맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

머신 러닝 기반 잠복기별 치매 예측 방법, 그리고 이를 구현하기 위한 장치

  • 기술번호 : KST2022012065
  • 담당센터 : 대전기술혁신센터
  • 전화번호 : 042-610-2279
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 본 발명의 일 실시예에 따른 컴퓨팅 장치에 의해 수행되는 방법은, 치매 군 및 정상 군의 의료기록 정보를 이용하여 서로 다른 잠복기별 학습 데이터를 생성하는 단계, 상기 잠복기별 학습 데이터 각각을 이용한 기계 학습을 수행하여 잠복기별 치매 예측 모델을 생성하는 단계, 및 사용자의 의료기록 정보를 상기 잠복기별 치매 예측 모델 각각에 입력하여, 상기 사용자의 잠복기별 치매 예측 정보를 출력하는 단계를 포함한다.
Int. CL G16H 50/50 (2018.01.01) G16H 50/70 (2018.01.01) G16H 10/60 (2018.01.01) G16H 50/20 (2018.01.01) A61B 5/00 (2021.01.01) G06N 20/00 (2019.01.01)
CPC G16H 50/50(2013.01) G16H 50/70(2013.01) G16H 10/60(2013.01) G16H 50/20(2013.01) A61B 5/4088(2013.01) G06N 20/00(2013.01)
출원번호/일자 1020210064544 (2021.05.20)
출원인 한국과학기술정보연구원
등록번호/일자 10-2417448-0000 (2022.07.01)
공개번호/일자
공고번호/일자 (20220706) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2021.05.20)
심사청구항수 15

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 한국과학기술정보연구원 대한민국 대전광역시 유성구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 전홍우 서울특별시 노원구
2 임수진 서울특별시 광진구
3 권이남 서울특별시 노원구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인가산 대한민국 서울 서초구 남부순환로 ****, *층(서초동, 한원빌딩)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 한국과학기술정보연구원 대전광역시 유성구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [우선심사신청]심사청구서·우선심사신청서
 2021.05.20 수리 (Accepted) 1-1-2021-0577847-38
2 [특허출원]특허출원서
[Patent Application] Patent Application		 2021.05.20 수리 (Accepted) 1-1-2021-0577771-67
3 [우선심사신청]선행기술조사의뢰서
[Request for Preferential Examination] Request for Prior Art Search		 2021.05.31 수리 (Accepted) 9-1-9999-9999999-89
4 [우선심사신청]선행기술조사보고서
[Request for Preferential Examination] Report of Prior Art Search		 2021.06.02 수리 (Accepted) 9-1-2021-0007977-50
5 의견제출통지서
Notification of reason for refusal		 2021.10.16 발송처리완료 (Completion of Transmission) 9-5-2021-0811709-16
6 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2021.12.13 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2021-1438362-59
7 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
 2021.12.13 수리 (Accepted) 1-1-2021-1438363-05
8 거절결정서
Decision to Refuse a Patent		 2022.02.27 발송처리완료 (Completion of Transmission) 9-5-2022-0159925-90
9 [명세서등 보정]보정서(재심사)
Amendment to Description, etc(Reexamination)		 2022.03.25 보정승인 (Acceptance of amendment) 1-1-2022-0324850-44
10 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
 2022.03.25 수리 (Accepted) 1-1-2022-0324851-90
11 등록결정서
Decision to Grant Registration		 2022.04.06 발송처리완료 (Completion of Transmission) 9-5-2022-0261757-31
12 [분할출원]특허출원서
[Divisional Application] Patent Application		 2022.07.01 수리 (Accepted) 1-1-2022-0687423-20
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
컴퓨팅 장치에 의해 수행되는 방법에 있어서,치매 군 및 정상 군의 의료기록 정보를 이용하여 서로 다른 잠복기별 학습 데이터를 생성하는 단계;상기 잠복기별 학습 데이터 각각을 이용한 기계 학습을 수행하여 잠복기별 치매 예측 모델을 생성하는 단계; 및사용자의 의료기록 정보를 상기 잠복기별 치매 예측 모델 각각에 입력하여, 상기 사용자의 잠복기별 치매 예측 정보를 출력하는 단계를 포함하고,상기 치매 군 및 상기 정상 군의 의료기록 정보를 이용하여 서로 다른 잠복기별 학습 데이터를 생성하는 단계는,상기 의료기록 정보를 이용하여 기준 시점에서의 치매 진단 여부에 따라 상기 치매 군 및 상기 정상 군으로 분류하되, 상기 기준 시점 전에 치매로 진단되지 않은 데이터만을 대상으로 하는, 단계; 및상기 치매 군 및 상기 정상 군 각각에 대해, 상기 기준 시점으로부터 제1 기간 이전에 제1 시간구간 동안 수집된 데이터를 제1 잠복기의 학습 데이터로 구성하고,상기 치매 군 및 상기 정상 군 각각에 대해, 상기 기준 시점으로부터 제2 기간 이전에 제2 시간구간 동안 수집된 데이터를 제2 잠복기의 학습 데이터로 구성하고,상기 치매 군 및 상기 정상 군 각각에 대해, 상기 기준 시점으로부터 제3 기간 이전에 제3 시간구간 동안 수집된 데이터를 제3 잠복기의 학습 데이터로 구성하는 단계를 포함하고,상기 제1 기간은 상기 제2 기간보다 짧고, 상기 제2 기간은 상기 제3 기간보다 짧은 기간이고,상기 제1 시간구간, 상기 제2 시간구간, 및 상기 제3 시간구간은 동일한 시간구간이고,상기 의료기록 정보 중 질병 분류 코드 별로 계산된 약물 처방 일수를 이용하여 상기 각각의 잠복기별 학습 데이터에 대해 질병의 중증도 레벨을 결정하되, 상기 중증도 레벨은 급성 질환 및 만성 질환 각각에 대해 서로 다른 약물 처방 일수의 범위를 적용하여 결정되는, 단계;상기 잠복기별 치매 예측 모델에 기초하여 상기 잠복기별로 공통으로 발견되는 공통 치매 위험 인자를 식별하는 단계; 및상기 식별된 공통 치매 위험 인자 각각에 대해 상기 잠복기에 따른 중증도 레벨 별 분포 변화를 분석하여, 상기 공통 치매 위험 인자 각각의 영향도를 평가하는 단계를 더 포함하는,잠복기별 치매 예측 방법
2 2
제1 항에 있어서,상기 서로 다른 잠복기별 학습 데이터를 생성하는 단계는,상기 의료기록 정보 중 기준 시점에 진단된 기록을 이용하여 분류된 상기 치매 군 및 상기 정상 군의 의료기록 정보를 획득하는 단계; 및상기 기준 시점으로부터 서로 다른 과거 시점까지의 상기 의료기록 정보를 이용하여 상기 잠복기별 학습 데이터를 생성하는 단계를 포함하는,잠복기별 치매 예측 방법
3 3
제2 항에 있어서,상기 의료기록 정보 중 기준 시점에 진단된 기록을 이용하여 분류된 상기 치매 군 및 상기 정상 군의 의료기록 정보를 획득하는 단계는,상기 의료기록 정보에 포함되어 있는 복수의 질병 분류 코드 중 치매에 해당하는 분류 코드의 존재 여부에 따라 상기 치매 군 및 상기 정상 군을 분류하는 단계를 포함하고,상기 치매에 해당하는 분류 코드는, 상기 복수의 질병 분류 코드 중 기 설정된 일부의 분류 코드를 포함하는,잠복기별 치매 예측 방법
4 4
삭제
5 5
삭제
6 6
제1 항에 있어서,상기 서로 다른 잠복기별 학습 데이터를 생성하는 단계는,상기 의료기록 정보를 이용하여 복수의 피처들(features)을 생성하는 단계;상기 복수의 피처들(features) 중 소정 기준에 따라 잠복기별 피처 그룹을 선정하는 단계; 및상기 선정된 잠복기별 피처 그룹에 기반한 학습 데이터를 구성하는 단계를 포함하는,잠복기별 치매 예측 방법
7 7
제6 항에 있어서,상기 복수의 피처들(features) 중 소정 기준에 따라 잠복기별 피처 그룹을 선정하는 단계는,피처 선택 알고리즘을 이용하여 상기 잠복기별로 서로 다른 피처 그룹을 선정하는 단계를 포함하고,상기 피처 선택 알고리즘은, 전진 선택(Forward Selection), 후방 제거(Backward Elimination), 및 단계별 선택(Stepwise Selection) 방식 중 어느 하나에 기반한 것인,잠복기별 치매 예측 방법
8 8
제7 항에 있어서,상기 피처 선택 알고리즘을 이용하여 상기 잠복기별로 서로 다른 피처 그룹을 선정하는 단계는,상기 피처 선택 알고리즘의 수행 결과 획득되는 유의확률 값(p-value)에 기반하여 상기 잠복기별 피처 그룹에 포함될 피처를 결정하는 단계를 포함하는,잠복기별 치매 예측 방법
9 9
제1 항에 있어서,상기 잠복기별 치매 예측 모델은, 상기 잠복기별 학습 데이터 각각을 이용하여 서로 다른 기계 학습 알고리즘에 기반한 기계 학습을 수행하여 생성되는 복수의 모델 중 성능 수치가 임계치 이상인 모델로 선정된 것인, 잠복기별 치매 예측 방법
10 10
제9 항에 있어서,상기 서로 다른 기계 학습 알고리즘은, 랜덤 포레스트(Random Forest), 그래디언트 부스팅(Gradient Boosting), 및 다층 퍼셉트론(MLP: MultiLayer Perceptron)을 포함하는,잠복기별 치매 예측 방법
11 11
제1 항에 있어서,상기 잠복기별 치매 예측 모델의 생성 시 산출되는 피처 중요도(feature importance)에 기초하여 상기 잠복기별 치매 위험 인자를 결정하는 단계; 및상기 결정된 잠복기별 치매 위험 인자를 이용하여 상기 잠복기별로 상이한 치매 위험 인자를 식별하는 단계를 더 포함하는,잠복기별 치매 예측 방법
12 12
삭제
13 13
삭제
14 14
컴퓨터로 하여금 제1 항 내지 제3 항, 제6 항 내지 제11 항 중 어느 한 항의 방법을 수행하도록 하는 컴퓨터 프로그램이 저장된, 컴퓨터 판독 가능한 비일시적 기록 매체
15 15
컴퓨팅 장치에 의해 수행되는 방법에 있어서,사용자의 의료기록 정보를 잠복기별 치매 예측 모델 각각에 입력하는 단계; 및상기 잠복기별 치매 예측 모델 각각으로부터 상기 사용자의 잠복기별 치매 예측 정보를 출력하는 단계를 포함하고, 상기 잠복기별 치매 예측 모델은, 치매 군 및 정상 군의 의료기록 정보를 이용하여 생성된 서로 다른 잠복기별 학습 데이터를 이용한 기계 학습을 수행하여 생성된 것이고,상기 치매 군 및 상기 정상 군은, 상기 의료기록 정보를 이용하여 기준 시점에서의 치매 진단 여부에 따라 분류하되, 상기 기준 시점 전에 치매로 진단되지 않은 데이터만을 대상으로 분류되고,상기 서로 다른 잠복기별 학습 데이터는, 상기 치매 군 및 상기 정상 군 각각에 대해, 상기 기준 시점으로부터 제1 기간 이전에 제1 시간구간 동안 수집된 제1 잠복기의 학습 데이터와,상기 치매 군 및 상기 정상 군 각각에 대해, 상기 기준 시점으로부터 제2 기간 이전에 제2 시간구간 동안 수집된 제2 잠복기의 학습 데이터와,상기 치매 군 및 상기 정상 군 각각에 대해, 상기 기준 시점으로부터 제3 기간 이전에 제3 시간구간 동안 수집된 제3 잠복기의 학습 데이터를 포함하고,상기 제1 기간은 상기 제2 기간보다 짧고, 상기 제2 기간은 상기 제3 기간보다 짧은 기간이고,상기 제1 시간구간, 상기 제2 시간구간, 및 상기 제3 시간구간은 동일한 시간구간이고,상기 의료기록 정보 중 질병 분류 코드 별로 계산된 약물 처방 일수를 이용하여 상기 각각의 잠복기별 학습 데이터에 대해 질병의 중증도 레벨을 결정하되, 상기 중증도 레벨은 급성 질환 및 만성 질환 각각에 대해 서로 다른 약물 처방 일수의 범위를 적용하여 결정되는, 단계;상기 잠복기별 치매 예측 모델에 기초하여 상기 잠복기별로 공통으로 발견되는 공통 치매 위험 인자를 식별하는 단계; 및상기 식별된 공통 치매 위험 인자 각각에 대해 상기 잠복기에 따른 중증도 레벨 별 분포 변화를 분석하여, 상기 공통 치매 위험 인자 각각의 영향도를 평가하는 단계를 더 포함하는,잠복기별 치매 예측 방법
16 16
제15 항에 있어서,상기 잠복기별 치매 예측 모델은,최근 1년, 최근 3년, 및 최근 5년에 해당하는 잠복기별 학습 데이터를 이용한 기계 학습을 통해 1년 후, 3년 후, 및 5년 후에 해당하는 각 기간별로 생성되는,잠복기별 치매 예측 방법
17 17
제15 항에 있어서,상기 잠복기별 치매 예측 모델에 기초하여 상기 잠복기별로 상이한 제1 치매 위험 인자 및 상기 잠복기별로 공통으로 발견되는 제2 치매 위험 인자를 식별하는 단계를 더 포함하는,잠복기별 치매 예측 방법
18 18
외부 서버와 통신하는 통신부;상기 외부 서버로부터 수집된 치매 군 및 정상 군의 의료기록 정보를 이용하여 서로 다른 잠복기별 학습 데이터를 생성하고, 상기 잠복기별 학습 데이터 각각을 이용한 기계 학습을 수행하여 잠복기별 치매 예측 모델을 생성하는 학습부; 및사용자의 의료기록 정보를 상기 잠복기별 치매 예측 모델 각각에 입력하여, 상기 사용자의 잠복기별 치매 예측 정보를 출력하는 예측부를 포함하고,상기 학습부는,상기 의료기록 정보를 이용하여 기준 시점에서의 치매 진단 여부에 따라 상기 치매 군 및 상기 정상 군으로 분류하되, 상기 기준 시점 전에 치매로 진단되지 않은 데이터만을 대상으로 분류하고, 상기 치매 군 및 상기 정상 군 각각에 대해, 상기 기준 시점으로부터 제1 기간 이전에 제1 시간구간 동안 수집된 데이터를 제1 잠복기의 학습 데이터로 구성하고,상기 치매 군 및 상기 정상 군 각각에 대해, 상기 기준 시점으로부터 제2 기간 이전에 제2 시간구간 동안 수집된 데이터를 제2 잠복기의 학습 데이터로 구성하고,상기 치매 군 및 상기 정상 군 각각에 대해, 상기 기준 시점으로부터 제3 기간 이전에 제3 시간구간 동안 수집된 데이터를 제3 잠복기의 학습 데이터로 구성하고,상기 제1 기간은 상기 제2 기간보다 짧고, 상기 제2 기간은 상기 제3 기간보다 짧은 기간이고,상기 제1 시간구간, 상기 제2 시간구간, 및 상기 제3 시간구간은 동일한 시간구간이고,상기 학습부는, 상기 의료기록 정보 중 질병 분류 코드 별로 계산된 약물 처방 일수를 이용하여 상기 각각의 잠복기별 학습 데이터에 대해 질병의 중증도 레벨을 결정하되, 상기 중증도 레벨은 급성 질환 및 만성 질환 각각에 대해 서로 다른 약물 처방 일수의 범위를 적용하여 결정되고,상기 예측부는, 상기 잠복기별 치매 예측 모델에 기초하여 상기 잠복기별로 공통으로 발견되는 공통 치매 위험 인자를 식별하고, 상기 식별된 공통 치매 위험 인자 각각에 대해 상기 잠복기에 따른 중증도 레벨 별 분포 변화를 분석하여, 상기 공통 치매 위험 인자 각각의 영향도를 평가하는,잠복기별 치매 예측 장치
19 19
하나 이상의 프로세서;외부장치와 통신하는 통신 인터페이스;상기 프로세서에 의하여 수행되는 컴퓨터 프로그램을 로드(load)하는 메모리; 및상기 컴퓨터 프로그램을 저장하는 스토리지를 포함하되,상기 컴퓨터 프로그램은,사용자의 의료기록 정보를 잠복기별 치매 예측 모델 각각에 입력하는 동작, 및상기 잠복기별 치매 예측 모델 각각으로부터 상기 사용자의 잠복기별 치매 예측 정보를 출력하는 동작을 수행하기 위한 인스트럭션들(instructions)을 포함하고, 상기 잠복기별 치매 예측 모델은, 치매 군 및 정상 군의 의료기록 정보를 이용하여 생성된 서로 다른 잠복기별 학습 데이터를 이용한 기계 학습을 수행하여 생성된 것이고,상기 치매 군 및 상기 정상 군은, 상기 의료기록 정보를 이용하여 기준 시점에서의 치매 진단 여부에 따라 분류하되, 상기 기준 시점 전에 치매로 진단되지 않은 데이터만을 대상으로 분류되고,상기 서로 다른 잠복기별 학습 데이터는, 상기 치매 군 및 상기 정상 군 각각에 대해, 상기 기준 시점으로부터 제1 기간 이전에 제1 시간구간 동안 수집된 제1 잠복기의 학습 데이터와,상기 치매 군 및 상기 정상 군 각각에 대해, 상기 기준 시점으로부터 제2 기간 이전에 제2 시간구간 동안 수집된 제2 잠복기의 학습 데이터와,상기 치매 군 및 상기 정상 군 각각에 대해, 상기 기준 시점으로부터 제3 기간 이전에 제3 시간구간 동안 수집된 제3 잠복기의 학습 데이터를 포함하고,상기 제1 기간은 상기 제2 기간보다 짧고, 상기 제2 기간은 상기 제3 기간보다 짧은 기간이고,상기 제1 시간구간, 상기 제2 시간구간, 및 상기 제3 시간구간은 동일한 시간구간이고,상기 의료기록 정보 중 질병 분류 코드 별로 계산된 약물 처방 일수를 이용하여 상기 각각의 잠복기별 학습 데이터에 대해 질병의 중증도 레벨을 결정하되, 상기 중증도 레벨은 급성 질환 및 만성 질환 각각에 대해 서로 다른 약물 처방 일수의 범위를 적용하여 결정되는, 동작,상기 잠복기별 치매 예측 모델에 기초하여 상기 잠복기별로 공통으로 발견되는 공통 치매 위험 인자를 식별하는 동작, 및상기 식별된 공통 치매 위험 인자 각각에 대해 상기 잠복기에 따른 중증도 레벨 별 분포 변화를 분석하여, 상기 공통 치매 위험 인자 각각의 영향도를 평가하는 동작을 수행하기 위한 인스트럭션을 더 포함하는,잠복기별 치매 예측 장치
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 과학기술정보통신부 한국과학기술정보연구원 융복합개방형연구사업 빅데이터 기반 치매 조기 예측 및 치매 자동분류 시스템 구축