WO2019074191A1 - Method and system for providing cancer treatment prediction result, method and system for providing treatment prediction result on basis of artificial intelligence network, and method and system for collectively providing treatment prediction result and evidence data - Google Patents

Method and system for providing cancer treatment prediction result, method and system for providing treatment prediction result on basis of artificial intelligence network, and method and system for collectively providing treatment prediction result and evidence data Download PDF

Info

Publication number
WO2019074191A1
WO2019074191A1 PCT/KR2018/007865 KR2018007865W WO2019074191A1 WO 2019074191 A1 WO2019074191 A1 WO 2019074191A1 KR 2018007865 W KR2018007865 W KR 2018007865W WO 2019074191 A1 WO2019074191 A1 WO 2019074191A1
Authority
WO
WIPO (PCT)
Prior art keywords
treatment
information
data
result
input information
Prior art date
Application number
PCT/KR2018/007865
Other languages
French (fr)
Korean (ko)
Inventor
이석
Original Assignee
고려대학교 산학협력단
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
Priority claimed from KR1020170137212A external-priority patent/KR101947725B1/en
Priority claimed from KR1020170143559A external-priority patent/KR101943222B1/en
Priority claimed from KR1020170143558A external-priority patent/KR101946402B1/en
Application filed by 고려대학교 산학협력단 filed Critical 고려대학교 산학협력단
Publication of WO2019074191A1 publication Critical patent/WO2019074191A1/en

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00—Radiation therapy
    • A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • 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
    • G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
    • 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
    • G16H50/50—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
    • 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

Definitions

  • the present invention relates to a method and system for providing a cancer treatment prediction result, and more particularly, to a method and system for providing a cancer treatment prediction result using a data mining technique, And to a method and system for providing a cancer treatment prediction result which can identify the most appropriate cancer treatment method.
  • one embodiment of the present invention relates to a method and system for providing an artificial intelligence network-based therapeutic prediction result, which enables an artificial intelligence network to be learned using a library information data mining result and to promptly and accurately predict a patient treatment prediction result based thereon will be.
  • the present invention relates to a method and system for providing a therapeutic prediction result, and more particularly, to data mining a plurality of bibliographic information to provide a treatment prognosis according to a condition required by a user, And a method and system for collectively providing evidence data.
  • the optimal combination of treatments suited to cancer and patient characteristics is dependent on the experience and knowledge of the medical staff, and there is a difficulty in finding the literature directly. Further, there is a problem that it is difficult to find out the desired chemotherapy result because of the inconsistent experience of the multiple medical staff, in order to find the optimal chemotherapy method between the medical staff specializing in radiotherapy and the medical specialist .
  • Korean Patent No. 10-0794516 discloses a configuration in which a correlation between a patient case database and a disease name critical inspection item is machine-learned, and a disease corresponding to patient examination information is determined using a machine learning result, A method of artificial intelligence to provide comprehensive treatment methods for different types of treatments that have different treatments or interactions is not yet disclosed.
  • a problem to be solved by the present invention is to provide a method and system for providing a user with a prognosis for cancer treatment from data mined information in a deep learning manner.
  • a problem to be solved by the present invention is to provide a new artificial intelligence network-based therapeutic prediction result providing method and system that learns through artificial intelligence network using literature information data mining results and provides patient treatment prediction results based thereon .
  • a problem to be solved by the present invention is to provide a treatment prognosis according to a condition required by a user by data mining a plurality of bibliographic information, and to provide a treatment prediction result And a method and system for collectively providing evidence data.
  • a cancer treatment prediction result providing method comprising: constructing a semantic database dictionary by collecting and data mining documents or case information related to cancer treatment; Constructing a treatment prediction model based on the input information and the semantic database dictionary when at least one of a cancer type, a treatment method of interest, a side effect type, and patient condition information is input as input information; And providing result information corresponding to the input information based on the treatment prediction model.
  • the result information is at least one of a side effect level, a survival rate according to a treatment method of interest, toxicity, a response, a treatment condition, and a combination of treatment methods.
  • the step of constructing the treatment prediction model includes determining a treatment method of interest according to at least one or a combination of two or more of surgery, chemotherapy, radiation therapy, immunotherapy, hyperthermia treatment, and bone marrow transplantation.
  • the step of constructing the semantic database dictionary may include extracting input information parameter data for input information from literature or case information related to cancer treatment; Extracting an index for an input information factor through semantic analysis on the prediction factor data; And creating and storing the semantic database dictionary based on the index.
  • the cancer treatment prediction result providing method may include determining a treatment site; Selecting input information including at least one treatment method and output information type for the determined treatment site; Inputting patient information to be treated; Constructing a treatment prediction model according to the input information input from the semantic database dictionary and the patient information; And outputting the selected kind of output information from the configured therapeutic prediction model.
  • the treatment method may include at least one of radiation therapy, drug therapy, immunotherapy, hormone therapy, and gene therapy.
  • the output information includes at least one of a side effect level, a survival rate according to a treatment method of interest, toxicity, a response, a treatment condition, and a combination of treatment methods.
  • a cancer treatment prediction result providing system includes a semantic database dictionary storing a result of collecting and data mining documents or case information related to cancer treatment;
  • An input information receiving unit for receiving at least one input information of a type of cancer, a treatment method of interest, a side effect type, and patient condition information from a user terminal;
  • a prediction model constructing unit for constructing a prediction model related to cancer treatment based on the input information received from the input information receiving unit and the semantic database dictionary;
  • a result information transmitter for providing result information corresponding to the input information to the user terminal based on the prediction model.
  • the result information is at least one of a side effect level, a survival rate according to a treatment method of interest, toxicity, a response, a treatment condition, and a combination of treatment methods.
  • the treatment prediction model includes a treatment method of interest according to at least one or two or more combinations of surgery, chemotherapy, radiation therapy, immunotherapy, hyperthermia treatment, and bone marrow transplantation for a patient to be treated.
  • a cancer treatment prediction result providing method collects and data minings a plurality of bibliographic information, and obtains a treatment site, a treatment method, patient status information, Obtaining a plurality of learning data representing at least one correlation; Learning the artificial intelligence network based on the plurality of learning data; And providing the result information corresponding to the input information through the artificial intelligence network when at least one of the treatment site, the treatment method, the patient state information, and the side effect type is input as the input information.
  • the result information is at least one of survival rate, toxicity, response rate, combination of treatment methods, and treatment conditions according to at least one of the side effect type and the treatment method.
  • the method may further include the step of acquiring actual clinical data while monitoring and monitoring the patient's treatment history and treatment result, and re-learning the artificial intelligence network through the actual clinical data.
  • the step of acquiring the learning data may include constructing a semantic database dictionary by collecting and mining a plurality of document information, Wherein when at least one of a treatment site, a treatment method, a patient state information, and a side effect type is input as data mining input information, a treatment prediction model is constructed based on the input information and the semantic database dictionary, Providing data mining result information corresponding to the data mining input information; And generating and providing learning data including the data mining input information and the data mining result information.
  • the data mining result information may be at least one of a survival rate, a toxicity, a response, a combination of treatment methods, and a treatment method according to at least one of a side effect type and a treatment method.
  • the step of constructing the treatment prediction model further comprises determining an integrated treatment method according to at least one or more combinations of surgery, chemotherapy, radiation therapy, immunotherapy, hyperthermia treatment, and bone marrow transplantation .
  • the step of constructing the semantic database dictionary may include extracting prognostic factor data corresponding to cancer treatment result predictive factors and output results from literature or case information related to cancer treatment; Extracting a semantic keyword through semantic analysis on the prognostic factor data; And creating and storing the semantic database dictionary based on the semantic keyword.
  • an artificial intelligence network-based therapeutic and / or therapeutic result providing system for collecting and data mining a plurality of bibliographic information to provide a treatment site, a treatment method, A learning data obtaining unit that obtains a plurality of pieces of learning data representing at least one correlation; A learning unit for learning an artificial intelligence network based on the plurality of learning data; And a prediction unit for providing result information corresponding to the input information through the artificial intelligence network when at least one of the treatment region, the treatment method, the patient state information, and the side effect type is input as input information.
  • the result information is at least one of survival rate, toxicity, response rate, combination of treatment methods, and treatment conditions according to at least one of the side effect type and the treatment method.
  • the system further comprises a clinical data acquiring unit for acquiring actual clinical data while monitoring and tracking the patient's treatment history and treatment result and for allowing the learning unit to re-learn the authentication intelligent network through the actual clinical data .
  • the learning data obtaining unit comprises: a semantic database dictionary storing a result of collecting and mining document information; An input information receiving unit for receiving input information of at least one of a treatment region, a treatment method, patient state information, and a side effect type from a user terminal; A prediction model constructing unit for constructing a prediction model related to cancer treatment based on the input information received from the input information receiving unit and the semantic database dictionary; And a result information providing unit for obtaining and providing result information corresponding to the input information based on the prediction model.
  • the result information is at least one of survival rate, toxicity, response rate, combination of treatment methods, and treatment conditions according to at least one of the side effect type and the treatment method.
  • the treatment prediction model is characterized in that it includes a treatment method and a treatment side effect according to at least one or two or more combinations of surgery, chemotherapy, radiation therapy, immunotherapy, hyperthermia treatment, and bone marrow transplantation for a patient to be treated .
  • a method for providing a treatment prediction result and a data base in accordance with an embodiment of the present invention includes: constructing a semantic database dictionary by collecting and mining document information; Constructing a treatment prediction model based on the input information and the semantic database dictionary when at least one of a treatment site, a treatment method, patient state information, and a side effect type is input as input information; Obtaining result information corresponding to the input information based on the treatment prediction model; Collecting and cataloging evidence data of the result information; And displaying the result data on the same screen together with the result information.
  • the step of collecting and cataloging the evidence data may include prioritizing and cataloging the collected evidence data based on at least one of a document information start date, information relevance, and author credibility.
  • the step of collecting and cataloging the evidence data can arbitrarily adjust the ratio of consideration of each of the document information start date, the information relevance, and the author credibility under a user request.
  • the method may further include the step of, when the selection and the viewing of one piece of the base material are requested through the base material list, calling and displaying detailed information of the base material requested to be viewed.
  • the step of further displaying and displaying the detailed information of the evidence data may further include a function of bolding or box processing the semantic keyword used in the structure of the treatment prediction model and then displaying the screen.
  • step of further displaying and displaying detailed information of the evidence data may further include extracting only the sentences in which the semantic keywords used in the treatment prediction model construction are selected and selectively providing the extracted sentences.
  • the result information is at least one of survival rate, toxicity, response rate, combination of treatment methods, and treatment conditions according to at least one of the side effect type and the treatment method.
  • the step of constructing the treatment prediction model may further comprise determining an integrated treatment method according to at least one or more combinations of surgery, chemotherapy, radiotherapy, immunotherapy, hyperthermia treatment, and bone marrow transplantation.
  • the step of constructing the semantic database dictionary includes extracting prognostic factor data corresponding to cancer treatment outcome prognostic factors and output results from literature or case information related to cancer treatment; Extracting a semantic keyword through semantic analysis on the prognostic factor data; And creating and storing the semantic database dictionary based on the semantic keyword.
  • a treatment prediction result and a data base providing system include a semantic database dictionary storing a result of collecting and data mining treatment-related documents or case information; At least one of a treatment part, a treatment method, patient condition information, and a side effect type is inputted from a user terminal; A prediction model constructing unit for constructing a prediction model for treatment based on the input information received from the input information receiving unit and the semantic database dictionary; A result information obtaining unit for providing result information corresponding to the input information to the user terminal based on the prediction model; A base data acquisition unit for collecting and cataloging base data of the result information; And a UI constructing unit for constructing and providing a UI (User Interface) for receiving the input information or simultaneously guiding the result information and the supporting data.
  • a semantic database dictionary storing a result of collecting and data mining treatment-related documents or case information
  • At least one of a treatment part, a treatment method, patient condition information, and a side effect type is inputted from a user terminal
  • a prediction model constructing unit for
  • the evidence data acquiring unit may determine and catalog the priorities of the collected evidence data based on at least one of the date of publication of the information, the information relevance, and the author credibility.
  • the proof data acquiring unit can arbitrarily adjust the consideration of each of the document information start date, the information relevance, and the author credibility under a user request.
  • the base data acquiring unit may further include a function of retrieving detailed information of the base data requested to be browsed and providing the selected base data to the UI unit when the base data is selected and viewed through the base data list.
  • a treatment method for cancer in which various non-surgical treatment methods are present, and toxicity and side effects of each method can be simultaneously displayed on one platform.
  • a complex treatment method such as radiation or a combination of medicines, the result of toxicity and survival rate can be displayed on the same platform according to the user's selection.
  • learning through the artificial intelligence network using the results of the library information data mining can predict the patient treatment prediction result more quickly and accurately.
  • a variety of non-surgical treatments such as cancer can show the results of treatments for the disease and the side effects of each method on a single platform at the same time.
  • a complex treatment method such as radiation or a combination of medicines, the result of toxicity and survival rate can be displayed on the same platform according to the user's selection.
  • FIG. 1 is a diagram illustrating a method of providing a cancer treatment prediction result according to an embodiment of the present invention.
  • FIG. 2 is a diagram for explaining a data mining method according to an embodiment of the present invention.
  • FIG. 3 is a block diagram of a method for constructing a semantic database dictionary according to an embodiment of the present invention.
  • 4 to 7 are diagrams for explaining an example of evaluating cancer treatment prognosis according to the above-described method.
  • FIG. 8 is a block diagram of a cancer treatment prediction result providing system according to an embodiment of the present invention.
  • FIG. 9 is a flowchart illustrating a method of providing an artificial intelligence network-based therapeutic prediction result according to an embodiment of the present invention.
  • FIG. 10 is a conceptual diagram of a method of providing an artificial intelligence network-based therapeutic prediction result according to another embodiment of the present invention.
  • FIG. 11 is a diagram for explaining a learning data acquisition method according to an embodiment of the present invention.
  • 12 to 16 are diagrams for explaining an example of providing a document information data mining method according to the above-described method.
  • FIG. 17 is a block diagram of a treatment prediction result providing system according to an embodiment of the present invention.
  • FIG. 18 is a diagram illustrating a method of collectively providing a result of a treatment and a data base according to an embodiment of the present invention.
  • 19 is a diagram for explaining a data mining method according to an embodiment of the present invention.
  • 20 and 21 are views for explaining a method of providing evidence data for predicting a treatment prognosis according to the above-described method.
  • FIG. 22 is a block diagram of a system for providing a treatment prediction result and a data base in accordance with an embodiment of the present invention.
  • FIG. 23 is a diagram illustrating an exemplary computing environment in which one or more embodiments disclosed herein may be implemented.
  • &quot when an element is referred to as " including " an element, it is understood that the element may include other elements as well, without departing from the other elements unless specifically stated otherwise. Also, throughout the specification, the term " on " means located above or below a target portion, and does not necessarily mean that the target portion is located on the upper side with respect to the gravitational direction.
  • FIG. 1 is a diagram illustrating a method of providing a cancer treatment prediction result according to an embodiment of the present invention.
  • an evaluation method includes constructing a semantic database dictionary by collecting and data mining documents or case information related to cancer treatment (S100); Constructing a treatment prediction model based on the input information and the semantic database dictionary when at least one of a type of cancer, a treatment method of interest, a side effect type, and patient condition information is input as input information (S200); And providing result information corresponding to the input information based on the treatment prediction model (S300).
  • the method of providing data mining and result information for constructing a semantic database dictionary according to an embodiment of the present invention is as follows, but the scope of the present invention is not limited thereto.
  • FIG. 2 is a diagram for explaining a data mining method according to an embodiment of the present invention.
  • the treatment area is treated as the lung, the treatment method is radiation, and the pneumonia as a side effect is inputted as the type of the output information.
  • the text corresponding to the cancer treatment result prediction (prognosis) factors and the results is extracted from the clinical study documents (PDF document) (S310) (S320).
  • PDF document PDF document
  • the extracted semantic keyword is converted into a database suitable for retrieval (query), and a database dictionary is constructed (S340).
  • the present invention utilizes a database dictionary constructed by classifying cancer treatment types and various kinds of treatment results into a semantic keyword form, thereby constructing a single treatment prediction model by taking only desired data according to cancer type and patient information .
  • the treatment is radiation and the side effects are pneumonia
  • the treatment prediction model according to the present invention finds the most suitable condition according to the information (patient information, tumor type, treatment method) inputted from the constructed database dictionary, and becomes a reconstituted model.
  • step S360 the semantic table included in the range of age and V20 is searched from the configured treatment prediction model, and the user obtains a side effect (toxicity) grade value, which is output information desired by the user (S370).
  • a visualization step which allows the user to intuitively grasp the toxicity grade in the UI concept, which can be in various ways.
  • the result information may be at least one of a side effect level, a survival rate according to a treatment method of interest, toxicity, a response, a treatment condition, and a combination of treatment methods.
  • the user can determine the type in the input step.
  • the step of constructing the therapeutic prediction model comprises determining the therapeutic method of interest according to at least one or more combinations of surgery, chemotherapy, radiation therapy, immunotherapy, thermal therapy, and bone marrow transplantation
  • the present invention is particularly capable of considering two or more therapies in a single treatment prediction model so that survival rate or toxicity information when two or more therapies are simultaneously used can be provided from the data mined information. Furthermore, it is possible to provide more accurate output information to the user by learning the artificial intelligence module outputting the provided information.
  • FIG. 3 is a block diagram of a method for constructing a semantic database dictionary according to an embodiment of the present invention.
  • the method includes extracting (S101) resultant (i.e., prognostic) factor data for cancer treatment from literature or case data related to cancer therapy; Extracting a result factor index through semantic analysis on the result parameter data (S201); And creating and storing the semantic database dictionary based on the resultant index (S301).
  • resultant i.e., prognostic
  • the result parameter corresponds to a keyword corresponding to the output information desired by the user, and may include a thesaurus for each keyword.
  • FIGS. 4-7 illustrate an example of providing cancer treatment response results according to the method described above.
  • a treatment site is selected as a lung
  • radiation therapy, drug treatment and immunotherapy are selected as at least one treatment method for the determined treatment site
  • survival rate and toxicity are selected as input information do.
  • the treatment prediction model is constructed from the semantic database corresponding to the inputted input information.
  • the treatment prediction model is a model for classifying the input information (for example, patient age, sex, tumor site, other diseases, The model assumes an arbitrary patient with the highest probability of matching best from literature or case information.
  • result information according to the treatment prediction model is provided to the user, and the result information corresponds to the input information input by the user in advance (refer to FIG. 7).
  • the document information used for constructing the treatment prediction model can be displayed as needed. By clicking the document information, the user can directly check the document in one user interface environment.
  • a medical professional having expert knowledge only in a corresponding field such as a radiation therapy or a medication can select a combination of various treatment methods to confirm the treatment result and effect according to the combined treatment and similar document information in the same user interface environment have.
  • the present invention can provide a combination of the treatment methods, order, or conditions (drug treatment timing, type of drug) and the like in the data mining and the deep learning method for the cancer in which various kinds of treatment methods exist through the above-described method . That is, the system according to the present invention learns from the data mining data and case information in the literature, and learns it by the deep learning method, and provides the most optimized treatment result to the user.
  • FIG. 8 is a block diagram of a cancer treatment prediction result providing system according to an embodiment of the present invention.
  • the system includes a semantic database dictionary 100 for storing results of collecting and data mining documents or case information related to cancer treatment;
  • An input information receiving unit (200) for receiving at least one input information of a type of cancer, a treatment method of interest, a side effect type, and patient condition information from a user terminal;
  • a prediction model constructing unit 300 for constructing a prediction model related to cancer treatment based on the input information received from the input information receiving unit 200 and the semantic database dictionary 100;
  • a result information transmitter 400 for providing result information corresponding to the input information to the user terminal based on the prediction model.
  • the result information includes at least one of the degree of side effect, the survival rate according to the treatment method of interest, the toxicity, the response, the treatment condition, and the combination of treatment methods.
  • the treatment prediction model may include information of treatment modalities according to at least one or more combinations of surgery, chemotherapy, radiotherapy, immunotherapy, hyperthermia, and bone marrow transplantation for the patient to be treated .
  • the present invention can provide an optimum treatment method among various kinds of treatment methods especially for a single disease and then re-confirm information such as survival rate by inputting the treatment method provided in the input conditions on the same platform again. Therefore, despite the various combinations of input information in the same platform, a treatment prediction model can be constructed from a pre-built data mining dictionary to provide desired information.
  • FIG. 9 is a flowchart illustrating a method of providing an artificial intelligence network-based therapeutic prediction result according to an embodiment of the present invention.
  • a method collects and data minings a plurality of bibliographic information, thereby generating a plurality of bibliographic information, which indicates a correlation of at least one of a treatment site, a treatment method, (S1200) of learning the artificial intelligence network based on the plurality of pieces of learning data and at least one of the treatment region, the treatment method, the patient state information, and the side effect type is input information And providing result information corresponding to the input information through the artificial intelligence network (S1300).
  • the present invention provides a quick and accurate treatment prediction result to the user by learning the artificial intelligence network based on the result of data mining of a large amount of bibliographic information.
  • the present invention not only learns all the contents included in the document information, but also grasps what information the medical staff wants to receive through the inquiry, and then enables the artificial intelligence network learning to be performed,
  • the primary consideration of healthcare professionals is to enable them to obtain and provide the most accurate treatment prediction results.
  • the present invention further includes the step of acquiring actual clinical data while monitoring and monitoring the patient's treatment history and treatment result as shown in FIG. 10, and re-learning the artificial intelligence network through the actual clinical data (S1400) You may. That is, the learning data having the treatment result as the input information and the treatment result as the output information are generated, and the artificial intelligence network can be learned through the generated data.
  • the present invention utilizes the actual clinical data as well as the literature information to learn the artificial intelligence network, thereby making it possible to uniformly reflect the therapeutic prediction result of the artificial intelligence network from both the academic viewpoint and the clinical viewpoint.
  • the learning data acquisition method according to an embodiment of the present invention is as follows, but the scope of the present invention is not limited thereto.
  • FIG. 11 is a diagram for explaining a learning data acquisition method according to an embodiment of the present invention.
  • step S1110 the text corresponding to the cancer treatment result prognostic factors and the output result is extracted from various types of document information (PDF document) such as academic papers, medical books, and case information, and the extracted text is subjected to stemming analysis and semantic analysis And extracts the extracted semantic keywords with a meaningful semantic keyword (Age, dose-volume histogram, G1, G2, ...) and constructs a semantic database dictionary by converting the extracted semantic keywords into a database suitable for search (query).
  • a meaningful semantic keyword Age, dose-volume histogram, G1, G2, .
  • the method for constructing the semantic database dictionary is the same as that described above with reference to FIG. 3, so that a duplicate description thereof will be omitted.
  • step S1120 at least one of the treatment site, the treatment method, the patient status information, and the side effect type is input as data mining input information.
  • some of the data mining input information may be classified as a treatment condition, and the remaining part may be classified as a treatment result condition.
  • pneumonia and esophagitis due to the side effects of treatment may be entered as the treatment conditions, that the treatment site is lung, and the treatment method is radiation.
  • the present invention allows the kind of result information that can be obtained through the treatment prediction model to be changed according to the setting environment of the treatment condition and the treatment result condition. For example, if a treatment adverse event is set as a treatment outcome condition (case 1), the treatment prediction model provides survival rate, toxicity, and response according to the side effect type as the result information, and when the treatment method is set as the treatment outcome condition In case 2), the treatment prediction model provides the survival rate, toxicity, and reactivity of the treatment method as the result information, and when the treatment adverse effect is set as the treatment result condition (case 3), the treatment prediction model is classified into the side effect type Survival rate, toxicity, and reactivity may be provided as outcome information.
  • step S1140 the semantic table in the range of the prognostic factors, such as age and V20, extracted from the therapeutic prediction model constructed above is searched to identify pneumonia-related side effects, which are output information desired by the user, Information.
  • step S1150 learning data including data mining input information and data mining result information is generated and stored.
  • the step of constructing the treatment prediction model includes determining a treatment method according to at least one of, or a combination of, surgery, chemotherapy, radiation therapy, immunotherapy, hyperthermia treatment, and bone marrow transplantation ,
  • the present invention particularly allows two or more therapies to be considered in a single treatment prediction model. That is, the present invention can acquire adverse effects when two or more treatment methods are simultaneously used, moreover survival rate, toxicity, and reactivity according to adverse effect types as data mining information, and learns through artificial intelligence network.
  • the artificial intelligent network of the present invention can acquire and provide not only a treatment prediction result according to a single treatment, but also a treatment prediction result according to two or more treatment methods, that is, an integrated treatment.
  • 12 to 16 are diagrams for explaining an example of providing a document information data mining method according to the above-described method.
  • patient state information for example, patient age, sex, treatment site, presence of other diseases, etc.
  • the treatment site is lung
  • the treatment method is radiation
  • drug Is a therapeutic condition
  • pneumonia and esophagitis are therapeutic adverse events.
  • the survival rate and toxicity according to pneumonia are selected as output information.
  • a treatment prediction model is constructed from the semantic database corresponding to the input information.
  • the treatment prediction model is a model that assumes an arbitrary patient matching the input information with the highest probability from the literature or case information.
  • result information according to the treatment prediction model is provided to the user or the user, and the result information corresponds to the input information previously input by the user (refer to FIG. 15).
  • the result information may include survival rate, toxicity, and reactivity according to each of pneumonia and esophagitis, wherein the toxicity includes at least one of a toxicity grade, a probability of occurrence according to the toxicity grade, and a side effect occurrence pattern according to the toxicity grade can do.
  • the odds of a toxicity grade of 1, 2, 3, 4, and 5 are 20.4%, 67.5%, 19.3%, 4.5%, and 0.1%, and a toxicity grade of 1 indicates a dry cough or respiratory disorder exertion occurs. If the toxicity level is 2, a cough or unsteady dyspnea requiring a narcotic anti-inflammatory drug occurs. If the toxicity level is 3, a dyspnea with a cough or a rest period is required. , A toxic grade of 4 requires continuous oxygen supply or drug assistance, and a toxicity rating of 5 may indicate that heat is generated.
  • a treatment prediction model considering the combinations and conditions of a plurality of treatment methods and performing a treatment result prediction operation considering the combination of treatment methods and conditions such as postoperative radiation treatment through a treatment prediction model, Toxicity, and responsiveness to the disease.
  • FIG. 17 is a block diagram of a treatment prediction result providing system according to an embodiment of the present invention.
  • the system collects and data miners a plurality of pieces of bibliographic information to generate a learning data item for acquiring a plurality of learning data indicating a correlation of at least one of a treatment site, a treatment method,
  • a learning unit 1200 for learning an artificial intelligence network based on the plurality of learning data and at least one of a treatment region, a treatment method, a patient state information, and a side effect type is input as input information
  • And a prediction unit 1300 for providing result information corresponding to the input information through the intelligent network.
  • the result information may be at least one of survival rate, toxicity, reactivity, combination of treatment methods, and conditions of treatment according to at least one of the side effect type and the treatment method.
  • the learning data providing unit 1100 inputs at least one of the semantic database dictionary 1110 storing the result of collecting and mining the document information, the treatment site, the treatment method, the patient status information, and the side effect type as data mining input information
  • a prediction model constructing unit 1130 constructing a prediction model related to cancer treatment based on the input information received from the input information receiving unit 1120 and the semantic database dictionary 1110
  • a result information obtaining unit 1140 for obtaining and providing data mining result information corresponding to data mining input information based on a prediction model
  • a learning data generating unit 1140 for generating learning data including data mining input information and data mining result information Section 1150, and the like.
  • the training data providing unit 1100 of the present invention is connected to the external medical record system 1400 and interlocked with the clinical data acquiring unit 1400 to acquire actual clinical data while monitoring and monitoring the patient's treatment history and treatment result 1160).
  • the training data generator 1150 may generate training data having the treatment history of the patient as input information and the treatment result as output information.
  • system of the present invention is preferably implemented as a single hardware device, it may be implemented as an embedded device accommodated in an existing hardware device, or as an application downloaded and installed in software form, if necessary.
  • FIG. 18 is a flowchart illustrating a method of providing a treatment prediction result according to an embodiment of the present invention.
  • an evaluation method includes a step of constructing a semantic database dictionary by collecting and data mining document information (S2100), a treatment site, a treatment method, patient state information, A step S2200 of constructing a treatment prediction model based on the input information and the semantic database dictionary, if the at least one of the input information and the semantic database dictionary is input as input information, and obtaining result information corresponding to the input information based on the treatment prediction model (S2300), collecting and cataloging the result information, and displaying the same on the same screen together with the result information (S2400).
  • the present invention provides data mining of a plurality of document information to provide a treatment prognosis according to a condition required by a user, and at the same time provides data mining basis data collectively through the same platform, thereby enhancing the reliability of information provision, It makes it easier to check and view related bibliographic information.
  • 19 is a diagram for explaining a data mining method according to an embodiment of the present invention.
  • the text corresponding to the treatment outcome prognostic factors and the output result is extracted from various literature information (PDF document) such as academic papers, medical books, case information, and the extracted text is analyzed through stemming analysis, semantic analysis, (S2110 ⁇ S2110), and extracts the extracted semantic keywords in a database in a form suitable for the search (query) to construct a database dictionary (S2110 ⁇ S2140).
  • Each of the semantic keywords at this time may include synonyms and the like.
  • the source information for identifying the source data such as the title and link address of the extracted metadata information, is mapped so that the source data can be identified and collected on the basis of the source information.
  • At least one of the treatment site, the treatment method, the patient status information, and the side effect type is input as input information.
  • some of the input information may be classified as a treatment condition, and the remaining part of the input information may be classified as a treatment result condition.
  • a treatment result condition S2150
  • the treatment site is lung and the treatment method is radiation.
  • the present invention utilizes a database dictionary constructed by classifying treatment types and various types of treatment results into semantic keyword form, thereby obtaining only desired data according to the treatment site and patient information, and constructing a single treatment prediction model (S2160, S2170).
  • a database dictionary constructed by classifying treatment types and various types of treatment results into semantic keyword form, thereby obtaining only desired data according to the treatment site and patient information, and constructing a single treatment prediction model (S2160, S2170).
  • the treatment method is radiation and the side effects are pneumonia
  • clinical information such as ge, COPD, ILD, pulmonary function, DVH, treatment site (eg tumor location)
  • the present invention allows the kind of result information that can be obtained through the treatment prediction model to be changed according to the setting environment of the treatment condition and the treatment result condition.
  • the treatment prediction model provides survival rate, toxicity, and response according to the side effect type as the result information
  • the treatment predictive model provides the survival rate, toxicity, and reactivity of each treatment method as the result information, and the survival rate , Toxicity, and reactivity as outcome information.
  • the semantic table in the range of the prognostic factors, such as age and V20, is searched from the therapeutic prediction model constructed in the above, and the pneumonia-related side effect, which is the output information desired by the user, And provides it to the user (S2180).
  • not only the treatment result condition but also the kind of the output information can be selected in the input step.
  • the user setting information can be selectively provided, not all of the treatment result conditions.
  • the treatment result condition is set as a side effect such as pneumonia and esophagitis, but the output information is selected as the output information for the toxicity due to pneumonia and the survival rate according to the esophagus so that only the two pieces of information can be viewed by the user It is possible.
  • the step of constructing the treatment prediction model includes determining a treatment method according to at least one of, or a combination of, surgery, chemotherapy, radiation therapy, immunotherapy, hyperthermia treatment, and bone marrow transplantation
  • the present invention is particularly useful in the treatment of side effects when two or more treatment modalities are simultaneously used and furthermore the survival rate, toxicity, and reactivity of each side effect type to data mining information As shown in FIG.
  • a treatment prediction model considering the combinations and conditions of a plurality of treatment methods and performing a treatment result prediction operation considering the combination of treatment methods and conditions such as postoperative radiation treatment through a treatment prediction model, Toxicity, and responsiveness to the disease.
  • the present invention provides an optimum treatment method among various kinds of treatment methods, especially for a single disease, and then re-verifies information such as survival rate by inputting a treatment method provided in input conditions on the same platform again.
  • the proportion of consideration of survival rate, toxicity, and reactivity can be arbitrarily adjusted in accordance with the subjective intention of the medical staff, so that subjective intervention in the selection of the treatment method of the medical staff is also made possible.
  • the artificial intelligence module which outputs the provided information.
  • the treatment prediction result can be provided to the user as described above with reference to Figs. 12 to 16.
  • the present invention can display the document information used for constructing the treatment prediction model, and by clicking the document information, the user can directly check the document in one user interface environment.
  • the present invention can select a combination of various treatment methods for a medical professional having expert knowledge only in a corresponding field, such as radiation therapy and medication, to confirm treatment results, effects, and related literature information in the same user interface environment .
  • the present invention provides a combination of the treatment methods (kind and order) or condition (drug treatment timing, type of drug) and the like in the data mining and the deep learning method for the cancer in which various kinds of treatment methods exist through the above- can do. That is, the system according to the present invention learns from the data mining data and case information in the literature, and learns it by the deep learning method, and provides the most optimized treatment result to the user.
  • 20 and 21 are views for explaining a method of providing evidence data according to an embodiment of the present invention.
  • the present invention collects all the related document information based on the source information mapped to each semantic keyword used in constructing the treatment prediction model (S2410).
  • the priority of the collected document information is determined based on at least one of the document information start date, the information relevance (i.e., the number of times the semantic keyword is extracted) and the author reliability (S2420) , And further displays the result information on the screen on which the result information is displayed (S2430).
  • the user when the priority of the document information is determined, it is possible for the user to adjust the consideration of each of the document information start date, information relevance, and author reliability. For example, by setting the percentage of consideration of the date of document information to 100%, setting the document with the highest information relevance to the top priority, setting the document with the fastest starting date of the document information to the top priority, or setting the percentage of consideration of the information relevance to 100% Or 50%, 40%, and 10%, respectively, of the information disclosure date, information relevance, and author reliability, so as to provide the author with a relatively high reliability and information relevance.
  • the baseline data may be subdivided according to the type of the result treatment prognosis if necessary. That is, if the outcome information includes three treatment prognoses, ie, survival rate, toxicity, and response to pneumonia, the data can be provided in a subdivision corresponding to each of the three treatment prognoses.
  • the data may be provided in a corresponding subdivision.
  • the toxicity from the treatment of pneumonia is the prognosis of treatment
  • the toxicity grade is divided into 1 to 5
  • the data can be provided in detail according to the toxicity grade according to the treatment of pneumonia. This means that after retrieving at least one document information in which the semantic keyword corresponding to the category (for example, the toxicity grade according to the treatment of pneumonia is 1) is disclosed, the information relevancy of each of the document information based on the keyword extraction count, And selecting and providing only a predetermined number of pieces of document information having high information relevance as the basis data corresponding to the category.
  • the present invention can provide detailed information of a document information requested to be browsed through a pop-up window displayed overlay on a current screen, or by bold processing or box processing a semantic keyword used in constructing a treatment prediction model, So that the contents can be checked and read more easily.
  • the document providing mode may be diversified to diversify the manner of providing the document information. For example, after the document providing mode is subdivided into the whole view mode and the simple view mode, all the pages of the document information are provided in the full view mode, and only the sentences in which the semantic keywords are disclosed in the simple view mode are extracted, It is also possible to provide it as an enemy.
  • 22 is a block diagram of a treatment prediction result providing system according to an embodiment of the present invention.
  • the system includes at least one of a semantic database dictionary 2100 for storing a result of collecting and data mining treatment-related documents or case information, at least one of a treatment site, a treatment method, patient status information, and a side effect type
  • a prediction model constructing unit 2200 for constructing a prediction model for treatment based on the input information received from the input information receiving unit 2200 and the semantic database dictionary 2100
  • a result information acquiring unit 2400 for providing result information corresponding to the input information to the user terminal based on the prediction model, a base data acquiring unit for collecting and cataloging basis data of the result information, 2500), a UI (User Interface) for receiving the input information, or simultaneously guiding the result information and the evidence data, It may include a UI generating unit 2600 to the ball.
  • the evidence data acquisition unit 2500 of the present invention determines the priorities of the collected evidence data based on at least one of a document information start date, information relevance, and author credibility, Information relevance, and author credibility, respectively. That is, the user can preferentially provide the necessary document information.
  • the baseline data acquisition unit 2500 of the present invention allows the user to select and request one baseline data from the baseline data list, and in response thereto, invokes detailed information of the baseline data requested to be retrieved, (2600), so that the user can receive not only the base material list but also the detailed information in a lump without performing a separate information search operation.
  • the result information provided as a result of the treatment prediction of the present invention may include at least one of a survival rate, toxicity, response, a combination of treatment methods, and a condition of a treatment method according to at least one of a side effect type and a treatment method,
  • a therapeutic prediction model according to the clinical information of the patient, it is possible to provide the user with the result information on the treatment method, conditions, and the like.
  • the treatment prediction model may include treatment modalities according to at least one or more combinations of surgery, chemotherapy, radiotherapy, immunotherapy, hyperthermia, and bone marrow transplantation for the patient to be treated,
  • the present invention provides an optimum treatment method among various kinds of treatments for a single disease, and then re-verifies information such as survival rate by inputting the treatment method provided in the input condition on the same platform.
  • a care prediction model can be constructed from a pre-constructed data mining dictionary to provide desired information.
  • system of the present invention is preferably implemented as a single hardware device, it may be implemented as an embedded device accommodated in an existing hardware device, or as an application downloaded and installed in software form, if necessary.
  • FIG. 23 is a diagram illustrating an exemplary computing environment in which one or more embodiments disclosed herein may be implemented, and is illustrative of a system 3000 that includes a computing device 3100 configured to implement one or more of the embodiments described above. / RTI >
  • computing device 3100 may be a personal computer, a server computer, a handheld or laptop device, a mobile device (mobile phone, PDA, media player, etc.), a multiprocessor system, a consumer electronics device, A distributed computing environment including any of the above-described systems or devices, and the like.
  • the computing device 3100 may include at least one processing unit 3110 and memory 3120.
  • the processing unit 3110 may include a central processing unit (CPU), a graphics processing unit (GPU), a microprocessor, an application specific integrated circuit (ASIC), a field programmable gate array And may have a plurality of cores.
  • the memory 1120 can be a volatile memory (e.g., RAM, etc.), a non-volatile memory (e.g., ROM, flash memory, etc.) or a combination thereof.
  • the computing device 3100 may include additional storage 3130.
  • Storage 3130 includes, but is not limited to, magnetic storage, optical storage, and the like.
  • the storage 3130 may store computer readable instructions for implementing one or more embodiments as disclosed herein, and other computer readable instructions for implementing an operating system, application programs, and the like.
  • Computer readable instructions stored in storage 3130 may be loaded into memory 3120 for execution by processing unit 3110.
  • computing device 3100 may include input device (s) 3140 and output device (s) 3150.
  • input device (s) 3140 may include, for example, a keyboard, a mouse, a pen, a voice input device, a touch input device, an infrared camera, a video input device or any other input device.
  • output device (s) 3150 can include, for example, one or more displays, speakers, printers or any other output device.
  • Computing device 3100 may also use an input device or output device included in another computing device as input device (s) 3140 or output device (s) 3150.
  • the computing device 3100 may also include communication connection (s) 3160 that enable the computing device 3100 to communicate with other devices (e.g., computing device 3300).
  • (S) 3160 may include a modem, a network interface card (NIC), an integrated network interface, a radio frequency transmitter / receiver, an infrared port, a USB connection or other Interface.
  • the communication connection (s) 3160 may include a wired connection or a wireless connection.
  • Each of the components of computing device 3100 described above may be connected by various interconnects (e.g., peripheral component interconnect (PCI), USB, firmware (IEEE 1394), optical bus architecture, etc.) And may be interconnected by a network 3200.
  • PCI peripheral component interconnect
  • IEEE 1394 firmware
  • optical bus architecture etc.
  • terms such as "component,” “module,” “system,” “interface,” and the like generally refer to a computer-related entity that is hardware, a combination of hardware and software, software, or software in execution.
  • an element may be, but is not limited to being, a processor, an object, an executable, an executable thread, a program and / or a computer running on a processor.
  • both the application running on the controller and the controller may be components.
  • One or more components may reside within a process and / or thread of execution, and the components may be localized on one computer and distributed among two or more computers.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Radiation-Therapy Devices (AREA)

Abstract

An embodiment of the present invention relates to a method and system for providing a cancer treatment prediction result, which provides, using a data-mining technique, treatment prognosis according to a condition required by a user with respect to various types of cancers and treatment methods, so as to enable the user to determine a most appropriate cancer treatment method. The present invention comprises the steps of: constructing a semantic database dictionary by collecting and data-mining a cancer treatment-related document or case information; when at least one among a cancer type, a treatment method of interest, a side effect type, and patient condition information is input as input information, configuring a treatment prediction model on the basis of the input information and the semantic database dictionary; and providing result information corresponding to the input information on the basis of the treatment prediction model.

Description

암 치료 예측결과 제공 방법 및 시스템, 인공 지능망 기반 치료 예측 결과 제공 방법 및 시스템, 그리고 치료 예측결과 및 근거 자료 일괄 제공 방법 및 시스템Providing method and system for cancer treatment prediction result, method and system for providing treatment result based on artificial intelligence network, and method and system for collecting treatment prediction result and evidence data
본 발명의 일 실시예는 암 치료 예측결과 제공 방법 및 시스템에 관한 것으로, 보다 상세하게는 다양한 종류의 암과 치료 방법에 대하여 사용자가 요구하는 조건에 맞는 치료 예후를 데이터마이닝 기법으로 제공함으로써 사용자로 하여금 가장 적절한 암 치료 방법을 파악할 수 있는 암 치료 예측결과 제공 방법 및 시스템에 관한 것이다.More particularly, the present invention relates to a method and system for providing a cancer treatment prediction result, and more particularly, to a method and system for providing a cancer treatment prediction result using a data mining technique, And to a method and system for providing a cancer treatment prediction result which can identify the most appropriate cancer treatment method.
또한, 본 발명의 일 실시예는 문헌 정보 데이터마이닝 결과를 이용하여 인공 지능망을 학습하고, 이를 기반으로 환자 치료 예측 결과를 신속, 정확하게 예측할 수 있도록 하는 인공 지능망 기반 치료 예측 결과 제공 방법 및 시스템에 관한 것이다.In addition, one embodiment of the present invention relates to a method and system for providing an artificial intelligence network-based therapeutic prediction result, which enables an artificial intelligence network to be learned using a library information data mining result and to promptly and accurately predict a patient treatment prediction result based thereon will be.
또한, 본 발명의 일 실시예는 치료 예측결과 제공 방법 및 시스템에 관한 것으로, 보다 상세하게는 다수의 문헌 정보를 데이터마이닝하여 사용자가 요구하는 조건에 맞는 치료 예후를 제공함과 동시에, 근거 자료을 동일 플랫폼을 통해 일괄 제공할 수 있도록 하는 치료 예측결과 및 근거 자료 일괄 제공 방법 및 시스템에 관한 것이다.More particularly, the present invention relates to a method and system for providing a therapeutic prediction result, and more particularly, to data mining a plurality of bibliographic information to provide a treatment prognosis according to a condition required by a user, And a method and system for collectively providing evidence data.
환자의 신체 내 존재하는 악성 또는 양성 종양을 치료하는 방법으로서, 수술, 항암 치료 및 방사선 치료가 존재한다. 하지만 보통 하나의 치료법만을 단독 사용하기 보다는 복수의 치료법을 동시에 또는 최적의 순서로 사용하여 암을 치료하는 것이 일반적이다. As a method of treating malignant or benign tumors present in the patient's body, surgery, chemotherapy, and radiotherapy are available. However, it is common to treat cancer by using plural therapies simultaneously or in an optimal order, rather than using only one treatment.
하지만, 암과 환자 특성에 맞는 최적의 치료 조합은 단순히 의료진의 경험과 지식에 의존하거나, 문헌을 직접 찾아야 하는 어려움이 있다. 더 나아가, 방사선 치료를 전문으로 하는 의료진과 약물치료를 전문으로 하는 의료진간에는 최적의 항암 치료방법을 찾기 위하여 협진을 하여야 하나 복수 의료진의 일치하지 않은 경험으로 인하여 원하는 항암 치료 결과를 찾기 어렵다는 문제가 있다. However, the optimal combination of treatments suited to cancer and patient characteristics is dependent on the experience and knowledge of the medical staff, and there is a difficulty in finding the literature directly. Further, there is a problem that it is difficult to find out the desired chemotherapy result because of the inconsistent experience of the multiple medical staff, in order to find the optimal chemotherapy method between the medical staff specializing in radiotherapy and the medical specialist .
예를 들어 대한민국 특허 10-0794516호는 환자 사례 데이터베이스와 질환명 중요 검사 항목간 상관관계를 기계학습하고, 기계학습 결과를 이용하여 환자 검사 정보에 대응되는 질환을 판별하는 구성을 개시하고 있으나, 사실상 구분되는 치료이나 상호간 영향을 주는 복수 종류의 치료방법에 대한 종합적인 치료방법을 인공지능으로 제공하는 방법은 아직까지 개시되지 못하는 상황이다.For example, Korean Patent No. 10-0794516 discloses a configuration in which a correlation between a patient case database and a disease name critical inspection item is machine-learned, and a disease corresponding to patient examination information is determined using a machine learning result, A method of artificial intelligence to provide comprehensive treatment methods for different types of treatments that have different treatments or interactions is not yet disclosed.
따라서, 본 발명이 해결하고자 하는 과제는 암 치료에 대한 예후를 데이터마이닝된 정보로부터 딥러닝 방식으로 사용자에게 제공하는 방법 및 시스템을 제공하는 것이다.Therefore, a problem to be solved by the present invention is to provide a method and system for providing a user with a prognosis for cancer treatment from data mined information in a deep learning manner.
또한, 본 발명이 해결하고자 하는 과제는 문헌 정보 데이터마이닝 결과를 이용하여 인공 지능망을 통해 학습하고, 이를 기반으로 환자 치료 예측 결과를 제공하도록 하는 새로운 방식의 인공 지능망 기반 치료 예측 결과 제공 방법 및 시스템을 제공하는 것이다. In addition, a problem to be solved by the present invention is to provide a new artificial intelligence network-based therapeutic prediction result providing method and system that learns through artificial intelligence network using literature information data mining results and provides patient treatment prediction results based thereon .
또한, 본 발명이 해결하고자 하는 과제는 다수의 문헌 정보를 데이터마이닝하여 사용자가 요구하는 조건에 맞는 치료 예후를 제공함과 동시에, 데이터마이닝 근거 자료를 동일 플랫폼을 통해 일괄 제공할 수 있도록 하는 치료 예측결과 및 근거 자료 일괄 제공 방법 및 시스템을 제공하는 것이다.In addition, a problem to be solved by the present invention is to provide a treatment prognosis according to a condition required by a user by data mining a plurality of bibliographic information, and to provide a treatment prediction result And a method and system for collectively providing evidence data.
상기 과제를 해결하기 위한 수단으로서, 본 발명의 일 실시 형태에 따른 암 치료 예측 결과 제공 방법은, 암 치료 관련 문헌 또는 사례 정보를 수집 및 데이터마이닝하여 시맨틱 데이터베이스 사전을 구축하는 단계; 암 종류, 관심 치료 방법, 부작용 종류, 환자 상태 정보 중 적어도 하나가 입력정보로 입력되면, 상기 입력 정보와 상기 시맨틱 데이터베이스 사전을 기반으로 치료 예측 모델을 구성하는 단계; 및 상기 치료 예측 모델을 기반으로 상기 입력 정보에 대응되는 결과정보를 제공하는 단계를 포함하는 것을 특징으로 한다. According to an aspect of the present invention, there is provided a cancer treatment prediction result providing method comprising: constructing a semantic database dictionary by collecting and data mining documents or case information related to cancer treatment; Constructing a treatment prediction model based on the input information and the semantic database dictionary when at least one of a cancer type, a treatment method of interest, a side effect type, and patient condition information is input as input information; And providing result information corresponding to the input information based on the treatment prediction model.
상기 결과정보는 부작용 정도, 관심 치료 방법에 따른 생존율, 독성, 반응도, 치료 조건 및 치료방법의 조합 중 적어도 어느 하나인 것을 특징으로 한다. The result information is at least one of a side effect level, a survival rate according to a treatment method of interest, toxicity, a response, a treatment condition, and a combination of treatment methods.
상기 치료 예측 모델을 구성하는 단계는 수술, 화학요법, 방사선 치료, 면역 치료, 온열 치료, 및 골수이식 중 적어도 하나 또는 둘 이상의 조합에 따른 관심 치료 방법을 결정하는 단계를 포함하는 것을 특징으로 한다. The step of constructing the treatment prediction model includes determining a treatment method of interest according to at least one or a combination of two or more of surgery, chemotherapy, radiation therapy, immunotherapy, hyperthermia treatment, and bone marrow transplantation.
상기 시맨틱 데이터베이스 사전을 구축하는 단계는, 암 치료 관련 문헌 또는 사례정보로부터 입력정보에 대한 입력정보 인자 데이터를 추출하는 단계; 상기 예측 인자 데이터에 대한 시맨틱 분석을 통해 입력정보 인자에 대한 색인을 추출하는 단계; 및 상기 색인을 기반으로 상기 시맨틱 데이터베이스 사전을 작성 및 저장하는 단계를 포함하는 것을 특징으로 한다. The step of constructing the semantic database dictionary may include extracting input information parameter data for input information from literature or case information related to cancer treatment; Extracting an index for an input information factor through semantic analysis on the prediction factor data; And creating and storing the semantic database dictionary based on the index.
더하여, 상기 암 치료 예측 결과 제공 방법은 치료부위가 결정되는 단계; 결정된 치료부위에 대한 적어도 하나 이상의 치료방법 및 출력정보 종류를 포함하는 입력정보가 선택되는 단계; 치료대상인 환자정보가 입력되는 단계; 상기 시맨틱 데이터베이스 사전으로부터 입력된 입력정보와 상기 환자정보에 따라 치료 예측 모델을 구성하는 단계; 상기 구성된 치료 예측 모델로부터 상기 선택된 종류의 출력정보를 제공하는 단계를 포함하는 것을 특징으로 한다. In addition, the cancer treatment prediction result providing method may include determining a treatment site; Selecting input information including at least one treatment method and output information type for the determined treatment site; Inputting patient information to be treated; Constructing a treatment prediction model according to the input information input from the semantic database dictionary and the patient information; And outputting the selected kind of output information from the configured therapeutic prediction model.
이때의 상기 치료방법은 방사선 치료, 약물 치료, 면역 치료, 호르몬 치료 및 유전자 치료 중 적어도 어느 하나 이상을 포함하는 것을 특징으로 한다. The treatment method may include at least one of radiation therapy, drug therapy, immunotherapy, hormone therapy, and gene therapy.
상기 출력정보는 부작용 정도, 관심 치료 방법에 따른 생존율, 독성, 반응도, 치료 조건 및 치료방법의 조합 중 적어도 어느 하나를 포함하는 것을 특징으로 한다. The output information includes at least one of a side effect level, a survival rate according to a treatment method of interest, toxicity, a response, a treatment condition, and a combination of treatment methods.
상기 과제를 해결하기 위한 수단으로서, 본 발명의 다른 실시 형태에 따른 암 치료 예측 결과 제공 시스템은, 암 치료 관련 문헌 또는 사례 정보를 수집 및 데이터마이닝한 결과를 저장하는 시맨틱 데이터베이스 사전; 암 종류, 관심 치료 방법, 부작용 종류, 환자 상태 정보 중 적어도 하나의 입력정보를 사용자 단말로부터 입력받는 입력정보수신부; 상기 입력정보수신부로부터 수신된 입력정보와 상기 시맨틱 데이터베이스 사전을 기반으로 하여 암 치료에 관한 예측 모델을 구성하는 예측모델구성부; 상기 예측 모델을 기반으로 상기 입력 정보에 대응되는 결과정보를 상기 사용자 단말에 제공하는 결과정보송신부를 포함하는 것을 특징으로 한다. As a means for solving the above problems, a cancer treatment prediction result providing system according to another embodiment of the present invention includes a semantic database dictionary storing a result of collecting and data mining documents or case information related to cancer treatment; An input information receiving unit for receiving at least one input information of a type of cancer, a treatment method of interest, a side effect type, and patient condition information from a user terminal; A prediction model constructing unit for constructing a prediction model related to cancer treatment based on the input information received from the input information receiving unit and the semantic database dictionary; And a result information transmitter for providing result information corresponding to the input information to the user terminal based on the prediction model.
상기 결과정보는 부작용 정도, 관심 치료 방법에 따른 생존율, 독성, 반응도, 치료 조건 및 치료방법의 조합 중 적어도 어느 하나인 것을 특징으로 한다. The result information is at least one of a side effect level, a survival rate according to a treatment method of interest, toxicity, a response, a treatment condition, and a combination of treatment methods.
상기 치료 예측 모델은, 치료 대상의 환자에 대한 수술, 화학요법, 방사선 치료, 면역 치료, 온열 치료, 및 골수이식 중 적어도 하나 또는 둘 이상의 조합에 따른 관심 치료 방법을 포함하는 것을 특징으로 한다.The treatment prediction model includes a treatment method of interest according to at least one or two or more combinations of surgery, chemotherapy, radiation therapy, immunotherapy, hyperthermia treatment, and bone marrow transplantation for a patient to be treated.
상기 과제를 해결하기 위한 수단으로서, 본 발명의 일 실시 형태에 따른 암 치료 예측 결과 제공 방법은, 다수의 문헌 정보를 수집 및 데이터마이닝하여, 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나의 상관관계를 나타내는 다수의 학습 데이터를 획득하는 단계; 상기 다수의 학습 데이터를 기반으로 인공 지능망을 학습하는 단계; 및 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나가 입력 정보로 입력되면, 상기 인공 지능망을 통해 상기 입력 정보에 대응되는 결과 정보를 제공하는 단계를 포함할 수 있다. As a means for solving the above problems, a cancer treatment prediction result providing method according to an embodiment of the present invention collects and data minings a plurality of bibliographic information, and obtains a treatment site, a treatment method, patient status information, Obtaining a plurality of learning data representing at least one correlation; Learning the artificial intelligence network based on the plurality of learning data; And providing the result information corresponding to the input information through the artificial intelligence network when at least one of the treatment site, the treatment method, the patient state information, and the side effect type is input as the input information.
상기 결과 정보는 부작용 종류 및 치료 방법 중 적어도 하나에 따른 생존율, 독성, 반응도, 치료 방법의 조합, 및 치료 방법의 조건 중 적어도 어느 하나인 것을 특징으로 한다. Wherein the result information is at least one of survival rate, toxicity, response rate, combination of treatment methods, and treatment conditions according to at least one of the side effect type and the treatment method.
상기 방법은 상기 환자의 치료 이력과 치료 결과를 추적 모니터링하면서 실제 임상 데이터를 획득하고, 상기 실제 임상 데이터를 통해 상기 인공 지능망을 재학습시키는 단계를 더 포함하는 것을 특징으로 한다. The method may further include the step of acquiring actual clinical data while monitoring and monitoring the patient's treatment history and treatment result, and re-learning the artificial intelligence network through the actual clinical data.
상기 학습 데이터를 획득하는 단계는 다수의 문헌 정보를 수집 및 데이터마이닝하여 시맨틱 데이터베이스 사전을 구축하는 단계; 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나가 데이터마이닝 입력 정보로 입력되면, 상기 입력 정보와 상기 시맨틱 데이터베이스 사전을 기반으로 치료 예측 모델을 구성하고, 상기 치료 예측 모델을 기반으로 상기 데이터마이닝 입력 정보에 대응되는 데이터마이닝 결과 정보를 제공하는 단계; 및 상기 데이터마이닝 입력 정보와 상기 데이터마이닝 결과 정보를 포함하는 학습 데이터를 생성 및 제공하는 단계를 포함하는 것을 특징으로 한다. The step of acquiring the learning data may include constructing a semantic database dictionary by collecting and mining a plurality of document information, Wherein when at least one of a treatment site, a treatment method, a patient state information, and a side effect type is input as data mining input information, a treatment prediction model is constructed based on the input information and the semantic database dictionary, Providing data mining result information corresponding to the data mining input information; And generating and providing learning data including the data mining input information and the data mining result information.
상기 데이터마이닝 결과 정보는 부작용 종류 및 치료 방법 중 적어도 하나에 따른 생존율, 독성, 반응도, 치료 방법의 조합, 및 치료 방법의 조건 중 적어도 어느 하나인 것을 특징으로 한다. The data mining result information may be at least one of a survival rate, a toxicity, a response, a combination of treatment methods, and a treatment method according to at least one of a side effect type and a treatment method.
상기 치료 예측 모델을 구성하는 단계는 수술, 화학요법, 방사선 치료, 면역 치료, 온열 치료, 및 골수이식 중 적어도 하나 또는 둘 이상의 조합에 따른 통합 치료 방법을 결정하는 단계를 더 포함하는 것을 특징으로 한다. The step of constructing the treatment prediction model further comprises determining an integrated treatment method according to at least one or more combinations of surgery, chemotherapy, radiation therapy, immunotherapy, hyperthermia treatment, and bone marrow transplantation .
상기 시맨틱 데이터베이스 사전을 구축하는 단계는, 암 치료 관련 문헌 또는 사례정보로부터 암 치료 결과 예측 인자들과 출력 결과에 해당하는 예후 인자 데이터를 추출하는 단계; 상기 예후 인자 데이터에 대한 시맨틱 분석을 통해 시맨틱 키워드를 추출하는 단계; 및 상기 시맨틱 키워드를 기반으로 상기 시맨틱 데이터베이스 사전을 작성 및 저장하는 단계를 포함하는 것을 특징으로 한다. The step of constructing the semantic database dictionary may include extracting prognostic factor data corresponding to cancer treatment result predictive factors and output results from literature or case information related to cancer treatment; Extracting a semantic keyword through semantic analysis on the prognostic factor data; And creating and storing the semantic database dictionary based on the semantic keyword.
상기 과제를 해결하기 위한 수단으로서, 본 발명의 다른 실시 형태에 따른 인공 지능망 기반 치료 예측 결과 제공 시스템은 다수의 문헌 정보를 수집 및 데이터마이닝하여, 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나의 상관관계를 나타내는 다수의 학습 데이터를 획득하는 학습 데이터 획득부; 상기 다수의 학습 데이터를 기반으로 인공 지능망을 학습시키는 학습부; 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나가 입력 정보로 입력되면, 상기 인공 지능망을 통해 상기 입력 정보에 대응되는 결과 정보를 제공하는 예측부를 포함할 수 있다. According to another aspect of the present invention, there is provided an artificial intelligence network-based therapeutic and / or therapeutic result providing system for collecting and data mining a plurality of bibliographic information to provide a treatment site, a treatment method, A learning data obtaining unit that obtains a plurality of pieces of learning data representing at least one correlation; A learning unit for learning an artificial intelligence network based on the plurality of learning data; And a prediction unit for providing result information corresponding to the input information through the artificial intelligence network when at least one of the treatment region, the treatment method, the patient state information, and the side effect type is input as input information.
상기 결과 정보는 부작용 종류 및 치료 방법 중 적어도 하나에 따른 생존율, 독성, 반응도, 치료 방법의 조합, 및 치료 방법의 조건 중 적어도 어느 하나인 것을 특징으로 한다. Wherein the result information is at least one of survival rate, toxicity, response rate, combination of treatment methods, and treatment conditions according to at least one of the side effect type and the treatment method.
상기 시스템은 상기 환자의 치료 이력과 치료 결과를 추적 모니터링하면서 실제 임상 데이터를 획득하고, 상기 학습부가 상기 실제 임상 데이터를 통해 상기 인증 지능망을 재학습하도록 하는 임상 데이터 획득부를 더 포함하는 것을 특징으로 한다. The system further comprises a clinical data acquiring unit for acquiring actual clinical data while monitoring and tracking the patient's treatment history and treatment result and for allowing the learning unit to re-learn the authentication intelligent network through the actual clinical data .
상기 학습 데이터 획득부는 문헌 정보를 수집 및 데이터마이닝한 결과를 저장하는 시맨틱 데이터베이스 사전; 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나의 입력 정보를 사용자 단말로부터 입력받는 입력 정보 수신부; 상기 입력 정보수신부로부터 수신된 입력 정보와 상기 시맨틱 데이터베이스 사전을 기반으로 하여 암 치료에 관한 예측 모델을 구성하는 예측모델구성부; 및 상기 예측 모델을 기반으로 상기 입력 정보에 대응되는 결과 정보를 획득 및 제공하는 결과 정보 제공부를 포함하는 것을 특징으로 한다. Wherein the learning data obtaining unit comprises: a semantic database dictionary storing a result of collecting and mining document information; An input information receiving unit for receiving input information of at least one of a treatment region, a treatment method, patient state information, and a side effect type from a user terminal; A prediction model constructing unit for constructing a prediction model related to cancer treatment based on the input information received from the input information receiving unit and the semantic database dictionary; And a result information providing unit for obtaining and providing result information corresponding to the input information based on the prediction model.
상기 결과 정보는 부작용 종류 및 치료 방법 중 적어도 하나에 따른 생존율, 독성, 반응도, 치료 방법의 조합, 및 치료 방법의 조건 중 적어도 어느 하나인 것을 특징으로 한다. Wherein the result information is at least one of survival rate, toxicity, response rate, combination of treatment methods, and treatment conditions according to at least one of the side effect type and the treatment method.
상기 치료 예측 모델은, 치료 대상의 환자에 대한 수술, 화학요법, 방사선 치료, 면역 치료, 온열 치료, 및 골수이식 중 적어도 하나 또는 둘 이상의 조합에 따른 치료 방법 및 치료 부작용을 포함하는 것을 특징으로 한다. The treatment prediction model is characterized in that it includes a treatment method and a treatment side effect according to at least one or two or more combinations of surgery, chemotherapy, radiation therapy, immunotherapy, hyperthermia treatment, and bone marrow transplantation for a patient to be treated .
상기 과제를 해결하기 위한 수단으로서, 본 발명의 일 실시 형태에 따른 치료 예측결과 및 근거 자료 일괄 제공방법은, 문헌 정보를 수집 및 데이터마이닝하여 시맨틱 데이터베이스 사전을 구축하는 단계; 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나가 입력정보로 입력되면, 상기 입력 정보와 상기 시맨틱 데이터베이스 사전을 기반으로 치료 예측 모델을 구성하는 단계; 상기 치료 예측 모델을 기반으로 상기 입력 정보에 대응되는 결과 정보를 획득하는 단계; 상기 결과 정보의 근거 자료들을 수집 및 목록화하는 단계; 및 상기 근거자료를 상기 결과 정보와 함께 동일 화면을 통해 표시하는 단계를 포함한다. According to an aspect of the present invention, there is provided a method for providing a treatment prediction result and a data base in accordance with an embodiment of the present invention includes: constructing a semantic database dictionary by collecting and mining document information; Constructing a treatment prediction model based on the input information and the semantic database dictionary when at least one of a treatment site, a treatment method, patient state information, and a side effect type is input as input information; Obtaining result information corresponding to the input information based on the treatment prediction model; Collecting and cataloging evidence data of the result information; And displaying the result data on the same screen together with the result information.
상기 근거 자료들을 수집 및 목록화하는 단계는 문헌 정보 개시일, 정보 관련성, 및 저자 신뢰도 중 적어도 하나를 기반으로 상기 수집된 근거 자료들의 우선순위를 결정하고 목록화할 수 있다. The step of collecting and cataloging the evidence data may include prioritizing and cataloging the collected evidence data based on at least one of a document information start date, information relevance, and author credibility.
그리고 상기 근거 자료들을 수집 및 목록화하는 단계는 사용자 요청하에 상기 문헌 정보 개시일, 상기 정보 관련성, 및 상기 저자 신뢰도 각각의 고려 비중을 임의 조정할 수 있는 것을 특징으로 한다. In addition, the step of collecting and cataloging the evidence data can arbitrarily adjust the ratio of consideration of each of the document information start date, the information relevance, and the author credibility under a user request.
또한 상기 방법은 상기 근거 자료 목록을 통해 하나의 근거 자료의 선택 및 열람 요청되면, 상기 열람 요청된 근거 자료의 상세 정보를 불러와 추가 표시하는 단계를 더 포함할 수 있다. In addition, the method may further include the step of, when the selection and the viewing of one piece of the base material are requested through the base material list, calling and displaying detailed information of the base material requested to be viewed.
상기 근거 자료의 상세 정보를 불러와 추가 표시하는 단계는 상기 치료 예측 모델 구성에 이용되는 시맨틱 키워드를 볼드 처리 또는 박스 처리한 후, 화면 표시하는 기능을 더 포함할 수 있다. The step of further displaying and displaying the detailed information of the evidence data may further include a function of bolding or box processing the semantic keyword used in the structure of the treatment prediction model and then displaying the screen.
더하여, 상기 근거 자료의 상세 정보를 불러와 추가 표시하는 단계는 상기 치료 예측 모델 구성에 이용되는 시맨틱 키워드가 개시된 문장만을 추출하여 선별적으로 제공하는 기능을 더 포함할 수 있다. In addition, the step of further displaying and displaying detailed information of the evidence data may further include extracting only the sentences in which the semantic keywords used in the treatment prediction model construction are selected and selectively providing the extracted sentences.
상기 결과 정보는 부작용 종류 및 치료 방법 중 적어도 하나에 따른 생존율, 독성, 반응도, 치료 방법의 조합, 및 치료 방법의 조건 중 적어도 어느 하나인 것을 특징으로 한다. Wherein the result information is at least one of survival rate, toxicity, response rate, combination of treatment methods, and treatment conditions according to at least one of the side effect type and the treatment method.
상기 치료 예측 모델을 구성하는 단계는 수술, 화학요법, 방사선 치료, 면역 치료, 온열 치료, 및 골수이식 중 적어도 하나 또는 둘 이상의 조합에 따른 통합 치료 방법을 결정하는 단계를 더 포함할 수 있다. The step of constructing the treatment prediction model may further comprise determining an integrated treatment method according to at least one or more combinations of surgery, chemotherapy, radiotherapy, immunotherapy, hyperthermia treatment, and bone marrow transplantation.
상기 시맨틱 데이터베이스 사전을 구축하는 단계는, 암 치료 관련 문헌 또는 사례정보로부터 암 치료 결과 예후 인자들과 출력 결과에 해당하는 예후 인자 데이터를 추출하는 단계; 상기 예후 인자 데이터에 대한 시맨틱 분석을 통해 시맨틱 키워드를 추출하는 단계; 및 상기 시맨틱 키워드를 기반으로 상기 시맨틱 데이터베이스 사전을 작성 및 저장하는 단계를 포함할 수 있다. The step of constructing the semantic database dictionary includes extracting prognostic factor data corresponding to cancer treatment outcome prognostic factors and output results from literature or case information related to cancer treatment; Extracting a semantic keyword through semantic analysis on the prognostic factor data; And creating and storing the semantic database dictionary based on the semantic keyword.
상기 과제를 해결하기 위한 수단으로서, 본 발명의 다른 실시 형태에 따른 치료 예측결과 및 근거 자료 일괄 제공 시스템은 치료 관련 문헌 또는 사례 정보를 수집 및 데이터마이닝한 결과를 저장하는 시맨틱 데이터베이스 사전; 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나가 입력정보를 사용자 단말로부터 입력받는 입력정보수신부; 상기 입력정보수신부로부터 수신된 입력정보와 상기 시맨틱 데이터베이스 사전을 기반으로 하여 치료에 관한 예측 모델을 구성하는 예측모델구성부; 상기 예측 모델을 기반으로 상기 입력 정보에 대응되는 결과 정보를 상기 사용자 단말에 제공하는 결과 정보 획득부; 상기 결과 정보의 근거 자료들을 수집 및 목록화하는 근거 자료 획득부; 상기 입력 정보를 입력받거나, 상기 결과 정보와 상기 근거자료를 동시 안내하기 위한 UI(User Interface)를 구성 및 제공하는 UI 구성부를 포함할 수 있다. As a means for solving the above problems, a treatment prediction result and a data base providing system according to another embodiment of the present invention include a semantic database dictionary storing a result of collecting and data mining treatment-related documents or case information; At least one of a treatment part, a treatment method, patient condition information, and a side effect type is inputted from a user terminal; A prediction model constructing unit for constructing a prediction model for treatment based on the input information received from the input information receiving unit and the semantic database dictionary; A result information obtaining unit for providing result information corresponding to the input information to the user terminal based on the prediction model; A base data acquisition unit for collecting and cataloging base data of the result information; And a UI constructing unit for constructing and providing a UI (User Interface) for receiving the input information or simultaneously guiding the result information and the supporting data.
상기 근거 자료 획득부는 문헌 정보 개시일, 정보 관련성, 및 저자 신뢰도 중 적어도 하나를 기반으로 상기 수집된 근거 자료들의 우선순위를 결정하고 목록화할 수 있다. The evidence data acquiring unit may determine and catalog the priorities of the collected evidence data based on at least one of the date of publication of the information, the information relevance, and the author credibility.
상기 근거 자료 획득부는 사용자 요청하에 상기 문헌 정보 개시일, 상기 정보 관련성, 및 상기 저자 신뢰도 각각의 고려 비중을 임의 조정할 수 있는 것을 특징으로 한다. And the proof data acquiring unit can arbitrarily adjust the consideration of each of the document information start date, the information relevance, and the author credibility under a user request.
상기 근거 자료 획득부는 상기 근거 자료 목록을 통해 하나의 근거 자료의 선택 및 열람 요청되면, 상기 열람 요청된 근거 자료의 상세 정보를 불러와 상기 UI 구성부에 제공하는 기능을 더 포함할 수 있다.The base data acquiring unit may further include a function of retrieving detailed information of the base data requested to be browsed and providing the selected base data to the UI unit when the base data is selected and viewed through the base data list.
본 발명의 일 실시예에 따르면, 다양한 비수술적 치료방법이 존재하는 암에 대한 치료방법과 각 방법별 독성, 부작용 등의 결과를 하나의 플랫폼에서 동시에 보여줄 수 있다. 이로써, 방사선 또는 약물의 조합 등과 같은 복합적 치료방법에 대해서도 그 독성, 생존율 등의 결과를 사용자의 선택에 따라 동일 플랫폼에서 보여줄 수 있는 장점이 있다. According to one embodiment of the present invention, a treatment method for cancer in which various non-surgical treatment methods are present, and toxicity and side effects of each method can be simultaneously displayed on one platform. Thus, even in a complex treatment method such as radiation or a combination of medicines, the result of toxicity and survival rate can be displayed on the same platform according to the user's selection.
본 발명의 일 실시예에 따르면, 문헌 정보 데이터마이닝 결과를 이용하여 인공 지능망을 통해 학습함으로써, 환자 치료 예측 결과를 보다 신속, 정확하게 예측할 수 있도록 한다. According to an embodiment of the present invention, learning through the artificial intelligence network using the results of the library information data mining can predict the patient treatment prediction result more quickly and accurately.
그리고 문헌 정보 데이터마이닝 결과 뿐만 아니라, 환자의 실제 임상 데이터까지 고려한 학습이 이루어지도록 함으로써, 학문적 근거 뿐만 아니라 임상학적 근거까지 고려한 환자 치료 예측 결과를 획득 및 제공할 수 있도록 한다. In addition, it enables learning to take into consideration not only the result of the data mining but also the actual clinical data of the patient, thereby acquiring and providing the patient treatment prediction result considering the clinical ground as well as the academic basis.
더하여, 암과 같은 다양한 비수술적 치료방법이 존재하는 질병에 대한 치료방법과 각 방법별 부작용 등의 결과를 하나의 플랫폼에서 동시에 보여줄 수 있다. 이로써, 방사선 또는 약물의 조합 등과 같은 복합적 치료방법에 대해서도 그 독성, 생존율 등의 결과를 사용자의 선택에 따라 동일 플랫폼에서 보여줄 수 있는 장점이 있다. In addition, a variety of non-surgical treatments such as cancer can show the results of treatments for the disease and the side effects of each method on a single platform at the same time. Thus, even in a complex treatment method such as radiation or a combination of medicines, the result of toxicity and survival rate can be displayed on the same platform according to the user's selection.
본 발명의 일 실시예에 따르면, 치료 결과 예측에 대한 근거 자료 또한 동일 플랫폼을 통해 동시 제공할 수 있도록 함으로써, 정보 제공의 신뢰성을 높이고, 의료진이 관련 문헌 정보를 별도의 정보 검색 없이 보다 손쉽게 확인 및 열람할 수 있도록 해준다.According to an embodiment of the present invention, it is possible to simultaneously provide evidence data on the prediction of treatment outcomes through the same platform, thereby enhancing the reliability of information provision and enabling clinicians to easily check and confirm related bibliographic information without searching for information. It allows you to browse.
도 1은 본 발명의 일 실시예에 따른 암 치료 예측결과 제공 방법의 단계도이다. 1 is a diagram illustrating a method of providing a cancer treatment prediction result according to an embodiment of the present invention.
도 2는 본 발명의 일 실시예에 따른 데이터마이닝 방법을 설명하기 위한 도면이다. 2 is a diagram for explaining a data mining method according to an embodiment of the present invention.
도 3은 본 발명의 일 실시예에 따른 시맨틱 데이터베이스 사전을 구축하는 방법의 단계도이다. 3 is a block diagram of a method for constructing a semantic database dictionary according to an embodiment of the present invention.
도 4 내지 7은 상술한 방법에 따라 암 치료 예후를 평가하는 일 예를 설명하는 도면이다. 4 to 7 are diagrams for explaining an example of evaluating cancer treatment prognosis according to the above-described method.
도 8은 본 발명의 일 실시예에 따른 암 치료 예측 결과 제공 시스템의 블록도이다. 8 is a block diagram of a cancer treatment prediction result providing system according to an embodiment of the present invention.
도 9는 본 발명의 일 실시예에 따른 인공 지능망 기반 치료 예측 결과 제공 방법의 단계도이다. FIG. 9 is a flowchart illustrating a method of providing an artificial intelligence network-based therapeutic prediction result according to an embodiment of the present invention.
도 10은 본 발명의 다른 실시예에 따른 인공 지능망 기반 치료 예측 결과 제공 방법의 개념도이다. 10 is a conceptual diagram of a method of providing an artificial intelligence network-based therapeutic prediction result according to another embodiment of the present invention.
도 11은 본 발명의 일 실시예에 따른 학습 데이터 획득 방법을 설명하기 위한 도면이다. 11 is a diagram for explaining a learning data acquisition method according to an embodiment of the present invention.
도 12 내지 16은 상술한 방법에 따라 문헌 정보 데이터마이닝 방법을 제공하는 일 예를 설명하는 도면이다. 12 to 16 are diagrams for explaining an example of providing a document information data mining method according to the above-described method.
도 17은 본 발명의 일 실시예에 따른 치료 예측 결과 제공 시스템의 블록도이다. 17 is a block diagram of a treatment prediction result providing system according to an embodiment of the present invention.
도 18은 본 발명의 일 실시예에 따른 치료 예측결과 및 근거 자료 일괄 제공 방법의 단계도이다. FIG. 18 is a diagram illustrating a method of collectively providing a result of a treatment and a data base according to an embodiment of the present invention.
도 19는 본 발명의 일 실시예에 따른 데이터마이닝 방법을 설명하기 위한 도면이다. 19 is a diagram for explaining a data mining method according to an embodiment of the present invention.
도 20 및 도 21은 상술한 방법에 따라 치료 예후를 예측하는 근거 자료 제공 방법을 설명하기 위한 도면이다. 20 and 21 are views for explaining a method of providing evidence data for predicting a treatment prognosis according to the above-described method.
도 22는 본 발명의 일 실시예에 따른치료 예측결과 및 근거 자료 일괄 제공 시스템의 블록도이다. FIG. 22 is a block diagram of a system for providing a treatment prediction result and a data base in accordance with an embodiment of the present invention.
도 23은 본 명세서에 개진된 하나 이상의 실시예가 구현될 수 있는 예시적인 컴퓨팅 환경을 도시하는 도면이다.23 is a diagram illustrating an exemplary computing environment in which one or more embodiments disclosed herein may be implemented.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명한다. 이때, 첨부된 도면에서 동일한 구성 요소는 가능한 동일한 부호로 나타내고 있음에 유의한다. 또한, 본 발명의 요지를 흐리게 할 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략할 것이다. 마찬가지 이유로 첨부 도면에 있어서 일부 구성요소는 과장되거나 생략되거나 개략적으로 도시되었다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings. Note that, in the drawings, the same components are denoted by the same reference symbols as possible. Further, the detailed description of known functions and configurations that may obscure the gist of the present invention will be omitted. For the same reason, some of the components in the drawings are exaggerated, omitted, or schematically illustrated.
또한, 명세서 전체에서, 어떤 부분이 어떤 구성요소를 “포함”한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서 전체에서, “~상에”라 함은 대상 부분의 위 또는 아래에 위치함을 의미하는 것이며, 반드시 중력 방향을 기준으로 상측에 위치하는 것을 의미하는 것은 아니다.Also, throughout the specification, when an element is referred to as " including " an element, it is understood that the element may include other elements as well, without departing from the other elements unless specifically stated otherwise. Also, throughout the specification, the term " on " means located above or below a target portion, and does not necessarily mean that the target portion is located on the upper side with respect to the gravitational direction.
도 1은 본 발명의 일 실시예에 따른 암 치료 예측결과 제공 방법의 단계도이다. 1 is a diagram illustrating a method of providing a cancer treatment prediction result according to an embodiment of the present invention.
도 1을 참조하면, 본 발명의 일 실시예에 따른 평가 방법은, 암 치료 관련 문헌 또는 사례 정보를 수집 및 데이터마이닝하여 시맨틱 데이터베이스 사전을 구축하는 단계(S100); 암 종류, 관심 치료 방법, 부작용 종류, 환자 상태 정보 중 적어도 하나가 입력정보로 입력되면, 상기 입력 정보와 상기 시맨틱 데이터베이스 사전을 기반으로 치료 예측 모델을 구성하는 단계(S200); 및 상기 치료 예측 모델을 기반으로 상기 입력 정보에 대응되는 결과정보를 제공하는 단계(S300)를 포함한다. Referring to FIG. 1, an evaluation method according to an embodiment of the present invention includes constructing a semantic database dictionary by collecting and data mining documents or case information related to cancer treatment (S100); Constructing a treatment prediction model based on the input information and the semantic database dictionary when at least one of a type of cancer, a treatment method of interest, a side effect type, and patient condition information is input as input information (S200); And providing result information corresponding to the input information based on the treatment prediction model (S300).
본 발명의 일 실시예에 따른 시맨틱 데이터베이스 사전을 구축하기 위한 데이터마이닝 및 결과정보를 제공하는 방법은 다음과 같으나, 본 발명의 범위는 이에 제한되지 않는다. The method of providing data mining and result information for constructing a semantic database dictionary according to an embodiment of the present invention is as follows, but the scope of the present invention is not limited thereto.
도 2는 본 발명의 일 실시예에 따른 데이터마이닝 방법을 설명하기 위한 도면이다. 2 is a diagram for explaining a data mining method according to an embodiment of the present invention.
먼저, 입력정보로 치료부위가 폐, 치료방법으로 방사선, 그리고 부작용으로 폐렴이 출력정보의 종류로 입력된다. First, as input information, the treatment area is treated as the lung, the treatment method is radiation, and the pneumonia as a side effect is inputted as the type of the output information.
이에 따라 임상 연구 문헌들(PDF 문서)로부터 암 치료 결과 예측(예후) 인자들과 결과(Grade 1, 2, 3, 4, 5)에 해당하는 텍스트를 추출하고(S310) 추출된 텍스트를 형태소 분석, 시맨틱 분석을 통해(S320) 유의미한 시맨틱 키워드(Age, V20, G1, G2, …)로 추출하며(S330), 다시 추출된 시맨틱 키워드는 검색(조회)에 적합한 형태로 데이터 베이스화하여 데이터베이스 사전을 구축한다(S340). Accordingly, the text corresponding to the cancer treatment result prediction (prognosis) factors and the results ( Grade 1, 2, 3, 4, 5) is extracted from the clinical study documents (PDF document) (S310) (S320). The extracted semantic keyword is converted into a database suitable for retrieval (query), and a database dictionary is constructed (S340).
본 발명은 특히 암 치료 종류와 다양한 종류의 치료 결과를 시맨틱 키워드 형태로 분류하여 구축된 데이터베이스 사전을 이용하는데, 이를 통하여 암 종류와 환자 정보에 따라 원하는 데이터만을 가져와서 하나의 치료예측모델을 구축할 수 있다. In particular, the present invention utilizes a database dictionary constructed by classifying cancer treatment types and various kinds of treatment results into a semantic keyword form, thereby constructing a single treatment prediction model by taking only desired data according to cancer type and patient information .
이후 조회 단계를 거치게 되는데, 예를 들어 치료법은 방사선이고 부작용이 폐렴인 경우, ge, COPD, ILD, 폐기능(Pulmonary function), DVH, 종양위치(Tumor location) 등의 임상정보를 다시 입력값으로 받아서(S350) 환자데이터로부터 DVH (예: V20)을 구한 후, 선량 제한 인자와 비교 (V20 <= 30%)하여 적합성을 조합하여 치료 예측 모델을 구성한다. 본 발명에 따른 치료예측모델은 구축된 데이터베이스 사전으로부터 입력된 정보(환자 정보, 종양 종류, 치료방법)에 따라 가장 적합한 조건을 찾아 다시 구성된 모델이 된다. For example, if the treatment is radiation and the side effects are pneumonia, clinical information such as ge, COPD, ILD, pulmonary function, DVH, and tumor location is input again. (V20 <= 30%), and construct a treatment prediction model by combining the fitness values with the dose limiting factors (S320). The treatment prediction model according to the present invention finds the most suitable condition according to the information (patient information, tumor type, treatment method) inputted from the constructed database dictionary, and becomes a reconstituted model.
이후 구성된 치료 예측 모델로부터 나이와 V20 등 범위에 드는 시맨틱 테이블을 조회하여(S360), 사용자가 원하는 출력정보인 부작용(독성) 그레이드 값을 구하고(S370) 이를 사용자에게 제공한다(S380). 이후 이를 시각화하는 단계를 거치게 되는데, 이는 UI 개념에서 사용자가 직관적으로 독성 그레이드를 파악할 수 있게 함이며 그 방식은 다양한 방식이 될 수 있다. In step S360, the semantic table included in the range of age and V20 is searched from the configured treatment prediction model, and the user obtains a side effect (toxicity) grade value, which is output information desired by the user (S370). This is followed by a visualization step, which allows the user to intuitively grasp the toxicity grade in the UI concept, which can be in various ways.
본 발명의 일 실시예에서 상기 결과정보는 부작용 정도, 관심 치료 방법에 따른 생존율, 독성, 반응도, 치료 조건 및 치료방법의 조합 중 적어도 어느 하나일 수 있는데, 본 발명의 일 실시예에서 상기 결과정보는 입력되는 단계에서 사용자가 그 종류를 결정할 수 있다. In one embodiment of the present invention, the result information may be at least one of a side effect level, a survival rate according to a treatment method of interest, toxicity, a response, a treatment condition, and a combination of treatment methods. The user can determine the type in the input step.
또한 본 발명의 일 실시예에서 상기 치료 예측 모델을 구성하는 단계는, 수술, 화학요법, 방사선 치료, 면역 치료, 온열 치료, 및 골수이식 중 적어도 하나 또는 둘 이상의 조합에 따른 관심 치료 방법을 결정하는 단계를 포함하는데, 본 발명은 특히 둘 이상의 치료법을 하나의 치료 예측 모델에 모두 고려할 수 있으므로, 둘 이상의 치료법을 동시에 사용하였을 때의 생존율 또는 독성정보를, 데이터마이닝된 정보로부터 제공할 수 있다. 더 나아가, 제공된 정보를 출력하는 인공지능 모듈에 이를 학습시켜 보다 정확한 출력정보를 사용자에게 제공할 수 있다. Also, in one embodiment of the present invention, the step of constructing the therapeutic prediction model comprises determining the therapeutic method of interest according to at least one or more combinations of surgery, chemotherapy, radiation therapy, immunotherapy, thermal therapy, and bone marrow transplantation Wherein the present invention is particularly capable of considering two or more therapies in a single treatment prediction model so that survival rate or toxicity information when two or more therapies are simultaneously used can be provided from the data mined information. Furthermore, it is possible to provide more accurate output information to the user by learning the artificial intelligence module outputting the provided information.
도 3은 본 발명의 일 실시예에 따른 시맨틱 데이터베이스 사전을 구축하는 방법의 단계도이다. 3 is a block diagram of a method for constructing a semantic database dictionary according to an embodiment of the present invention.
도 3을 참조하면, 상기 방법은, 암 치료 관련 문헌 또는 사례 자료로부터 암 치료에 대한 결과(즉, 예후) 인자 데이터를 추출하는 단계(S101); 상기 결과 인자 데이터에 대한 시맨틱 분석을 통해 결과 인자 색인을 추출하는 단계(S201); 및 상기 결과 인자 색인을 기반으로 상기 시맨틱 데이터베이스 사전을 작성 및 저장하는 단계(S301)를 포함한다. Referring to FIG. 3, the method includes extracting (S101) resultant (i.e., prognostic) factor data for cancer treatment from literature or case data related to cancer therapy; Extracting a result factor index through semantic analysis on the result parameter data (S201); And creating and storing the semantic database dictionary based on the resultant index (S301).
본 발명의 일 실시예에서 상기 결과 인자는 사용자가 원하는 출력정보에 대응하는 키워드에 해당하는 것으로, 키워드 별로 유의어 등을 포괄할 수 있다. In one embodiment of the present invention, the result parameter corresponds to a keyword corresponding to the output information desired by the user, and may include a thesaurus for each keyword.
도 4 내지 7은 상술한 방법에 따라 암 치료 에측 결과를 제공하는 일 예를 설명하는 도면이다. FIGS. 4-7 illustrate an example of providing cancer treatment response results according to the method described above.
도 4 내지 7을 참조하면, 먼저 치료부위가 폐로 선택되고, 결정된 치료부위에 대한 적어도 하나 이상의 치료방법으로 방사선 치료, 약물 치료 및 면역치료가 선택되며, 출력정보로 생존율 및 독성이 입력정보로 선택된다. Referring to FIGS. 4 to 7, first, a treatment site is selected as a lung, radiation therapy, drug treatment and immunotherapy are selected as at least one treatment method for the determined treatment site, and survival rate and toxicity are selected as input information do.
상기 입력된 입력정보에 대응하는 시맨틱 데이터베이스로부터 치료예측모델이 구성되는데, 상기 치료예측모델은 상기 입력된 입력정보(예를 들어 환자 나이, 성별, 종양부위, 타 질병 유무, 결정된 치료방법)에 대하여 문헌 또는 사례정보로부터 가장 매칭되는 확률이 높은 임의의 환자를 가정한 모델이 된다. The treatment prediction model is constructed from the semantic database corresponding to the inputted input information. The treatment prediction model is a model for classifying the input information (for example, patient age, sex, tumor site, other diseases, The model assumes an arbitrary patient with the highest probability of matching best from literature or case information.
이후 상기 치료예측모델에 따른 결과정보가 사용자에게 제공되는데, 상기 결과정보는 미리 사용자가 입력한 입력정보에 대응된다(도 7 참조). 이때 필요에 따라 상기 치료예측모델을 구축하는데 사용된 문헌정보가 표시될 수 있으며, 이를 클릭함으로써 사용자는 하나의 유저인터페이스 환경에서 문헌을 바로 확인할 수 있다. 특히 본 발명은 방사선 치료, 약물 치료 등의 해당 분야에만 전문지식을 가진 전문 의료진도 다양한 치료방법의 조합을 선택하여 복합 치료에 따른 치료결과와 효과, 그리고 유사 문헌 정보를 동일 유저인터페이스 환경에서 확인할 수 있다.Then, result information according to the treatment prediction model is provided to the user, and the result information corresponds to the input information input by the user in advance (refer to FIG. 7). At this time, the document information used for constructing the treatment prediction model can be displayed as needed. By clicking the document information, the user can directly check the document in one user interface environment. In particular, according to the present invention, a medical professional having expert knowledge only in a corresponding field such as a radiation therapy or a medication can select a combination of various treatment methods to confirm the treatment result and effect according to the combined treatment and similar document information in the same user interface environment have.
또한 본 발명은 상술한 방법을 통하여 다양한 종류의 치료방법이 존재하는 암에 대하여 치료방법의 조합과 순서, 또는 조건(약물치료 시기, 약물의 종류) 등도 데이터마이닝 및 딥러닝 방식으로 제공할 수 있다. 즉, 문헌상에서 데이터마이닝된 데이터와 사례 정보로부터 본 발명에 따른 시스템은 이를 딥러닝 방식으로 학습하여 가장 최적화된 치료결과를 사용자에게 제공할 수 있다. In addition, the present invention can provide a combination of the treatment methods, order, or conditions (drug treatment timing, type of drug) and the like in the data mining and the deep learning method for the cancer in which various kinds of treatment methods exist through the above-described method . That is, the system according to the present invention learns from the data mining data and case information in the literature, and learns it by the deep learning method, and provides the most optimized treatment result to the user.
도 8은 본 발명의 일 실시예에 따른 암 치료 예측 결과 제공 시스템의 블록도이다. 8 is a block diagram of a cancer treatment prediction result providing system according to an embodiment of the present invention.
도 8을 참조하면, 상기 시스템은 암 치료 관련 문헌 또는 사례 정보를 수집 및 데이터마이닝한 결과를 저장하는 시맨틱 데이터베이스 사전(100); 암 종류, 관심 치료 방법, 부작용 종류, 환자 상태 정보 중 적어도 하나의 입력정보를 사용자 단말로부터 입력받는 입력정보수신부(200); 상기 입력정보수신부(200)로부터 수신된 입력정보와 상기 시맨틱 데이터베이스 사전(100)을 기반으로 하여 암 치료에 관한 예측 모델을 구성하는 예측모델구성부(300); 상기 예측 모델을 기반으로 상기 입력 정보에 대응되는 결과정보를 상기 사용자 단말에 제공하는 결과정보송신부(400)를 포함한다. Referring to FIG. 8, the system includes a semantic database dictionary 100 for storing results of collecting and data mining documents or case information related to cancer treatment; An input information receiving unit (200) for receiving at least one input information of a type of cancer, a treatment method of interest, a side effect type, and patient condition information from a user terminal; A prediction model constructing unit 300 for constructing a prediction model related to cancer treatment based on the input information received from the input information receiving unit 200 and the semantic database dictionary 100; And a result information transmitter 400 for providing result information corresponding to the input information to the user terminal based on the prediction model.
본 발명의 일 실시예에서, 상기 결과정보는 부작용 정도, 관심 치료 방법에 따른 생존율, 독성, 반응도, 치료 조건 및 치료방법의 조합 중 적어도 어느 하나를 포함하는데, 특히 환자의 임상 정보에 따라 치료예측모델을 구성한 후, 이로부터 치료 방법과, 조건 등의 결과정보를 사용자에게 제공할 수 있다. In one embodiment of the present invention, the result information includes at least one of the degree of side effect, the survival rate according to the treatment method of interest, the toxicity, the response, the treatment condition, and the combination of treatment methods. After constructing the model, it is possible to provide the user with the result information of the treatment method, condition, and the like.
경우에 따라 상기 치료 예측 모델은, 치료 대상의 환자에 대한 수술, 화학요법, 방사선 치료, 면역 치료, 온열 치료, 및 골수이식 중 적어도 하나 또는 둘 이상의 조합에 따른 관심 치료 방법 정보를 포함할 수 있는데, 본 발명은 특히 하나의 질환에 대하여 다양한 종류의 치료법 중 최적의 치료법을 제공한 후, 다시 동일 플랫폼에서 입력조건 중 제공된 치료법을 입력하여 생존율 등의 정보를 다시 확인할 수 있다. 따라서, 동일 플랫폼 내에서 다양한 입력정보 조합에도 불구하고 사전에 구축된 데이터마이닝 사전으로부터 치료예측모델을 구성하여 원하는 정보를 제공할 수 있다. Optionally, the treatment prediction model may include information of treatment modalities according to at least one or more combinations of surgery, chemotherapy, radiotherapy, immunotherapy, hyperthermia, and bone marrow transplantation for the patient to be treated , The present invention can provide an optimum treatment method among various kinds of treatment methods especially for a single disease and then re-confirm information such as survival rate by inputting the treatment method provided in the input conditions on the same platform again. Therefore, despite the various combinations of input information in the same platform, a treatment prediction model can be constructed from a pre-built data mining dictionary to provide desired information.
도 9는 본 발명의 일 실시예에 따른 인공 지능망 기반 치료 예측 결과 제공 방법의 단계도이다. FIG. 9 is a flowchart illustrating a method of providing an artificial intelligence network-based therapeutic prediction result according to an embodiment of the present invention.
도 9를 참조하면, 본 발명의 일 실시예에 따른 방법은, 다수의 문헌 정보를 수집 및 데이터마이닝하여, 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나의 상관관계를 나타내는 다수의 학습 데이터를 획득하는 단계(S1100), 상기 다수의 학습 데이터를 기반으로 인공 지능망을 학습하는 단계(S1200), 및 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나가 입력 정보로 입력되면, 상기 인공 지능망을 통해 상기 입력 정보에 대응되는 결과 정보를 제공하는 단계(S1300)를 포함한다. Referring to FIG. 9, a method according to an embodiment of the present invention collects and data minings a plurality of bibliographic information, thereby generating a plurality of bibliographic information, which indicates a correlation of at least one of a treatment site, a treatment method, (S1200) of learning the artificial intelligence network based on the plurality of pieces of learning data and at least one of the treatment region, the treatment method, the patient state information, and the side effect type is input information And providing result information corresponding to the input information through the artificial intelligence network (S1300).
즉, 본 발명은 방대한 양의 문헌 정보를 데이터마이닝한 결과를 기반으로 인공지능망을 학습함으로써, 보다 신속 정확한 치료 예측 결과를 사용자에게 제공할 수 있도록 한다. That is, the present invention provides a quick and accurate treatment prediction result to the user by learning the artificial intelligence network based on the result of data mining of a large amount of bibliographic information.
또한 본 발명은 문헌 정보에 포함된 내용 모두를 단순 학습하는 것이 아니라, 의료진들이 질의 사항을 통해 제공받길 원하는 정보가 무엇인지까지 파악한 후, 그를 고려한 인공 지능망 학습이 수행될 수 있도록 함으로써, 인공 지능망이 의료진들의 주요 고려 사항이 가장 잘 반영된 치료 예측 결과를 획득 및 제공할 수 있도록 한다. In addition, the present invention not only learns all the contents included in the document information, but also grasps what information the medical staff wants to receive through the inquiry, and then enables the artificial intelligence network learning to be performed, The primary consideration of healthcare professionals is to enable them to obtain and provide the most accurate treatment prediction results.
더하여, 본 발명은 도 10에 도시된 바와 같이 환자의 치료 이력과 치료 결과를 추적 모니터링하면서 실제 임상 데이터를 획득하고, 상기 실제 임상 데이터를 통해 상기 인공 지능망을 재학습시키는 단계(S1400)를 더 포함할 수도 있다. 즉, 환자의 치료 이력을 입력 정보로 치료 결과를 출력 정보로 가지는 학습 데이터를 생성하고, 이를 통해 인공 지능망을 학습시킬 수 있도록 한다. In addition, the present invention further includes the step of acquiring actual clinical data while monitoring and monitoring the patient's treatment history and treatment result as shown in FIG. 10, and re-learning the artificial intelligence network through the actual clinical data (S1400) You may. That is, the learning data having the treatment result as the input information and the treatment result as the output information are generated, and the artificial intelligence network can be learned through the generated data.
이와 같이 본 발명은 문헌 정보 뿐만 아니라 실제 임상 데이터까지 활용하여 인공 지능망을 학습시킴으로써, 인공 지능망의 치료 예측 결과가 학문적 관점과 임상학적 관점 모두를 골고루 반영할 수 있도록 한다. As described above, the present invention utilizes the actual clinical data as well as the literature information to learn the artificial intelligence network, thereby making it possible to uniformly reflect the therapeutic prediction result of the artificial intelligence network from both the academic viewpoint and the clinical viewpoint.
본 발명의 일 실시예에 따른 학습 데이터 획득 방법은 다음과 같으나, 본 발명의 범위는 이에 제한되지 않는다. The learning data acquisition method according to an embodiment of the present invention is as follows, but the scope of the present invention is not limited thereto.
도 11은 본 발명의 일 실시예에 따른 학습 데이터 획득 방법을 설명하기 위한 도면이다. 11 is a diagram for explaining a learning data acquisition method according to an embodiment of the present invention.
먼저, 단계 S1110에서는 학술 논문, 의학 서적, 사례 정보와 같은 각종 문헌 정보(PDF 문서)로부터 암 치료 결과 예후 인자들과 출력 결과에 해당하는 텍스트를 추출하고 추출된 텍스트를 형태소 분석, 시맨틱 분석을 통해 유의미한 시맨틱 키워드(Age, 선량-체적 히스토그램, G1, G2, …)로 추출하며, 다시 추출된 시맨틱 키워드는 검색(조회)에 적합한 형태로 데이터베이스화하여 시맨틱 데이터베이스 사전을 구축한다. 여기서, 시맨틱 데이터베이스 사전을 구축하는 방법은 도 3을 참조하여 상술한 바와 동일하므로 이에 대한 중복적인 설명은 생략한다.First, in step S1110, the text corresponding to the cancer treatment result prognostic factors and the output result is extracted from various types of document information (PDF document) such as academic papers, medical books, and case information, and the extracted text is subjected to stemming analysis and semantic analysis And extracts the extracted semantic keywords with a meaningful semantic keyword (Age, dose-volume histogram, G1, G2, ...) and constructs a semantic database dictionary by converting the extracted semantic keywords into a database suitable for search (query). Here, the method for constructing the semantic database dictionary is the same as that described above with reference to FIG. 3, so that a duplicate description thereof will be omitted.
단계 S1120에서는 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나를 데이터마이닝 입력 정보로써 입력받는다. 특히, 본 발명에서는 데이터마이닝 입력 정보 중 일부는 치료 조건으로, 나머지 일부는 치료 결과 조건으로 구분되어 입력될 수 있다. 예를 들어, 치료 부위가 폐이고, 치료 방법이 방사선인 것을 치료 조건으로, 치료 부작용에 따른 폐렴 및 식도염을 치료 결과 조건으로 입력할 수 있다. In step S1120, at least one of the treatment site, the treatment method, the patient status information, and the side effect type is input as data mining input information. Particularly, in the present invention, some of the data mining input information may be classified as a treatment condition, and the remaining part may be classified as a treatment result condition. For example, pneumonia and esophagitis due to the side effects of treatment may be entered as the treatment conditions, that the treatment site is lung, and the treatment method is radiation.
단계 S1130에서는 특히 암 치료 종류와 다양한 종류의 치료 결과를 시맨틱 키워드 형태로 분류하여 구축된 데이터베이스 사전을 통하여 입력 정보에 따라 원하는 데이터만을 가져와서 하나의 치료예측모델을 구축한다. 예를 들어, 치료 방법은 방사선이고 부작용이 폐렴인 경우, ge, COPD, ILD, 폐기능(Pulmonary function), DVH, 치료 부위(예를 들어, 종양 위치) 등의 임상정보를 다시 입력값으로 받아서 환자 데이터로부터 DVH (예: V20)을 구한 후, 선량 제한 인자와 비교 (V20 <= 30%)하여 적합성을 조합하여 치료 예측 모델을 구성한다. 본 발명에 따른 치료 예측 모델은 구축된 데이터베이스 사전으로부터 입력된 정보(예를 들어, 치료 부위 = 폐, 치료 방법 = 방사선, 부작용 = 폐렴)에 따라 가장 적합한 조건을 찾아 다시 구성된 모델이 된다. In step S1130, a treatment prediction model is constructed by retrieving only desired data according to input information through a database dictionary constructed by classifying cancer treatment types and various kinds of treatment results into semantic keyword form. For example, if the treatment method is radiation and the side effects are pneumonia, then clinical information such as ge, COPD, ILD, pulmonary function, DVH, treatment site (eg tumor location) After obtaining the DVH (eg V20) from the patient data, the treatment prediction model is constructed by combining the dose with the dose limiting factor (V20 <= 30%). The treatment prediction model according to the present invention is a reconstructed model by finding the most suitable condition according to the information inputted from the constructed database dictionary (for example, treatment site = lung, treatment method = radiation, side effect = pneumonia).
본 발명은 치료 조건과 치료 결과 조건의 설정 환경에 따라 치료 예측 모델을 통해 획득 가능한 결과 정보의 종류가 달라질 수 있도록 한다. 예를 들어, 치료 부작용을 치료 결과 조건으로 설정한 경우에는(경우1), 치료 예측 모델은 부작용 종류별 생존율, 독성, 및 반응도를 결과 정보로 제공하고, 치료 방법을 치료 결과 조건으로 설정된 경우에는(경우2), 치료 예측 모델은 치료 방법별 생존율, 독성, 및 반응도를 결과 정보로 제공하고, 치료 부작용을 치료 결과 조건으로 설정한 경우에는(경우3), 치료 예측 모델은 부작용 종류 및 치료 방법별 생존율, 독성, 및 반응도를 결과 정보로 제공할 수 있을 것이다. The present invention allows the kind of result information that can be obtained through the treatment prediction model to be changed according to the setting environment of the treatment condition and the treatment result condition. For example, if a treatment adverse event is set as a treatment outcome condition (case 1), the treatment prediction model provides survival rate, toxicity, and response according to the side effect type as the result information, and when the treatment method is set as the treatment outcome condition In case 2), the treatment prediction model provides the survival rate, toxicity, and reactivity of the treatment method as the result information, and when the treatment adverse effect is set as the treatment result condition (case 3), the treatment prediction model is classified into the side effect type Survival rate, toxicity, and reactivity may be provided as outcome information.
단계 S1140에서는 상기에서 구성된 치료 예측 모델로부터 나이와 V20 등 기존에 추출한 예후 인자(Prognostic factor)들의 범위에 드는 시맨틱 테이블을 조회하여, 사용자가 원하는 출력정보인 폐렴 관련 부작용을 파악하고, 이를 데이터마이닝 결과 정보로써 획득한다. In step S1140, the semantic table in the range of the prognostic factors, such as age and V20, extracted from the therapeutic prediction model constructed above is searched to identify pneumonia-related side effects, which are output information desired by the user, Information.
단계 S1150에서는 데이터마이닝 입력 정보와 데이터마이닝 결과 정보를 포함하는 학습 데이터를 생성 및 저장한다. In step S1150, learning data including data mining input information and data mining result information is generated and stored.
또한 본 발명의 일 실시예에서 상기 치료 예측 모델을 구성하는 단계는, 수술, 화학요법, 방사선 치료, 면역 치료, 온열 치료, 및 골수이식 중 적어도 하나 또는 둘 이상의 조합에 따른 치료 방법을 결정하는 단계를 포함하는데, 본 발명은 특히 둘 이상의 치료법을 하나의 치료 예측 모델에 모두 고려할 수 있도록 한다. 즉, 본 발명은 둘 이상의 치료 방법을 동시에 사용하였을 때의 부작용, 더 나아가 부작용 종류별 생존율, 독성, 및 반응도를 데이터마이닝된 정보로 획득할 수 있으며, 이를 인공지능망을 통해 학습하도록 한다. In one embodiment of the present invention, the step of constructing the treatment prediction model includes determining a treatment method according to at least one of, or a combination of, surgery, chemotherapy, radiation therapy, immunotherapy, hyperthermia treatment, and bone marrow transplantation , The present invention particularly allows two or more therapies to be considered in a single treatment prediction model. That is, the present invention can acquire adverse effects when two or more treatment methods are simultaneously used, moreover survival rate, toxicity, and reactivity according to adverse effect types as data mining information, and learns through artificial intelligence network.
그 결과, 본 발명의 인공 지능망은 단일 치료에 따른 치료 예측 결과 뿐만 아니라, 둘 이상의 치료 방법, 즉 통합 치료에 따른 치료 예측 결과까지도 획득 및 제공할 수 있게 된다. As a result, the artificial intelligent network of the present invention can acquire and provide not only a treatment prediction result according to a single treatment, but also a treatment prediction result according to two or more treatment methods, that is, an integrated treatment.
도 12 내지 16은 상술한 방법에 따라 문헌 정보 데이터마이닝 방법을 제공하는 일 예를 설명하는 도면이다. 12 to 16 are diagrams for explaining an example of providing a document information data mining method according to the above-described method.
도 12 내지 16을 참조하면, 먼저 환자 상태 정보(예를 들어, 환자 나이, 성별, 치료 부위, 타 질병 유무 등)를 입력함과 동시에 치료 부위가 폐이고, 치료 방법이 방사선, 약물, 면역 치료인 것이 치료 조건으로, 폐렴 및 식도염이 치료 부작용인 것이 치료 결과 조건으로 입력된다. 또한 출력 정보로써 폐렴에 따른 생존율 및 독성이 선택된다. 12 to 16, first, patient state information (for example, patient age, sex, treatment site, presence of other diseases, etc.) is input and the treatment site is lung, and the treatment method is radiation, drug, Is a therapeutic condition, and pneumonia and esophagitis are therapeutic adverse events. The survival rate and toxicity according to pneumonia are selected as output information.
상기 입력된 입력 정보에 대응하는 시맨틱 데이터베이스로부터 치료예측모델이 구성되는데, 상기 치료예측모델은 상기 입력 정보에 대하여 문헌 또는 사례정보로부터 가장 높은 확률로 매칭되는 임의의 환자를 가정한 모델이 된다. A treatment prediction model is constructed from the semantic database corresponding to the input information. The treatment prediction model is a model that assumes an arbitrary patient matching the input information with the highest probability from the literature or case information.
이후 상기 치료예측모델에 따른 결과 정보가 획득 또는 사용자에게 제공되는데, 상기 결과 정보는 미리 사용자가 입력한 입력 정보에 대응된다(도 15 참조). Then, result information according to the treatment prediction model is provided to the user or the user, and the result information corresponds to the input information previously input by the user (refer to FIG. 15).
예를 들어, 결과 정보는 폐렴과 식도염 각각에 따른 생존율, 독성, 및 반응도를 포함할 수 있으며, 이때, 독성은 독성 등급, 독성 등급별 발생 확률, 및 독성 등급별 부작용 발생 패턴 중 적어도 하나의 정보를 포함할 수 있다. 구체적으로, 독성 등급이 1,2,3,4,5일 확률은 20.4%, 67.5%, 19.3%, 4.5%, 0.1%이며, 독성 등급이 1인 경우에는 마른 기침이 나거나 호흡장애(Dyspnea on exertion)가 발생하며, 독성 등급이 2인 경우에는 마약성 항염제가 필요한 기침 또는 쉬지 않는 호흡 곤란이 발생하며, 독성 등급이 3인 경우에는 마약성 항염제가 필요한 기침 또는 휴지기를 가지는 호흡 곤란이 발생하며, 독성 등급이 4인 경우에는 산소의 지속적 공급이 필요하거나 약물 보조를 받아야 하며, 독성 등급이 5인 경우에는 열이 발생함을 안내할 수 있다. For example, the result information may include survival rate, toxicity, and reactivity according to each of pneumonia and esophagitis, wherein the toxicity includes at least one of a toxicity grade, a probability of occurrence according to the toxicity grade, and a side effect occurrence pattern according to the toxicity grade can do. Specifically, the odds of a toxicity grade of 1, 2, 3, 4, and 5 are 20.4%, 67.5%, 19.3%, 4.5%, and 0.1%, and a toxicity grade of 1 indicates a dry cough or respiratory disorder exertion occurs. If the toxicity level is 2, a cough or unsteady dyspnea requiring a narcotic anti-inflammatory drug occurs. If the toxicity level is 3, a dyspnea with a cough or a rest period is required. , A toxic grade of 4 requires continuous oxygen supply or drug assistance, and a toxicity rating of 5 may indicate that heat is generated.
그리고 도 16에서와 같이, 사용자가 별도 설정한 출력 정보에 따라 폐렴에 따른 생존율 및 독성만을 추출하여 사용자 안내할 수도 있도록 한다. As shown in FIG. 16, only the survival rate and toxicity according to the pneumonia can be extracted and the user can be guided according to the output information set by the user.
더하여, 다수개 치료 방법의 조합 및 조건까지 고려하여 치료 예측 모델을 구축하여, 치료 예측 모델을 통해 수술 후 방사선 치료와 같이 치료 방법의 조합 및 조건까지 고려한 치료 결과 예측 동작을 수행함으로써, 통합 치료 방법에 따른 생존율, 독성, 및 반응도까지 예측할 수 있도록 한다. In addition, by constructing a treatment prediction model considering the combinations and conditions of a plurality of treatment methods and performing a treatment result prediction operation considering the combination of treatment methods and conditions such as postoperative radiation treatment through a treatment prediction model, Toxicity, and responsiveness to the disease.
즉, 문헌 정보 데이터마이닝을 통해 다양한 종류의 치료방법이 존재하는 암에 대하여 치료 방법의 조합(종류 및 순서) 또는 조건(약물치료 시기, 약물의 종류) 등에 대해서도 파악할 수 있고, 이를 인공지능망을 통해 학습함으로써, 통합 치료 방법에 따른 생존율, 독성, 및 반응도를 보다 신속, 정확하게 예측할 수 있도록 한다. In other words, it is possible to grasp the combination (kind and order) or condition (treatment time, type of drug) of treatment methods for cancer in which various kinds of treatment methods exist through document information data mining, By learning, we can predict the survival rate, toxicity, and reactivity according to the integrated treatment method more quickly and accurately.
도 17은 본 발명의 일 실시예에 따른 치료 예측 결과 제공 시스템의 블록도이다. 17 is a block diagram of a treatment prediction result providing system according to an embodiment of the present invention.
도 17을 참조하면, 상기 시스템은 다수의 문헌 정보를 수집 및 데이터마이닝하여, 치료 부위, 치료 방법, 환자 상태 정보 및 부작용 종류 중 적어도 하나의 상관관계를 나타내는 다수의 학습 데이터를 획득하는 학습 데이터 제공부(1100), 상기 다수의 학습 데이터를 기반으로 인공 지능망을 학습시키는 학습부(1200), 및 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나가 입력 정보로 입력되면, 상기 인공 지능망을 통해 상기 입력 정보에 대응되는 결과 정보를 제공하는 예측부(1300)를 포함한다. 이때, 결과 정보는 부작용 종류 및 치료 방법 중 적어도 하나에 따른 생존율, 독성, 반응도, 치료 방법의 조합, 및 치료 방법의 조건 중 적어도 어느 하나일 수 있다. 17, the system collects and data miners a plurality of pieces of bibliographic information to generate a learning data item for acquiring a plurality of learning data indicating a correlation of at least one of a treatment site, a treatment method, A learning unit 1200 for learning an artificial intelligence network based on the plurality of learning data and at least one of a treatment region, a treatment method, a patient state information, and a side effect type is input as input information, And a prediction unit 1300 for providing result information corresponding to the input information through the intelligent network. At this time, the result information may be at least one of survival rate, toxicity, reactivity, combination of treatment methods, and conditions of treatment according to at least one of the side effect type and the treatment method.
그리고 학습 데이터 제공부(1100)는 문헌 정보를 수집 및 데이터마이닝한 결과를 저장하는 시맨틱 데이터베이스 사전(1110), 치료 부위, 치료 방법, 환자 상태 정보, 부작용 종류 중 적어도 하나를 데이터마이닝 입력 정보로써 입력받는 입력 정보수신부(1120), 상기 입력 정보수신부(1120)로부터 수신된 입력 정보와 상기 시맨틱 데이터베이스 사전(1110)을 기반으로 하여 암 치료에 관한 예측 모델을 구성하는 예측모델구성부(1130), 상기 예측 모델을 기반으로 데이터마이닝 입력 정보에 대응되는 데이터마이닝 결과 정보를 획득 및 제공하는 결과 정보 획득부(1140), 그리고 데이터마이닝 입력 정보와 데이터마이닝 결과 정보를 포함하는 학습 데이터를 생성하는 학습 데이터 생성부(1150) 등을 포함할 수 있다. Then, the learning data providing unit 1100 inputs at least one of the semantic database dictionary 1110 storing the result of collecting and mining the document information, the treatment site, the treatment method, the patient status information, and the side effect type as data mining input information A prediction model constructing unit 1130 constructing a prediction model related to cancer treatment based on the input information received from the input information receiving unit 1120 and the semantic database dictionary 1110, A result information obtaining unit 1140 for obtaining and providing data mining result information corresponding to data mining input information based on a prediction model, and a learning data generating unit 1140 for generating learning data including data mining input information and data mining result information Section 1150, and the like.
또한, 본 발명의 학습 데이터 제공부(1100)는 외부의 의무 기록 시스템(1400)에 접속 및 상호 연동되어, 환자의 치료 이력과 치료 결과를 추적 모니터링하면서 실제 임상 데이터를 획득하는 임상 데이터 획득부(1160)를 더 포함할 수 있으며, 이러한 경우 학습 데이터 생성부(1150)는 환자의 치료 이력을 입력 정보로 치료 결과를 출력 정보로 가지는 학습 데이터를 생성할 수도 있도록 한다. The training data providing unit 1100 of the present invention is connected to the external medical record system 1400 and interlocked with the clinical data acquiring unit 1400 to acquire actual clinical data while monitoring and monitoring the patient's treatment history and treatment result 1160). In this case, the training data generator 1150 may generate training data having the treatment history of the patient as input information and the treatment result as output information.
마지막으로, 본 발명의 시스템은 하나의 하드웨어 장치로 구현되는 것이 바람직하나, 필요한 경우 기존 하드웨어 장치에 수용되는 임베디드 장치로 구현되거나, 소프트웨어 형태로 다운로드 및 설치되는 어플리케이션로써 구현될 수도 있을 것이다. Finally, although the system of the present invention is preferably implemented as a single hardware device, it may be implemented as an embedded device accommodated in an existing hardware device, or as an application downloaded and installed in software form, if necessary.
도 18은 본 발명의 일 실시예에 따른 치료 예측결과 제공 방법의 단계도이다. 18 is a flowchart illustrating a method of providing a treatment prediction result according to an embodiment of the present invention.
도 18을 참조하면, 본 발명의 일 실시예에 따른 평가 방법은, 문헌 정보를 수집 및 데이터마이닝하여 시맨틱 데이터베이스 사전을 구축하는 단계(S2100), 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나가 입력정보로 입력되면, 상기 입력 정보와 상기 시맨틱 데이터베이스 사전을 기반으로 치료 예측 모델을 구성하는 단계(S2200), 상기 치료 예측 모델을 기반으로 상기 입력 정보에 대응되는 결과 정보를 획득하는 단계(S2300), 상기 결과 정보의 근거 자료들을 수집 및 목록화한 후, 상기 결과 정보와 함께 동일 화면을 통해 표시하는 단계(S2400)를 포함한다. 18, an evaluation method according to an embodiment of the present invention includes a step of constructing a semantic database dictionary by collecting and data mining document information (S2100), a treatment site, a treatment method, patient state information, A step S2200 of constructing a treatment prediction model based on the input information and the semantic database dictionary, if the at least one of the input information and the semantic database dictionary is input as input information, and obtaining result information corresponding to the input information based on the treatment prediction model (S2300), collecting and cataloging the result information, and displaying the same on the same screen together with the result information (S2400).
즉, 본 발명은 다수의 문헌 정보를 데이터마이닝하여 사용자가 요구하는 조건에 맞는 치료 예후를 제공함과 동시에, 데이터마이닝 근거 자료을 동일 플랫폼을 통해 일괄 제공함으로써, 정보 제공의 신뢰성을 높이고, 의료진이 별도 검색 없이 관련 문헌 정보를 보다 손쉽게 확인 및 열람할 수 있도록 해준다.That is, the present invention provides data mining of a plurality of document information to provide a treatment prognosis according to a condition required by a user, and at the same time provides data mining basis data collectively through the same platform, thereby enhancing the reliability of information provision, It makes it easier to check and view related bibliographic information.
먼저, 본 발명의 일 실시예에 따른 시맨틱 데이터베이스를 구축하기 위한 데이터마이닝 및 결과 정보를 제공하는 방법을 설명하기로 한다. First, a method of providing data mining and result information for constructing a semantic database according to an embodiment of the present invention will be described.
도 19는 본 발명의 일 실시예에 따른 데이터마이닝 방법을 설명하기 위한 도면이다. 19 is a diagram for explaining a data mining method according to an embodiment of the present invention.
먼저, 학술 논문, 의학 서적, 사례 정보와 같은 각종 문헌 정보(PDF 문서)로부터 치료 결과 예후 인자들과 출력 결과에 해당하는 텍스트를 추출하고 추출된 텍스트를 형태소분석, 시맨틱 분석을 통해 유의미한 시맨틱 키워드(Age, 선량-체적 히스토그램, 독성 등급 1, 2, 3, 4, 5, …)로 추출하며, 다시 추출된 시맨틱 키워드는 검색(조회)에 적합한 형태로 데이터베이스화하여 데이터베이스 사전을 구축한다(S2110~S2140). 이때의 시맨틱 키워드 각각은 유의어 등을 포괄할 수 있을 것이다. 그리고 시맨틱 키워드가 추출된 문헌 정보의 제목, 링크 주소 등과 같이 근거 자료 식별을 위한 출처 정보가 매핑되어, 차후 이를 기반으로 근거 자료 식별 및 수집이 가능하도록 한다. First, the text corresponding to the treatment outcome prognostic factors and the output result is extracted from various literature information (PDF document) such as academic papers, medical books, case information, and the extracted text is analyzed through stemming analysis, semantic analysis, (S2110 ~ S2110), and extracts the extracted semantic keywords in a database in a form suitable for the search (query) to construct a database dictionary (S2110 ~ S2140). Each of the semantic keywords at this time may include synonyms and the like. Then, the source information for identifying the source data, such as the title and link address of the extracted metadata information, is mapped so that the source data can be identified and collected on the basis of the source information.
그리고 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나를 입력정보로써 입력받는다. 특히, 본 발명에서는 입력 정보 중 일부는 치료 조건으로, 나머지 일부는 치료 결과 조건으로 구분되어 입력될 수 있다. 예를 들어, 치료 부위가 폐이고, 치료 방법이 방사선인 것을 치료 조건으로, 치료 부작용에 따른 폐렴 및 식도염을 치료 결과 조건으로 입력할 수 있다(S2150). At least one of the treatment site, the treatment method, the patient status information, and the side effect type is input as input information. Particularly, in the present invention, some of the input information may be classified as a treatment condition, and the remaining part of the input information may be classified as a treatment result condition. For example, pneumonia and esophagitis due to the side effects of treatment may be input as a treatment result condition (S2150), wherein the treatment site is lung and the treatment method is radiation.
그러면, 본 발명은 특히 치료 종류와 다양한 종류의 치료 결과를 시맨틱 키워드 형태로 분류하여 구축된 데이터베이스 사전을 이용하는데, 이를 통하여 치료 부위와 환자 정보에 따라 원하는 데이터만을 가져와서 하나의 치료예측모델을 구축할 수 있다(S2160, S2170). 예를 들어, 치료 방법은 방사선이고 부작용이 폐렴인 경우, ge, COPD, ILD, 폐기능(Pulmonary function), DVH, 치료 부위(예를 들어, 종양 위치) 등의 임상정보를 다시 입력값으로 받아서 환자 데이터로부터 DVH (예: V20)을 구한 후, 선량 제한 인자와 비교 (V20 <= 30%)하여 적합성을 조합하여 치료 예측 모델을 구성한다. 본 발명에 따른 치료 예측 모델은 구축된 데이터베이스 사전으로부터 입력된 정보(예를 들어, 치료 부위 = 폐, 치료 방법 = 방사선, 부작용 = 폐렴)에 따라 가장 적합한 조건을 찾아 다시 구성된 모델이 된다. Therefore, the present invention utilizes a database dictionary constructed by classifying treatment types and various types of treatment results into semantic keyword form, thereby obtaining only desired data according to the treatment site and patient information, and constructing a single treatment prediction model (S2160, S2170). For example, if the treatment method is radiation and the side effects are pneumonia, then clinical information such as ge, COPD, ILD, pulmonary function, DVH, treatment site (eg tumor location) After obtaining the DVH (eg V20) from the patient data, the treatment prediction model is constructed by combining the dose with the dose limiting factor (V20 <= 30%). The treatment prediction model according to the present invention is a reconstructed model by finding the most suitable condition according to the information inputted from the constructed database dictionary (for example, treatment site = lung, treatment method = radiation, side effect = pneumonia).
본 발명은 치료 조건과 치료 결과 조건의 설정 환경에 따라 치료 예측 모델을 통해 획득 가능한 결과 정보의 종류가 달라질 수 있도록 한다. The present invention allows the kind of result information that can be obtained through the treatment prediction model to be changed according to the setting environment of the treatment condition and the treatment result condition.
예를 들어, (1) 치료 부작용을 치료 결과 조건으로 설정한 경우에는, 치료 예측 모델은 부작용 종류별 생존율, 독성, 및 반응도를 결과 정보로 제공하고, (2) 치료 방법을 치료 결과 조건으로 설정된 경우, 치료 예측 모델은 치료 방법별 생존율, 독성, 및 반응도를 결과 정보로 제공하고, (3) 치료 부작용 및 치료 방법을 치료 결과 조건으로 설정한 경우에는, 치료 예측 모델은 부작용 종류 및 치료 방법별 생존율, 독성, 및 반응도를 결과 정보로 제공할 수 있을 것이다. For example, if (1) the treatment side effect is set as a treatment outcome condition, the treatment prediction model provides survival rate, toxicity, and response according to the side effect type as the result information, (2) (3) If the treatment adverse effects and treatment methods are set as the treatment outcome conditions, the treatment predictive model provides the survival rate, toxicity, and reactivity of each treatment method as the result information, and the survival rate , Toxicity, and reactivity as outcome information.
이후 조회 단계를 거치게 되는데, 상기에서 구성된 치료 예측 모델로부터 나이와 V20 등 기존에 추출한 예후 인자 (Prognostic factor)들의 범위에 드는 시맨틱 테이블을 조회하여, 사용자가 원하는 출력정보인 폐렴 관련 부작용을 파악하고 이를 사용자에게 제공한다(S2180). 이후 이를 시각화하는 단계를 거치게 되는데, 이는 UI 개념에서 사용자가 직관적으로 폐렴 관련 부작용을 파악할 수 있게 함이며 그 방식은 다양한 방식이 될 수 있다. Then, the semantic table in the range of the prognostic factors, such as age and V20, is searched from the therapeutic prediction model constructed in the above, and the pneumonia-related side effect, which is the output information desired by the user, And provides it to the user (S2180). This is followed by visualization, which allows the user to intuitively grasp the pneumonia-related side effects in the UI concept, which can be in various ways.
더하여, 본 발명의 일 실시예에서 치료 결과 조건 뿐만 아니라, 출력 정보의 종류까지 입력 단계에서 선택할 수도 있도록 한다. 사용자가 입력 정보 입력 시 출력 정보로써 제공받기를 원하는 정보를 설정함으로써, 치료 결과 조건 모두가 아닌 사용자 설정 정보만을 선택적으로 제공받을 수 있도록 한다. In addition, in the embodiment of the present invention, not only the treatment result condition but also the kind of the output information can be selected in the input step. By setting information that the user desires to receive as output information when inputting the input information, only the user setting information can be selectively provided, not all of the treatment result conditions.
예를 들어, 치료 결과 조건을 폐렴과 식도염과 같은 부작용이라고 설정하되, 출력 정보를 폐렴에 따른 독성과, 식도염에 따른 생존율을 출력 정보로 선택함으로써, 이 두 개의 정보만을 사용자가 열람할 수 있도록 할 수도 있다. For example, the treatment result condition is set as a side effect such as pneumonia and esophagitis, but the output information is selected as the output information for the toxicity due to pneumonia and the survival rate according to the esophagus so that only the two pieces of information can be viewed by the user It is possible.
또한 본 발명의 일 실시예에서 상기 치료 예측 모델을 구성하는 단계는, 수술, 화학요법, 방사선 치료, 면역 치료, 온열 치료, 및 골수이식 중 적어도 하나 또는 둘 이상의 조합에 따른 치료 방법을 결정하는 단계를 포함하는데, 본 발명은 특히 둘 이상의 치료법을 하나의 치료 예측 모델에 모두 고려할 수 있으므로, 둘 이상의 치료 방법을 동시에 사용하였을 때의 부작용, 더 나아가 부작용 종류별 생존율, 독성, 및 반응도를 데이터마이닝된 정보로부터 제공할 수 있다. In one embodiment of the present invention, the step of constructing the treatment prediction model includes determining a treatment method according to at least one of, or a combination of, surgery, chemotherapy, radiation therapy, immunotherapy, hyperthermia treatment, and bone marrow transplantation The present invention is particularly useful in the treatment of side effects when two or more treatment modalities are simultaneously used and furthermore the survival rate, toxicity, and reactivity of each side effect type to data mining information As shown in FIG.
더하여, 다수개 치료 방법의 조합 및 조건까지 고려하여 치료 예측 모델을 구축하여, 치료 예측 모델을 통해 수술 후 방사선 치료와 같이 치료 방법의 조합 및 조건까지 고려한 치료 결과 예측 동작을 수행함으로써, 통합 치료 방법에 따른 생존율, 독성, 및 반응도까지 예측할 수 있도록 한다. In addition, by constructing a treatment prediction model considering the combinations and conditions of a plurality of treatment methods and performing a treatment result prediction operation considering the combination of treatment methods and conditions such as postoperative radiation treatment through a treatment prediction model, Toxicity, and responsiveness to the disease.
그리고 이를 역으로 이용하여 최적의 치료 효과를 가지는 최적의 치료 방법을 도출 및 안내할 수도 있음은 물론 당연할 것이다. 즉, 치료 방법 각각에 대응되는 생존율, 독성, 및 반응도를 분석하여 가장 우수한 치료 효과를 가지는 치료 방법을 선정할 수 있게 된다. 그 결과, 본 발명은 특히 하나의 질환에 대하여 다양한 종류의 치료법 중 최적의 치료법을 제공한 후, 다시 동일 플랫폼에서 입력조건 중 제공된 치료법을 입력하여 생존율 등의 정보를 다시 확인할 수 있도록 한다. And it is of course also possible to draw out and guide the optimal treatment method having an optimal therapeutic effect by using the same in reverse. That is, it is possible to select a treatment method having the best therapeutic effect by analyzing the survival rate, toxicity, and reactivity corresponding to each treatment method. As a result, the present invention provides an optimum treatment method among various kinds of treatment methods, especially for a single disease, and then re-verifies information such as survival rate by inputting a treatment method provided in input conditions on the same platform again.
뿐 만 아니라, 최적의 치료 방법 도출 시, 의료진의 주관적 의도를 반영하여 생존율, 독성, 및 반응도의 고려 비중을 임의 조정할 수 있도록 하여, 의료진의 치료 방법 선정에 주관적 개입 또한 가능하도록 한다. In addition, when the optimal treatment method is derived, the proportion of consideration of survival rate, toxicity, and reactivity can be arbitrarily adjusted in accordance with the subjective intention of the medical staff, so that subjective intervention in the selection of the treatment method of the medical staff is also made possible.
그리고 제공된 정보를 출력하는 인공지능 모듈에 이를 학습시켜 보다 정확한 출력정보를 사용자에게 제공할 수 있다.Then, it can learn more accurate output information to the user by learning it to the artificial intelligence module which outputs the provided information.
도 12 내지 도 16을 참조하여 상술한 바와 같이 치료 예측 결과를 사용자에게 제공할 수 있다.The treatment prediction result can be provided to the user as described above with reference to Figs. 12 to 16. Fig.
뿐 만 아니라, 본 발명은 치료예측모델을 구축하는데 사용된 문헌정보를 표시할 수 있으며, 이를 클릭함으로써 사용자는 하나의 유저인터페이스 환경에서 문헌을 바로 확인할 수 있다. 특히 본 발명은 방사선 치료, 약물 치료 등의 해당 분야에만 전문지식을 가진 전문 의료진도 다양한 치료방법의 조합을 선택하여 복합 치료에 따른 치료결과와 효과, 관련 문헌 정보를 동일 유저인터페이스 환경에서 확인할 수 있다.In addition, the present invention can display the document information used for constructing the treatment prediction model, and by clicking the document information, the user can directly check the document in one user interface environment. In particular, the present invention can select a combination of various treatment methods for a medical professional having expert knowledge only in a corresponding field, such as radiation therapy and medication, to confirm treatment results, effects, and related literature information in the same user interface environment .
더하여, 본 발명은 상술한 방법을 통하여 다양한 종류의 치료방법이 존재하는 암에 대하여 치료 방법의 조합(종류 및 순서) 또는 조건(약물치료 시기, 약물의 종류) 등도 데이터마이닝 및 딥러닝 방식으로 제공할 수 있다. 즉, 문헌상에서 데이터마이닝된 데이터와 사례 정보로부터 본 발명에 따른 시스템은 이를 딥러닝방식으로 학습하여 가장 최적화된 치료결과를 사용자에게 제공할 수 있다. In addition, the present invention provides a combination of the treatment methods (kind and order) or condition (drug treatment timing, type of drug) and the like in the data mining and the deep learning method for the cancer in which various kinds of treatment methods exist through the above- can do. That is, the system according to the present invention learns from the data mining data and case information in the literature, and learns it by the deep learning method, and provides the most optimized treatment result to the user.
도 20 및 도 21은 본 발명의 일 실시예에 따른 근거 자료 제공 방법을 설명하기 위한 도면이다. 20 and 21 are views for explaining a method of providing evidence data according to an embodiment of the present invention.
도 20을 참고하면, 본 발명은 치료 예측 모델 구성에 이용되는 시맨틱 키워드 각각에 매핑된 출처 정보를 기반으로 관련 문헌 정보들을 모두 수집한다(S2410). Referring to FIG. 20, the present invention collects all the related document information based on the source information mapped to each semantic keyword used in constructing the treatment prediction model (S2410).
문헌 정보 개시일, 정보 관련성(즉, 시맨틱 키워드 추출 횟수), 및 저자 신뢰도 중 적어도 하나를 기반으로 수집된 문헌 정보들의 우선순위를 결정하고(S2420), 우선순위를 기준으로 문헌 정보들을 목록화한 후, 결과 정보가 표시되는 화면에 추가 표시하도록 한다(S2430).The priority of the collected document information is determined based on at least one of the document information start date, the information relevance (i.e., the number of times the semantic keyword is extracted) and the author reliability (S2420) , And further displays the result information on the screen on which the result information is displayed (S2430).
본 발명에서는 도 21에 도시된 바와 같이, 문헌 정보의 우선순위 결정시, 사용자가 문헌 정보 개시일, 정보 관련성, 및 저자 신뢰도 각각의 고려 비중을 조정할 수 있도록 한다. 일례로, 문헌 정보 개시일의 고려비중을 100%로 설정하여, 문헌 정보 개시일이 가장 빠른 문헌을 최우선으로, 또는 정보 관련성의 고려비중을 100%로 설정하여, 정보 관련성이 가장 높은 문헌을 최우선으로, 또는 문헌 정보 개시일, 정보 관련성, 및 저자 신뢰도의 고려비중을 50%, 40%, 및 10%으로 설정하여 저자 신뢰도 및 정보 관련성이 상대적으로 높은 문헌을 우선적으로 제공할 수 있도록 한다. In the present invention, as shown in FIG. 21, when the priority of the document information is determined, it is possible for the user to adjust the consideration of each of the document information start date, information relevance, and author reliability. For example, by setting the percentage of consideration of the date of document information to 100%, setting the document with the highest information relevance to the top priority, setting the document with the fastest starting date of the document information to the top priority, or setting the percentage of consideration of the information relevance to 100% Or 50%, 40%, and 10%, respectively, of the information disclosure date, information relevance, and author reliability, so as to provide the author with a relatively high reliability and information relevance.
더하여, 상기의 설명에서는 근거 자료를 데이터마이닝 결과 전체에 대응되도록 제공하였지만, 필요한 경우에는 상기의 근거 자료를 결과 치료 예후 종류별로 세분화하여 제공할 수도 있도록 한다. 즉, 결과 정보가 폐렴에 따른 생존율, 독성, 및 반응도라는 세 가지 치료 예후를 포함한다면, 근거 자료를 세 가지 치료 예후 각각에 대응되는 세분화하여 제공할 수 있도록 한다. In addition, although the above-described description provides the baseline data corresponding to the entire data mining result, the baseline data may be subdivided according to the type of the result treatment prognosis if necessary. That is, if the outcome information includes three treatment prognoses, ie, survival rate, toxicity, and response to pneumonia, the data can be provided in a subdivision corresponding to each of the three treatment prognoses.
또한 폐렴에 따른 독성과 같이, 치료 예후가 또 다시 하위 카테고리로 나뉘어진다면, 근거 자료를 이에 대응하여 또 다시 세분화하여 제공할 수도 있도록 한다. 예를 들어, 폐렴 치료에 따른 독성이 치료 예후이며, 이때의 독성 등급이 1에서 5로 나뉘어진다면, 폐렴 치료에 따른 독성 등급별로 근거자료가 세분화되어 제공될 수 있도록 한다. 이는 해당 카테고리(예를 들어, 폐렴 치료에 따른 독성 등급이 1)에 대응되는 시맨틱 키워드가 개시된 적어도 하나의 문헌 정보들을 검색한 후, 키워드 추출 횟수, 저자 정보 등을 기반으로 문헌 정보 각각의 정보 관련성을 파악하고, 정보 관련성이 높은 기 설정 개수의 문헌 정보만을 해당 카테고리에 대응되는 근거 자료로 선택 및 제공함으로써 구현될 수 있다. If treatment prognosis is further divided into subcategories, such as toxicity due to pneumonia, the data may be provided in a corresponding subdivision. For example, if the toxicity from the treatment of pneumonia is the prognosis of treatment, and if the toxicity grade is divided into 1 to 5, then the data can be provided in detail according to the toxicity grade according to the treatment of pneumonia. This means that after retrieving at least one document information in which the semantic keyword corresponding to the category (for example, the toxicity grade according to the treatment of pneumonia is 1) is disclosed, the information relevancy of each of the document information based on the keyword extraction count, And selecting and providing only a predetermined number of pieces of document information having high information relevance as the basis data corresponding to the category.
그리고 사용자가 문헌 정보 목록을 참고하여 하나의 문헌 정보를 선택 및 열람 요청하면, 열람 요청된 문헌 정보의 상세 정보를 불러와 추가 표시하도록 한다(S2440).When the user selects and accesses one document information by referring to the document information list, the detailed information of the requested document information is retrieved and displayed (S2440).
본 발명은 현재 화면에 오버레이 표시되는 팝업창 또는 새로운 화면을 통해 열람 요청된 문헌 정보의 상세 정보를 제공할 수 있으며, 치료 예측 모델 구성에 이용되는 시맨틱 키워드를 볼드 처리 또는 박스 처리해줌으로써, 사용자가 주요 관련 내용을 보다 손쉽게 확인 및 열람할 수 있도록 한다. The present invention can provide detailed information of a document information requested to be browsed through a pop-up window displayed overlay on a current screen, or by bold processing or box processing a semantic keyword used in constructing a treatment prediction model, So that the contents can be checked and read more easily.
또한 필요한 경우, 문헌 제공 모드를 다양화하여, 문헌 정보 제공 방식을 다양화할 수도 있도록 한다. 예를 들어, 문헌 제공 모드를 전체 보기 모드와 간략 보기 모드로 세분화한 후, 전체 보기 모드시에는 문헌 정보 전체 페이지 모두를 제공하고, 간략 보기 모드시에 시맨틱 키워드가 개시된 문장만을 추출하여 사용자에 선별적으로 제공할 수도 있도록 한다. If necessary, the document providing mode may be diversified to diversify the manner of providing the document information. For example, after the document providing mode is subdivided into the whole view mode and the simple view mode, all the pages of the document information are provided in the full view mode, and only the sentences in which the semantic keywords are disclosed in the simple view mode are extracted, It is also possible to provide it as an enemy.
도 22는 본 발명의 일 실시예에 따른 치료 예측 결과 제공 시스템의 블록도이다. 22 is a block diagram of a treatment prediction result providing system according to an embodiment of the present invention.
도 22를 참조하면, 상기 시스템은 치료 관련 문헌 또는 사례 정보를 수집 및 데이터마이닝한 결과를 저장하는 시맨틱 데이터베이스 사전(2100), 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나의 입력정보를 사용자 단말로부터 입력받는 입력정보수신부(2200), 상기 입력정보수신부(2200)로부터 수신된 입력정보와 상기 시맨틱 데이터베이스 사전(2100)을 기반으로 하여 치료에 관한 예측 모델을 구성하는 예측모델구성부(2300), 상기 예측 모델을 기반으로 상기 입력 정보에 대응되는 결과 정보를 상기 사용자 단말에 제공하는 결과 정보 획득부(2400), 상기 결과 정보의 근거 자료들을 수집 및 목록화하는 근거 자료 획득부(2500), 상기 입력 정보를 입력받거나, 상기 결과 정보와 상기 근거자료를 동시 안내하기 위한 UI(User Interface)를 구성 및 제공하는 UI 구성부(2600)를 포함할 수 있다. 22, the system includes at least one of a semantic database dictionary 2100 for storing a result of collecting and data mining treatment-related documents or case information, at least one of a treatment site, a treatment method, patient status information, and a side effect type A prediction model constructing unit 2200 for constructing a prediction model for treatment based on the input information received from the input information receiving unit 2200 and the semantic database dictionary 2100, A result information acquiring unit 2400 for providing result information corresponding to the input information to the user terminal based on the prediction model, a base data acquiring unit for collecting and cataloging basis data of the result information, 2500), a UI (User Interface) for receiving the input information, or simultaneously guiding the result information and the evidence data, It may include a UI generating unit 2600 to the ball.
더하여, 본 발명의 근거 자료 획득부(2500)는 문헌 정보 개시일, 정보 관련성, 및 저자 신뢰도 중 적어도 하나를 기반으로 상기 수집된 근거 자료들의 우선순위를 결정하되, 사용자 요청하에 상기 문헌 정보 개시일, 상기 정보 관련성, 및 상기 저자 신뢰도 각각의 고려 비중을 임의 조정할 수 있도록 한다. 즉, 사용자가 필요로 하는 문헌 정보를 우선적으로 제공할 수 있도록 한다. In addition, the evidence data acquisition unit 2500 of the present invention determines the priorities of the collected evidence data based on at least one of a document information start date, information relevance, and author credibility, Information relevance, and author credibility, respectively. That is, the user can preferentially provide the necessary document information.
또한, 본 발명의 근거 자료 획득부(2500)는 사용자가 근거 자료 목록을 통해 하나의 근거 자료를 선택 및 열람 요청할 수 있도록 하고, 이에 응답하여 열람 요청된 근거 자료의 상세 정보를 불러와 UI 구성부(2600)에 제공함으로써, 사용자가 별도의 정보 검색 동작 없이 근거 자료 목록 뿐만 아니라 상세 정보까지 일괄 제공받을 수 있도록 한다. In addition, the baseline data acquisition unit 2500 of the present invention allows the user to select and request one baseline data from the baseline data list, and in response thereto, invokes detailed information of the baseline data requested to be retrieved, (2600), so that the user can receive not only the base material list but also the detailed information in a lump without performing a separate information search operation.
한편, 본 발명의 치료 예측 결과로써 제공되는 결과 정보는 부작용 종류 및 치료 방법 중 적어도 하나에 따른 생존율, 독성, 반응도, 치료 방법의 조합, 및 치료 방법의 조건 중 적어도 어느 하나를 포함할 수 있으며, 특히 환자의 임상 정보에 따라 치료예측모델을 구성한 후, 이로부터 치료 방법과, 조건 등의 결과 정보를 사용자에게 제공할 수 있다. Meanwhile, the result information provided as a result of the treatment prediction of the present invention may include at least one of a survival rate, toxicity, response, a combination of treatment methods, and a condition of a treatment method according to at least one of a side effect type and a treatment method, In particular, after constructing a therapeutic prediction model according to the clinical information of the patient, it is possible to provide the user with the result information on the treatment method, conditions, and the like.
경우에 따라 상기 치료 예측 모델은, 치료 대상의 환자에 대한 수술, 화학요법, 방사선 치료, 면역 치료, 온열 치료, 및 골수이식 중 적어도 하나 또는 둘 이상의 조합에 따른 치료 방법 정보를 포함할 수 있는데, 본 발명은 특히 하나의 질환에 대하여 다양한 종류의 치료법 중 최적의 치료법을 제공한 후, 다시 동일 플랫폼에서 입력조건 중 제공된 치료법을 입력하여 생존율 등의 정보를 다시 확인할 수 있다. Optionally, the treatment prediction model may include treatment modalities according to at least one or more combinations of surgery, chemotherapy, radiotherapy, immunotherapy, hyperthermia, and bone marrow transplantation for the patient to be treated, In particular, the present invention provides an optimum treatment method among various kinds of treatments for a single disease, and then re-verifies information such as survival rate by inputting the treatment method provided in the input condition on the same platform.
따라서 동일 플랫폼 내에서 다양한 입력정보 조합에도 불구하고 사전에 구축된 데이터마이닝 사전으로부터 치료예측모델을 구성하여 원하는 정보를 제공할 수 있다. Therefore, despite the various combinations of input information in the same platform, a care prediction model can be constructed from a pre-constructed data mining dictionary to provide desired information.
마지막으로, 본 발명의 시스템은 하나의 하드웨어 장치로 구현되는 것이 바람직하나, 필요한 경우 기존 하드웨어 장치에 수용되는 임베디드 장치로 구현되거나, 소프트웨어 형태로 다운로드 및 설치되는 어플리케이션로써 구현될 수도 있을 것이다. Finally, although the system of the present invention is preferably implemented as a single hardware device, it may be implemented as an embedded device accommodated in an existing hardware device, or as an application downloaded and installed in software form, if necessary.
도 23은 본 명세서에 개진된 하나 이상의 실시예가 구현될 수 있는 예시적인 컴퓨팅 환경을 도시하는 도면으로, 상술한 하나 이상의 실시예를 구현하도록 구성된 컴퓨팅 디바이스(3100)를 포함하는 시스템(3000)의 예시를 도시한다. 예를 들어, 컴퓨팅 디바이스(3100)는 개인 컴퓨터, 서버 컴퓨터, 핸드헬드 또는 랩탑 디바이스, 모바일 디바이스(모바일폰, PDA, 미디어 플레이어 등), 멀티프로세서 시스템, 소비자 전자기기, 미니 컴퓨터, 메인프레임 컴퓨터, 임의의 전술된 시스템 또는 디바이스를 포함하는 분산 컴퓨팅 환경 등을 포함하지만, 이것으로 한정되는 것은 아니다.FIG. 23 is a diagram illustrating an exemplary computing environment in which one or more embodiments disclosed herein may be implemented, and is illustrative of a system 3000 that includes a computing device 3100 configured to implement one or more of the embodiments described above. / RTI &gt; For example, computing device 3100 may be a personal computer, a server computer, a handheld or laptop device, a mobile device (mobile phone, PDA, media player, etc.), a multiprocessor system, a consumer electronics device, A distributed computing environment including any of the above-described systems or devices, and the like.
컴퓨팅 디바이스(3100)는 적어도 하나의 프로세싱 유닛(3110) 및 메모리(3120)를 포함할 수 있다. 여기서, 프로세싱 유닛(3110)은 예를 들어 중앙처리장치(CPU), 그래픽처리장치(GPU), 마이크로프로세서, 주문형 반도체(Application Specific Integrated Circuit, ASIC), Field Programmable Gate Arrays(FPGA) 등을 포함할 수 있으며, 복수의 코어를 가질 수 있다. 메모리(1120)는 휘발성 메모리(예를 들어, RAM 등), 비휘발성 메모리(예를 들어, ROM, 플래시 메모리 등) 또는 이들의 조합일 수 있다.The computing device 3100 may include at least one processing unit 3110 and memory 3120. [ The processing unit 3110 may include a central processing unit (CPU), a graphics processing unit (GPU), a microprocessor, an application specific integrated circuit (ASIC), a field programmable gate array And may have a plurality of cores. The memory 1120 can be a volatile memory (e.g., RAM, etc.), a non-volatile memory (e.g., ROM, flash memory, etc.) or a combination thereof.
또한, 컴퓨팅 디바이스(3100)는 추가적인 스토리지(3130)를 포함할 수 있다. 스토리지(3130)는 자기 스토리지, 광학 스토리지 등을 포함하지만 이것으로 한정되지 않는다. 스토리지(3130)에는 본 명세서에 개진된 하나 이상의 실시예를 구현하기 위한 컴퓨터 판독 가능한 명령이 저장될 수 있고, 운영 시스템, 애플리케이션 프로그램 등을 구현하기 위한 다른 컴퓨터 판독 가능한 명령도 저장될 수 있다. 스토리지(3130)에 저장된 컴퓨터 판독 가능한 명령은 프로세싱 유닛(3110)에 의해 실행되기 위해 메모리(3120)에 로딩될 수 있다.In addition, the computing device 3100 may include additional storage 3130. Storage 3130 includes, but is not limited to, magnetic storage, optical storage, and the like. The storage 3130 may store computer readable instructions for implementing one or more embodiments as disclosed herein, and other computer readable instructions for implementing an operating system, application programs, and the like. Computer readable instructions stored in storage 3130 may be loaded into memory 3120 for execution by processing unit 3110. [
또한, 컴퓨팅 디바이스(3100)는 입력 디바이스(들)(3140) 및 출력 디바이스(들)(3150)을 포함할 수 있다. 여기서, 입력 디바이스(들)(3140)은 예를 들어 키보드, 마우스, 펜, 음성 입력 디바이스, 터치 입력 디바이스, 적외선 카메라, 비디오 입력 디바이스 또는 임의의 다른 입력 디바이스 등을 포함할 수 있다. 또한, 출력 디바이스(들)(3150)은 예를 들어 하나 이상의 디스플레이, 스피커, 프린터 또는 임의의 다른 출력 디바이스 등을 포함할 수 있다. 또한, 컴퓨팅 디바이스(3100)는 다른 컴퓨팅 디바이스에 구비된 입력 디바이스 또는 출력 디바이스를 입력 디바이스(들)(3140) 또는 출력 디바이스(들)(3150)로서 사용할 수도 있다.In addition, computing device 3100 may include input device (s) 3140 and output device (s) 3150. [ Here, input device (s) 3140 may include, for example, a keyboard, a mouse, a pen, a voice input device, a touch input device, an infrared camera, a video input device or any other input device. In addition, output device (s) 3150 can include, for example, one or more displays, speakers, printers or any other output device. Computing device 3100 may also use an input device or output device included in another computing device as input device (s) 3140 or output device (s) 3150. [
또한, 컴퓨팅 디바이스(3100)는 컴퓨팅 디바이스(3100)가 다른 디바이스(예를 들어, 컴퓨팅 디바이스(3300))와 통신할 수 있게 하는 통신접속(들)(3160)을 포함할 수 있다. 여기서, 통신 접속(들)(3160)은 모뎀, 네트워크 인터페이스 카드(NIC), 통합 네트워크 인터페이스, 무선 주파수 송신기/수신기, 적외선 포트, USB 접속 또는 컴퓨팅 디바이스(3100)를 다른 컴퓨팅 디바이스에 접속시키기 위한 다른 인터페이스를 포함할 수 있다. 또한, 통신 접속(들)(3160)은 유선 접속 또는 무선 접속을 포함할 수 있다.The computing device 3100 may also include communication connection (s) 3160 that enable the computing device 3100 to communicate with other devices (e.g., computing device 3300). (S) 3160 may include a modem, a network interface card (NIC), an integrated network interface, a radio frequency transmitter / receiver, an infrared port, a USB connection or other Interface. Also, the communication connection (s) 3160 may include a wired connection or a wireless connection.
상술한 컴퓨팅 디바이스(3100)의 각 구성요소는 버스 등의 다양한 상호접속(예를 들어, 주변 구성요소 상호접속(PCI), USB, 펌웨어(IEEE 1394), 광학적 버스 구조 등)에 의해 접속될 수도 있고, 네트워크(3200)에 의해 상호접속될 수도 있다.Each of the components of computing device 3100 described above may be connected by various interconnects (e.g., peripheral component interconnect (PCI), USB, firmware (IEEE 1394), optical bus architecture, etc.) And may be interconnected by a network 3200.
본 명세서에서 사용되는 "구성요소", "모듈", "시스템", "인터페이스" 등과 같은 용어들은 일반적으로 하드웨어, 하드웨어와 소프트웨어의 조합, 소프트웨어, 또는 실행중인 소프트웨어인 컴퓨터 관련 엔티티를 지칭하는 것이다. 예를 들어, 구성요소는 프로세서 상에서 실행중인 프로세스, 프로세서, 객체, 실행 가능물(executable), 실행 스레드, 프로그램 및/또는 컴퓨터일 수 있지만, 이것으로 한정되는 것은 아니다. 예를 들어, 컨트롤러 상에서 구동중인 애플리케이션 및 컨트롤러 모두가 구성요소일 수 있다. 하나 이상의 구성요소는 프로세스 및/또는 실행의 스레드 내에 존재할 수 있으며, 구성요소는 하나의 컴퓨터 상에서 로컬화될 수 있고, 둘 이상의 컴퓨터 사이에서 분산될 수도 있다.As used herein, terms such as "component," "module," "system," "interface," and the like generally refer to a computer-related entity that is hardware, a combination of hardware and software, software, or software in execution. For example, an element may be, but is not limited to being, a processor, an object, an executable, an executable thread, a program and / or a computer running on a processor. For example, both the application running on the controller and the controller may be components. One or more components may reside within a process and / or thread of execution, and the components may be localized on one computer and distributed among two or more computers.
이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형 실시가 가능한 것은 물론이고, 이러한 변형 실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is clearly understood that the same is by way of illustration and example only and is not to be construed as limiting the scope of the invention as defined by the appended claims. It will be understood by those skilled in the art that various changes in form and details may be made therein without departing from the spirit and scope of the present invention.

Claims (36)

  1. 암 치료 예측 결과 제공 방법에 관한 것으로, The present invention relates to a method for providing a cancer treatment prediction result,
    암 치료 관련 문헌 또는 사례 정보를 수집 및 데이터마이닝하여 시맨틱 데이터베이스 사전을 구축하는 단계;Constructing a semantic database dictionary by collecting and data mining the literature or case information related to cancer treatment;
    암 종류, 관심 치료 방법, 부작용 종류, 환자 상태 정보 중 적어도 하나가 입력정보로 입력되면, 상기 입력 정보와 상기 시맨틱 데이터베이스 사전을 기반으로 치료 예측 모델을 구성하는 단계; 및Constructing a treatment prediction model based on the input information and the semantic database dictionary when at least one of a cancer type, a treatment method of interest, a side effect type, and patient condition information is input as input information; And
    상기 치료 예측 모델을 기반으로 상기 입력 정보에 대응되는 결과정보를 제공하는 단계를 포함하는 것을 특징으로 하는 암 치료 예측 결과 제공 방법.And providing result information corresponding to the input information based on the treatment prediction model.
  2. 제1항에 있어서 The method of claim 1, wherein
    상기 결과정보는 부작용 정도, 관심 치료 방법에 따른 생존율, 독성, 반응도, 치료 조건 및 치료방법의 조합 중 적어도 어느 하나인 것을 특징으로 하는 암 치료 예측 결과 제공 방법.Wherein the result information is at least one of a side effect level, a survival rate according to a treatment method of interest, toxicity, a response, a treatment condition, and a combination of treatment methods.
  3. 제1항에 있어서, 상기 치료 예측 모델을 구성하는 단계는 2. The method of claim 1, wherein constructing the treatment prediction model comprises:
    수술, 화학요법, 방사선 치료, 면역 치료, 온열 치료, 및 골수이식 중 적어도 하나 또는 둘 이상의 조합에 따른 관심 치료 방법을 결정하는 단계를 포함하는 것을 특징으로 하는 암 치료 예측 결과 제공 방법.Determining the method of treatment of interest according to at least one or more combinations of surgery, chemotherapy, radiation therapy, immunotherapy, hyperthermia treatment, and bone marrow transplantation.
  4. 제1항에 있어서, The method according to claim 1,
    상기 시맨틱 데이터베이스 사전을 구축하는 단계는, The step of constructing the semantic database dictionary comprises:
    암 치료 관련 문헌 또는 사례 정보로부터 입력정보에 대한 입력정보 인자 데이터를 추출하는 단계;Extracting input information parameter data for input information from literature or case information related to cancer treatment;
    상기 예측 인자 데이터에 대한 시맨틱 분석을 통해 입력정보 인자에 대한 색인을 추출하는 단계; 및 Extracting an index for an input information factor through semantic analysis on the prediction factor data; And
    상기 색인을 기반으로 상기 시맨틱 데이터베이스 사전을 작성 및 저장하는 단계를 포함하는 것을 특징으로 하는 암 치료 예측 결과 제공 방법.And creating and storing the semantic database dictionary based on the index.
  5. 제1항 내지 제4항 중 어느 한 항에 따른 암 치료 예측 결과 제공 방법으로, A method for providing a cancer treatment prediction result according to any one of claims 1 to 4,
    치료부위가 결정되는 단계;The treatment site is determined;
    결정된 치료부위에 대한 적어도 하나 이상의 치료방법 및 출력정보 종류를 포함하는 입력정보가 선택되는 단계;Selecting input information including at least one treatment method and output information type for the determined treatment site;
    치료대상인 환자정보가 입력되는 단계;Inputting patient information to be treated;
    상기 시맨틱 데이터베이스 사전으로부터 입력된 입력정보와 상기 환자정보에 따라 치료 예측 모델을 구성하는 단계; 및Constructing a treatment prediction model according to the input information input from the semantic database dictionary and the patient information; And
    상기 구성된 치료 예측 모델로부터 상기 선택된 종류의 출력정보를 제공하는 단계를 더 포함하는 것을 특징으로 하는 암 치료 예측 결과 제공 방법.And providing the selected type of output information from the configured therapy prediction model.
  6. 제5항에 있어서, 6. The method of claim 5,
    상기 치료방법은 방사선 치료, 약물 치료, 면역 치료, 호르몬 치료 및 유전자 치료 중 적어도 어느 하나 이상을 포함하는 것을 특징으로 하는 암 치료 예측 결과 제공 방법.Wherein the treatment method comprises at least one of radiation therapy, drug therapy, immunotherapy, hormone therapy, and gene therapy.
  7. 제6항에 있어서, The method according to claim 6,
    상기 출력정보는 부작용 정도, 관심 치료 방법에 따른 생존율, 독성, 반응도, 치료 조건 및 치료방법의 조합 중 적어도 어느 하나를 포함하는 것을 특징으로 하는 암 치료 예측 결과 제공 방법.Wherein the output information includes at least one of a side effect level, a survival rate according to a treatment method of interest, toxicity, a response, a treatment condition, and a combination of treatment methods.
  8. 암 치료 예측 결과 제공 시스템에 관한 것으로, The present invention relates to a cancer treatment prediction result providing system,
    암 치료 관련 문헌 또는 사례 정보를 수집 및 데이터마이닝한 결과를 저장하는 시맨틱 데이터베이스 사전;A semantic database dictionary for collecting and mining results of literature or case information related to cancer treatment;
    암 종류, 관심 치료 방법, 부작용 종류, 환자 상태 정보 중 적어도 하나의 입력정보를 사용자 단말로부터 입력받는 입력정보수신부;An input information receiving unit for receiving at least one input information of a type of cancer, a treatment method of interest, a side effect type, and patient condition information from a user terminal;
    상기 입력정보수신부로부터 수신된 입력정보와 상기 시맨틱 데이터베이스 사전을 기반으로 하여 암 치료에 관한 예측 모델을 구성하는 예측모델구성부; 및A prediction model constructing unit for constructing a prediction model related to cancer treatment based on the input information received from the input information receiving unit and the semantic database dictionary; And
    상기 예측 모델을 기반으로 상기 입력 정보에 대응되는 결과정보를 상기 사용자 단말에 제공하는 결과정보송신부를 포함하는 것을 특징으로 하는 암 치료 예측 결과 제공 시스템.And a result information transmitter for providing result information corresponding to the input information to the user terminal based on the prediction model.
  9. 제8항에 있어서 The method of claim 8, wherein
    상기 결과정보는 부작용 정도, 관심 치료 방법에 따른 생존율, 독성, 반응도, 치료 조건 및 치료방법의 조합 중 적어도 어느 하나인 것을 특징으로 하는 암 치료 예측 결과 제공 시스템.Wherein the result information is at least one of a side effect level, a survival rate according to a treatment method of interest, toxicity, a response, a treatment condition, and a combination of treatment methods.
  10. 제8항에 있어서, 상기 예측 모델은, 9. The method according to claim 8,
    치료 대상의 환자에 대한 수술, 화학요법, 방사선 치료, 면역 치료, 온열 치료 및 골수이식 중 적어도 하나 또는 둘 이상의 조합에 따른 관심 치료 방법을 포함하는 것을 특징으로 하는 암 치료 예측 결과 제공 시스템.A system for providing a cancer treatment prediction result, which comprises a treatment method of interest according to at least one or two or more combinations of surgery, chemotherapy, radiation therapy, immunotherapy, hyperthermia treatment and bone marrow transplantation for a patient to be treated.
  11. 다수의 문헌 정보를 수집 및 데이터마이닝하여, 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나의 상관관계를 나타내는 다수의 학습 데이터를 획득하는 단계;Acquiring and data mining a plurality of pieces of bibliographic information to obtain a plurality of pieces of learning data indicating a correlation of at least one of a treatment site, a treatment method, patient state information, and a side effect type;
    상기 다수의 학습 데이터를 기반으로 인공 지능망을 학습하는 단계; 및 Learning the artificial intelligence network based on the plurality of learning data; And
    치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나가 입력 정보로 입력되면, 상기 인공 지능망을 통해 상기 입력 정보에 대응되는 결과 정보를 제공하는 단계를 포함하는 인공 지능망 기반 치료 예측 결과 제공 방법.Providing the result information corresponding to the input information through the artificial intelligence network when at least one of the treatment site, the treatment method, the patient state information, and the side effect type is input as input information, Way.
  12. 제11항에 있어서, 상기 결과 정보는 12. The method of claim 11,
    부작용 종류 및 치료 방법 중 적어도 하나에 따른 생존율, 독성, 반응도, 치료 방법의 조합, 및 치료 방법의 조건 중 적어도 어느 하나인 것을 특징으로 하는 인공 지능망 기반 치료 예측 결과 제공 방법.Wherein the method is at least one of survival rate, toxicity, responsiveness, combination of treatment methods, and treatment method according to at least one of the side effect type and the treatment method.
  13. 제11항에 있어서, 12. The method of claim 11,
    상기 환자의 치료 이력과 치료 결과를 추적 모니터링하면서 실제 임상 데이터를 획득하고, 상기 실제 임상 데이터를 통해 상기 인공 지능망을 재학습시키는 단계를 더 포함하는 것을 특징으로 하는 인공 지능망 기반 치료 예측 결과 제공 방법.Further comprising the step of acquiring actual clinical data while monitoring and monitoring the patient's treatment history and the treatment result, and re-learning the artificial intelligence network through the actual clinical data.
  14. 제11항에 있어서, 상기 학습 데이터를 획득하는 단계는 12. The method of claim 11, wherein obtaining the training data comprises:
    다수의 문헌 정보를 수집 및 데이터마이닝하여 시맨틱 데이터베이스 사전을 구축하는 단계;Constructing a semantic database dictionary by collecting and mining a plurality of document information;
    치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나가 데이터마이닝 입력 정보로 입력되면, 상기 입력 정보와 상기 시맨틱 데이터베이스 사전을 기반으로 치료 예측 모델을 구성하고, 상기 치료 예측 모델을 기반으로 상기 데이터마이닝 입력 정보에 대응되는 데이터마이닝 결과 정보를 제공하는 단계; 및 Wherein when at least one of a treatment site, a treatment method, a patient state information, and a side effect type is input as data mining input information, a treatment prediction model is constructed based on the input information and the semantic database dictionary, Providing data mining result information corresponding to the data mining input information; And
    상기 데이터마이닝 입력 정보와 상기 데이터마이닝 결과 정보를 포함하는 학습 데이터를 생성 및 제공하는 단계를 포함하는 것을 특징으로 하는 인공 지능망 기반 치료 예측 결과 제공 방법.And generating and providing training data including the data mining input information and the data mining result information.
  15. 제14항에 있어서, 상기 데이터마이닝 결과 정보는15. The method of claim 14, wherein the data mining result information comprises:
    부작용 종류 및 치료 방법 중 적어도 하나에 따른 생존율, 독성, 반응도, 치료 방법의 조합, 및 치료 방법의 조건 중 적어도 어느 하나인 것을 특징으로 하는 인공 지능망 기반 치료 예측 결과 제공 방법.Wherein the method is at least one of survival rate, toxicity, responsiveness, combination of treatment methods, and treatment method according to at least one of the side effect type and the treatment method.
  16. 제14항에 있어서, 상기 치료 예측 모델을 구성하는 단계는 15. The method of claim 14, wherein constructing the treatment prediction model comprises:
    수술, 화학요법, 방사선 치료, 면역 치료, 온열 치료, 및 골수이식 중 적어도 하나 또는 둘 이상의 조합에 따른 통합 치료 방법을 결정하는 단계를 더 포함하는 것을 특징으로 하는 인공 지능망 기반 치료 예측 결과 제공 방법.Further comprising the step of determining an integrated treatment method based on at least one or two or more combinations of surgery, chemotherapy, radiation therapy, immunotherapy, hyperthermia treatment, and bone marrow transplantation.
  17. 제14항에 있어서, 상기 시맨틱 데이터베이스 사전을 구축하는 단계는, 15. The method of claim 14, wherein the constructing the semantic database dictionary comprises:
    암 치료 관련 문헌 또는 사례정보로부터 암 치료 결과 예측 인자들과 출력 결과에 해당하는 예후 인자 데이터를 추출하는 단계;Extracting prognostic factor data corresponding to cancer treatment result prediction factors and output results from literature or case information related to cancer therapy;
    상기 예후 인자 데이터에 대한 시맨틱 분석을 통해 시맨틱 키워드를 추출하는 단계; 및 Extracting a semantic keyword through semantic analysis on the prognostic factor data; And
    상기 시맨틱 키워드를 기반으로 상기 시맨틱 데이터베이스 사전을 작성 및 저장하는 단계를 포함하는 것을 특징으로 하는 인공 지능망 기반 치료 예측 결과 제공 방법.And generating and storing the semantic database dictionary based on the semantic keyword.
  18. 인공 지능망 기반 치료 예측 결과 제공 시스템에 관한 것으로, The present invention relates to an artificial intelligence network based therapeutic prediction result providing system,
    다수의 문헌 정보를 수집 및 데이터마이닝하여, 치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나의 상관관계를 나타내는 다수의 학습 데이터를 획득하는 학습 데이터 획득부;A learning data acquiring unit for acquiring a plurality of learning data representing a correlation of at least one of a treatment site, a treatment method, patient state information, and a side effect type by collecting and data mining a plurality of bibliographic information;
    상기 다수의 학습 데이터를 기반으로 인공 지능망을 학습시키는 학습부; 및A learning unit for learning an artificial intelligence network based on the plurality of learning data; And
    치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나가 입력 정보로 입력되면, 상기 인공 지능망을 통해 상기 입력 정보에 대응되는 결과 정보를 제공하는 예측부를 포함하는 인공 지능망 기반 치료 예측 결과 제공 시스템.And a prediction unit for providing result information corresponding to the input information through the artificial intelligence network when at least one of a treatment region, a treatment method, a patient state information, and a side effect type is input as input information, system.
  19. 제18항에 있어서, 상기 결과 정보는 19. The method of claim 18,
    부작용 종류 및 치료 방법 중 적어도 하나에 따른 생존율, 독성, 반응도, 치료 방법의 조합, 및 치료 방법의 조건 중 적어도 어느 하나인 것을 특징으로 하는 인공 지능망 기반 치료 예측 결과 제공 시스템.Wherein the therapeutic index is at least one of survival rate, toxicity, responsiveness, combination of treatment methods, and treatment method according to at least one of a side effect type and a therapeutic method.
  20. 제18항에 있어서, 19. The method of claim 18,
    상기 환자의 치료 이력과 치료 결과를 추적 모니터링하면서 실제 임상 데이터를 획득하고, 상기 학습부가 상기 실제 임상 데이터를 통해 상기 인증 지능망을 재학습하도록 하는 임상 데이터 획득부를 더 포함하는 것을 특징으로 하는 인공 지능망 기반 치료 예측 결과 제공 시스템.Further comprising a clinical data acquiring unit for acquiring actual clinical data while monitoring and monitoring the patient's medical history and treatment result, and allowing the learning unit to re-learn the authentication intelligent network through the actual clinical data Therapeutic forecasting result providing system.
  21. 제18항에 있어서, 상기 학습 데이터 획득부는 19. The apparatus of claim 18, wherein the learning data obtaining unit
    문헌 정보를 수집 및 데이터마이닝한 결과를 저장하는 시맨틱 데이터베이스 사전;A semantic database dictionary storing the result of collecting and mining document information;
    치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나의 입력 정보를 사용자 단말로부터 입력받는 입력 정보 수신부;An input information receiving unit for receiving input information of at least one of a treatment region, a treatment method, patient state information, and a side effect type from a user terminal;
    상기 입력 정보수신부로부터 수신된 입력 정보와 상기 시맨틱 데이터베이스 사전을 기반으로 하여 암 치료에 관한 예측 모델을 구성하는 예측모델구성부; 및 A prediction model constructing unit for constructing a prediction model related to cancer treatment based on the input information received from the input information receiving unit and the semantic database dictionary; And
    상기 예측 모델을 기반으로 상기 입력 정보에 대응되는 결과 정보를 획득 및 제공하는 결과 정보 제공부를 포함하는 것을 특징으로 하는 인공 지능망 기반 치료 예측 결과 제공 시스템.And a result information providing unit for obtaining and providing result information corresponding to the input information based on the prediction model.
  22. 제18항에 있어서 The method of claim 18, wherein
    상기 결과 정보는 부작용 종류 및 치료 방법 중 적어도 하나에 따른 생존율, 독성, 반응도, 치료 방법의 조합, 및 치료 방법의 조건 중 적어도 어느 하나인 것을 특징으로 하는 인공 지능망 기반 치료 예측 결과 제공 시스템.Wherein the result information is at least one of survival rate, toxicity, reactivity, combination of treatment methods, and treatment conditions according to at least one of side effects and treatment methods.
  23. 제18항에 있어서, 상기 치료 예측 모델은, 19. The method of claim 18,
    치료 대상의 환자에 대한 수술, 화학요법, 방사선 치료, 면역 치료, 온열 치료, 및 골수이식 중 적어도 하나 또는 둘 이상의 조합에 따른 치료 방법 및 치료 부작용을 포함하는 것을 특징으로 하는 인공 지능망 기반 치료 예측 결과 제공 시스템.An artificial intelligence network-based treatment prediction result characterized by comprising a treatment method and a treatment adverse effect according to at least one or two or more combinations of surgery, chemotherapy, radiation therapy, immunotherapy, hyperthermia treatment, and bone marrow transplantation for a patient to be treated Delivery system.
  24. 치료 예측결과 및 근거 자료 일괄 제공방법에 관한 것으로, The results of this study are as follows. First,
    문헌 정보를 수집 및 데이터마이닝하여 시맨틱 데이터베이스 사전을 구축하는 단계;Constructing a semantic database dictionary by collecting and mining document information;
    치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나가 입력정보로 입력되면, 상기 입력 정보와 상기 시맨틱 데이터베이스 사전을 기반으로 치료 예측 모델을 구성하는 단계; Constructing a treatment prediction model based on the input information and the semantic database dictionary when at least one of a treatment site, a treatment method, patient state information, and a side effect type is input as input information;
    상기 치료 예측 모델을 기반으로 상기 입력 정보에 대응되는 결과 정보를 획득하는 단계; Obtaining result information corresponding to the input information based on the treatment prediction model;
    상기 결과 정보의 근거 자료들을 수집 및 목록화하는 단계; 및 Collecting and cataloging evidence data of the result information; And
    상기 근거자료를 상기 결과 정보와 함께 동일 화면을 통해 표시하는 단계를 포함하는 치료 예측 결과 및 근거 자료 일괄 제공 방법.And displaying the result data together with the result information on the same screen.
  25. 제24항에 있어서, 상기 근거 자료들을 수집 및 목록화하는 단계는 25. The method of claim 24, wherein collecting and cataloging the evidence data comprises:
    문헌 정보 개시일, 정보 관련성, 및 저자 신뢰도 중 적어도 하나를 기반으로 상기 수집된 근거 자료들의 우선순위를 결정하고 목록화하는 것을 특징으로 하는 치료 예측 결과 및 근거 자료 일괄 제공 방법.Wherein the priorities of the collected evidence items are determined and cataloged based on at least one of the date of publication of the information, the information relevance, and the author credibility.
  26. 제25항에 있어서, 상기 근거 자료들을 수집 및 목록화하는 단계는 26. The method of claim 25, wherein collecting and cataloging the evidence data comprises:
    사용자 요청하에 상기 문헌 정보 개시일, 상기 정보 관련성, 및 상기 저자 신뢰도 각각의 고려 비중을 임의 조정할 수 있는 것을 특징으로 하는 치료 예측 결과 및 근거 자료 일괄 제공 방법.Wherein the user can arbitrarily adjust the ratio of consideration of the start date of the document information, the information relevance, and the author credibility under a user request.
  27. 제24항에 있어서, 25. The method of claim 24,
    상기 근거 자료 목록을 통해 하나의 근거 자료의 선택 및 열람 요청되면, 상기 열람 요청된 근거 자료의 상세 정보를 불러와 추가 표시하는 단계를 더 포함하는 것을 특징으로 하는 치료 예측 결과 및 근거 자료 일괄 제공 방법.Further comprising the step of, when the selection and viewing of one piece of evidence data is requested through the list of evidence data, further displaying and displaying detailed information of the pieces of evidence data requested to be browsed, .
  28. 제27항에 있어서, 상기 근거 자료의 상세 정보를 불러와 추가 표시하는 단계는28. The method of claim 27, further comprising:
    상기 치료 예측 모델 구성에 이용되는 시맨틱 키워드를 볼드 처리 또는 박스 처리한 후, 화면 표시하는 기능을 더 포함하는 것을 특징으로 하는 치료 예측 결과 및 근거 자료 일괄 제공 방법.Further comprising a function of bold-processing or box-processing the semantic keyword used in the treatment prediction model construction, and then displaying the result on a screen.
  29. 제27항에 있어서, 상기 근거 자료의 상세 정보를 불러와 추가 표시하는 단계는28. The method of claim 27, further comprising:
    상기 치료 예측 모델 구성에 이용되는 시맨틱 키워드가 개시된 문장만을 추출하여 선별적으로 제공하는 기능을 더 포함하는 것을 특징으로 하는 치료 예측 결과 및 근거 자료 일괄 제공 방법.Further comprising the step of extracting and selectively providing only the sentences in which the semantic keywords used in the treatment prediction model construction are disclosed.
  30. 제24항에 있어서 The method of claim 24, wherein
    상기 결과 정보는 부작용 종류 및 치료 방법 중 적어도 하나에 따른 생존율, 독성, 반응도, 치료 방법의 조합, 및 치료 방법의 조건 중 적어도 어느 하나인 것을 특징으로 하는 치료 예측결과 및 근거 자료 일괄 제공방법.Wherein the result information is at least one of a survival rate, toxicity, response, a combination of treatment methods, and a treatment method according to at least one of a side effect type and a treatment method.
  31. 제24항에 있어서, 상기 치료 예측 모델을 구성하는 단계는 25. The method of claim 24, wherein constructing the treatment prediction model comprises:
    수술, 화학요법, 방사선 치료, 면역 치료, 온열 치료, 및 골수이식 중 적어도 하나 또는 둘 이상의 조합에 따른 통합 치료 방법을 결정하는 단계를 더 포함하는 것을 특징으로 하는 치료 예측결과 및 근거 자료 일괄 제공방법.Further comprising the step of determining an integrated treatment method according to at least one or more combinations of surgery, chemotherapy, radiotherapy, immunotherapy, hyperthermia treatment, and bone marrow transplantation. .
  32. 제24항에 있어서, 상기 시맨틱 데이터베이스 사전을 구축하는 단계는, 25. The method of claim 24, wherein constructing the semantic database dictionary comprises:
    암 치료 관련 문헌 또는 사례정보로부터 암 치료 결과 예후 인자들과 출력 결과에 해당하는 예후 인자 데이터를 추출하는 단계;Extracting prognostic factor data corresponding to the outcome of the cancer treatment outcome and the output from the literature or case information related to cancer treatment;
    상기 예후 인자 데이터에 대한 시맨틱 분석을 통해 시맨틱 키워드를 추출하는 단계; 및 Extracting a semantic keyword through semantic analysis on the prognostic factor data; And
    상기 시맨틱 키워드를 기반으로 상기 시맨틱 데이터베이스 사전을 작성 및 저장하는 단계를 포함하는 것을 특징으로 하는 치료 예측결과 및 근거 자료 일괄 제공방법.And creating and storing the semantic database dictionary based on the semantic keyword.
  33. 치료 예측결과 및 근거 자료 일괄 제공 시스템에 관한 것으로, The results of this study are as follows. First,
    치료 관련 문헌 또는 사례 정보를 수집 및 데이터마이닝한 결과를 저장하는 시맨틱 데이터베이스 사전;A semantic database dictionary that stores results of collecting and data mining treatment-related documents or case information;
    치료 부위, 치료 방법, 환자 상태 정보, 및 부작용 종류 중 적어도 하나가 입력정보를 사용자 단말로부터 입력받는 입력정보수신부;At least one of a treatment part, a treatment method, patient condition information, and a side effect type is inputted from a user terminal;
    상기 입력정보수신부로부터 수신된 입력정보와 상기 시맨틱 데이터베이스 사전을 기반으로 하여 치료에 관한 예측 모델을 구성하는 예측모델구성부;A prediction model constructing unit for constructing a prediction model for treatment based on the input information received from the input information receiving unit and the semantic database dictionary;
    상기 예측 모델을 기반으로 상기 입력 정보에 대응되는 결과 정보를 상기 사용자 단말에 제공하는 결과 정보 획득부;A result information obtaining unit for providing result information corresponding to the input information to the user terminal based on the prediction model;
    상기 결과 정보의 근거 자료들을 수집 및 목록화하는 근거 자료 획득부; 및A base data acquisition unit for collecting and cataloging base data of the result information; And
    상기 입력 정보를 입력받거나, 상기 결과 정보와 상기 근거자료를 동시 안내하기 위한 UI(User Interface)를 구성 및 제공하는 UI 구성부를 포함하는 치료 예측 결과 및 근거 자료 일괄 제공 시스템.And a UI constructing unit for constructing and providing a UI (User Interface) for receiving the input information or simultaneously guiding the result information and the evidence data.
  34. 제33항에 있어서, 상기 근거 자료 획득부는34. The apparatus of claim 33, wherein the evidence data obtaining unit
    문헌 정보 개시일, 정보 관련성, 및 저자 신뢰도 중 적어도 하나를 기반으로 상기 수집된 근거 자료들의 우선순위를 결정하고 목록화하는 것을 특징으로 하는 치료 예측 결과 및 근거 자료 일괄 제공 시스템.Wherein the priorities of the collected evidence items are determined and cataloged based on at least one of the date of publication of the information, information relevance, and author credibility.
  35. 제34항에 있어서, 상기 근거 자료 획득부는The method of claim 34, wherein the evidence data obtaining unit
    사용자 요청하에 상기 문헌 정보 개시일, 상기 정보 관련성, 및 상기 저자 신뢰도 각각의 고려 비중을 임의 조정할 수 있는 것을 특징으로 하는 치료 예측 결과 및 근거 자료 일괄 제공 시스템.Wherein the user can arbitrarily adjust the ratio of consideration of the start date of the document information, the information relevance, and the author credibility under a user request.
  36. 제33항에 있어서, 상기 근거 자료 획득부는34. The apparatus of claim 33, wherein the evidence data obtaining unit
    상기 근거 자료 목록을 통해 하나의 근거 자료의 선택 및 열람 요청되면, 상기 열람 요청된 근거 자료의 상세 정보를 불러와 상기 UI 구성부에 제공하는 기능을 더 포함하는 것을 특징으로 하는 치료 예측 결과 및 근거 자료 일괄 제공 시스템.Further comprising a function of retrieving detailed information of the requested baseline data and providing the selected baseline data to the UI constructing unit when the selection and viewing of one baseline data is requested through the baseline data list. Data batch delivery system.
PCT/KR2018/007865 2017-10-13 2018-07-11 Method and system for providing cancer treatment prediction result, method and system for providing treatment prediction result on basis of artificial intelligence network, and method and system for collectively providing treatment prediction result and evidence data WO2019074191A1 (en)

Applications Claiming Priority (8)

Application Number Priority Date Filing Date Title
KR20170133282 2017-10-13
KR10-2017-0133282 2017-10-13
KR1020170137212A KR101947725B1 (en) 2017-10-13 2017-10-23 Method and system for providing result of prospect of cancer treatment
KR10-2017-0137212 2017-10-23
KR1020170143559A KR101943222B1 (en) 2017-10-31 2017-10-31 Method and system for providing result of prospect of cancer treatment and reference data
KR1020170143558A KR101946402B1 (en) 2017-10-31 2017-10-31 Method and system for providing result of prospect of cancer treatment using artificial intelligence
KR10-2017-0143559 2017-10-31
KR10-2017-0143558 2017-10-31

Publications (1)

Publication Number Publication Date
WO2019074191A1 true WO2019074191A1 (en) 2019-04-18

Family

ID=66100842

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2018/007865 WO2019074191A1 (en) 2017-10-13 2018-07-11 Method and system for providing cancer treatment prediction result, method and system for providing treatment prediction result on basis of artificial intelligence network, and method and system for collectively providing treatment prediction result and evidence data

Country Status (1)

Country Link
WO (1) WO2019074191A1 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112037908A (en) * 2020-08-05 2020-12-04 复旦大学附属眼耳鼻喉科医院 Aural vertigo diagnosis and treatment device and system and big data analysis platform
US20210398687A1 (en) * 2018-10-01 2021-12-23 Digipharm Ltd Computer system and method for determining efficacy of a medical treatment for a medical condition

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050055894A (en) * 2003-12-09 2005-06-14 주식회사 케이티 Medical information service system and its method using standard prevention knowledge db and personal treatment history db
JP2006087375A (en) * 2004-09-24 2006-04-06 Natl Inst Of Radiological Sciences Dna oligomer, gene marker and dna oligomer set for estimation of crisis of side effect in radiotherapy and method for estimating crisis of side effect
KR100794516B1 (en) * 2007-12-03 2008-01-14 한국정보통신대학교 산학협력단 System and method for diagnosis and clinical test selection using case based machine learning inference
JP2009533782A (en) * 2006-04-17 2009-09-17 シーメンス メディカル ソリューションズ ユーエスエー インコーポレイテッド Personal prognostic modeling in medical planning
KR20100084265A (en) * 2009-01-16 2010-07-26 김서준 Method and apparatus for extracting information from contents evaluated by using user feedbacks and utilizing said information
KR20120054986A (en) * 2010-11-22 2012-05-31 고려대학교 산학협력단 Apparatus and method for serching digital contents
KR20140109729A (en) * 2013-03-06 2014-09-16 한국전자통신연구원 System for searching semantic and searching method thereof
JP2016018321A (en) * 2014-07-07 2016-02-01 株式会社日立製作所 Drug efficacy analysis system and drug efficacy analysis method

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050055894A (en) * 2003-12-09 2005-06-14 주식회사 케이티 Medical information service system and its method using standard prevention knowledge db and personal treatment history db
JP2006087375A (en) * 2004-09-24 2006-04-06 Natl Inst Of Radiological Sciences Dna oligomer, gene marker and dna oligomer set for estimation of crisis of side effect in radiotherapy and method for estimating crisis of side effect
JP2009533782A (en) * 2006-04-17 2009-09-17 シーメンス メディカル ソリューションズ ユーエスエー インコーポレイテッド Personal prognostic modeling in medical planning
KR100794516B1 (en) * 2007-12-03 2008-01-14 한국정보통신대학교 산학협력단 System and method for diagnosis and clinical test selection using case based machine learning inference
KR20100084265A (en) * 2009-01-16 2010-07-26 김서준 Method and apparatus for extracting information from contents evaluated by using user feedbacks and utilizing said information
KR20120054986A (en) * 2010-11-22 2012-05-31 고려대학교 산학협력단 Apparatus and method for serching digital contents
KR20140109729A (en) * 2013-03-06 2014-09-16 한국전자통신연구원 System for searching semantic and searching method thereof
JP2016018321A (en) * 2014-07-07 2016-02-01 株式会社日立製作所 Drug efficacy analysis system and drug efficacy analysis method

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210398687A1 (en) * 2018-10-01 2021-12-23 Digipharm Ltd Computer system and method for determining efficacy of a medical treatment for a medical condition
CN112037908A (en) * 2020-08-05 2020-12-04 复旦大学附属眼耳鼻喉科医院 Aural vertigo diagnosis and treatment device and system and big data analysis platform

Similar Documents

Publication Publication Date Title
Schmid et al. A new ImageJ plug-in “ActogramJ” for chronobiological analyses
WO2019027259A1 (en) Apparatus and method for providing summarized information using an artificial intelligence model
WO2017150860A1 (en) Predicting text input based on user demographic information and context information
EP4097726A1 (en) Method of predicting disease, gene or protein related to queried entity and prediction system built by using the same
WO2010120101A2 (en) Keyword-recommending method using inverse vector space model and apparatus for same
US20090125560A1 (en) Information processing apparatus and method of controlling the same, information processing method, and computer program
Mongin et al. The Anopheles gambiae genome: an update
WO2020078058A1 (en) Medical data abnormality identification method and device, terminal, and storage medium
WO2019074191A1 (en) Method and system for providing cancer treatment prediction result, method and system for providing treatment prediction result on basis of artificial intelligence network, and method and system for collectively providing treatment prediction result and evidence data
WO2016190496A1 (en) Method for managing medical meta-database and apparatus therefor
WO2023043270A1 (en) Machine learning-based web page template recommendation method and device therefor
WO2021225421A1 (en) Method and system for predicting reaction to immuno-oncology agent
WO2017014469A1 (en) Disease risk prediction method, and device for performing same
Bello et al. Allele, phenotype and disease data at Mouse Genome Informatics: improving access and analysis
WO2014209005A1 (en) Lifestyle analysis system and method
WO2020096255A1 (en) Electronic apparatus and control method thereof
JPWO2020026366A1 (en) Patent evaluation determination method, patent evaluation determination device, and patent evaluation determination program
WO2015147599A1 (en) Data sharing method and electronic device thereof
JP5296014B2 (en) Search device, method and program
Liu et al. Systematic analysis of the molecular mechanism underlying decidualization using a text mining approach
WO2017116139A1 (en) System for analyzing bioactive variation using genetic variation information on individual&#39;s genome
KR101946402B1 (en) Method and system for providing result of prospect of cancer treatment using artificial intelligence
WO2024075944A1 (en) Artificial intelligence-based method and apparatus for processing customer intention through inverted queue scheme, and computer-readable recording medium
Hua et al. Follicle Online: an integrated database of follicle assembly, development and ovulation
JP2010237721A (en) Search system, search method and search program

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18865554

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18865554

Country of ref document: EP

Kind code of ref document: A1