KR-20260061811-A - Real-time Patient Health Status Monitoring System and Method for Providing AI-based Personalized Feedback

Abstract

본 발명은, 실시간으로 환자의 건강 상태를 모니터링하여 개인 맞춤형 피드백을 제공하는 시스템에 있어서, 외부 디바이스로부터 증상 평가 데이터, 심박변이도 데이터 및 인구통계학적 정보 중 적어도 하나 이상을 수집하는 데이터 수집부; 상기 수집된 데이터의 라벨링 및 예외 처리를 하여 전처리하는 데이터 전처리부; 상기 전처리된 데이터를 기반으로 정신적 예민성의 정상군과 중증군을 분류하기 위해 인공지능 모델을 학습시키는 학습부; 및 상기 학습된 인공지능 모델에 개인 모니터링 데이터를 입력하여 정상군 또는 중증군으로 분류하는 분류부; 를 포함하는 것을 특징으로 한다.

Inventors

• 서효창
• 안지현

Assignees

• 사회복지법인 삼성생명공익재단

Dates

Publication Date

20260506

Application Date

20241028

Claims (10)

1. 실시간으로 환자의 건강 상태를 모니터링하여 개인 맞춤형 피드백을 제공하는 시스템에 있어서, 외부 디바이스로부터 증상 평가 데이터, 심박변이도 데이터 및 인구통계학적 정보 중 적어도 하나 이상을 수집하는 데이터 수집부; 상기 수집된 데이터의 라벨링 및 예외 처리를 하여 전처리하는 데이터 전처리부; 상기 전처리된 데이터를 기반으로 정신적 예민성의 정상군과 중증군을 분류하기 위해 인공지능 모델을 학습시키는 학습부; 및 상기 학습된 인공지능 모델에 개인 모니터링 데이터를 입력하여 정상군 또는 중증군으로 분류하는 분류부; 를 포함하는, 인공지능 기반 개인 맞춤형 피드백 제공 시스템.
2. 제1항에 있어서, 상기 데이터 수집부는, 증상 평가 데이터로, 알바니 공황 및 공포 설문지(APPQ: Albany Panic & Phobia Questionnaire)설문의 응답 데이터를 수집하는 것을 특징으로 하는 인공지능 기반 개인 맞춤형 피드백 제공 시스템.
3. 제 1항에 있어서, 상기 데이터 수집부는, 시간 영역, 주파수 영역, 비선형 영역 중 적어도 하나 이상을 포함하는 심박변이도 데이터를 수집하는 것을 특징으로 하는 인공지능 기반 개인 맞춤형 피드백 제공 시스템.
4. 제 1항에 있어서, 상기 데이터 전처리부는, 알바니 공황 및 공포 설문지점수를 기준으로 정상군 또는 중증군으로 라벨링하는 것을 특징으로 하는 인공지능 기반 개인 맞춤형 피드백 제공 시스템.
5. 제 1항에 있어서, 상기 데이터 전처리부는, 시간에 따른 연속적인 심박변이도 데이터의 양끝단의 데이터를 제외하는 것을 특징으로 하는 인공지능 기반 개인 맞춤형 피드백 제공 시스템.
6. 제 1항에 있어서, 상기 데이터 전처리부는, 심박변이도 데이터의 이상심박 및 부정맥(Arrhythmia) 기준에 따라 일부 데이터를 제외하는 것을 특징으로 하는 인공지능 기반 개인 맞춤형 피드백 제공 시스템.
7. 제 1항에 있어서, 상기 데이터 전처리부는, 데이터의 R-피크를 검출하고 심박수 40-180BPM 범위를 벗어나는 데이터는 제외하는 것을 특징으로 하는 인공지능 기반 개인 맞춤형 피드백 제공 시스템.
8. 제 1항에 있어서, 상기 인공지능 모델은, 3가지 인공지능 기반 이진 분류 모델의 출력을 보팅(voting) 기법으로 통합한 앙상블 모델인 것을 특징으로 하는 인공지능 기반 개인 맞춤형 피드백 제공 시스템.
9. 제 8항에 있어서, 상기 학습부는, 상기 앙상블 모델을 학습하는데 있어서, 인구통계학적 데이터, 및 심박 변이도중 적어도 하나 이상을 학습 데이터로 사용하되, 3가지 인공지능 기반 이진 분류 모델을 각각 학습시키는 것을 특징으로 하는 인공지능 기반 개인 맞춤형 피드백 제공 시스템.
10. 실시간으로 환자의 건강 상태를 모니터링하여 개인 맞춤형 피드백을 제공하는 시스템에 있어서, 외부 디바이스로부터 증상 평가 데이터, 심박변이도 데이터 및 인구통계학적 정보 중 적어도 하나 이상을 수집하는 단계; 상기 수집된 데이터의 라벨링 및 예외 처리를 하여 전처리하는 단계; 상기 전처리된 데이터를 기반으로 정신적 예민성의 정상군과 중증군을 분류하기 위해 인공지능 모델을 학습시키는 단계; 및 상기 학습된 인공지능 모델에 개인 모니터링 데이터를 입력하여 정상군 또는 중증군으로 분류하는 단계; 를 포함하는, 인공지능 기반 개인 맞춤형 피드백 제공 방법.

Description

인공지능 기반의 개인 맞춤형 피드백 제공을 위한 실시간 환자 건강 상태 모니터링 시스템 및 방법{Real-time Patient Health Status Monitoring System and Method for Providing AI-based Personalized Feedback} 본 발명은 인공지능 기반의 개인 맞춤형 피드백 제공을 위한 실시간 환자 건강 상태 모니터링 시스템 및 방법에 관한 것으로서, 특히 환자의 정신적 예민성 중증 판정을 위해 환자의 정신적 예민성을 실시간으로 모니터링하기 위한 인공지능 기반의 개인 맞춤형 피드백 제공을 위한 실시간 환자 건강 상태 모니터링 시스템 및 방법에 관한 것이다. 현대 사회에서는 스트레스, 정신적 예민성, 불면증 등의 정신 건강 문제가 지속적으로 증가하고 있으며, 이는 개인의 일상 생활과 전반적인 건강에 부정적인 영향을 미치고 있다. 이러한 정신 질환의 조기 발견과 적절한 치료는 개인의 삶의 질 향상과 사회적 비용 절감에 있어 매우 중요하다. 전통적으로 정신적 예민성의 평가에는 알바니 공황 및 공포 설문지(APPQ: Albany Panic & Phobia Questionnaire)와 같은 자가 평가 도구가 사용되어 왔다. 그러나 이러한 도구는 환자의 주관적인 설문 응답에 의존하므로, 평가 시점의 상태나 기분에 따라 결과가 변동될 수 있어 정확한 진단에 어려움이 있다. 이는 실시간으로 환자의 건강 상태를 모니터링하고, 적절한 피드백을 제공하는 데 한계를 초래한다. 심박변이도(HRV:Heart Rate Variability)는 자율 신경계의 활동을 반영하는 중요한 생체 신호로서, 스트레스와 정신적 예민성 수준을 평가하는 데 유용하게 사용될 수 있다. 심박변이도는 시간 영역, 주파수 영역, 비선형 영역 등의 다양한 파라미터를 통해 심장 박동 간의 변이를 분석하며, 이는 정신 건강 상태와 밀접한 관련이 있다. 그러나 기존의 연구에서는 주로 선형 분석법을 활용하여 심박변이도를 분석하였으며, 이는 정신 질환과 관련된 복잡한 생리적 매커니즘을 충분히 설명하지 못하였다. 또한, 기존의 심박변이도 분석과 정신 질환 평가를 통합한 시스템은 데이터의 전처리 과정에서 이상치나 부정맥 데이터를 효과적으로 제외하지 못하여 정확도가 떨어지는 문제가 있었다. 인구통계학적 정보나 불면증 점수와 같은 추가적인 임상 정보를 활용하지 못함으로써, 환자의 상태를 종합적으로 판단하는 데 한계가 있었다. 최근 인공지능 기술의 발전으로 복잡한 패턴 인식과 예측이 가능해졌지만, 이를 심박변이도와 같은 생체 신호 분석에 효과적으로 적용하는 연구는 아직 부족한 실정이다. 특히, 다양한 심박변이도 파라미터와 인구통계학적 정보 등을 통합하여 정신적 예민성의 중증도를 객관적으로 평가하고 분류하는 시스템의 개발이 요구되고 있다. 도 1은 본 발명의 실시예에 따른 인공지능 기반 개인 맞춤형 피드백 제공 시스템의 구성도를 나타낸다. 도 2는 본 발명의 실시예에 따른 인공지능 기반 개인 맞춤형 피드백 제공 시스템의 흐름도를 나타낸다. 도 3은 본 발명의 실시예에 따른 생체신호 처리 과정을 나타내는 흐름도를 나타낸다. 도 4는 본 발명의 실시예에 따른 심박변이도 데이터에 대한 부정맥 검출 기준을 나타낸다. 도 5는 본 발명의 실시예에 따른 인공지능 모델의 흐름도를 나타낸다. 도 6은 본 발명의 실시예에 따른 설명가능 인공지능을 통한 유의한 객관 지표의 특징 중요도 분석을 나타낸다. 이하, 첨부된 도면들에 기재된 내용들을 참조하여 본 발명을 상세히 설명한다. 다만, 본 발명이 예시적 실시 예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일 참조부호는 실질적으로 동일한 기능을 수행하는 부재를 나타낸다. 본 발명의 목적 및 효과는 하기의 설명에 의해서 자연스럽게 이해되거나 보다 분명해질 수 있으며, 하기의 기재만으로 본 발명의 목적 및 효과가 제한되는 것은 아니다. 또한, 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이, 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 본 발명에서 사용하는 용어는 단지 특정한 실시예들을 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 발명의 설명에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. 제1, 제2 등의 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안된다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성 요소는 제2 구성 요소로 명명될 수 있고, 유사하게 제2 구성 요소도 제1 구성 요소로 명명될 수 있다. 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 갖는다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 구성 요소를 해석함에 있어서, 별도의 명시적 기재가 없더라도 오차 범위를 포함하는 것으로 해석한다. 시간 관계에 대한 설명일 경우, 예를 들어, '~후에', '~에 이어서', '~다음에', '~전에' 등으로 시간 적 선후관계가 설명되는 경우, '바로' 또는 '직접'이 사용되지 않는 이상 연속적이지 않은 경우도 포함한다. 이하, 첨부한 도면들을 참조하여 본 발명의 기술적 구성을 상세하게 설명한다. 도 1은 본 발명의 실시예에 따른 인공지능 기반 개인 맞춤형 피드백 제공 시스템(10)의 구성도를 나타낸다. 도 1을 참조하면, 인공지능 기반 개인 맞춤형 피드백 제공 시스템(10)은 외부 디바이스(100), 데이터 수집부(110), 데이터 전처리부(130), 학습부(150), 및 분류부(170)를 포함할 수 있다. 구체적으로, 인공지능 기반 개인 맞춤형 피드백 제공 시스템(10)은 외부 디바이스(100)로부터 데이터 수집부(110)를 통해 증상 평가 데이터, 심박변이도 데이터, 인구통계학적 정보 중 적어도 하나 이상을 수집할 수 있다. 수집된 데이터는 데이터 전처리부(130)에서 라벨링 및 예외 처리를 통해 전처리된다. 전처리된 데이터를 기반으로 학습부(150)에서 정신적 예민성의 정상군과 중증군을 분류하기 위한 인공지능 모델을 학습시킬 수 있다. 학습된 인공지능 모델은 분류부(170)에서 개인 모니터링 데이터를 입력 받아 학습된 인공지능 모델에 입력하여 정상군 또는 중증군으로 분류할 수 있다. 도 2는 본 발명의 실시예에 따른 인공지능 기반 개인 맞춤형 피드백 제공 시스템(10)의 흐름도를 나타낸다. 도 2를 참조하면, 인공지능 기반 개인 맞춤형 피드백 제공 시스템(10)은 입력 데이터를 수신하고, 수신된 입력데이터 중 일부를 신호처리한 후 정신적 예민성 평가 모델을 학습시킬 수 있다. 한편, 정신적 예민성 평가의 측면에서 살펴보면, 인공지능 기반 개인 맞춤형 피드백 제공 시스템(10)은 사용자로부터 실시간으로 입력 데이터를 수신하고, 수신 데이터 중 일부를 신호처리한 후, 입력 데이터 및 신호처리된 데이터를 학습된 정신적 예민성 평가 모델에 입력하여 사용자의 정신적 예민성에 대해 정상인지 중증인지를 평가할 수 있다. 입력 데이터는 데이터 수집부(110)에서 수집되는 데이터를 의미할 수 있다. 입력 데이터는 심전도, 나이, 및 성별 중 적어도 하나 이상을 포함할 수 있다. 데이터 전처리부(130)는 심전도 신호처리를 수행할 수 있다. 심전도 신호처리는 생체신호 처리를 포함할 수 있으며, 생체신호는 데이터 전처리부(130)에서 처리되는 심박변이도를 포함할 수 있다. 심전도 신호처리는 심박 검출 및 심박신호 전처리를 포함할 수 있으며, 심박 검출은 노이즈 제거를 포함할 수 있고, 심박신호 처리는 검출 오류, 이상심박, 및 부정맥 제외를 포함할 수 있다. 정신적 예민성 평가 모델은 인공지능 모델을 포함할 수 있으며, 바람직하게는 머신러닝 모델을 통해 구현될 수 있다. 정신적 예민성 평가 모델은 심박변이도 분석 파라미터를 입력으로 받는 이진 분류 통합 모델을 포함할 수 있으며, 일 실시예로 이진 분류 통합 모델은 서포트 벡터 머신(SVM), 랜덤 포레스트(RF: Random Forest) 및 적응형 부스팅(AdaBoost) 3가지 이진 분류 모델이 통합되어 분류하는 모델을 포함할 수 있다. 데이터 수집부(110)는 외부 디바이스로부터 증상 평가 데이터, 심박변이도 데이터 및 인구통계학적 정보 중 적어도 하나 이상을 수집할 수 있다. 데이터 수집부(110)는 증상 평가 데이터로 알바니 공황 및 공포 설문지(APPQ: Albany Panic & Phobia Questionnaire)설문의 응답 데이터를 수집할 수 있다. 심박변이도 데이터는 시간 영역, 주파수 영역, 비선형 영역 중 적어도 하나 이상의 영역을 포함할 수 있다. 데이터 수집부(110)는 수집된 데이터 중 적어도 하나 이상을 학습 데이터 셋으로 구성할 수 있다. 일 실시예로, 증상 평가 데이터는 정신의학과를 방문하여 알바니 공황 및 공포 설문지자가 평가 진단 데이터를 포함할 수 있다. 알바니 공황 및 공포 설문지 자가 평가 진단 데이터 광장공포, 사회공포, 내부감각 항목 중 사회공포 항목(APPQ-Social)에 관한 평가파트를 데이터로 사용할 수 있다. 도 3은 본 발명의 실시예에 따른 생체신호 처리 과정을 나타내는 흐름도를 나타낸다. 도 3를 참조하면, 데이터 전처리부(130)는 수집된 데이터의 라벨링 및 예외 처리