맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

대사이상 질환의 질병 위험도를 예측하는 장치 및 방법

  • 기술번호 : KST2018009540
  • 담당센터 : 서울동부기술혁신센터
  • 전화번호 : 02-2155-3662
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본원은 대사이상 질환의 질병 위험도를 예측하는 장치에 관한것으로서, 대사이상 질환의 질병 위험도를 예측하는 장치는, 상기 대사이상 질환의 질환자의 생활상태 변수 및 건강상태 변수를 포함하는 복수의 상태 변수, 유전자 정보 및 대사이상 질환의 질병 위험도를 입력으로 하여, 상기 복수의 상태 변수 및 유전자 정보 중 적어도 하나 이상과 상기 대사이상 질환의 질병 위험도 사이의 관계의 정도를 학습하는 기계학습 모델을 생성하는 기계학습 모델 생성부, 대상자의 대상자 상태 변수 및 대상자 유전자 정보를 입력받는 정보 입력부 및 상기 기계학습 모델에 상기 대상자의 대상자 상태 변수 및 대상자 유전자 정보를 적용하여 상기 대상자의 대상자 질병 위험도를 예측하는 질병 위험도 예측부를 포함할 수 있다.
Int. CL G16H 50/30 (2018.01.01) G06F 17/18 (2006.01.01) G06N 3/08 (2006.01.01) G06Q 50/22 (2018.01.01)
CPC G16H 50/30(2013.01) G16H 50/30(2013.01) G16H 50/30(2013.01) G16H 50/30(2013.01)
출원번호/일자 1020170183817 (2017.12.29)
출원인 서울대학교산학협력단
등록번호/일자 10-2024373-0000 (2019.09.17)
공개번호/일자 10-2018-0079208 (2018.07.10) 문서열기
공고번호/일자 (20190923) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보 대한민국  |   1020160183851   |   2016.12.30
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2017.12.29)
심사청구항수 14

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 서울대학교산학협력단 대한민국 서울특별시 관악구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 박수경 서울특별시 강남구
2 김종효 서울특별시 성북구
3 태주호 경기도 수원시 영통구
4 안충현 서울특별시 성북구
5 안서경 경기도 고양시 일산서구
6 최정빈 서울특별시 성동구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 유민규 대한민국 서울특별시 강남구 논현로 *** , *층 ***호 (역삼동, 여산빌딩)(온유특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 서울대학교 산학협력단 서울특별시 관악구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2017.12.29 수리 (Accepted) 1-1-2017-1310466-14
2 [출원서등 보정]보정서
[Amendment to Patent Application, etc.] Amendment		 2018.01.11 수리 (Accepted) 1-1-2018-0036028-80
3 선행기술조사의뢰서
Request for Prior Art Search		 2018.08.10 수리 (Accepted) 9-1-9999-9999999-89
4 선행기술조사보고서
Report of Prior Art Search		 2018.10.12 발송처리완료 (Completion of Transmission) 9-6-2018-0130455-60
5 의견제출통지서
Notification of reason for refusal		 2018.10.31 발송처리완료 (Completion of Transmission) 9-5-2018-0741207-40
6 [지정기간연장]기간연장(단축, 경과구제)신청서
[Designated Period Extension] Application of Period Extension(Reduction, Progress relief)		 2018.12.31 수리 (Accepted) 1-1-2018-1322369-43
7 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2019.01.31 수리 (Accepted) 1-1-2019-0115303-52
8 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2019.01.31 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2019-0115302-17
9 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2019.05.13 수리 (Accepted) 4-1-2019-5093546-10
10 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2019.05.23 수리 (Accepted) 4-1-2019-5101798-31
11 등록결정서
Decision to grant		 2019.06.26 발송처리완료 (Completion of Transmission) 9-5-2019-0457073-13
12 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2019.08.02 수리 (Accepted) 4-1-2019-5154561-59
13 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2020.11.25 수리 (Accepted) 4-1-2020-5265458-48
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
대사이상 질환의 질병 위험도를 예측하는 장치에 있어서, 상기 대사이상 질환의 질환자의 생활상태 변수 및 건강상태 변수를 포함하는 복수의 상태 변수, 유전자 정보 및 대사이상 질환의 질병 위험도를 입력으로 하여, 상기 복수의 상태 변수 및 유전자 정보 중 적어도 하나 이상과 상기 대사이상 질환의 질병 위험도 사이의 관계의 정도를 학습하는 기계학습 모델을 생성하는 기계학습 모델 생성부;상기 대사이상 질환의 질환자의 상기 복수의 상태 변수, 상기 유전자 정보 및 대사이상 질환의 질병 위험도를 입력으로 하여, 상기 복수의 상태 변수 및 유전자 정보 중 적어도 하나 이상의 존재 유무 또는 값에 따라 상기 대사이상 질환의 질병 위험도를 확률적으로 나타내는 통계확률 모델을 생성하는 통계확률 모델 생성부;대상자의 대상자 상태 변수 및 대상자 유전자 정보를 입력받는 정보 입력부; 및상기 기계학습 모델 및 상기 통계확률 모델에 상기 대상자의 대상자 상태 변수 및 대상자 유전자 정보를 적용하여 상기 대상자의 고혈압, 당뇨병, 비만 및 대사성증후군을 포함하는 대사이상 질환의 질병 위험도를 예측하는 질병 위험도 예측부를 포함하되, 상기 기계학습 모델 생성부는,반복 측정된 복수의 상태 변수를 제1인공신경망에 순차적으로 입력하고, 생활습관 변화와 관련된 유전 정보를 통합 입력하기 위해 상기 제1인공신경망의 마지막 층에 제2인공신경망을 연결하여 상기 대사이상 질환의 질병 위험도 사이의 관계의 정도를 학습하는 것인, 대사이상 질환 질병 위험도 예측 장치
2 2
삭제
3 3
제 1 항에 있어서, 상기 통계확률 모델 생성부는, 상기 대사이상 질환의 질환자의 상기 복수의 상태 변수, 상기 유전자 정보 및 대사이상 질환의 질병 위험도를 입력으로 하고, 상기 복수의 상태 변수 중 상기 대사이상 질환과 연관된 적어도 하나 이상의 상태 변수를 선택하고, 상기 적어도 하나 이상의 상태 변수의 존재 여부 또는 값에 대한 상기 대사이상 질환의 질병 위험도를 확률적으로 나타내는 기본 통계확률 모델을 생성하는 기본 통계확률 모델 생성부; 및상기 대사이상 질환과 연관된 유전자 정보의 존재 여부에 따라 상기 대사이상 질환의 질병 위험도에 가중치를 적용함으로써, 기본 통계확률 모델로부터 상기 통계확률 모델을 생성하는 가중치 통계확률 모델 생성부를 포함하는 대사이상 질환 질병 위험도 예측 장치
4 4
제1항에 있어서,상기 기계학습 모델은 상기 복수의 상태 변수 중 제 1 상태 변수를 입력층으로 하고 상기 복수의 상태 변수 중 제 2 상태 변수를 은닉층으로 할 때, 상기 입력층과 은닉층 사이의 관계의 정도를 학습하는 제 1 학습을 하고, 상기 은닉층 및 상기 유전자 정보를 입력층으로 하고 상기 질병 위험도를 출력층으로 할 때, 상기 은닉층과 출력층 사이의 관계의 정도를 학습하는 제 2 학습을 함으로써, 상기 복수의 상태 변수 및 유전자 정보 중 적어도 하나 이상과 상기 대사이상 질환의 질병 위험도 사이의 관계의 정도를 학습하는 것인, 대사이상 질환 질병 위험도 예측 장치
5 5
제 1 항에 있어서, 상기 기계학습 모델은 상기 복수의 상태 변수의 이전 시점 상태 변수를 입력층으로 하고 상기 복수의 상태 변수의 현재 시점 상태 변수를 은닉층으로 할 때, 상기 입력층과 은닉층 사이의 관계의 정도를 학습하는 제 1 학습을 하고, 상기 은닉층 및 상기 유전자 정보를 입력층으로 하고 상기 질병 위험도를 출력층으로 할 때, 상기 은닉층과 출력층 사이의 관계의 정도를 학습하는 제 2 학습을 함으로써, 상기 복수의 상태 변수 및 유전자 정보 중 적어도 하나 이상과 상기 대사이상 질환의 질병 위험도 사이의 관계의 정도를 학습하는 것인, 대사이상 질환 질병 위험도 예측 장치
6 6
제 1 항에 있어서,상기 기계학습 모델은 상기 복수의 상태 변수 중 제 1 상태 변수 및 이전 시점 은닉층을 입력층으로 하고 상기 복수의 상태 변수 중 제 2 상태 변수 또는 현재 시점 상태 변수를 은닉층으로 할 때, 상기 입력층과 은닉층 사이의 관계의 정도를 학습하는 제 1 학습을 하고,상기 은닉층 및 상기 유전자 정보를 입력층으로 하고 상기 질병 위험도를 출력층으로 할 때, 상기 은닉층과 출력층 사이의 관계의 정도를 학습하는 제 2 학습을 함으로써, 상기 복수의 상태 변수 및 유전자 정보 중 적어도 하나 이상과 상기 대사이상 질환의 질병 위험도 사이의 관계의 정도를 학습하는 것이되, 상기 제 1 학습은 [수학식 1]을 기반으로, 상기 입력층과 은닉층 사이의 관계의 정도를 학습하는 것이되, [수학식 1]이때, 상기 는 t 시점에서의 은닉층이고, 상기 은 이전 시점 은닉층이고, 는 제 1 상태 변수이고, 상기 는 입력층과 은닉층 사이의 제 1 유형의 관계의 정도를 나타내는 제 1 가중치이고, 상기 는 입력층과 은닉층 사이의 제 2 유형의 관계의 정도를 나타내는 제 2 가중치인 것인, 대사이상 질환 질병 위험도 예측 장치
7 7
제6항에 있어서,상기 제 2학습은 [수학식 1] 및 [수학식2]를 기반으로 상기 은닉층과 출력층 사이의 관계의 정도를 학습하는 것이되, [수학식 2]이때, 상기 y는 출력층이고, 상기 는 은닉층과 출력층 사이의 관계의 정도를 나타내는 제 3 가중치이고, 는 은닉층이고, 상기 는 입력층 중 유전자 정보와 출력층 사이의 관계의 정도를 나타내는 제4 가중치이고, z는 입력층 중 유전자 정보인 것인, 대사이상 질환 질병 위험도 예측 장치
8 8
제 1 항에 있어서,상기 기계학습 모델 생성부는, [수학식 3]을 기반으로 상기 복수의 상태 변수 및 유전자 정보 중 적어도 하나 이상과 상기 대사이상 질환의 질병 위험도 사이의 관계의 정도를 학습하는 기계학습 모델을 생성 시 발생하는 오차에 가중치를 갱신하는 것이되, [수학식 3]상기 E는 상기 기계학습 모델 생성부의 오차의 검출값이고, 상기 t는 상기 대사이상 질환의 발생 여부이고, 상기 y는 기계학습 모델을 통해 예측된 질병 위험도이고, 는 오차에 따른 과적합(overfitting)을 방지하기 위한 L2 정규식인 것인, 대사이상 질환 질병 위험도 예측 장치
9 9
제 1항에 있어서,상기 질병 위험도 예측부는,상기 대상자의 질병 위험도 예측 결과를 기 설정된 분류 항목에 기반하여 시각화하는 것인, 대사이상 질환 질병 위험도 예측 장치
10 10
제 1항에 있어서,상기 질병 위험도 예측부는, 상기 대상자의 질병 위험도 예측 결과와 연계된 질병 예방 관리 정보를 제공하는 것인, 대사이상 질환 질병 위험도 예측 장치
11 11
제 1 항에 있어서,상기 통계확률 모델 생성부는, 상기 대사이상 질환이 고혈압일 경우, 상기 복수의 상태 변수를 나이, 최종 학력, 월평균 수입, 빈혈, 단백뇨, 요중당, 콜레스테롤, 나트륨 섭취 정도, 칼륨 섭취 정도, 음주 여부, 흡연 여부, 고지혈증, 지방간, 알레르기질환, 관절염, 혈중요산수치, 대사성 질환 가족력 및 운동 여부 중 적어도 5개 이상을 포함하여 상기 복수의 상태 변수의 값에 따라 상기 고혈압의 질병 위험도를 확률적으로 나타내는 통계확률 모델을 생성하는 것인, 대사이상 질환 질병 위험도 예측 장치
12 12
제 1 항에 있어서,상기 통계확률 모델 생성부는, 상기 대사이상 질환이 비만인 경우, 상기 복수의 상태 변수를 나이, 최종 학력, 고지혈증 과거력, 심근경색 과거력, 지방간 과거력, 담낭염 과거력, 알레르기 과거력, 갑상선질환, 관절염, 혈압, 운동 여부, 칼로리섭취량 대비 나트륨 섭취 정도, 단백질 섭취 정도, 지방 섭취 정도, 단백료, 총콜레스테롤, 공복혈당, 음주여부, 흡연여부, 혈중요산수치 및 대사성 질환 가족력 중 적어도 5개 이상을 포함하여 상기 복수의 상태 변수의 값에 따라 상기 비만의 질병 위험도를 확률적으로 나타내는 통계확률 모델을 생성하는 것인, 대사이상 질환 질병 위험도 예측 장치
13 13
제 1 항에 있어서,상기 통계확률 모델 생성부는, 상기 대사이상 질환이 당뇨인 경우, 상기 복수의 상태 변수를 최종 학력, 결혼 여부, 직업, 수입, 성별, 나이, 고혈압 과거력, 고지혈증 과거력, 심근경색 과거력, 만성 위염 과거력, 지방간 과거력, 담낭염 과거력, 만성기관지염 과거력, 천식 과거력, 알레르기 과거력, 관절염, 골다공증 과거력, 백내장 과거력, 우울증 과거력, 감상선 질환 과거력, 간접 흡연 노출 횟수, 총 알코올 섭취량, 운동 회수, 첫 아이 출산 나이, 임신성 당뇨병 과거력, 임공 유산 과거력, 거대아 출산 과거력, 경구 피임약 복용 여부, 당뇨병 가족력, 협심증 과거력, 뇌졸증 과거력, 현재의 주관적 건강상태의 정도, 수면의 질, 혈뇨, 지방, 탄수화물, 비타민, 아연, 몸무게, 허리둘레, 엉덩이둘레, 맥박수, 수축기혈압, 이완기혈압, 체질량 수 중 적어도 5개 이상을 포함하여 상기 복수의 상태 변수의 값에 따라 상기 당뇨의 질병 위험도를 확률적으로 나타내는 통계확률 모델을 생성하는 것인, 대사이상 질환 질병 위험도 예측 장치
14 14
제 1 항에 있어서,상기 통계확률 모델 생성부는, 상기 대사이상 질환이 대사증후군일 경우, 상기 복수의 상태 변수를 나이, 성별, 최종학력, 월평균수입, ALT, 빈혈, 단백뇨, 나트륨섭취, 칼륨섭취, 열량섭취, 운동 여부, 흡연력, 심근경색 과거력, 지방간 과거력, 담낭염 과거력, 알레르기 질환, 갑상선 질환 과거력, 관절염, 혈중요산수치 및 대사성 질환 가족력 여부 중 적어도 5개 이상을 포함하여 상기 복수의 상태 변수의 값에 따라 상기 대사증후군의 질병 위험도를 확률적으로 나타내는 통계확률 모델을 생성하는 것인, 대사이상 질환 질병 위험도 예측 장치
15 15
대사이상 질환 질병 위험도 예측 장치에서, 대사이상 질환의 질병 위험도를 예측하는 방법에 있어서,기계학습 모델 생성부에서, 상기 대사이상 질환의 질환자의 생활상태 변수 및 건강상태 변수를 포함하는 복수의 상태 변수, 유전자 정보 및 대사이상 질환의 질병 위험도를 입력으로 하여, 상기 복수의 상태 변수 및 유전자 정보 중 적어도 하나 이상과 상기 대사이상 질환의 질병 위험도 사이의 관계의 정도를 학습하는 기계학습 모델을 생성하는 단계; 통계확률 모델 생성부에서, 상기 대사이상 질환의 질환자의 상기 복수의 상태 변수, 상기 유전자 정보 및 대사이상 질환의 질병 위험도를 입력으로 하여, 상기 복수의 상태 변수 및 유전자 정보 중 적어도 하나 이상의 존재 유무 또는 값에 따라 상기 대사이상 질환의 질병 위험도를 확률적으로 나타내는 통계확률 모델을 생성하는 단계; 정보 입력부에서, 대상자의 대상자 상태 변수 및 대상자 유전자 정보를 입력받는 단계; 및예측부에서, 상기 기계학습 모델 및 상기 통계확률 모델에 상기 대상자의 대상자 상태 변수 및 대상자 유전자 정보를 적용하여 상기 대상자의 고혈압, 당뇨병, 비만 및 대사성증후군을 포함하는 대사이상 질환의 질병 위험도를 예측하는 단계를 포함하되,상기 기계학습 모델을 생성하는 단계는, 반복 측정된 복수의 상태 변수를 제1인공신경망에 순차적으로 입력하고, 생활습관 변화와 관련된 유전 정보를 통합 입력하기 위해 상기 제1인공신경망의 마지막 층에 제2인공신경망을 연결하여 상기 대사이상 질환의 질병 위험도 사이의 관계의 정도를 학습하는 것인, 대사이상 질환 질병 위험도 예측 방법
지정국 정보가 없습니다
순번, 패밀리번호, 국가코드, 국가명, 종류의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 패밀리정보 - 패밀리정보 표입니다.
순번 패밀리번호 국가코드 국가명 종류
1 KR102024375 KR 대한민국 FAMILY
2 US20190172587 US 미국 FAMILY
3 WO2018124831 WO 세계지적재산권기구(WIPO) FAMILY
4 WO2018124854 WO 세계지적재산권기구(WIPO) FAMILY

DOCDB 패밀리 정보

순번, 패밀리번호, 국가코드, 국가명, 종류의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 패밀리정보 - DOCDB 패밀리 정보 표입니다.
순번 패밀리번호 국가코드 국가명 종류
1 KR102024375 KR 대한민국 DOCDBFAMILY
2 KR20180079209 KR 대한민국 DOCDBFAMILY
3 US2019172587 US 미국 DOCDBFAMILY
4 WO2018124831 WO 세계지적재산권기구(WIPO) DOCDBFAMILY
5 WO2018124854 WO 세계지적재산권기구(WIPO) DOCDBFAMILY
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 보건복지부 서울대학교 산학협력단 임상연구인프라조성 한국인 호발만성질환 위험예측과 질병위험 아틀라스 구현을 통한 개인 맞춤형 예방관리서비스모형 개발