| 1 |
1
대상 질병과 관련된 임상시험의 대상자 선정기준(eligibility criteria)과 상기 대상 질병과 관련된 환자의 임상정보를 수집하는 데이터 수집부; 및상기 수집된 대상자 선정기준 및 상기 수집된 환자 임상정보를 기반으로 특징 선택 모델을 생성하고, 상기 생성된 특징 선택 모델을 이용하여 상기 대상 질병과 관련된 임상시험 실시가능성 판단에 이용될 주요 대상자 선정기준을 선택하는 프로세서; 를 포함하는,임상시험 실시가능성 판단의 효율성을 제고하기 위한 주요 대상자 선정기준 선택 장치
|
| 2 |
2
제1항에 있어서,상기 프로세서는,상기 수집된 대상자 선정기준 및 상기 수집된 환자 임상정보를 기반으로 학습 데이터를 생성하는 학습 데이터 생성부;상기 생성된 학습 데이터를 기반으로 머신러닝 또는 딥러닝 모델을 학습시켜 특징 선택 모델을 생성하는 특징 선택 모델 생성부; 및상기 생성된 특징 선택 모델을 이용하여 상기 대상자 선정기준에서 추출된 대상자 선정기준 특징 중에서 상기 주요 대상자 선정기준을 선택하는 특징 선택부; 를 포함하는,임상시험 실시가능성 판단의 효율성을 제고하기 위한 주요 대상자 선정기준 선택 장치
|
| 3 |
3
제2항에 있어서,상기 학습 데이터 생성부는 임상시험별로 대상자 선정기준에서 계량화가 가능한 대상자 선정기준 특징을 추출하고, 상기 추출된 대상자 선정기준 특징과 각 환자의 임상정보를 매핑하여 매핑 데이터를 생성하고, 상기 추출된 대상자 선정기준 특징, 그 대상자 선정기준 특징의 조건 및 각 환자의 임상정보를 기반으로 임상시험별로 각 환자의 적격성(eligibility)을 판단하여 상기 매핑 데이터에 라벨링함으로써, 상기 학습 데이터를 생성하는,임상시험 실시가능성 판단의 효율성을 제고하기 위한 주요 대상자 선정기준 선택 장치
|
| 4 |
4
제3항에 있어서,상기 학습 데이터 생성부는 자연어 처리 기법 또는 결측치 처리 기법을 이용하여 상기 수집된 대상자 선정기준 및 상기 수집된 환자 임상정보를 전처리하는,임상시험 실시가능성 판단의 효율성을 제고하기 위한 주요 대상자 선정기준 선택 장치
|
| 5 |
5
제3항에 있어서,상기 학습 데이터 생성부는 스케일링 기법 또는 적층 오토인코더를 이용하여 상기 생성된 학습 데이터를 전처리하는,임상시험 실시가능성 판단의 효율성을 제고하기 위한 주요 대상자 선정기준 선택 장치
|
| 6 |
6
제2항에 있어서,상기 머신러닝 모델은 라쏘 회귀 및 랜덤 포레스트를 포함하고,상기 딥러닝 모델은 신경망을 포함하는,임상시험 실시가능성 판단의 효율성을 제고하기 위한 주요 대상자 선정기준 선택 장치
|
| 7 |
7
제2항에 있어서,상기 특징 선택 모델 생성부는 각 임상시험의 대상자 선정기준에서 추출된 대상자 선정기준 특징과 상기 추출된 대상자 선정기준 특징에 매핑된 환자 임상정보를 기반으로, 각 임상시험에 대한 환자의 적격성(eligibility)을 예측하도록 상기 머신러닝 또는 딥러닝 모델을 학습시키는,임상시험 실시가능성 판단의 효율성을 제고하기 위한 주요 대상자 선정기준 선택 장치
|
| 8 |
8
제2항에 있어서,상기 특징 선택부는 상기 생성된 특징 선택 모델로부터 상기 대상자 선정기준에서 추출된 대상자 선정기준 특징의 중요도를 판단하고, 상기 판단된 중요도를 기반으로 상기 주요 대상자 선정기준을 선택하는,임상시험 실시가능성 판단의 효율성을 제고하기 위한 주요 대상자 선정기준 선택 장치
|
| 9 |
9
제2항에 있어서,상기 프로세서는 테스트 데이터를 획득하고, 상기 획득된 테스트 데이터를 이용하여 상기 특징 선택 모델의 성능을 평가하는 성능 평가부; 를 더 포함하는,임상시험 실시가능성 판단의 효율성을 제고하기 위한 주요 대상자 선정기준 선택 장치
|
| 10 |
10
제9항에 있어서,상기 성능 평가부는 하기 수학식을 이용하여 상기 특징 선택 모델의 성능을 평가하는,임상시험 실시가능성 판단의 효율성을 제고하기 위한 주요 대상자 선정기준 선택 장치
|
| 11 |
11
대상 질병과 관련된 임상시험의 대상자 선정기준과 상기 대상 질병과 관련된 환자의 임상정보를 수집하는 단계;상기 수집된 대상자 선정기준 및 상기 수집된 환자 임상정보를 기반으로 학습 데이터를 생성하는 단계;상기 생성된 학습 데이터를 기반으로 머신러닝 또는 딥러닝 모델을 학습시켜 특징 선택 모델을 생성하는 단계; 및상기 생성된 특징 선택 모델을 이용하여 상기 대상자 선정기준에서 추출된 대상자 선정기준 특징 중에서 주요 대상자 선정기준을 선택하는 단계; 를 포함하는,임상시험 실시가능성 판단의 효율성을 제고하기 위한 주요 대상자 선정기준 선택 방법
|
| 12 |
12
제11항에 있어서,상기 학습 데이터를 생성하는 단계는,임상시험별로 대상자 선정기준에서 계량화가 가능한 대상자 선정기준 특징을 추출하는 단계;상기 추출된 대상자 선정기준 특징과 각 환자의 임상정보를 매핑하여 매핑 데이터를 생성하는 단계; 및상기 추출된 대상자 선정기준 특징, 그 대상자 선정기준 특징의 조건 및 각 환자의 임상정보를 기반으로 임상시험별로 각 환자의 적격성(eligibility)을 판단하여 상기 매핑 데이터에 라벨링하는 단계; 를 포함하는,임상시험 실시가능성 판단의 효율성을 제고하기 위한 주요 대상자 선정기준 선택 방법
|
| 13 |
13
제12항에 있어서,상기 학습 데이터를 생성하는 단계는,자연어 처리 기법 또는 결측치 처리 기법을 이용하여 상기 수집된 대상자 선정기준 및 상기 수집된 환자 임상정보를 전처리하는 단계; 를 더 포함하는,임상시험 실시가능성 판단의 효율성을 제고하기 위한 주요 대상자 선정기준 선택 방법
|
| 14 |
14
제12항에 있어서,상기 학습 데이터를 생성하는 단계는,스케일링 기법 또는 적층 오토인코더를 이용하여 상기 생성된 학습 데이터를 전처리하는 단계; 를 더 포함하는,임상시험 실시가능성 판단의 효율성을 제고하기 위한 주요 대상자 선정기준 선택 방법
|
| 15 |
15
제11항에 있어서,상기 머신러닝 모델은 라쏘 회귀 및 랜덤 포레스트를 포함하고,상기 딥러닝 모델은 신경망을 포함하는,임상시험 실시가능성 판단의 효율성을 제고하기 위한 주요 대상자 선정기준 선택 방법
|
| 16 |
16
제11항에 있어서,상기 특징 선택 모델을 생성하는 단계는 각 임상시험의 대상자 선정기준에서 추출된 대상자 선정기준 특징과 상기 추출된 대상자 선정기준 특징에 매핑된 환자 임상정보를 기반으로, 각 임상시험에 대한 환자의 적격성(eligibility)을 맞추도록 상기 머신러닝 또는 딥러닝 모델을 학습시키는,임상시험 실시가능성 판단의 효율성을 제고하기 위한 주요 대상자 선정기준 선택 방법
|
| 17 |
17
제11항에 있어서,상기 주요 대상자 선정기준을 선택하는 단계는 상기 생성된 특징 선택 모델로부터 상기 대상자 선정기준에서 추출된 대상자 선정기준 특징의 중요도를 판단하고, 상기 판단된 중요도를 기반으로 상기 주요 대상자 선정기준을 선택하는,임상시험 실시가능성 판단의 효율성을 제고하기 위한 주요 대상자 선정기준 선택 방법
|
| 18 |
18
제11항에 있어서,테스트 데이터를 획득하고, 상기 획득된 테스트 데이터를 이용하여 상기 특징 선택 모델의 성능을 평가하는 단계; 를 더 포함하는,임상시험 실시가능성 판단의 효율성을 제고하기 위한 주요 대상자 선정기준 선택 방법
|
| 19 |
19
제18항에 있어서,상기 특징 선택 모델의 성능을 평가하는 단계는 하기 수학식을 이용하여 상기 특징 선택 모델의 성능을 평가하는,임상시험 실시가능성 판단의 효율성을 제고하기 위한 주요 대상자 선정기준 선택 방법
|
