KR-20260061593-A - Method and apparatus for recommending drugs for dyslipidemia based on artificial intelligence

Abstract

본 발명의 일 실시예는, 환자의 기본 정보 및 의료 정보를 포함하는 환자 정보를 획득하는 단계, 복수의 기존 환자들의 임상 데이터에 기초하여 추천 이상지질혈증 약물 정보를 출력하도록 학습된 학습 모델에 상기 환자 정보를 입력하고, 상기 환자에 대한 추천 이상지질혈증 약물 정보를 획득하는 단계 및 획득된 상기 추천 이상지질혈증 약물 정보를 출력하는 단계를 포함하는 인공지능 기반의 이상지질혈증 약물 추천 방법을 제공한다.

Inventors

• 김수민
• 김종호

Assignees

• 주식회사 틸더

Dates

Publication Date

20260506

Application Date

20241028

Claims (14)

1. 환자의 기본 정보 및 의료 정보를 포함하는 환자 정보를 획득하는 단계; 복수의 기존 환자들의 임상 데이터에 기초하여 추천 이상지질혈증 약물 정보를 출력하도록 학습된 학습 모델에 상기 환자 정보를 입력하고, 상기 환자에 대한 추천 이상지질혈증 약물 정보를 획득하는 단계; 및 획득된 상기 추천 이상지질혈증 약물 정보를 출력하는 단계;를 포함하는, 인공지능 기반의 이상지질혈증 약물 추천 방법.
2. 제1 항에 있어서, 상기 의료 정보는 상기 환자의 혈액검사 정보, 질병 정보 및 상기 환자가 복용중인 약물 정보 중 적어도 하나를 포함하는, 인공지능 기반의 이상지질혈증 약물 추천 방법.
3. 제2 항에 있어서, 상기 환자의 혈액검사 정보는 LDL(low density lipoprotein) 콜레스테롤 수치를 포함하는, 인공지능 기반의 이상지질혈증 약물 추천 방법.
4. 제1 항에 있어서, 상기 추천 이상지질혈증 약물 정보는 스타틴(statin)계 약물 중 선택된 하나 이상의 약물 종류 및 상기 약물 종류에 대응되는 약물 용량에 관한 정보를 포함하는, 인공지능 기반의 이상지질혈증 약물 추천 방법.
5. 제1 항에 있어서, 상기 학습 모델은 상기 환자 정보에 기초하여 이상지질혈증 약물별로 상기 환자에 대한 효과를 예측하는 제1 학습 모델 및 상기 이상지질혈증 약물별로 상기 환자에 대한 부작용을 예측하는 제2 학습 모델을 포함하는, 인공지능 기반의 이상지질혈증 약물 추천 방법.
6. 제5 항에 있어서, 상기 추천 이상지질혈증 약물 정보를 획득하는 단계는, 상기 환자 정보를 상기 제1 학습 모델에 입력하고 출력 데이터로 상기 이상지질혈증 약물별로 상기 환자의 목표 상태 도달 확률을 획득하는 단계; 상기 환자 정보를 상기 제2 학습 모델에 입력하고 출력 데이터로 상기 이상지질혈증 약물별로 상기 환자에게 부작용이 발생할 확률을 획득하는 단계; 및 상기 목표 상태 도달 확률 및 상기 부작용이 발생할 확률에 기초하여 상기 환자에 대한 추천 이상지질혈증 약물 정보를 획득하는 단계;를 포함하는, 인공지능 기반의 이상지질혈증 약물 추천 방법.
7. 제6 항에 있어서, 상기 환자의 목표 상태는 상기 환자의 나이 및 질병 정보 중 적어도 하나에 기초하여 결정되는, 인공지능 기반의 이상지질혈증 약물 추천 방법.
8. 제6 항에 있어서, 상기 환자의 목표 상태는 소정의 LDL(low density lipoprotein) 콜레스테롤 값인, 인공지능 기반의 이상지질혈증 약물 추천 방법.
9. 제5 항에 있어서, 상기 제2 학습 모델은 상기 이상지혈증 약물의 복용에 따라 나타나는 서로 다른 부작용 증상들을 예측하는 복수의 서브 학습 모델을 포함하는, 인공지능 기반의 이상지질혈증 약물 추천 방법.
10. 제9 항에 있어서, 상기 제2 학습 모델은 당뇨병을 예측하는 제2-1 학습 모델, 근육병을 예측하는 제2-2 학습 모델 및 간 손상을 예측하는 제2-3 학습 모델을 포함하는, 인공지능 기반의 이상지질혈증 약물 추천 방법.
11. 적어도 하나의 프로그램을 저장하는 메모리; 및 상기 적어도 하나의 프로그램을 실행함으로써 환자 맞춤형의 이상지질혈증 약물을 추천하는 적어도 하나의 프로세서;를 포함하며, 상기 프로세서는, 상기 프로그램의 실행에 따라, 환자의 기본 정보 및 의료 정보를 포함하는 환자 정보를 획득하고, 상기 환자 정보를 복수의 기존 환자들의 임상 데이터에 기초하여 학습된 학습 모델에 입력하여 출력 데이터로 상기 환자에 대한 추천 이상지질혈증 약물 정보를 획득하고, 획득된 상기 추천 이상지질혈증 약물 정보를 출력하는, 인공지능 기반의 이상지질혈증 약물 추천 장치.
12. 제11 항에 있어서, 상기 추천 이상지질혈증 약물 정보는 스타틴(statin)계 약물 중 선택된 하나 이상의 약물 종류 및 상기 약물 종류에 대응되는 약물 용량에 관한 정보를 포함하는, 인공지능 기반의 이상지질혈증 약물 추천 장치.
13. 제11 항에 있어서, 상기 학습 모델은 상기 환자 정보에 기초하여 이상지질혈증 약물별로 상기 환자에 대한 효과를 예측하는 제1 학습 모델 및 상기 이상지질혈증 약물별로 상기 환자에 대한 부작용을 예측하는 제2 학습 모델을 포함하는, 인공지능 기반의 이상지질혈증 약물 추천 방법.
14. 제13 항에 있어서, 상기 제2 학습 모델은 상기 이상지혈증 약물의 복용에 따라 나타나는 서로 다른 부작용 증상들을 예측하는 복수의 서브 학습 모델을 포함하는, 인공지능 기반의 이상지질혈증 약물 추천 방법.

Description

인공지능 기반의 이상지질혈증 약물 추천 방법 및 장치{Method and apparatus for recommending drugs for dyslipidemia based on artificial intelligence} 본 발명의 실시예들은 인공지능 기반의 이상지질혈증 약물 추천 방법 및 장치에 관한 것이다. 이상지질혈증(dyslipidemia)은 혈액의 지질 대사에 이상이 생긴 상태로, 혈액 중 총 콜레스테롤이나 저밀도 지단백(lowdensity lipoprotein, LDL) 콜레스테롤이 높은 경우, 중성 지방이 높은 경우 또는 고밀도 지단백(high-density lipoprotein, HDL) 콜레스테롤이 낮은 경우 이상지질혈증에 해당한다. 일반적으로 LDL 콜레스테롤은 혈관벽에 침착되는 성질을 갖고 있기 때문에 나쁜 콜레스테롤로 알려져 있다. 혈중 LDL 콜레스테롤이나 중성지방과 같은 지질성분이 증가하게 되면 혈액의 흐름이 원활하지 않게 되고, 동맥벽에 지질성분들이 부착되면서 만성적인 염증반응을 일으키고, 동맥내벽이 좁아지면서 혈관이 굳어지는 죽상동맥경화증이 유발된다. 죽상동맥경화증은 혈액의 원활한 흐름을 저해하게 되며, 이로 인해 뇌졸중 또는 심근경색과 같은 심뇌혈관계 질환이 생기거나 악화될 수 있다. 따라서 이상지질혈증은 심뇌혈관계 질환의 중요한 위험 인자라고 할 수 있다. 이러한 이상지질혈증의 치료제로 스타틴(statin) 제제가 가장 높은 빈도로 사용되고 있다. 스타틴은 콜레스테롤 합성 저해제(cholesterol synthesis inhibitor)로서, 콜레스테롤 합성 경로의 율속효소인 히드록시메틸글루타릴-CoA 환원효소 (HMG-CoA 환원효소)의 총칭이며, 각종 스타틴은 기본구조로서 같은 구조를 가지고 있다. 스타틴은 현재 처방되는 거의 모든 고지혈증 치료제에 함유되어 있으며, 세계에서 하루 3천만명 이상이 복용하고 있을 정도로 일반화된 약물이다. 스타틴은 일반적으로 안정하고 내약성이 우수한 것으로 알려져 있으나, 고용량으로 장기간 투여 시 당뇨병, 근육병(myopathy), 간 손상과 같은 부작용이 흔하게 발생할 수 있어 약물 요법에 있어 주의가 필요하다. 2021년 Ishak A. Mansi의 연구에 따르면, 스타틴을 복용하는 환자들 중 약 56%가 인슐린 치료, 고혈당증, 급성 합병증 등 당뇨병 관련 질환을 겪고 있으며, 미국 심장학회에 따르면, 스타틴을 복용하는 환자들 중 약 29%가 근육병증을 겪고 있는 것으로 나타났다. 따라서, 스타틴의 처방 시 개별 환자의 임상 상황에 맞추어 적절한 스타틴 약물과 용량을 선택하여 처방하는 것이 중요하다. 그러나, 현재 스타틴 약물의 처방은 대체로 담당 의사의 주관적인 판단에 의존하고 있어 숙련의와 비숙련의에 따라서 환자에게 적합한 스타틴 약물을 처방하는데 수준 차이가 발생할 수 있다. 또한, 의사가 주로 본인의 경험에 의존하여 스타틴 약물을 처방함에 따라 환자에게 최적화된 스타틴 약물을 정확하게 처방하지 못하는 문제가 발생할 수 있으며 환자의 신뢰성이 저하되는 문제가 발생할 수 있다. 도 1은 본 발명의 일 실시예에 따른 환자 맞춤형 이상지질혈증 약물 추천 서비스 제공을 위한 시스템을 개략적으로 도시한 도면이다. 도 2는 본 발명의 일 실시예에 따른 이상지질혈증 약물 추천 장치를 개략적으로 도시한 블록도이다. 도 3은 본 발명의 일 실시예에 따른 이상지질혈증 약물 추천 장치의 프로세서의 구성을 개략적으로 도시한 블록도이다. 도 4는 본 발명의 일 실시예에 따른 입력 인터페이스의 예시도이다. 도 5는 본 발명의 일 실시예에 따른 출력 인터페이스의 예시도이다. 도 6은 본 발명의 일 실시예에 따른 이상지질혈증 약물 추천 방법의 흐름도이다. 도 7은 도 6의 추천 이상지질혈증 약물 정보를 획득하는 단계의 세부 흐름도이다. 이하, 첨부된 도면을 참조하여 이하의 실시예들을 상세히 설명하기로 하며, 도면을 참조하여 설명할 때 동일하거나 대응하는 구성 요소는 동일한 도면부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 본 발명의 기술적 사상은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 이를 상세히 설명하고자 한다. 그러나, 이는 본 발명의 기술적 사상을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 기술적 사상의 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명의 기술적 사상을 설명함에 있어서, 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 본 명세서의 설명 과정에서 이용되는 숫자(예를 들어, 제1, 제2 등)는 하나의 구성요소를 다른 구성요소와 구분하기 위한 식별기호에 불과하다. 또한, 본 명세서에서, 일 구성요소가 다른 구성요소와 "연결된다"거나 "접속된다" 등으로 언급된 때에는, 상기 일 구성요소가 상기 다른 구성요소와 직접 연결되거나 또는 직접 접속될 수도 있지만, 특별히 반대되는 기재가 존재하지 않는 이상, 중간에 또 다른 구성요소를 매개하여 연결되거나 또는 접속될 수도 있다고 이해되어야 할 것이다. 또한, 본 명세서에 기재된 "~부", "~기", "~자", "~모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 프로세서(Processor), 마이크로 프로세서(Micro Processer), 마이크로 컨트롤러(Micro Controller), CPU(Central Processing Unit), GPU(Graphics Processing Unit), APU(Accelerate Processor Unit), DSP(Drive Signal Processor), ASIC(Application Specific Integrated Circuit), FPGA(Field Programmable Gate Array) 등과 같은 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있으며, 적어도 하나의 기능이나 동작의 처리에 필요한 데이터를 저장하는 메모리(memory)와 결합되는 형태로 구현될 수도 있다. 그리고 본 명세서에서의 구성부들에 대한 구분은 각 구성부가 담당하는 주기능 별로 구분한 것에 불과함을 명확히 하고자 한다. 즉, 이하에서 설명할 2개 이상의 구성부가 하나의 구성부로 합쳐지거나 또는 하나의 구성부가 보다 세분화된 기능별로 2개 이상으로 분화되어 구비될 수도 있다. 그리고 이하에서 설명할 구성부 각각은 자신이 담당하는 주기능 이외에도 다른 구성부가 담당하는 기능 중 일부 또는 전부의 기능을 추가적으로 수행할 수도 있으며, 구성부 각각이 담당하는 주기능 중 일부 기능이 다른 구성부에 의해 전담되어 수행될 수도 있음은 물론이다. 어떤 실시예가 달리 구현 가능한 경우에 특정한 단계는 설명되는 순서와 다르게 수행될 수도 있다. 예를 들어, 연속하여 설명되는 단계가 실질적으로 동시에 수행될 수도 있고, 설명되는 순서와 반대의 순서로 진행될 수 있다. 이하에서, 다양한 실시예에 따른 동작들은 인공지능 기반의 환자 맞춤형 이상지질혈증 약물 추천 장치(이하, '이상지질혈증 약물 추천 장치') 또는 추천 서비스 제공 장치에 포함된 프로세서에 의해 수행되는 것으로 이해될 수 있다. 도 1은 본 발명의 일 실시예에 따른 환자 맞춤형 이상지질혈증 약물 추천 서비스 제공을 위한 시스템을 개략적으로 도시한 도면이다. 도 1을 참조하면, 이상지질혈증 약물 추천 서비스를 제공하기 위한 시스템은 이상지질혈증 약물 추천 장치(10), 사용자 단말(20), 외부 서버(30) 및 네트워크(40)를 포함할 수 있다. 도 1은 발명의 설명을 위한 일례로 사용자 단말(20)의 수나 서버의 수가 도 1과 같이 한정되는 것은 아니다. 본 발명의 일 실시예에 따른 이상지질혈증 약물 추천 장치(10)는 환자 맞춤형의 추천 이상지질혈증 약물 정보를 제공할 수 있다. 구체적으로, 이상지질혈증 약물 추천 장치(10)는 기존 환자들의 임상 데이터에 기초하여 추천 이상지질혈증 약물 정보를 출력하도록 학습된 학습 모델을 생성할 수 있으며, 환자의 기본 정보 및 의료 정보를 포함하는 환자 정보를 획득하고 이에 기초하여 환자 맞춤형의 이상지질혈증 약물을 추천할 수 있다. 사용자는 이상지질혈증 약물 추천 장치(10)를 통해 환자에 대한 추천 이상지질혈증 약물 정보를 확인할 수 있다. 일 실시예에서, 이상지질혈증 약물 추천 장치(10)는 사용자 단말에 탑재될 수 있다. 이때, 사용자 단말은 컴퓨터 장치로 구현되는 고정형 단말이거나 이동형 단말일 수 있으며, 무선 또는 유선 통신 방식을 이용하여 네트워크를 통해 다른 사용자 단말 및/또는 서버와 통신할 수 있다. 다른 실시예에서, 이상지질혈증 약물 추천 장치(10)는 서버에 구비될 수 있다. 이때, 서버는 복수의 사용자 단말들과 네트워크를 통해 통신하여 명령, 코드, 파일, 컨텐츠, 서비스 등을 제공하는 컴퓨터 장치 또는 복수의 컴퓨터 장치들로 구현될 수 있다. 일례로, 이상지질혈증 약물 추천 장치(10)는 두 개의 서버에 구비될 수 있으며, 하나의 서버를 통해 이상지질혈증 약물을 추천하는 학습 모델의 학습이 이루어지고, 다른 하나의 서버에서는 학습된 알고리즘을 기초로 환자 맞춤형의 이상지질혈증 약물을 추천할 수 있다. 이상지질혈증 약물 추천 장치(10)가 서버에 구비되는 경우, 서버는 네트워크를 통해 접속한 사용자 단말로 어플리케이션의 설치를 위한 파일을 제공할 수 있다. 이 경우, 사용자 단말은 서버로부터 제공받은 파일을 이용하여 어플리케이션을 설치할 수 있다. 또한, 사용자 단말은 사용자 단말이 포함되는 운영체제(Operating system, OS) 및 적어도 하나의 프로그램(일례로 브라우저나 설치된 어플리케이션)의 제어에 따라 서버에 접속하여 서버가 제공하는 서비스나 컨텐츠를 제공받을 수 있다. 이상지질혈증 약물 추천 장치(10)에 대한 보다 상세한 설명은 도 2를 참조하여 후술한다. 사용자 단말(20)은 이상지질혈증 약물 추천 장치(10)와의 데이터 교환을 통해 이상지질혈증 약물 추천 장치(10)가 제공하는 적어도 하나 이상의 서비스를 제공받을 수 있는