 질환정보를 이용한 식단정보 제공 시스템.
  11. 제 1항 내지 제 10항의 개인 유전정보 및 질환정보를 이용한 식단정보 제공 시스템을 통한 사용자 맞춤식단 데이터 생성 및 제공 방법으로서,
    사용자 데이터베이스 확인단계(S1);
    상기 단계(S1) 후, 상기 분석부가 해당 사용자에 대한 유전정보 데이터(D1)를 확보하는 유전정보데이터 확보단계(S2);
    상기 단계(S2)를 통해 확보된 유전정보 데이터(D1)에 대하여, 상기 예측/학습부가 질환민감도 예측 데이터(D2)를 생성하는 질환민감도 예측단계(S3);
    상기 단계(S3)를 통해 생성된 질환민감도 예측 데이터(D2)에 대하여, 상기 예측/학습부가 사용자 맞춤식단 데이터(D3)를 생성하는 맞춤식단정보 제공단계(S4);
    상기 단계(S4) 이후, 사용자에게 통보하는 사용자 통보단계(S5);
    그리고 상기 질환만족도 예측 데이터(D2) 및 사용자 맞춤식단 데이터(D3)의 정확도를 계산하여, 상기 예측/학습부 내 사용자 질환예측 모델 및 사용자-식단 상관관계 모델의 변수를 조정하는 모델 평가 및 최적화 단계(S6)를 포함하는 것을 특징으로 하는, 사용자 맞춤식단 데이터 생성 및 제공 방법.
  12. 제 11항에 있어서,
    상기 단계(S3, S4)를 수행하는 데 사용되는 예측/학습부 내 질환예측 모델 및 사용자-식단 상관관계 모델은 데이터셋으로서 해당 사용자의 개별 데이터베이스 중 개인정보, 개인 유전정보와 개인 질환정보, 식재료정보 데이터베이스, 음식 데이터베이스, 유전정보 데이터베이스, 질환정보 데이터베이스, 그리고 유전정보-식재료 데이터베이스를 사용하는 것을 특징으로 하는, 사용자 맞춤식단 데이터 생성 및 제공 방법.
  13. 제 11항에 있어서,
    상기 질환민감도 예측 데이터(D2)는 해당 사용자에 대한 정보를 포함하는 사용자 정보(D21), 그리고 상기 질환예측 모델에 의해 평가된, 해당 질환에 민감도를 포함하는 질환별 민감도 평가정보(D22)를 포함하는 것을 특징으로 하는, 사용자 맞춤식단 데이터 생성 및 제공 방법.
  14. 제 11항에 있어서,
    상기 사용자 맞춤식단 데이터(D3)는 사용자에 대한 맞춤식단 정보(D31)를 포함하는 것을 특징으로 하는, 사용자 맞춤식단 데이터 생성 및 제공 방법.
  15. 제 13항에 있어서,
    상기 사용자 정보(D21)는 해당 사용자에 대한 개인정보, 개인 유전정보, 개인 유전정보를 포함하고, 질환별 민감도 평가정보(D22)는 상기 단계(S3)에서 선택된 하나 이상의 질환 중 어느 하나 이상에 대한 민감도를 포함하는 정성평가 데이터를 하나 이상 포함하는 것을 특징으로 하는, 사용자 맞춤식단 데이터 생성 및 제공 방법.
  16. 제 14항에 있어서,
    상기 맞춤식단 정보(D31)는 하나 이상의 질환에 대하여 예방, 관리, 또는 발병을 지연시키기 위한 하나 이상의 식재료 및 음식 데이터를 포함하는 식단의 일반정보 데이터, 상기 식단의 조리법인 레시피정보 데이터, 상기 식단에 포함되어 있는 하나 이상의 식재료 및 음식 데이터에서, 알러지나 고칼로리, 고지방 등으로 인하여 제외되어야 하거나 대체될 수 있는 식재료정보, 식단의 섭취주기, 금지사항, 권고사항 등의 정보를 하나 이상 포함하고 있는 식단의 권고사항 데이터를 하나 이상 포함하는 것을 특징으로 하는, 사용자 맞춤식단 데이터 생성 및 제공 방법.
  17. 제 11항에 있어서,
    상기 단계(S6)는 상기 데이터(D2, D3)와 해당 사용자의 개별 데이터베이스 내 가장 최신의 데이터를 비교하는 데이터간 비교단계(S61);
    상기 단계(S61)에서의 비교에 따라 상기 데이터(D2, D3)가 얼마나 정확하였는지 계산하는 정확도 계산 단계(S62);
    상기 단계(S62) 결과에 따라 상기 사용자 질환예측 모델 및 사용자-식단 상관관계 모델의 변수를 조정하는 모델 변수조정 단계(S63)를 포함하는 것을 특징으로 하는, 사용자 맞춤식단 데이터 생성 및 제공 방법.
KR1020220030818A 2022-03-11 2022-03-11 개인 유전정보 및 질환정보를 이용한 식단정보 제공 시스템, 그리고 이를 이용한 개인별 식단정보 제공 방법 KR20230133616A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220030818A KR20230133616A (ko) 2022-03-11 2022-03-11 개인 유전정보 및 질환정보를 이용한 식단정보 제공 시스템, 그리고 이를 이용한 개인별 식단정보 제공 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220030818A KR20230133616A (ko) 2022-03-11 2022-03-11 개인 유전정보 및 질환정보를 이용한 식단정보 제공 시스템, 그리고 이를 이용한 개인별 식단정보 제공 방법

Publications (1)

Publication Number Publication Date
KR20230133616A true KR20230133616A (ko) 2023-09-19

Family

ID=88196589

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220030818A KR20230133616A (ko) 2022-03-11 2022-03-11 개인 유전정보 및 질환정보를 이용한 식단정보 제공 시스템, 그리고 이를 이용한 개인별 식단정보 제공 방법

Country Status (1)

Country Link
KR (1) KR20230133616A (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101561234B1 (ko) 2013-12-20 2015-10-19 (주)웰티즌 유전체 기반 개인 맞춤형 식이 적합률 제공 시스템
KR102043959B1 (ko) 2019-07-25 2019-11-12 (주)어메이징푸드솔루션 개인별 유전자 유형과 개인건강기록 데이터에 근거한 맞춤형 식단 추천 시스템
KR102258899B1 (ko) 2020-11-24 2021-06-01 주식회사 엔젠바이오 통합적 건강 정보를 이용한 식단 및 운동 추천 방법 및 서비스 시스템
KR20210132944A (ko) 2020-04-28 2021-11-05 코리아이도무스(주) 개인 건강정보 기반의 맞춤형 식단 관리 시스템 및 그 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101561234B1 (ko) 2013-12-20 2015-10-19 (주)웰티즌 유전체 기반 개인 맞춤형 식이 적합률 제공 시스템
KR102043959B1 (ko) 2019-07-25 2019-11-12 (주)어메이징푸드솔루션 개인별 유전자 유형과 개인건강기록 데이터에 근거한 맞춤형 식단 추천 시스템
KR20210132944A (ko) 2020-04-28 2021-11-05 코리아이도무스(주) 개인 건강정보 기반의 맞춤형 식단 관리 시스템 및 그 방법
KR102258899B1 (ko) 2020-11-24 2021-06-01 주식회사 엔젠바이오 통합적 건강 정보를 이용한 식단 및 운동 추천 방법 및 서비스 시스템

Similar Documents

Publication Publication Date Title
US8974385B2 (en) Method and apparatus for providing blood glucose management information
Bertoia et al. Changes in intake of fruits and vegetables and weight change in United States men and women followed for up to 24 years: analysis from three prospective cohort studies
Chiavaroli et al. Effect of pasta in the context of low-glycaemic index dietary patterns on body weight and markers of adiposity: a systematic review and meta-analysis of randomised controlled trials in adults
Bulik et al. Prevalence, heritability, and prospective risk factors for anorexia nervosa
Nielsen et al. Patterns and trends in food portion sizes, 1977-1998
Garaulet et al. Genetic variants in human CLOCK associate with total energy intake and cytokine sleep factors in overweight subjects (GOLDN population)
US20190221303A1 (en) Personalized nutritional recommendations using biomarker data
WO2020062950A1 (zh) 信息推荐方法及装置、电子设备和存储介质
KR102400740B1 (ko) 사용자의 건강상태 모니터링 시스템 및 이의 분석 방법
US20030158756A1 (en) System and method for evaluating and providing nutrigenomic data, information and advice
KR20180126911A (ko) 건강 관리 방법 및 장치
Vissers et al. Dairy product intake and risk of type 2 diabetes in EPIC-InterAct: a Mendelian randomization study
CN113113077A (zh) 生物信息处理方法、生物信息处理装置及记录介质
US20220165389A1 (en) Personalized meal diet and exercise providing method using integrated health information and service system
Estraneo et al. Multi-center study on overall clinical complexity of patients with prolonged disorders of consciousness of different etiologies
Raynor et al. Weight loss strategies associated with BMI in overweight adults with type 2 diabetes at entry into the Look AHEAD (Action for Health in Diabetes) trial
Ko et al. GWAS of longitudinal trajectories at biobank scale
Abu-Samah et al. Model-based glycemic control in a Malaysian intensive care unit: performance and safety study
Xin et al. The phenolyzer suite: prioritizing the candidate genes involved in microtia
Purnell et al. Fructose ingestion and cerebral, metabolic, and satiety responses
Compher et al. Clinical outcomes in critically ill patients associated with the use of complex vs weight‐only predictive energy equations
Pop et al. Particle swarm optimization-based method for generating healthy lifestyle recommendations
WO2018226885A1 (en) Training, nutrition, and wellness planners
Prentice et al. Providing clarity around ethical discussion: development of a neonatal intervention score
KR20230133616A (ko) 개인 유전정보 및 질환정보를 이용한 식단정보 제공 시스템, 그리고 이를 이용한 개인별 식단정보 제공 방법