Search

KR-20260061005-A - METHOD AND SYSTEM FOR OPTICAL SENSOR-BASED BLOOD GLUCOSE PREDICTION

KR20260061005AKR 20260061005 AKR20260061005 AKR 20260061005AKR-20260061005-A

Abstract

본 실시예들은 광학센서를 이용한 혈당 예측 기술에 관한 것으로, 본 실시예에 의하면, 사용자 단말에 의해 다중 파장의 광원이 피부에 조사되고 반사되거나 흡수된 광학 신호 및 사용자 생체 데이터를 수신한 후, 해당 신호를 전처리 및 보정하여 사전 학습된 인공지능 기반 혈당 예측 모델에 입력함으로써 혈당 상태를 판단하고, 시간적 변화에 따른 혈당 패턴을 학습하여 혈당 변화를 예측하며, 판단된 혈당 상태나 예측된 혈당 변화가 혈당 기준 범위를 벗어날 것으로 판단되는 경우 사용자 단말로 경고 메시지를 전송함으로써, 사용자가 실시간으로 혈당 상태를 모니터링하고 자가 관리할 수 있는 광학센서를 이용한 혈당 예측 방법 및 시스템을 제공할 수 있다.

Inventors

  • 이원영
  • 김한나

Assignees

  • 주식회사 하이

Dates

Publication Date
20260506
Application Date
20250923
Priority Date
20241025

Claims (10)

  1. 광학센서를 이용한 혈당 예측 방법으로서, 사용자 단말에 의해 다중 파장의 광원이 피부 표면에 조사되어 반사되거나 흡수된 광학 신호 및 사용자 생체 데이터를 수신하는 단계; 수신된 광학 신호를 전처리하여 혈당 예측용 광학 신호 데이터를 생성하는 단계; 상기 혈당 예측용 광학 신호 데이터를 상기 사용자 생체 데이터에 대응하여 보정하고 보정된 혈당 예측용 광학 신호 데이터를 사전 학습된 인공지능 기반 혈당 예측 모델에 입력하여 혈당 상태를 판단하는 단계; 상기 판단된 혈당 상태의 시간적 변화를 기반으로 사용자의 혈당 패턴을 학습하고 상기 학습된 혈당 패턴에 기초하여 혈당 변화를 예측하는 단계; 및 상기 판단된 혈당 상태가 기설정된 혈당 기준 범위를 벗어난 경우 또는 상기 예측된 혈당 변화가 상기 혈당 기준 범위를 벗어날 것으로 판단되는 경우 상기 사용자 단말로 경고 메시지를 전송하는 단계를 포함하는 광학센서를 이용한 혈당 예측 방법.
  2. 제1항에 있어서, 상기 광학 신호 및 사용자 생체 데이터를 수신하는 단계에서, 상기 광학 신호는 상기 사용자 단말에 의해 다중 파장의 광원이 피부 표면에 조사되어 조사된 광이 피부 조직 및 혈관을 통과하면서 혈관 및 혈액에 의해 반사되거나 흡수되어 형성된 신호인 광학센서를 이용한 혈당 예측 방법.
  3. 제1항에 있어서, 상기 혈당 예측용 광학 신호 데이터를 생성하는 단계는, 수신된 광학 신호에 대하여 잡음 제거, 정규화 및 파장별 분리의 전처리 과정을 수행하는 단계; 및 전처리된 광학 신호로부터 혈당 예측용 광학 신호 데이터를 생성하는 단계를 포함하는 광학센서를 이용한 혈당 예측 방법.
  4. 제1항에 있어서, 상기 혈당 상태를 판단하는 단계는, 상기 사용자 생체 데이터에 따라 보정된 혈당 예측용 광학 신호 데이터를 사전 학습된 인공지능 기반 혈당 예측 모델에 입력하는 단계; 상기 인공지능 기반 혈당 예측 모델의 출력값을 혈당 값으로 결정하는 단계; 및 결정된 혈당 값과 기설정된 혈당 기준 범위를 비교하여 혈당 상태를 판단하는 단계를 포함하는 광학센서를 이용한 혈당 예측 방법.
  5. 제1항에 있어서, 상기 인공지능 기반 혈당 예측 모델은, 복수의 보정된 혈당 예측용 광학 신호 데이터 및 상기 복수의 보정된 혈당 예측용 광학 신호 데이터에 대응하여 실제 혈당 측정기기로부터 획득된 복수의 혈당 측정값을 학습 데이터로 하여 학습되는 광학센서를 이용한 혈당 예측 방법.
  6. 제1항에 있어서, 상기 사용자 단말로 경고 메시지를 전송하는 단계는, 판단된 혈당 상태가 기설정된 혈당 기준 범위를 벗어난 경우 해당 상태에 대응하는 경고 메시지를 생성하는 단계; 및 상기 경고 메시지를 사용자 단말 화면에 표시하거나 알림으로 전송하는 단계를 포함하는 광학센서를 이용한 혈당 예측 방법.
  7. 광학센서를 이용한 혈당 예측 시스템으로서, 사용자 단말에 의해 다중 파장의 광원이 피부 표면에 조사되어 반사되거나 흡수된 광학 신호 및 사용자 생체 데이터를 수신하는 데이터 수신부; 수신된 광학 신호를 전처리하여 혈당 예측용 광학 신호 데이터를 생성하는 데이터 생성부; 상기 혈당 예측용 광학 신호 데이터를 상기 사용자 생체 데이터에 대응하여 보정하고 보정된 혈당 예측용 광학 신호 데이터를 사전 학습된 인공지능 기반 혈당 예측 모델에 입력하여 혈당 상태를 판단하는 혈당 상태 판단부; 상기 판단된 혈당 상태의 시간적 변화를 기반으로 사용자의 혈당 패턴을 학습하고 상기 학습된 혈당 패턴에 기초하여 혈당 변화를 예측하는 혈당 변화 예측부; 및 상기 판단된 혈당 상태가 기설정된 혈당 기준 범위를 벗어난 경우 또는 상기 예측된 혈당 변화가 상기 혈당 기준 범위를 벗어날 것으로 판단되는 경우 상기 사용자 단말로 경고 메시지를 전송하는 메시지 전송부를 포함하는 광학센서를 이용한 혈당 예측 시스템.
  8. 제7항에 있어서, 상기 광학 신호는 상기 사용자 단말에 의해 다중 파장의 광원이 피부 표면에 조사되어 조사된 광이 피부 조직 및 혈관을 통과하면서 혈관 및 혈액에 의해 반사되거나 흡수되어 형성된 신호인 광학센서를 이용한 혈당 예측 시스템.
  9. 제7항에 있어서, 상기 혈당 상태 판단부는, 상기 사용자 생체 정보에 따라 보정된 혈당 예측용 광학 신호 데이터를 사전 학습된 인공지능 기반 혈당 예측 모델에 입력하고 상기 인공지능 기반 혈당 예측 모델의 출력값을 혈당 값으로 결정하여 결정된 혈당 값과 기설정된 혈당 기준 범위를 비교하여 혈당 상태를 판단하는 광학센서를 이용한 혈당 예측 시스템.
  10. 제7항에 있어서, 상기 인공지능 기반 혈당 예측 모델은, 복수의 보정된 혈당 예측용 광학 신호 데이터 및 상기 복수의 보정된 혈당 예측용 광학 신호 데이터에 대응하여 실제 혈당 측정기기로부터 획득된 복수의 혈당 측정값을 학습 데이터로 하여 학습되는 광학센서를 이용한 혈당 예측 시스템.

Description

광학센서를 이용한 혈당 예측 방법 및 시스템{METHOD AND SYSTEM FOR OPTICAL SENSOR-BASED BLOOD GLUCOSE PREDICTION} 본 발명은 광학센서를 이용한 혈당 예측 기술에 관한 것이다. 기존의 혈당 측정 기술은 대부분 혈액을 채취하여 분석하는 침습적 방식에 의존하고 있으며, 이로 인해 사용자는 반복적인 고통과 감염 위험, 심리적 부담을 감수해야 한다는 문제가 존재한다. 특히 당뇨병 환자는 하루에도 여러 차례 혈당을 측정해야 하므로, 이러한 침습적 방식은 일상적인 혈당 관리의 큰 장벽으로 작용하고 있다. 이러한 문제를 해결하기 위한 연구의 일환으로, 광학센서를 이용하여 피부 표면에 다중 파장의 광을 조사하고, 반사되거나 흡수된 신호를 분석함으로써 혈당을 예측하는 비침습적 기술이 제안되고 있다. 이와 같은 광학 기반 방식은 고통 없이 혈당 측정이 가능하다는 점에서 사용자의 편의성을 크게 향상시킬 수 있으며, 혈중 포도당 외에도 HbA1c, 식후혈당 등 다양한 혈당 지표 예측에 응용될 수 있다. 하지만 실제 환경에서 신뢰도 높은 혈당 예측을 위해서는 체온, 혈압, 피부 상태 등 다양한 생체 정보를 함께 고려하여 광학 신호를 정밀하게 보정하는 기술이 요구된다. 이를 위해 최근에는 인공지능 기반의 알고리즘을 활용하여 생체 정보와 광학 데이터를 융합 처리하고, 사용자 개개인에 최적화된 혈당 예측 모델을 학습하는 방식이 연구되고 있다. 특히 스마트폰이나 웨어러블 기기 등 모바일 환경에서도 구현 가능한 형태로서, 실시간 혈당 예측 및 경고 시스템으로 발전할 수 있는 기반이 마련되고 있다. 예컨대, 실시간으로 측정된 혈당 데이터를 바탕으로 이상 징후가 감지될 경우, 사용자 단말을 통해 경고 메시지를 제공하는 방식은 당뇨병의 합병증 예방 및 건강 모니터링 측면에서 큰 가치를 가진다. 따라서 본 발명은 광학센서를 통해 수신한 신호 및 생체 정보를 기반으로 인공지능 알고리즘에 의해 실시간으로 혈당 상태를 판단하고, 지속적인 학습을 통해 혈당 변화 패턴을 예측하며, 혈당 이상 상태가 예상되는 경우 사용자에게 조기 경고를 제공할 수 있는 혈당 예측 기술을 제안하고자 한다. 도 1은 일 실시예에 따른 광학센서를 이용한 혈당 예측 서비스 시스템 구성도이다. 도 2는 도 1의 서비스 지원 시스템의 블록 구성도이다. 도 3은 일 실시예에 따른 광학센서를 이용한 혈당 예측 방법의 흐름도이다. 도 4는 일 실시예에 따른 광학센서를 이용한 혈당 예측 방법에서 실제 공복 혈당(FPG) 값과 인공지능 기반 예측 모델(HAII Prediction FPG)의 예측 값을 비교한 결과를 예시적으로 나타내는 그래프이다. 도 5는 일 실시예에 따른 인공지능 기반 혈당 예측 모델의 예측값과 실제 공복 혈당(FPG) 값 간의 상관 관계를 예시적으로 나타낸 산점도 그래프이다. 도 6은 다른 실시예에 따른 광학센서를 이용한 혈당 예측 방법에서 활용된 입력 변수들의 이상치 분포를 IQR Boxplot 형태로 예시적으로 나타낸 그래프이다. 도 7은 다른 실시예에 따른 광학센서를 이용한 혈당 예측 방법에서 데이터 이상치를 순차적으로 제거함에 따라 Q-square 값이 변화하는 양상을 예시적으로 나타낸 그래프이다. 도 8은 다른 실시예에 따라 기초 연구로 수행된 문헌조사를 통해 HRV(심박수 변이도) 지표와 당뇨병(T2DM) 및 당뇨 전단계(Prediabetes) 간의 상관관계를 메타분석(Meta-analysis)을 통해 분석한 결과를 예시적으로 나타낸 그래프이다. 도 9는 다른 실시예에 따른 기초 데이터 분석 결과로서 공복 혈당(FPG)과 심박수 변이도(HRV) 관련 지표 간의 상관관계를 시각화한 상관행렬(Correlation plot)을 예시적으로 나타낸 그래프이다. 도 10은 다른 실시예에 따른 머신러닝 기반 혈당 예측 모델의 학습 및 검증 결과를 다양한 성능 지표별로 시각화한 그래프이다. 도 11은 다른 실시예에 따른 인공지능 기반 혈당 예측 모델이 도출한 예측 공복 혈당값(FPG)과 실제 공복 혈당값 간의 관계를 시각적으로 나타낸 산점도(Scatter Plot) 그래프이다. 도 12는 다른 실시예에 따라 심박수 변이도(HRV)를 기반으로 한 당뇨병 예측 시스템의 전체 구성 흐름을 나타내는 플로우 차트이다. 이하, 본 개시의 일부 실시예들을 예시적인 도면을 참조하여 상세하게 설명한다. 각 도면의 구성 요소들에 참조부호를 부가함에 있어서, 동일한 구성 요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가질 수 있다. 또한, 본 실시예들을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 기술 사상의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략할 수 있다. 본 명세서 상에서 언급된 "포함한다", "갖는다", "이루어진다" 등이 사용되는 경우 "~만"이 사용되지 않는 이상 다른 부분이 추가될 수 있다. 구성 요소를 단수로 표현한 경우에 특별한 명시적인 기재 사항이 없는 한 복수를 포함하는 경우를 포함할 수 있다. 또한, 본 개시의 구성 요소를 설명하는 데 있어서, 제1, 제2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질, 차례, 순서 또는 개수 등이 한정되지 않는다. 구성 요소들의 위치 관계에 대한 설명에 있어서, 둘 이상의 구성 요소가 "연결", "결합" 또는 "접속" 등이 된다고 기재된 경우, 둘 이상의 구성 요소가 직접적으로 "연결", "결합" 또는 "접속" 될 수 있지만, 둘 이상의 구성 요소와 다른 구성 요소가 더 "개재"되어 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다. 여기서, 다른 구성 요소는 서로 "연결", "결합" 또는 "접속" 되는 둘 이상의 구성 요소 중 하나 이상에 포함될 수도 있다. 구성 요소들이나, 동작 방법이나 제작 방법 등과 관련한 시간적 흐름 관계에 대한 설명에 있어서, 예를 들어, "~후에", "~에 이어서", "~다음에", "~전에" 등으로 시간적 선후 관계 또는 흐름적 선후 관계가 설명되는 경우, "바로" 또는 "직접"이 사용되지 않는 이상 연속적이지 않은 경우도 포함할 수 있다. 한편, 구성 요소에 대한 수치 또는 그 대응 정보(예: 레벨 등)가 언급된 경우, 별도의 명시적 기재가 없더라도, 수치 또는 그 대응 정보는 각종 요인(예: 공정상의 요인, 내부 또는 외부 충격, 노이즈 등)에 의해 발생할 수 있는 오차 범위를 포함하는 것으로 해석될 수 있다. 도 1은 일 실시예에 따른 바이오마커 기반의 근감소증 진단 서비스 시스템 구성도이다. 도 1에 도시된 바와 같이, 본 실시예에 따른 전체 시스템은 통신망(100), 서비스 지원 시스템(200) 및 사용자 단말(300)를 포함할 수 있다. 먼저, 본 발명의 일 실시예에 따른 통신망(100)은 유선 통신이나 무선 통신과 같은 통신 양태를 가리지 않고 구성될 수 있으며, 근거리 통신망(LAN; Local Area Network), 도시권 통신망(MAN; Metropolitan Area Network), 광역 통신 망(WAN; Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 바람직하게는, 본 명세서에서 말하는 통신망(100)은 공지의 인터넷 또는 월드 와이드 웹(WWW; World Wide Web)일 수 있다. 그러나, 통신망(100)은, 굳이 이에 국한될 필요 없이, 공지의 유무선 데이터 통신망, 공지의 전화망 또는 공지의 유무선 텔레비전 통신망을 그 적어도 일부에 있어서 포함할 수도 있다. 예를 들면, 통신망(100)은 무선 데이터 통신망으로서, 와이파이(WiFi) 통신, 와이파이 다이렉트(WiFi-Direct) 통신, 롱텀 에볼루션(LTE; Long Term Evolution) 통신, 5G 통신, 블루투스 통신(저전력 블루투스(BLE; Bluetooth Low Energy) 통신 포함), 적외선 통신, 초음파 통신 등과 같은 종래의 통신 방법을 적어도 그 일부분에 있어서 구현하는 것일 수 있다. 다음으로, 본 발명의 일 실시예에 따른 서비스 지원 시스템(200)은 통신망을 통하여 사용자 단말(300)과 통신을 수행할 수 있으며, 사용자 단말에 의해 다중 파장의 광원이 피부 표면에 조사되어 반사되거나 흡수된 광학 신호 및 사용자 생체 데이터를 수신하고, 수신된 광학 신호를 전처리하여 혈당 예측용 광학 신호 데이터를 생성하고, 혈당 예측용 광학 신호 데이터를 사용자 생체 데이터에 대응하여 보정하고 보정된 혈당 예측용 광학 신호 데이터를 사전 학습된 인공지능 기반 혈당 예측 모델에 입력하여 혈당 상태를 판단하며, 판단된 혈당 상태의 시간적 변화를 기반으로 사용자의 혈당 패턴을 학습하고 학습된 혈당 패턴에 기초하여 혈당 변화를 예측하고, 판단된 혈당 상태가 기설정된 혈당 기준 범위를 벗어난 경우 또는 예측된 혈당 변화가 혈당 기준 범위를 벗어날 것으로 판단되는 경우 사용자 단말로 경고 메시지를 전송할 수 있다. 이러한 서비스 지원 시스템(200)은 메모리 수단을 구비하고 마이크로 프로세서를 탑재하여 연산 능력을 갖춘 서버에서 구동되는 시스템일 수 있다. 본 발명에 따른 서비스 지원 시스템(200)의 구성과 기능에 관하여는 이하의 상세한 설명을 통하여 자세하게 알아보기로 한다. 다음으로, 본 발명의 일 실시예에 따른 사용자 단말(300)은 서비스 지원 시스템(200)에 접속한 후 통신할 수 있는 기능을 포함하는 디지털 기기로서, 스마트폰, 태블릿, 스마트 워치, 스마트 글래스, 데스크탑 컴퓨터, 노트북 컴퓨터, 워크스테이션 등과 같이 메모리 수단을 구비하고 마이크로 프로세서를 탑재하여 연산 능력을 갖춘 디지털 기기라면 얼마든지 본 발명에 따른 사용자 단말(300)로서 채택될 수 있다. 여기서, 본 발명의 일 실시예에 따른 사용자 단말(300)은, 혈당 관리를 위해 필요한 정보를 입력하기 위한 입력 수단(예를 들어, 키보드), 혈당 관리 결과 정보 등을 표시하기 위한 디스플레이 수단(예를 들어, LCD, LED) 등을 포함할 수 있다. 한편, 사용자 단말(300)에는 본 발명에