KR20220124301A - 인공지능 기반으로 반려동물의 이상증상에 따른 질환을 예측하는 장치, 방법 및 프로그램 - Google Patents
인공지능 기반으로 반려동물의 이상증상에 따른 질환을 예측하는 장치, 방법 및 프로그램 Download PDFInfo
- Publication number
- KR20220124301A KR20220124301A KR1020210027153A KR20210027153A KR20220124301A KR 20220124301 A KR20220124301 A KR 20220124301A KR 1020210027153 A KR1020210027153 A KR 1020210027153A KR 20210027153 A KR20210027153 A KR 20210027153A KR 20220124301 A KR20220124301 A KR 20220124301A
- Authority
- KR
- South Korea
- Prior art keywords
- disease
- abnormal
- information
- companion animal
- predicted
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
본 발명은 인공지능 기반으로 반려동물의 이상증상에 따른 질환을 예측하는 장치에 관한 것으로, 사용자로부터 입력된 증상을 분석하여 예측 질환을 도출하고, 예측 질환 각각에 대한 발병 지수를 산출하여 최종 예측 질환 결과를 생성할 수 있는 효과가 있다.
Description
본 발명은 반려동물의 이상증상에 따른 질환 예측 장치에 관한 것이다.
최근 들어, 반려동물에 대한 관심도가 증가하면서 반려동물을 키우는 사람들의 수가 급격하게 증가하고 있다.
하지만, 반려동물은 신체에 이상이 생겼을 때 사람처럼 구체적으로 상태, 증상을 표현하는 것이 불가능하며, 이상증상이 사람과 다르기 때문에 반려인이 반려동물의 질환을 조기에 발견하지 못하고, 질환이 상당히 진행된 후에 발견하게 된다는 문제점이 있다.
이에, 전문적인 의학지식을 갖추지 않고 있는 반려인이 반려동물의 이상증상을 쉽게 입력하게 하고, 이상증상을 기반으로 정확하게 예측 질환 결과를 제공하는 기술이 필요한 상황이지만, 현재로서는 이러한 기술이 공개되어 있지 않은 실정이다.
상술한 바와 같은 문제점을 해결하기 위한 본 발명은 반려동물의 진료 기록에서 질환이 발생한 반려동물의 개체 정보, 발현 이상증상 및 확진 질환 정보를 기반으로 학습데이터셋을 생성하고, 이를 진단 모델에 머신 러닝하여 이상증상과 질환에 대한 연관 규칙을 학습시키고자 한다.
또한, 본 발명은 진단 모델을 이용하여 사용자로부터 입력된 증상을 분석하여 예측 질환을 도출하고, 예측 질환 각각에 대한 발병 지수를 산출하여 최종 예측 질환 결과를 생성하고자 한다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상술한 과제를 해결하기 위한 본 발명의 일 실시예에 따른 반려동물 이상증상에 따른 질환 예측 장치는, 사용자 단말 및 동물 병원 서버와 통신하며, 사용자의 반려동물의 개체 정보 및 적어도 하나의 이상증상 정보를 수신하는 통신부; 빅데이터를 이용하여 가공된 학습데이터셋을 기반으로 학습된 진단 모델이 저장된 데이터베이스; 및 상기 개체 정보 및 적어도 하나의 이상증상 정보를 상기 진단 모델에 입력하여 상기 반려동물에 대하여 적어도 하나의 예측 질환을 도출하고, 상기 도출된 적어도 하나의 예측 질환 각각에 대한 발병 지수를 산출하고, 상기 산출된 발병 지수를 기반으로 최종 예측 질환 결과를 생성하는 프로세서를 포함한다.
또한, 상기 개체 정보는, 적어도 하나의 개체 항목 및 적어도 하나의 신체 정보를 포함하며, 상기 적어도 하나의 개체 항목은, 반려동물의 나이, 성별, 품종, 비만도, 활동성 및 기보유 질환 중 적어도 하나를 포함한다.
또한, 상기 프로세서는, 상기 도출된 적어도 하나의 예측 질환 각각에 대하여, 각각의 개체 항목의 값과 예측 질환의 종류를 기반으로 각 개체 항목에 대한 발병 계수를 산출하고, 산출된 발병 계수들의 곱연산을 통해 상기 도출된 적어도 하나의 예측 질환 각각에 대한 발병 지수를 산출하여 각 예측 질환의 발병 확률을 도출하는 것을 특징으로 한다.
또한, 상기 프로세서는, 상기 도출된 적어도 하나의 예측 질환 각각에 대한 발병 지수의 총합과 각 예측 질환의 발병 지수를 기반으로, 각 예측 질환의 발병 확률을 도출하는 것을 특징으로 한다.
또한, 상기 프로세서는, 상기 반려동물에 대하여, 상기 반려동물의 나이에 따른 예측 질환별 나이 발병 계수, 상기 반려동물의 성별에 따른 예측 질환별 성별 발병 계수, 상기 반려동물의 비만도에 따른 예측 질환별 비만도 발병 계수, 상기 반려동물의 활동성에 따른 예측 질환별 활동성 발병 계수, 및 상기 반려동물의 기보유 질환 발병 계수에 따른 예측 질환별 기보유 질환 발병 계수를 산출하고, 각각의 예측 질환에 대한 나이 발병 계수, 성별 발병계수, 비만도 발병 계수, 활동성 발병 계수 및 기보유 질환 발병 계수를 곱연산하여 각 예측 질환의 발병 지수를 산출하는 것을 특징으로 한다.
또한, 상기 프로세서는, 상기 도출된 적어도 하나의 예측 질환 중에서 환경 또는 계절 중 적어도 하나의 영향이 있는 예측 질환이 존재하는 경우, 예측 시점의 환경 또는 계절 조건을 반영하여 상기 도출된 적어도 하나의 예측 질환에 대한 우선 순위를 설정하는 것을 특징으로 한다.
또한, 상기 데이터베이스는, 연관성을 갖는 복수의 이상증상이 의학 지식이 없는 일반인이 선택 가능하도록 하는 하나의 이상증상 대표 명칭으로 그룹화되어 저장되어 있으며, 상기 프로세서는, 사용자 단말로 상기 데이터베이스에 저장된 적어도 하나의 이상증상 대표 명칭을 제공하여 선택을 요청하고, 사용자 단말로부터 수신된 반려동물에 대한 문진 정보 및 선택된 적어도 하나의 이상증상 대표 명칭을 기반으로, 상기 적어도 하나의 이상증상 정보를 도출하는 것을 특징으로 한다.
또한, 상기 데이터베이스는, 각각의 이상증상의 답변을 유도하는 복수의 예시 데이터가 저장되어 있으며, 상기 프로세서는, 사용자 단말로 상기 데이터베이스에 저장된 적어도 하나의 예시 데이터를 제공하여 답변을 요청하고, 사용자 단말로부터 수신된 답변을 순차적으로 분석하여, 다음 차례에 제공할 예시 데이터를 선택하여 제공하는 과정을 복수 회 반복하여, 상기 반려동물의 이상증상 정보를 생성하는 것을 특징으로 한다.
또한, 상기 프로세서는, 상기 수신된 적어도 하나의 이상증상 정보 중에서 서로 다른 복수의 이상증상 정보가 중복되는 예측 질환을 지시하는 경우, 지시하는 예측 질환에 대하여 일정 가중치를 부여하는 것을 특징으로 한다.
또한, 상기 프로세서는, 데이터베이스에 상기 반려동물에 대하여 기 저장된 개체 정보가 존재하는 경우, 상기 수신된 개체 정보와 데이터베이스에 저장된 개체 정보를 비교하여 변동 내역을 도출하고, 상기 도출된 변동 내역을 기반으로 상기 반려동물에 대한 이상증상 정보를 도출하는 것을 특징으로 한다.
또한, 상기 프로세서는, 일정 지역 내 반려동물의 진료 기록에서 질환이 발생한 반려동물의 개체 정보, 발현 이상증상 및 확진 질환 정보를 기반으로, 학습데이터셋을 생성하고, 상기 생성된 학습데이터셋을 상기 진단 모델에 머신 러닝하여, 이상증상과 질환에 대한 연관 규칙을 학습시키는 것을 특징으로 한다.
또한, 상기 프로세서는, 반려동물에 대한 의학적 기준을 포함하는 진단 의학 데이터를 기반으로, 상기 학습데이터셋을 검증하고, 검증을 실패한 진료 기록을 제외하고 학습데이터셋을 생성하는 것을 특징으로 한다.
또한, 상기 프로세서는, 반려동물에 대한 의학적 기준을 포함하는 진단 의학 데이터를 기반으로, 적어도 하나의 특정 이상증상에 관련된 질환 데이터 테이블을 구축하고, 상기 구축된 질환 데이터 테이블을 상기 진단 모델에 입력하여, 상기 진단 모델의 상기 이상증상과 질환에 대한 연관 규칙을 업데이트 하는 것을 특징으로 한다.
또한, 상술한 과제를 해결하기 위한 본 발명의 일 실시예에 따른 반려동물 이상증상에 따른 질환 예측 방법은, 컴퓨터에 의해 수행되는 방법으로, 사용자의 반려동물의 개체 정보 및 적어도 하나의 이상증상 정보를 수신하는 단계; 상기 개체 정보 및 적어도 하나의 이상증상 정보를 진단 모델에 입력하여, 상기 반려동물에 대한 적어도 하나의 예측 질환을 도출하는 단계; 상기 진단 모델을 이용하여, 상기 도출된 적어도 하나의 예측 질환 각각에 대한 발병 지수를 산출하는 단계; 및 상기 진단 모델을 이용하여, 상기 산출된 발병 지수를 기반으로 최종 질환 예측 결과를 생성하는 단계를 포함하며, 상기 진단 모델은 빅데이터를 이용하여 가공된 학습데이터셋을 기반으로 학습된 것을 특징으로 한다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 컴퓨터 판독 가능한 기록 매체가 더 제공될 수 있다.
상기와 같은 본 발명에 따르면, 반려동물의 진료 기록에서 질환이 발생한 반려동물의 개체 정보, 발현 이상증상 및 확진 질환 정보를 기반으로 학습데이터셋을 생성하고, 이를 진단 모델에 머신 러닝하여 이상증상과 질환에 대한 연관 규칙을 학습시키는 효과가 있다.
또한, 본 발명에 따르면, 사용자로부터 입력된 증상을 분석하여 예측 질환을 도출하고, 예측 질환 각각에 대한 발병 지수를 산출하여 최종 예측 질환 결과를 생성할 수 있는 효과가 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 실시예에 따른 반려동물의 이상증상에 따른 질환 예측 시스템의 블록도이다.
도 2는 본 발명의 실시예에 따른 반려동물의 이상증상에 따른 질환 예측 방법의 흐름도이다.
도 3은 질환 예측 서버가 사용자 단말로 이상증상 선택을 요청하는 것을 예시한 도면이다.
도 4는 반려동물의 이상증상에 따른 질환 예측 장치의 진단 모델을 구축하는 것을 예시한 도면이다.
도 5 및 도 6은 데이터베이스에 저장된 반려동물 기본 개체 및 신체정보 테이블을 예시한 도면이다.
도 7은 반려동물 품종 정보를 예시한 도면이다.
도 8은 반려동물 질환 정보를 예시한 도면이다.
도 9는 반려동물 질환 이력 정보를 예시한 도면이다.
도 10은 반려동물 이상증상 정보를 예시한 도면이다.
도 11은 반려동물 이상증상과 질환 연관 정보를 예시한 도면이다.
도 12 및 도 13은 반려동물의 세부 증상에 대한 증상 대표 명칭 테이블을 예시한 도면이다.
도 2는 본 발명의 실시예에 따른 반려동물의 이상증상에 따른 질환 예측 방법의 흐름도이다.
도 3은 질환 예측 서버가 사용자 단말로 이상증상 선택을 요청하는 것을 예시한 도면이다.
도 4는 반려동물의 이상증상에 따른 질환 예측 장치의 진단 모델을 구축하는 것을 예시한 도면이다.
도 5 및 도 6은 데이터베이스에 저장된 반려동물 기본 개체 및 신체정보 테이블을 예시한 도면이다.
도 7은 반려동물 품종 정보를 예시한 도면이다.
도 8은 반려동물 질환 정보를 예시한 도면이다.
도 9는 반려동물 질환 이력 정보를 예시한 도면이다.
도 10은 반려동물 이상증상 정보를 예시한 도면이다.
도 11은 반려동물 이상증상과 질환 연관 정보를 예시한 도면이다.
도 12 및 도 13은 반려동물의 세부 증상에 대한 증상 대표 명칭 테이블을 예시한 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.
본 발명의 배경기술에서 반려동물의 주인을 반려인으로 지칭하였는데, 아래 실시예에서는 사용자로 명명하도록 한다.
따라서, 본 발명의 실시예에서 사용자는 이상증상이 있는 반려동물의 주인(반려인)을 의미한다.
도 1은 본 발명의 실시예에 따른 반려동물의 이상증상에 따른 질환 예측 시스템의 블록도이다.
도 2는 본 발명의 실시예에 따른 반려동물의 이상증상에 따른 질환 예측 방법의 흐름도이다.
도 3은 질환 예측 서버가 사용자 단말로 이상증상 선택을 요청하는 것을 예시한 도면이다.
도 4는 반려동물의 이상증상에 따른 질환 예측 장치의 진단 모델을 구축하는 것을 예시한 도면이다.
도 5 내지 도 13은 질환 예측 장치의 데이터베이스에 저장된 각종 정보들을 예시한 도면이다.
이하, 도 1 내지 도 13을 참조하여, 본 발명의 실시예에 따른 반려동물 질환 예측 시스템(10), 반려동물 질환 예측 장치(100), 방법 및 프로그램에 대해서 설명하도록 한다.
도 1을 참조하면, 본 발명의 실시예에 따른 반려동물 질환 예측 시스템(10)은 반려동물 질환 예측 장치(100), 사용자 단말(50) 및 동물병원 서버(70)를 포함한다.
그리고, 반려동물 질환 예측 장치(100)는 프로세서(110), 통신부(120) 및 데이터베이스(130)를 포함하며, 몇몇 실시예에서 입출력부(140)를 더 포함할 수 있다.
다만, 몇몇 실시예에서 반려동물 질환 예측 장치(100)는 도 1에 도시된 구성요소보다 더 적은 수의 구성요소나 더 많은 구성요소를 포함할 수도 있다.
관리자는 입출력부(140)를 통해서 진료 기록 데이터 등과 같은 데이터를 직접 입력할 수도 있으며, 각종 시뮬레이션을 진행하여 질환 예측 결과를 화면으로 출력할 수도 있다.
본 발명의 실시예에 따른 반려동물 질환 예측 장치(100)는 컴퓨터, 정보처리수단으로 구현될 수 있으며, 사용자 단말(50)과 유/무선으로 통신하여 증상이나 반려동물의 정보 등과 같은 데이터를 수신하고, 질환 예측 결과를 제공하므로 반려동물 질환 예측 서버로 구현되는 것이 바람직하다.
도 1 및 도 2를 참조하여 본 발명의 실시예에 따른 반려동물 질환 예측 장치(100)를 설명하기에 앞서, 도 4를 참조하여 반려동물 질환 예측 장치(100)가 질환 예측을 위해 주로 사용하게 되는 진단 모델을 구축하는 것에 대하여 설명하도록 한다.
본 발명의 실시예에 따른 질환 예측 장치(100)는 적어도 하나의 프로세서(110)를 포함하며, 데이터베이스(130)는 프로세서(110)의 동작을 위한 알고리즘이 저장되어 있다.
프로세서(110)는 알고리즘을 기반으로 작동되며, 질환 예측 장치(100) 내 모든 구성들의 동작을 담당할 수 있다.
프로세서(110)는 통신부(120)를 통해 일정 지역 내 반려동물의 진료 기록을 수신한다.
이때, 프로세서(110)는 반려동물의 진료 기록을 질병 예측이 필요한 지역의 환경이 유사한 인접 지역별로 반려동물 진료 기록을 분류할 수 있다.
프로세서(110)는 일정 지역 내 반려동물의 진료 기록에서 질환이 발생한 반려동물의 개체 정보, 발현 이상증상 및 확진 질환 정보를 기반으로 학습데이터셋을 생성한다.
그리고, 프로세서(110)가 학습데이터셋을 진단 모델에 입력하여 비지도 머신 러닝함으로써, 진단 모델이 이상증상과 질환에 대한 연관 규칙을 학습하게 된다.
일 실시예로, 프로세서(110)는 학습데이터셋을 생성하기 전에 반려동물의 진료 기록에 대한 검증을 수행할 수 있다.
상세하게는, 데이터베이스(130)는 반려동물에 대한 의학적인 기준을 포함하는 진단 의학 데이터가 저장되어 있다.
그리고, 프로세서(110)는 의학적 기준을 포함하는 진단 의학 데이터를 기반으로 학습데이터셋을 검증하고, 검증을 실패한 진료 기록을 제외하고 학습데이터셋을 생성함으로써, 잘못된 케이스가 학습데이터셋에 포함되는 것을 방지할 수 있다.
일 실시예로, 프로세서(110)는 반려동물에 대한 의학적 기준을 포함하는 진단 의학 데이터를 기반으로, 적어도 하나의 특정 이상증상에 대한 질환 데이터 테이블을 구축한다.
그리고, 프로세서(110)는 질환 데이터 테이블을 진단 모델에 입력하여 진단 모델의 이상증상과 질환에 대한 연관 규칙을 업데이트함으로써, 진단 모델의 예측 정확도를 상승시키는 효과를 발휘하게 된다.
일 실시예로, 프로세서(110)는 질환이 없는 건강한 반려동물에 대한 개체 정보를 건강개체에 대한 기준 데이터로 데이터베이스(130)에 저장하고, 이를 진단 모델에 입력하여 머신 러닝함으로써 진단 모델이 건강개체와 이상개체를 구별하는 기준을 학습하도록 할 수 있다.
이와 같이, 본 발명의 실시예에 따른 반려동물 질환 예측 장치(100)는 임상 의학적인 관점에서 반려동물에게 발생한 이상증상으로부터 발현 가능성이 있는 질환들을 예측하는 알고리즘(진단 모델)에 실제 진료 데이터의 머신 러닝으로 학습한 반려동물의 개체별 차이에 따른 신체적 차이와 증상, 발병 비율 패턴을 반영함으로써, 진단 예측 정확도를 향상시키게 된다.
일 실시예로, 프로세서(110)는 기 설정된 주기마다 제휴되어 있는 동물병원 서버(70)로부터 신규로 등록된 진료 기록을 수신하고, 이를 학습데이터셋으로 생성하여 진단 모델에 머신 러닝함으로써, 지속적으로 신규 진료 데이터를 반영할 수 있다.
또한, 위와 같이 진단 모델을 구축함으로써, 복수의 이상증상을 입력할수록 질환 예측의 정확도가 향상되고, 가우스 소거법으로 증상을 많이 입력하는 경우 알고리즘의 예측 정확도가 높아지게 된다.
그리고, 본 발명의 실시예에 따른 질환 예측 장치(100)는 머신 러닝으로 학습되는 진료 기록 데이터의 양이 많아지고, 입력하는 반려동물의 신체, 잉상 증상 데이터가 상세할수록 진단 모델의 예측 정확도가 향상되는 효과가 있다.
진단 모델 구축에 대한 설명을 마치고, 다른 도면들을 참조하여 본 발명의 실시예에 따른 질환 예측 장치(100), 방법에 대해서 설명하도록 한다.
본 발명의 실시예에 따르면, 질환 예측 서버는 웹 또는 앱 기반으로 사용자 단말(50)과 통신할 수 있다.
구체적으로, 질환 예측 서버는 서비스 애플리케이션을 제공하고, 사용자는 단말에 서비스 애플리케이션을 설치하여 반려동물의 질환 예측 서비스를 이용할 수 있다.
질환 예측 장치(100)가 통신부(120)를 통해 사용자의 반려동물의 개체 정보 및 적어도 하나의 이상증상 정보를 수신한다. (S110)
바람직하게는, 사용자는 반려동물에게 이상증상이 있는 것이 감지되면 단말의 웹 또는 앱을 통해 접속하여 반려동물의 이상증상에 대하여 입력하게 된다.
따라서, 질환 예측 장치(100)는 사용자가 단말을 통해 접속하여 반려동물의 질환 예측 요청 신호가 수신되면, 사용자 단말(50)로 반려동물의 이상증상 입력을 요청하게 된다.
이때, 프로세서(110)는 사용자 단말(50)로 반려동물의 개체 정보 입력을 요청할 수 있으며, 이러한 개체 정보는 사용자가 질환 예측 서비스에 가입할 때 입력될 수도 있으며, 주기적인 갱신이 필요한 개체 정보의 경우에는 주기적으로 입력을 요청할 수 있다.
또한, 프로세서(110)는 사용자 단말(50)로 개체 정보의 입력을 요청할 수도 있지만, 자체적으로 구비된 데이터베이스(130)에서 반려동물의 개체 정보를 로딩할 수도 있고, 동물병원 서버(70)에 접속하여 반려동물의 개체 정보를 로딩할 수도 있다.
바람직하게는, 프로세서(110)는 데이터베이스(130), 동물병원 서버(70)의 데이터베이스(130)에서 조회가 가능한 개체 정보를 로딩하고, 사용자의 입력이 필요한 개체 정보에 대해서는 사용자 단말(50)로 입력을 요청하여 수신할 수 있다.
이와 같이, 반려동물의 이상증상에 대해서는 사용자 단말(50)을 통해 입력받아 수신하지만, 개체 정보의 경우에는 다양한 방법이 적용될 수 있으므로, 발명의 실시자가 용이하게 선택하도록 한다.
도 3은 질환 예측 서버가 사용자 단말(50)로 이상증상 선택을 요청하는 것을 예시한 도면이다.
도 3을 참조하면, 프로세서(110)가 사용자 단말(50)로 반려동물에게 해당하는 증상을 모두 선택하도록 요청하고 있으며, 사용자로부터 선택된 증상의 리스트가 출력되는 것이 예시되어 있다.
사람과 마찬가지로 반려동물의 이상증상은 수많은 세부 항목을 포함하고 있으며, 의학 지식이 없는 일반인이 판단할 수 있는 이상증상과 의료진이 판단할 수 있는 이상증상은 큰 차이점이 있다.
본 발명의 실시예에 따른 반려동물의 질환 예측 서비스는 온라인 상에서 비대면으로 이상증상을 입력하는 것이기 때문에, 사용자가 반려동물의 이상증상을 전문적으로 입력하는 것이 어려울 수 있다.
따라서, 사용자가 반려동물의 이상증상의 입력이 용이하도록 하는 구성을 포함하고 있으며, 아래에서 이에 대하여 상세하게 설명하도록 한다.
도 10은 반려동물 이상증상 정보를 예시한 도면이다.
도 10을 참조하면, 질환 예측 장치(100)의 데이터베이스(130)에는 반려동물에게 발생할 수 있는 이상증상 정보의 테이블이 저장되어 있다.
상세하게는, 이상증상 정보의 테이블은 복수의 항목을 포함하며, 이상증상 고유번호, 증상 분류, 증상명(영문, 국문), 쉬운 증상 표기명, 증상 설명, 증상 예시 데이터 등이 포함될 수 있다.
이때, 쉬운 증상 표기명은 아래에서 추가로 설명할 이상증상 대표 명칭을 의미한다.
증상 예시 데이터 또한 아래에서 추가로 설명할 이상증상의 답변을 유도하기 위한 데이터를 의미한다.
도 12 및 도 13은 반려동물의 세부 증상에 대한 증상 대표 명칭 테이블을 예시한 도면이다.
구체적으로, 데이터베이스(130)는 연관성을 갖는 복수의 이상증상이 의학 지식이 없는 일반인이 선택 가능하도록 하는 하나의 이상증상 대표 명칭으로 그룹화되어 저장되어 있다.
프로세서(110)는 사용자 단말(50)로 데이터베이스(130)에 저장된 적어도 하나의 이상증상 대표 명칭을 제공하여 선택을 요청한다.
그리고, 프로세서(110)는 사용자 단말(50)로부터 수신된 반려동물에 대한 문진 정보 및 선택된 적어도 하나의 이상증상 대표 명칭을 기반으로, 반려동물에 대한 적어도 하나의 이상증상 정보를 도출한다.
이러한 실시예를 위해서, 프로세서(110)는 사용자 단말(50)로 반려동물에 대한 문진표 입력을 요청할 수 있다.
도 12 및 도 13을 참조하면, 하나의 이상증상 대표 명칭에 대하여 다수의 세부 이상증상, 세부 원인이 링크되어 있는 것을 알 수 있다.
따라서, 프로세서(110)는 사용자 단말(50)로부터 선택된 이상증상 대표 명칭과 반려동물의 개체 정보 및 문진 정보 중 적어도 하나를 기반으로, 반려동물에 대한 적어도 하나의 이상 증상 정보를 도출하게 된다.
일 실시예로, 데이터베이스(130)는 각각의 이상 증상의 답변을 유도하는 복수의 예시 데이터가 저장되어 있다.
프로세서(110)는 사용자 단말(50)로 데이터베이스(130)에 저장된 적어도 하나의 예시 데이터를 제공하여 답변을 요청한다.
그리고, 프로세서(110)는 사용자 단말(50)로부터 수신된 답변을 순차적으로 분석하여, 다음 차례에 제공할 예시 데이터를 선택하여 사용자 단말(50)로 제공하는 과정을 복수 회 반복한다.
그 후, 프로세서(110)는 사용자 단말(50)로부터 수신된 복수의 답변을 기반으로 반려동물의 이상 증상 정보를 생성한다.
상술한 구성을 통해서, 질환 예측 장치(100)는 사용자에게 반려동물의 이상 증상을 유추할 수 있는 질문들을 제공하고, 사용자로부터 선택된 답변들을 종합하여 반려동물의 이상 증상 정보를 생성할 수 있게 된다.
도 5 및 도 6은 데이터베이스(130)에 저장된 반려동물 기본 개체 및 신체정보 테이블을 예시한 도면이다.
본 발명의 실시예에서 개체 정보는 적어도 하나의 개체 항목 및 적어도 하나의 신체 정보를 포함한다.
이때, 개체 정보는 반려동물의 나이, 성별, 품종, 비만도, 활동성 및 기보유 질환 중 적어도 하나를 포함할 수 있다.
하지만, 이는 대표적인 예시일 뿐, 도 5 및 도 6과 같이 개체 정보 및 신체 정보는 다양한 개체 항목 및 신체정보 항목을 포함한다.
따라서, 질환 예측 장치(100)가 개체 정보를 수신하는 것은 적어도 하나의 개체 항목의 값을 수신하는 것을 의미한다.
도 7은 반려동물 품종 정보를 예시한 도면이다.
도 7을 참조하면, 데이터베이스(130)는 복수의 항목을 포함하는 반려동물의 품종 정보가 저장되어 있다.
<1차 예측>
프로세서(110)가 S110에서 수신된 개체 정보 및 적어도 하나의 이상증상 정보를 진단 모델에 입력하여, 반려동물에 대한 적어도 하나의 예측 질환을 도출한다. (S130)
프로세서(110)는 S130을 통해서 반려동물의 질환에 대하여 1차 예측을 수행하게 된다.
상세하게는, 프로세서(110)가 S110에서 수신된 적어도 하나의 개체 항목에 대한 값과 적어도 하나의 이상증상 정보를 진단 모델에 입력하는 것을 의미한다.
도 4를 참조하여 전술한 바와 같이, 진단 모델은 학습데이터셋을 기반으로 머신러닝되어 학습되어 있기 때문에, 위와 같은 정보들이 입력되면 반려동물에 대한 예측 질환을 도출할 수 있게 된다.
<2차 예측>
프로세서(110)가 진단 모델을 이용하여, S130에서 도출된 적어도 하나의 예측 질환 각각에 대한 발병 지수를 산출한다. (S150)
프로세서(110)가 진단 모델을 이용하여, S150에서 산출된 예측 질환 각각에 대한 발병 지수를 기반으로 최종 질환 예측 결과를 생성한다. (S170)
프로세서(110)는 S150, S170을 통해서 반려동물의 질환에 대하여 2차 예측을 수행하게 된다.
상세하게는, 프로세서(110)는 S130에서 도출된 예측 질환 각각에 대하여, 각각의 개체 항목의 값과 예측 질환의 종류를 기반으로 각 개체 항목에 대한 반려동물의 발병 계수를 산출한다.
그리고, 프로세서(110)는 산출된 발병 계수들의 곱연산을 통해 S130에서 도출된 적어도 하나의 예측 질환 각각에 대한 발병 지수를 산출하여 각 예측 질환의 발병 확률을 도출한다.
이때, 프로세서(110)는 S130에서 도출된 적어도 하나의 예측 질환 각각에 대한 발병 지수의 총합과 각 예측 질환의 발병 지수를 기반으로, 각 예측 질환의 발병 확률을 도출하는 것을 특징으로 한다.
따라서, 프로세서(110)는 동일한 개체 항목이라 할지라도 예측 질환의 종류에 따라서 다른 발병 계수를 산출하게 되며, 이로 인해 각 예측 질환에 대한 발병 지수를 산출할 수 있게 된다.
예를 들어, 프로세서(110)는 반려동물에 대하여 아래와 같이 각 개체 항목에 대한 발병 계수를 산출할 수 있다.
① 반려동물의 나이에 따른 예측 질환별 나이 발병 계수
② 반려동물의 성별에 따른 예측 질환별 성별 발병 계수
③ 반려동물의 비만도에 따른 예측 질환별 비만도 발병 계수
④ 반려동물의 활동성에 따른 예측 질환별 활동성 발병 계수
⑤ 반려동물의 기보유 질환 발병 계수에 따른 예측 질환별 기보유 질환 발병 계수
그리고, 프로세서(110)는 각각의 예측 질환에 대한 나이 발병 계수, 성별 발병 계수, 비만도 발병 계수, 활동성 발병 계수 및 기보유 질환 발병 계수를 곱연산하여 각 예측 질환의 발병 지수를 산출할 수 있다.
도 8은 반려동물 질환 정보를 예시한 도면이다.
도 8을 참조하면, 반려동물의 질환 예측 장치(100)는 계절 및 온도와 같은 환경의 영향을 고려하여 반려동물의 질환을 예측할 수 있다.
상세하게는, 데이터베이스(130)는 각 질환에 대한 계절 영향 관계지수 및 온도 영향 관계지수가 저장되어 있다.
일 예로, 계절 또는 온도에 영향이 있는 질환만 계절/온도 영향 관계지수가 저장되어 있는 것이 바람직하다.
프로세서(110)는 S130에서 도출된 적어도 하나의 예측 질환 중에서 환경 또는 계절 중 적어도 하나의 영향이 있는 예측 질환이 존재하는 경우, 예측 시점의 환경 또는 계절 조건 중 적어도 하나의 조건을 반영하여 예측 질환에 대한 우선 순위를 설정할 수 있다.
도 11은 반려동물 이상 증상과 질환 연관 정보를 예시한 도면이다.
일 실시예로, 프로세서(110)는 S110에서 수신된 적어도 하나의 이상증상 정보 중에서 서로 다른 복수의 이상증상 정보가 중복되는 예측 질환을 지시하는 경우, 지시하는 예측 질환에 대하여 일정 가중치를 부여할 수 있다.
이를 위해서, 도 11과 같이 데이터베이스(130)는 각 질환에 대한 연관 정보로 중복 계수가 저장되어 있을 수 있다.
따라서, 프로세서(110)는 서로 다른 복수의 이상증상 정보가 중복되는 예측 질환을 지시하는 경우, 중복되는 이상증상 정보의 수, 해당 질환에 설정되어 있는 중복 계수를 고려하여 일정 가중치를 부여할 수 있다.
도 9는 반려동물 질환 이력 정보를 예시한 도면이다.
도 9를 참조하면, 질환 예측 장치(100)는 반려동물 질환 이력 정보를 데이터베이스(130)에 저장할 수 있으며, 도 9에 도시된 것과 같이 반려동물 고유번호, 질환 고유번호, 진단일, 완치일 및 상태 정보 등을 저장할 수 있다.
일 실시예로, 예측 질환 장치(100)는 사용자 단말(50)로부터 일정 주기마다 반려동물의 개체 정보를 수신할 수 있으며, 데이터베이스(130)에 변동 내역을 저장할 수 있다.
또한, 예측 질환 장치(100)는 반려동물이 동물병원을 방문하여 개체 정보가 업데이트된 경우, 동물병원 서버(70)로부터 업데이트된 개체 정보를 수신하여 데이터베이스(130)에 변동 내역을 저장할 수 있다.
프로세서(110)는 데이터베이스(130)에 반려동물에 대하여 기 저장된 개체 정보가 존재하는 경우, S110에서 수신된 개체 정보와 데이터베이스(130)에 저장된 개체 정보를 비교하여 변동 내역을 도출한다.
그리고, 프로세서(110)는 도출된 변동 내역을 반영하여 반려동물에 대한 이상증상 정보를 도출할 수 있다.
상세하게는, 프로세서(110)는 반려동물의 개체 정보의 세부 개체 항목 각각의 값을 비교하여 예전과 어떠한 변화가 있었는지 변동 내역을 파악하고, 이를 기초로 하여 이상증상 정보를 도출하게 된다.
본 발명의 실시예에 따른 질환 예측 장치(100)는 이와 같은 구성을 통해서, 사용자가 미처 파악하지 못하였던 이상증상을 도출할 수 있는 효과가 있다.
이상에서 전술한 본 발명의 일 실시예에 따른 방법은, 하드웨어인 서버와 결합되어 실행되기 위해 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다.
상기 전술한 프로그램은, 상기 컴퓨터가 프로그램을 읽어 들여 프로그램으로 구현된 상기 방법들을 실행시키기 위하여, 상기 컴퓨터의 프로세서(CPU)가 상기 컴퓨터의 장치 인터페이스를 통해 읽힐 수 있는 C, C++, JAVA, 기계어 등의 컴퓨터 언어로 코드화된 코드(Code)를 포함할 수 있다. 이러한 코드는 상기 방법들을 실행하는 필요한 기능들을 정의한 함수 등과 관련된 기능적인 코드(Functional Code)를 포함할 수 있고, 상기 기능들을 상기 컴퓨터의 프로세서가 소정의 절차대로 실행시키는데 필요한 실행 절차 관련 제어 코드를 포함할 수 있다. 또한, 이러한 코드는 상기 기능들을 상기 컴퓨터의 프로세서가 실행시키는데 필요한 추가 정보나 미디어가 상기 컴퓨터의 내부 또는 외부 메모리의 어느 위치(주소 번지)에서 참조되어야 하는지에 대한 메모리 참조관련 코드를 더 포함할 수 있다. 또한, 상기 컴퓨터의 프로세서가 상기 기능들을 실행시키기 위하여 원격(Remote)에 있는 어떠한 다른 컴퓨터나 서버 등과 통신이 필요한 경우, 코드는 상기 컴퓨터의 통신 모듈을 이용하여 원격에 있는 어떠한 다른 컴퓨터나 서버 등과 어떻게 통신해야 하는지, 통신 시 어떠한 정보나 미디어를 송수신해야 하는지 등에 대한 통신 관련 코드를 더 포함할 수 있다.
상기 저장되는 매체는, 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상기 저장되는 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있지만, 이에 제한되지 않는다. 즉, 상기 프로그램은 상기 컴퓨터가 접속할 수 있는 다양한 서버 상의 다양한 기록매체 또는 사용자의 상기 컴퓨터상의 다양한 기록매체에 저장될 수 있다. 또한, 상기 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장될 수 있다.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.
10: 반려동물 질환 예측 시스템
50: 사용자 단말
70: 동물병원 서버
100: 반려동물 질환 예측 장치
110: 프로세서
120: 통신부
130: 데이터베이스
140: 입출력부
50: 사용자 단말
70: 동물병원 서버
100: 반려동물 질환 예측 장치
110: 프로세서
120: 통신부
130: 데이터베이스
140: 입출력부
Claims (15)
- 사용자 단말 및 동물 병원 서버와 통신하며, 사용자의 반려동물의 개체 정보 및 적어도 하나의 이상증상 정보를 수신하는 통신부;
빅데이터를 이용하여 가공된 학습데이터셋을 기반으로 학습된 진단 모델이 저장된 데이터베이스; 및
상기 개체 정보 및 적어도 하나의 이상증상 정보를 상기 진단 모델에 입력하여 상기 반려동물에 대하여 적어도 하나의 예측 질환을 도출하고,
상기 도출된 적어도 하나의 예측 질환 각각에 대한 발병 지수를 산출하고,
상기 산출된 발병 지수를 기반으로 최종 예측 질환 결과를 생성하는 프로세서를 포함하는,
반려동물 이상증상에 따른 질환 예측 장치.
- 제1항에 있어서,
상기 개체 정보는, 적어도 하나의 개체 항목 및 적어도 하나의 신체 정보를 포함하며,
상기 적어도 하나의 개체 항목은, 반려동물의 나이, 성별, 품종, 비만도, 활동성 및 기보유 질환 중 적어도 하나를 포함하는,
반려동물 이상증상에 따른 질환 예측 장치.
- 제2항에 있어서,
상기 프로세서는,
상기 도출된 적어도 하나의 예측 질환 각각에 대하여, 각각의 개체 항목의 값과 예측 질환의 종류를 기반으로 각 개체 항목에 대한 발병 계수를 산출하고,
산출된 발병 계수들의 곱연산을 통해 상기 도출된 적어도 하나의 예측 질환 각각에 대한 발병 지수를 산출하여 각 예측 질환의 발병 확률을 도출하는 것을 특징으로 하는,
반려동물 이상증상에 따른 질환 예측 장치.
- 제3항에 있어서,
상기 프로세서는,
상기 도출된 적어도 하나의 예측 질환 각각에 대한 발병 지수의 총합과 각 예측 질환의 발병 지수를 기반으로, 각 예측 질환의 발병 확률을 도출하는 것을 특징으로 하는,
반려동물 이상증상에 따른 질환 예측 장치.
- 제3항에 있어서,
상기 프로세서는,
상기 반려동물에 대하여,
상기 반려동물의 나이에 따른 예측 질환별 나이 발병 계수,
상기 반려동물의 성별에 따른 예측 질환별 성별 발병 계수,
상기 반려동물의 비만도에 따른 예측 질환별 비만도 발병 계수,
상기 반려동물의 활동성에 따른 예측 질환별 활동성 발병 계수, 및
상기 반려동물의 기보유 질환 발병 계수에 따른 예측 질환별 기보유 질환 발병 계수를 산출하고,
각각의 예측 질환에 대한 나이 발병 계수, 성별 발병계수, 비만도 발병 계수, 활동성 발병 계수 및 기보유 질환 발병 계수를 곱연산하여 각 예측 질환의 발병 지수를 산출하는 것을 특징으로 하는,
반려동물 이상증상에 따른 질환 예측 장치.
- 제1항에 있어서,
상기 프로세서는,
상기 도출된 적어도 하나의 예측 질환 중에서 환경 또는 계절 중 적어도 하나의 영향이 있는 예측 질환이 존재하는 경우,
예측 시점의 환경 또는 계절 조건을 반영하여 상기 도출된 적어도 하나의 예측 질환에 대한 우선 순위를 설정하는 것을 특징으로 하는,
반려동물 이상증상에 따른 질환 예측 장치.
- 제1항에 있어서,
상기 데이터베이스는,
연관성을 갖는 복수의 이상증상이 의학 지식이 없는 일반인이 선택 가능하도록 하는 하나의 이상증상 대표 명칭으로 그룹화되어 저장되어 있으며,
상기 프로세서는,
사용자 단말로 상기 데이터베이스에 저장된 적어도 하나의 이상증상 대표 명칭을 제공하여 선택을 요청하고,
사용자 단말로부터 수신된 반려동물에 대한 문진 정보 및 선택된 적어도 하나의 이상증상 대표 명칭을 기반으로, 상기 적어도 하나의 이상증상 정보를 도출하는 것을 특징으로 하는,
반려동물 이상증상에 따른 질환 예측 장치.
- 제7항에 있어서,
상기 데이터베이스는,
각각의 이상증상의 답변을 유도하는 복수의 예시 데이터가 저장되어 있으며,
상기 프로세서는,
사용자 단말로 상기 데이터베이스에 저장된 적어도 하나의 예시 데이터를 제공하여 답변을 요청하고,
사용자 단말로부터 수신된 답변을 순차적으로 분석하여, 다음 차례에 제공할 예시 데이터를 선택하여 제공하는 과정을 복수 회 반복하여,
상기 반려동물의 이상증상 정보를 생성하는 것을 특징으로 하는,
반려동물 이상증상에 따른 질환 예측 장치.
- 제1항에 있어서,
상기 프로세서는,
상기 수신된 적어도 하나의 이상증상 정보 중에서 서로 다른 복수의 이상증상 정보가 중복되는 예측 질환을 지시하는 경우,
지시하는 예측 질환에 대하여 일정 가중치를 부여하는 것을 특징으로 하는,
반려동물 이상증상에 따른 질환 예측 장치.
- 제1항에 있어서,
상기 프로세서는,
데이터베이스에 상기 반려동물에 대하여 기 저장된 개체 정보가 존재하는 경우,
상기 수신된 개체 정보와 데이터베이스에 저장된 개체 정보를 비교하여 변동 내역을 도출하고,
상기 도출된 변동 내역을 기반으로 상기 반려동물에 대한 이상증상 정보를 도출하는 것을 특징으로 하는,
반려동물 이상증상에 따른 질환 예측 장치.
- 제1항에 있어서,
상기 프로세서는,
일정 지역 내 반려동물의 진료 기록에서 질환이 발생한 반려동물의 개체 정보, 발현 이상증상 및 확진 질환 정보를 기반으로, 학습데이터셋을 생성하고,
상기 생성된 학습데이터셋을 상기 진단 모델에 머신 러닝하여, 이상증상과 질환에 대한 연관 규칙을 학습시키는 것을 특징으로 하는,
반려동물 이상증상에 따른 질환 예측 장치.
- 제11항에 있어서,
상기 프로세서는,
반려동물에 대한 의학적 기준을 포함하는 진단 의학 데이터를 기반으로, 상기 학습데이터셋을 검증하고, 검증을 실패한 진료 기록을 제외하고 학습데이터셋을 생성하는 것을 특징으로 하는,
반려동물 이상증상에 따른 질환 예측 장치.
- 제11항에 있어서,
상기 프로세서는,
반려동물에 대한 의학적 기준을 포함하는 진단 의학 데이터를 기반으로, 적어도 하나의 특정 이상증상에 관련된 질환 데이터 테이블을 구축하고,
상기 구축된 질환 데이터 테이블을 상기 진단 모델에 입력하여, 상기 진단 모델의 상기 이상증상과 질환에 대한 연관 규칙을 업데이트 하는 것을 특징으로 하는,
반려동물 이상증상에 따른 질환 예측 장치.
- 컴퓨터에 의해 수행되는 방법으로,
사용자의 반려동물의 개체 정보 및 적어도 하나의 이상증상 정보를 수신하는 단계;
상기 개체 정보 및 적어도 하나의 이상증상 정보를 진단 모델에 입력하여, 상기 반려동물에 대한 적어도 하나의 예측 질환을 도출하는 단계;
상기 진단 모델을 이용하여, 상기 도출된 적어도 하나의 예측 질환 각각에 대한 발병 지수를 산출하는 단계; 및
상기 진단 모델을 이용하여, 상기 산출된 발병 지수를 기반으로 최종 질환 예측 결과를 생성하는 단계를 포함하며,
상기 진단 모델은 빅데이터를 이용하여 가공된 학습데이터셋을 기반으로 학습된 것을 특징으로 하는,
반려동물 이상증상에 따른 질환 예측 방법.
- 하드웨어인 컴퓨터와 결합되어, 제14항의 방법을 실행시키기 위한 프로그램이 저장된 컴퓨터 판독 가능한 기록매체.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210027153A KR20220124301A (ko) | 2021-03-02 | 2021-03-02 | 인공지능 기반으로 반려동물의 이상증상에 따른 질환을 예측하는 장치, 방법 및 프로그램 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210027153A KR20220124301A (ko) | 2021-03-02 | 2021-03-02 | 인공지능 기반으로 반려동물의 이상증상에 따른 질환을 예측하는 장치, 방법 및 프로그램 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220124301A true KR20220124301A (ko) | 2022-09-14 |
Family
ID=83278825
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210027153A KR20220124301A (ko) | 2021-03-02 | 2021-03-02 | 인공지능 기반으로 반려동물의 이상증상에 따른 질환을 예측하는 장치, 방법 및 프로그램 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20220124301A (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102505886B1 (ko) * | 2022-11-07 | 2023-03-03 | 주식회사 제주바이오테크 | 인공지능 기반 맞춤형 반려동물 식이 정보 큐레이션 방법, 장치 및 시스템 |
| KR102647018B1 (ko) * | 2023-04-26 | 2024-03-13 | 주식회사 뷰노 | 데이터 세트 생성 방법 |
| KR102689341B1 (ko) * | 2023-07-20 | 2024-07-29 | 주식회사 아이엠디티 | 수의사를 위한 집단지성 기반의 진단 및 처방 추천 프로그램 및 그 동작 방법 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200076435A (ko) | 2018-12-19 | 2020-06-29 | 김다영 | 인터랙션을 이용한 반려동물 건강관리 시스템 및 그 방법 |
-
2021
- 2021-03-02 KR KR1020210027153A patent/KR20220124301A/ko not_active Application Discontinuation
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200076435A (ko) | 2018-12-19 | 2020-06-29 | 김다영 | 인터랙션을 이용한 반려동물 건강관리 시스템 및 그 방법 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102505886B1 (ko) * | 2022-11-07 | 2023-03-03 | 주식회사 제주바이오테크 | 인공지능 기반 맞춤형 반려동물 식이 정보 큐레이션 방법, 장치 및 시스템 |
| KR102647018B1 (ko) * | 2023-04-26 | 2024-03-13 | 주식회사 뷰노 | 데이터 세트 생성 방법 |
| KR102689341B1 (ko) * | 2023-07-20 | 2024-07-29 | 주식회사 아이엠디티 | 수의사를 위한 집단지성 기반의 진단 및 처방 추천 프로그램 및 그 동작 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7200311B2 (ja) | 人工知能およびユーザ入力を用いて発達進度を判定するための方法および装置 | |
| Dejaeger et al. | Data mining techniques for software effort estimation: a comparative study | |
| US8838511B2 (en) | System and method to enable training a machine learning network in the presence of weak or absent training exemplars | |
| KR20220124301A (ko) | 인공지능 기반으로 반려동물의 이상증상에 따른 질환을 예측하는 장치, 방법 및 프로그램 | |
| US9443002B1 (en) | Dynamic data analysis and selection for determining outcomes associated with domain specific probabilistic data sets | |
| US20180060521A1 (en) | Managing care pathways | |
| US20120271612A1 (en) | Predictive modeling | |
| CN110111886A (zh) | 一种基于XGBoost疾病预测的智能问诊系统及方法 | |
| WO2002103544A1 (en) | Machine learning method | |
| WO2021151327A1 (zh) | 分诊数据处理方法、装置、设备及介质 | |
| CN111144658B (zh) | 医疗风险预测方法、装置、系统、存储介质与电子设备 | |
| US20160358282A1 (en) | Computerized system and method for reducing hospital readmissions | |
| US20230005574A1 (en) | Methods and systems for comprehensive symptom analysis | |
| US11923075B2 (en) | System and method associated with determining physician attribution related to in-patient care using prediction-based analysis | |
| Shen et al. | Estimation of the optimal regime in treatment of prostate cancer recurrence from observational data using flexible weighting models | |
| EP4131279A1 (en) | Experience engine-method and apparatus of learning from similar patients | |
| US11355239B1 (en) | Cross care matrix based care giving intelligence | |
| US20200364566A1 (en) | Systems and methods for predicting pain level | |
| Campbell et al. | Panacea or poison: Assessing how well basic propensity score modeling can replicate results from randomized controlled trials in criminal justice research | |
| US10867249B1 (en) | Method for deriving variable importance on case level for predictive modeling techniques | |
| KR102476612B1 (ko) | 인공지능에 기반한 심리 맞춤 솔루션 제공 방법 및 시스템 | |
| US8688610B1 (en) | Estimation of individual causal effects | |
| KR20190104713A (ko) | 자가 적응형 의료 데이터 분석 장치 및 방법 | |
| US20230085062A1 (en) | Generating a recommended periodic healthcare plan | |
| US20240362242A1 (en) | Method of proposing solution, based on survey |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |