| 1 |
1
심부전 상태 예측 시스템으로서,신체의 임피던스를 분석해 ECW 비율(세포 외 수분 비율)을 측정하는 체성분 분석 장치(400);인공지능을 이용해 ECW 비율과 심부전 바이오마커 사이의 관계를 학습하여 예측 모델을 생성하는 학습부(100);체성분 분석 장치(400)에서 측정된 측정 대상자(10)의 ECW 비율을 상기 예측 모델에 입력하여, 상기 측정 대상자(10)의 심부전 바이오마커를 추정하는 예측부(200); 및상기 추정한 심부전 바이오마커로부터 상기 측정 대상자(10)의 심부전 상태를 판단하는 판단부(300)를 포함하며,상기 학습부(100)는,데이터베이스(500)에 저장된 ECW 비율 및 심부전 바이오마커 정보를 학습 데이터로 구성하는 데이터 처리 모듈(120); 및상기 구성한 학습 데이터를 이용해 인공지능 학습을 수행하여, 상기 ECW 비율로부터 심부전 바이오마커를 추정하는 예측 모델을 생성하는 모델 생성 모듈(130)을 포함하는 것을 특징으로 하는, 인공지능 기반의 체성분 분석 결과를 이용한 심부전 상태 예측 시스템
|
| 2 |
2
제1항에 있어서, 상기 심부전 바이오마커는,NT-proBNP 값인 것을 특징으로 하는, 인공지능 기반의 체성분 분석 결과를 이용한 심부전 상태 예측 시스템
|
| 3 |
3
제2항에 있어서, 상기 모델 생성 모듈(130)에서는,ECW 비율이 높을수록 NT-proBNP 값도 커지는 특징을 이용해 상기 예측 모델을 생성하는 것을 특징으로 하는, 인공지능 기반의 체성분 분석 결과를 이용한 심부전 상태 예측 시스템
|
| 4 |
4
제2항에 있어서, 상기 예측 모델은,NT-proBNP 값을 미리 정해진 개수의 클래스로 분류하되, 상기 측정 대상자(10)의 ECW 비율을 입력으로 하고 상기 측정 대상자(10)의 NT-proBNP 값이 속하는 클래스를 출력으로 하는 것을 특징으로 하는, 인공지능 기반의 체성분 분석 결과를 이용한 심부전 상태 예측 시스템
|
| 5 |
5
제2항에 있어서, 상기 학습부(100)는,체성분 분석 장치(400)에서 측정된 사람의 ECW 비율과 상기 사람의 NT-proBNP 값을 수집해 데이터베이스(500)에 저장하는 데이터 수집 모듈(110)을 더 포함하는 것을 특징으로 하는, 인공지능 기반의 체성분 분석 결과를 이용한 심부전 상태 예측 시스템
|
| 6 |
6
제2항에 있어서, 상기 예측부(200)에서는,상기 측정 대상자(10)의 성별, 나이, 키 및 몸무게를 포함하는 신체 정보를 더 이용해, 상기 측정 대상자(10)의 심부전 바이오마커를 추정하는 것을 특징으로 하는, 인공지능 기반의 체성분 분석 결과를 이용한 심부전 상태 예측 시스템
|
| 7 |
7
제2항에 있어서, 상기 판단부(300)에서는,미리 설정된 심부전 바이오마커의 참고 수치를 이용해 심부전 중증도 및 예후 평가를 하는 것을 특징으로 하는, 인공지능 기반의 체성분 분석 결과를 이용한 심부전 상태 예측 시스템
|
| 8 |
8
제7항에 있어서,상기 참고 수치는, 신체 정보에 따라 미리 설정되며,상기 판단부(300)에서는,상기 측정 대상자(10)의 성별, 나이, 키 및 몸무게를 포함하는 군에서 선택된 적어도 하나 이상의 신체 정보를 이용해, 상기 측정 대상자(10)의 심부전 상태를 평가하는 것을 특징으로 하는, 인공지능 기반의 체성분 분석 결과를 이용한 심부전 상태 예측 시스템
|
| 9 |
9
컴퓨터에 의해 각 단계가 수행되는 심부전 상태 예측 방법으로서,(1) 인공지능을 이용해 ECW 비율(세포 외 수분 비율)과 심부전 바이오마커 사이의 관계를 학습하여 예측 모델을 생성하는 단계;(2) 체성분 분석 장치(400)에서 측정된 측정 대상자(10)의 ECW 비율을 상기 예측 모델에 입력하여, 상기 측정 대상자(10)의 심부전 바이오마커를 추정하는 단계; 및(3) 상기 추정한 심부전 바이오마커로부터 상기 측정 대상자(10)의 심부전 상태를 판단하는 단계를 포함하며,상기 단계 (1)은,(1-1) 데이터베이스(500)에 저장된 ECW 비율 및 심부전 바이오마커를 학습 데이터로 구성하는 단계; 및(1-2) 상기 구성한 학습 데이터를 이용해 인공지능 학습을 수행하여, 상기 ECW 비율로부터 심부전 바이오마커를 추정하는 예측 모델을 생성하는 단계를 포함하는 것을 특징으로 하는, 인공지능 기반의 체성분 분석 결과를 이용한 심부전 상태 예측 방법
|
| 10 |
10
제9항에 있어서, 상기 심부전 바이오마커는,NT-proBNP 값인 것을 특징으로 하는, 인공지능 기반의 체성분 분석 결과를 이용한 심부전 상태 예측 방법
|
| 11 |
11
제10항에 있어서, 상기 단계 (1-2)에서는,ECW 비율이 높을수록 NT-proBNP 값도 커지는 특징을 이용해 상기 예측 모델을 생성하는 것을 특징으로 하는, 인공지능 기반의 체성분 분석 결과를 이용한 심부전 상태 예측 방법
|
| 12 |
12
제10항에 있어서, 상기 예측 모델은,NT-proBNP 값을 미리 정해진 개수의 클래스로 분류하되, 상기 측정 대상자(10)의 ECW 비율을 입력으로 하고 상기 측정 대상자(10)의 NT-proBNP 값이 속하는 클래스를 출력으로 하는 것을 특징으로 하는, 인공지능 기반의 체성분 분석 결과를 이용한 심부전 상태 예측 방법
|
| 13 |
13
제10항에 있어서, 상기 단계 (1-1) 이전에는,(1-0) 체성분 분석 장치(400)에서 측정된 사람의 ECW 비율과 상기 사람의 NT-proBNP 값을 수집해 데이터베이스(500)에 저장하는 단계를 더 포함하는 것을 특징으로 하는, 인공지능 기반의 체성분 분석 결과를 이용한 심부전 상태 예측 방법
|
| 14 |
14
제10항에 있어서, 상기 단계 (2)에서는,상기 측정 대상자(10)의 성별, 나이, 키 및 몸무게를 포함하는 신체 정보를 더 이용해, 상기 측정 대상자(10)의 심부전 바이오마커를 추정하는 것을 특징으로 하는, 인공지능 기반의 체성분 분석 결과를 이용한 심부전 상태 예측 방법
|
| 15 |
15
제10항에 있어서, 상기 단계 (3)에서는,미리 설정된 심부전 바이오마커의 참고 수치를 이용해 심부전 중증도 및 예후 평가를 하는 것을 특징으로 하는, 인공지능 기반의 체성분 분석 결과를 이용한 심부전 상태 예측 방법
|
| 16 |
16
제15항에 있어서,상기 참고 수치는, 신체 정보에 따라 미리 설정되며,상기 단계 (3)에서는,상기 측정 대상자(10)의 성별, 나이, 키 및 몸무게를 포함하는 군에서 선택된 적어도 하나 이상의 신체 정보를 이용해, 상기 측정 대상자(10)의 심부전 상태를 평가하는 것을 특징으로 하는, 인공지능 기반의 체성분 분석 결과를 이용한 심부전 상태 예측 방법
|
