1 |
1
환자들의 의료 기록과 관련된 의료 데이터를 저장하는 데이터 베이스(data base)로부터 머신러닝 모델(machine learning model) 학습을 위한 입력 데이터를 상기 의료 데이터에 기초하여 추출하는 단계;상기 추출된 입력 데이터를 머신러닝 모델에 입력하여, 상기 입력 데이터에 포함된 전체 요소들 각각에 대하여 특징 중요도가 부여되도록 상기 머신러닝 모델을 학습시키는 단계,상기 특징 중요도는 상기 머신러닝 모델 학습을 통하여 판단된 상기 이상 반응과 특정 요소 간의 상관 관계의 정도에 기초하여 각각 계산되고; 및상기 특징 중요도에 기초하여 상기 전체 요소들 중에서 이상 반응의 유발과 관련된 적어도 하나의 의심 요소를 결정하는 단계를 포함하는 이상 반응 감시 방법
|
2 |
2
제 1 항에 있어서,상기 입력 데이터를 추출하는 단계는,상기 이상 반응이 상기 환자들에게 발생한 시점과 관련된 이상 반응 발생 시점 데이터를 환자 별로 각각 추출하는 단계를 더 포함하는 이상 반응 감시 방법
|
3 |
3
제 2 항에 있어서,상기 입력 데이터를 추출하는 단계는,상기 환자 별로 각각 추출된 이상 반응 발생 데이터에 기초하여, 상기 이상 반응이 특정 환자에게 발생한 시점 이전 특정 기간 동안의 상기 특정 환자의 의료 기록과 관련된 이벤트(event) 구간 데이터를 추출하는 단계를 더 포함하는 이상 반응 감시 방법
|
4 |
4
제 3 항에 있어서,상기 입력 데이터를 추출하는 단계는,상기 이상 반응이 특정 환자에게 발생한 시점 외의 임의의 시점 이전 상기 특정 기간 동안의 상기 특정 환자의 의료 기록과 관련된 제어(control) 구간 데이터를 추출하는 단계를 더 포함하는 이상 반응 감시 방법
|
5 |
5
제 4 항에 있어서,상기 환자들에 대한 상기 이벤트 구간 데이터 및 상기 제어 구간 데이터 각각에 포함된 의료 기록은 특정 증상에 대한 진단과 관련된 기록, 약물 처방과 관련된 기록 또는 백신 접종과 관련된 기록 중 적어도 하나를 포함하는 이상 반응 감시 방법
|
6 |
6
제 4 항에 있어서,상기 이벤트 구간 데이터가 추출되는 시간 구간 및 상기 제어 구간 데이터가 추출되는 시간 구간의 사이에는 특정 간격의 시간 구간이 삽입되는 이상 반응 감시 방법
|
7 |
7
제 6 항에 있어서,상기 삽입된 특정 간격의 시간 구간에 기초하여 상기 이벤트 구간 데이터가 추출되는 시간 구간 및 상기 제어 구간 데이터가 추출되는 시간 구간은 중첩없이 시간적으로 이격되는 이상 반응 감시 방법
|
8 |
8
제 4 항에 있어서,상기 머신러닝 모델은 상기 전체 요소들 각각에 대하여 상기 특징 중요도를 부여하여, 상기 이벤트 구간 데이터와 상기 제어 구간 데이터를 구분하도록 학습되는 이상 반응 감시 방법
|
9 |
9
제 8 항에 있어서,상기 머신러닝 모델 학습이 완료된 상기 머신러닝 모델에 상기 이벤트 구간 데이터 또는 상기 제어 구간 데이터 중 하나인 특정 입력 데이터를 입력하여 상기 이상 반응의 발생 여부를 판단하는 단계를 더 포함하는 이상 반응 감시 방법
|
10 |
10
제 1 항에 있어서,상기 특징 중요도는 상기 상관 관계의 정도가 상대적으로 큰 것으로 판단된 요소에 대하여 높은 값으로 부여되는 이상 반응 감시 방법
|
11 |
11
제 10 항에 있어서,상기 적어도 하나의 의심 요소는 상기 전체 요소들 중에서 상기 특징 중요도가 특정한 임계값보다 큰 요소들로 구성되는 이상 반응 감시 방법
|
12 |
12
제 11 항에 있어서,상기 특정한 임계값은 상기 전체 요소들에 각각 부여된 상기 특징 중요도의 전체 평균 값의 2배인 값으로 설정되는 이상 반응 감시 방법
|
13 |
13
환자들의 의료 기록과 관련된 의료 데이터를 저장하는 데이터 베이스(data base);머신러닝 모델(machine learning model); 및제어부;를 포함하고,상기 제어부는,상기 데이터 베이스로부터 머신러닝 모델(machine learning model) 학습을 위한 입력 데이터를 상기 의료 데이터에 기초하여 추출하고,상기 추출된 입력 데이터를 머신러닝 모델에 입력하여, 상기 입력 데이터에 포함된 전체 요소들 각각에 대하여 특징 중요도가 부여되도록 상기 머신러닝 모델을 학습시키고,상기 특징 중요도는 상기 머신러닝 모델 학습을 통하여 판단된 상기 이상 반응과 특정 요소 간의 상관 관계의 정도에 기초하여 각각 계산되고,상기 특징 중요도에 기초하여 상기 전체 요소들 중에서 이상 반응의 유발과 관련된 적어도 하나의 의심 요소를 결정하는 이상 반응 감시 시스템
|
14 |
14
제 13 항에 있어서,상기 제어부는, 상기 입력 데이터를 추출하기 위해,상기 이상 반응이 상기 환자들에게 발생한 시점과 관련된 이상 반응 발생 시점 데이터를 환자 별로 각각 추출하는 이상 반응 감시 시스템
|
15 |
15
제 14 항에 있어서,상기 제어부는, 상기 입력 데이터를 추출하기 위해,상기 환자 별로 각각 추출된 이상 반응 발생 데이터에 기초하여, 상기 이상 반응이 특정 환자에게 발생한 시점 이전 특정 기간 동안의 상기 특정 환자의 의료 기록과 관련된 이벤트(event) 구간 데이터를 추출하는 이상 반응 감시 시스템
|
16 |
16
제 15 항에 있어서,상기 제어부는, 상기 입력 데이터를 추출하기 위해,상기 이상 반응이 특정 환자에게 발생한 시점 외의 임의의 시점 이전 상기 특정 기간 동안의 상기 특정 환자의 의료 기록과 관련된 제어(control) 구간 데이터를 추출 하는 이상 반응 감시 시스템
|
17 |
17
제 16 항에 있어서,상기 환자들에 대한 상기 이벤트 구간 데이터 및 상기 제어 구간 데이터 각각에 포함된 의료 기록은 특정 증상에 대한 진단과 관련된 기록, 약물 처방과 관련된 기록 또는 백신 접종과 관련된 기록 중 적어도 하나를 포함 하는 이상 반응 감시 시스템
|
18 |
18
제 16 항에 있어서,상기 이벤트 구간 데이터가 추출되는 시간 구간 및 상기 제어 구간 데이터가 추출되는 시간 구간의 사이에는 특정 간격의 시간 구간이 삽입되는 이상 반응 감시 시스템
|
19 |
19
제 18 항에 있어서,상기 삽입된 특정 간격의 시간 구간에 기초하여 상기 이벤트 구간 데이터가 추출되는 시간 구간 및 상기 제어 구간 데이터가 추출되는 시간 구간은 중첩없이 시간적으로 이격되는 이상 반응 감시 시스템
|
20 |
20
제 16 항에 있어서,상기 머신러닝 모델은 상기 전체 요소들 각각에 대하여 상기 특징 중요도를 부여하여, 상기 이벤트 구간 데이터와 상기 제어 구간 데이터를 구분하도록 학습되는 이상 반응 감시 시스템
|