| 1 |
1
항우울제 추천 시스템을 이용한 항우울제 추천 방법에 있어서, (a) 약물 명칭, 약물의 브랜드, 각 약물의 치료 목적, 환자의 상태에 따른 처방 지침 및 해당 약의 부작용 정보가 기록된 데이터베이스에 환자의 상태 정보를 입력하여 환자 상태에 적합한 약물들의 추천 점수를 산출하는 단계;(b) 환자의 기본 정보, 유전체 정보, MRI 정보, 처방 약물 ？？각 환자의 주차별 우울증 지수를 포함하는 환자 데이터를 기초로 구축한 항우울제 반응성 예측 기계학습 모델에 환자의 현재 우울증 지수, 처방 약물 및 예측 희망 주차에 대한 정보를 입력하여, 예측 희망 주차에서의 우울증 지수를 예측하고, 예측된 우울증 지수에 기초하여 반응성 점수를 산출하는 단계; 및(c) 상기 산출된 각 약물들의 추천 점수와 처방 약물에 대한 상기 반응성 점수를 기초로 최적의 항우울제를 추천하는 단계를 포함하는 항우울제 추천 방법
|
| 2 |
2
제 1 항에 있어서,상기 (a) 단계는 상기 데이터베이스에 기록된 정보로부터 각 약물별로 약효가 있는 것으로 확인된 증상을 매칭하여 구축한 약물-증상 매트릭스에 환자의 증상을 입력하여 약물들의 추천 점수를 산출하는 것이되, 상기 약물-증상 매트릭스는 공인 인증 기관의 승인을 받은 경우 또는 의료 전문가의 실제 사용 여부 등을 기준으로 가중치를 적용한 것인 항우울제 추천 방법
|
| 3 |
3
제 1 항에 있어서,상기 항우울제 반응성 예측 기계학습 모델은 사용하는 개별 환자에 대한 각종 정보로부터 환자의 특징을 추출하는 모듈, 환자에 대한 처방 기록에 대한 정보로부터 항우울제 처방 기록에 대한 특징을 추출하는 모듈, 환자의 특징 정보와 환자의 방문 주기에 따른 우울증 지수 특징 정보를 기초로 환자 표현 벡터를 추출하고, 항우울제 처방 기록에 대한 특징으로부터 처방전 표현 벡터를 추출하는 표현 계층 및 환자의 현재 우울증 지수, 처방 약물 및 예측 희망 주차에 대한 정보를 입력하여, 예측 희망 주차에서의 우울증 지수를 예측하는 예측 계층을 포함하는 것인 항우울제 추천 방법
|
| 4 |
4
제 3 항에 있어서,상기 환자의 특징을 추출하는 모듈은 환자의 정보로부터 인구통계학적 정보를 나타내는 특징, 환자의 뇌 부분을 촬영한 MRI 형상으로부터 촬영한 신경촬영 바이오마커 특징, 환자의 유전체 정보에서 추출한 유전적 변화 특징 및 DNA 메틸화 특징을 각각 특징 벡터의 형태로 추출하고,상기 항우울제 처방 기록에 대한 특징을 추출하는 모듈은 항우울제 처방에 따른 각 주차별 우울증 측정 지수에 대한 정보로부터 각 주차별 우울증 측정 지수, 방문 간격 및 각 항우울제에 대한 특징 벡터를 추출하고,상기 표현 계층은 환자의 인구통계학적 특징, 환자의 신경촬영 바이오마커 특징, 환자의 유전적 변화 특징, 환자의 DNA 메틸화 특징, 항우울제 처방에 따른 각 주차별 우울증 측정 지수에 대한 특징 및 방문 간격에 대한 특징을 조합하여 환자를 나타내는 환자 표현 벡터를 생성하고, 환자에게 처방된 항우울제들의 특징을 조합하여 처방전 표현 벡터를 생성하는 것이고, 상기 예측 계층은 각 실험 데이터에 대하여 상기 표현 계층에서 추출된 환자 표현 벡터와 처방전 표현 벡터를 조합하고, 조합된 벡터가 표현하는 조건에서의 우울증 지수가 결과값으로 출력되도록 학습하는 과정을 수행하여 구축된 것인 항우울제 추천 방법
|
| 5 |
5
제 1 항에 있어서,상기 (b) 단계는 현재 방문했을 때의 우울증 지수에서 상기 예측된 우울증 지수를 감산한 값을 상기 현재 방문했을 때의 우울증 지수로 나눈 값을 상기 반응성 점수로서 산출하는 것인 항우울제 추천 방법
|
| 6 |
6
제 1 항에 있어서,상기 (c) 단계는 상기 약물들의 추천 점수와 처방 약물에 대한 상기 반응성 점수를 가중 평균하고, 가중 평균 값 중 가장 높은 점수를 획득한 약물을 최적의 항우울제로서 추천하는 것인 항우울제 추천 방법
|
| 7 |
7
항우울제 추천 시스템에 있어서,통신 모듈;항우울제 추천 프로그램이 저장된 메모리;상기 메모리에 저장된 프로그램을 실행하는 프로세서를 포함하며, 상기 프로세서는 상기 항우울제 추천 프로그램의 실행에 의해, 약물 명칭, 약물의 브랜드, 각 약물의 치료 목적, 환자의 상태에 따른 처방 지침 및 해당 약의 부작용 정보가 기록된 데이터베이스에 환자의 상태 정보를 입력하여 환자 상태에 적합한 약물들의 추천 점수를 산출하는 단계; 환자의 기본 정보, 유전체 정보, MRI 정보, 처방 약물 및 각 환자의 주차별 우울증 지수를 포함하는 환자 데이터를 기초로 구축한 항우울제 반응성 예측 기계학습 모델에 환자의 현재 우울증 지수, 처방 약물 및 예측 희망 주차에 대한 정보를 입력하여, 예측 희망 주차에서의 우울증 지수를 예측하고, 예측된 우울증 지수에 기초하여 반응성 점수를 산출하는 단계; 및 상기 산출된 각 약물들의 추천 점수와 처방 약물에 대한 상기 반응성 점수를 기초로 최적의 항우울제를 추천하는 단계를 수행하는 항우울제 추천 시스템
|
| 8 |
8
제 7 항에 있어서,상기 프로세서는 상기 데이터베이스에 기록된 정보로부터 각 약물별로 약효가 있는 것으로 확인된 증상을 매칭하여 구축한 약물-증상 매트릭스에 환자의 증상을 입력하여 약물들의 추천 점수를 산출하는 것이되, 상기 약물-증상 매트릭스는 공인 인증 기관의 승인을 받은 경우 또는 의료 전문가의 실제 사용 여부 등을 기준으로 가중치를 적용한 것인 항우울제 추천 시스템
|
| 9 |
9
제 7 항에 있어서,상기 항우울제 반응성 예측 기계학습 모델은 사용하는 개별 환자에 대한 각종 정보로부터 환자의 특징을 추출하는 모듈, 환자에 대한 처방 기록에 대한 정보로부터 항우울제 처방 기록에 대한 특징을 추출하는 모듈, 환자의 특징 정보와 환자의 방문 주기에 따른 우울증 지수 특징 정보를 기초로 환자 표현 벡터를 추출하고, 항우울제 처방 기록에 대한 특징으로부터 처방전 표현 벡터를 추출하는 표현 계층 및 환자의 현재 우울증 지수, 처방 약물 및 예측 희망 주차에 대한 정보를 입력하여, 예측 희망 주차에서의 우울증 지수를 예측하는 예측 계층을 포함하는 것인 항우울제 추천 시스템
|
| 10 |
10
제 9 항에 있어서,상기 환자의 특징을 추출하는 모듈은 환자의 정보로부터 인구통계학적 정보를 나타내는 특징, 환자의 뇌 부분을 촬영한 MRI 형상으로부터 촬영한 신경촬영 바이오마커 특징, 환자의 유전체 정보에서 추출한 유전적 변화 특징 및 DNA 메틸화 특징을 각각 특징 벡터의 형태로 추출하고,상기 항우울제 처방 기록에 대한 특징을 추출하는 모듈은 항우울제 처방에 따른 각 주차별 우울증 측정 지수에 대한 정보로부터 각 주차별 우울증 측정 지수, 방문 간격 및 각 항우울제에 대한 특징 벡터를 추출하고,상기 표현 계층은 환자의 인구통계학적 특징, 환자의 신경촬영 바이오마커 특징, 환자의 유전적 변화 특징, 환자의 DNA 메틸화 특징, 항우울제 처방에 따른 각 주차별 우울증 측정 지수에 대한 특징 및 방문 간격에 대한 특징을 조합하여 환자를 나타내는 환자 표현 벡터를 생성하고, 환자에게 처방된 항우울제들의 특징을 조합하여 처방전 표현 벡터를 생성하는 것이고, 상기 예측 계층은 각 실험 데이터에 대하여 상기 표현 계층에서 추출된 환자 표현 벡터와 처방전 표현 벡터를 조합하고, 조합된 벡터가 표현하는 조건에서의 우울증 지수가 결과값으로 출력되도록 학습하는 과정을 수행하여 구축된 것인 항우울제 추천 시스템
|
| 11 |
11
제 7 항에 있어서,상기 프로세서는 현재 방문했을 때의 우울증 지수에서 상기 예측된 우울증 지수를 감산한 값을 상기 현재 방문했을 때의 우울증 지수로 나눈 값을 상기 반응성 점수로서 산출하는 것인 항우울제 추천 시스템
|
| 12 |
12
제 7 항에 있어서,상기 프로세서는 상기 약물들의 추천 점수와 처방 약물에 대한 상기 반응성 점수를 가중 평균하고, 가중 평균 값 중 가장 높은 점수를 획득한 약물을 상기 최적의 항우울제로서 추천하는 것인 항우울제 추천 시스템
|
