1 |
1
우울증 진단 장치를 이용한 우울증 진단 방법에 있어서, 복수의 우울증 환자 및 복수의 정상인 각각으로부터 수집된 문진에 대한 발화 내용을 분류 학습모델에 적용하여 우울증 환자 그룹 또는 정상인 그룹에 속하는 사람수 또는 비율을 산출하는 단계, 상기 복수의 우울증 환자 및 복수의 정상인 각각에 대응하는 인구통계학적 정보를 이용하여 우울증 환자 그룹 또는 정상인 그룹에 속하는 확률을 산출하는 단계, 상기 발화 내용을 통해 우울증 환자 그룹 또는 정상인 그룹에 속하는 사람수 또는 비율, 및 상기 인구통계학적 정보를 통해 우울증 환자 그룹 또는 정상인 그룹에 속할 확률을 입력데이터로 설정하고, 해당 우울증 환자 또는 정상인이 우울증일 확률을 출력데이터로 설정하여 우울증 진단 모델을 학습시키는 단계, 대상이 되는 피검자의 문진에 대한 발화 내용을 텍스트로 변환하여 입력받고, 상기 피검자로부터 인구통계학적 정보를 입력받는 단계, 상기 피검자의 변환된 텍스트로부터 명사 및 동사를 추출하는 단계,상기 피검자로부터 추출된 명사 및 동사를 이용하여 우울증과 관련된 단어를 발화한 빈도 또는 비율을 산출하고, 상기 분류 학습모델에 적용하여 우울증 환자 그룹 또는 정상인 그룹에 속할 제1 확률 값을 산출하는 단계,상기 피검자의 인구통계학적 정보를 이용하여 상기 우울증 환자 그룹 또는 정상인 그룹에 속할 제2 확률 값을 산출하는 단계, 그리고상기 제1 확률 값 및 제2 확률 값을 상기 우울증 진단 모델에 적용하여 상기 피검자의 우울증 확률을 예측하는 단계를 포함하는 우울증 진단 방법
|
2 |
2
제1항에 있어서, 상기 문진에 대한 발화 내용을 분류 학습모델에 적용하여 우울증 환자 그룹 또는 정상인 그룹에 속할 확률을 산출하는 단계는,상기 복수의 우울증 환자 및 복수의 정상인의 문진에 대한 발화 내용을 각각 텍스트 형태로 변환하여 수집하는 단계,상기 복수의 우울증 환자 및 복수의 정상인 각각에 대응하여 변환된 텍스트로부터 명사 및 동사를 추출하는 단계, 상기 복수의 우울증 환자로부터 추출된 명사 및 동사를 이용하여 우울증과 관련된 단어를 발화한 빈도 또는 비율을 추출하고, 상기 복수의 정상인으로부터 추출된 명사 및 동사를 이용하여 우울증과 관련된 단어를 발화한 빈도 또는 비율을 산출하는 단계, 그리고상기 복수의 우울증 환자 또는 복수의 정상인이 발화한 빈도 또는 비율을 분류 학습모델에 적용하여 해당 비율이 우울증 환자 그룹 또는 정상인 그룹에 속하는 사람수 또는 비율을 예측하는 단계를 포함하는 우울증 진단 방법
|
3 |
3
제2항에 있어서, 상기 분류 학습모델은,상기 복수의 우울증 환자 또는 복수의 정상인 그룹이 발화한 빈도 또는 비율을 입력데이터로 설정하고, 해당 빈도 또는 비율이 우울증 환자 그룹 또는 정상인 그룹에 속하는 사람수 또는 비율을 출력데이터로 설정하여 기계 학습을 기반으로 하는 학습되는 우울증 진단 방법
|
4 |
4
제1항에 있어서, 상기 인구통계학적 정보를 이용하여 우울증 환자 그룹 또는 정상인 그룹에 속할 확률을 산출하는 단계는,상기 복수의 우울증 환자 및 복수의 정상인 각각으로부터 인구통계학적 정보를 입력받는 단계, 그리고상기 인구통계학적 정보를 연속적 분포로 변환하여 우울증 환자 그룹 또는 정상인 그룹에 속할 확률을 산출하는 단계를 포함하는 우울증 진단 방법
|
5 |
5
제1항에 있어서, 상기 인구통계학적 정보는, 나이, 성별, 사회경제적 지위(SES, socioeconomic status), BMI(body mass index), 복용중인 정신과 약물 여부(non-psychiatric medication), 우울증 평가 도구를 위한 설문 조사(PHQ), 해밀턴 우울증 평가 척도(HDRS), 벡 불안 척도(BAI), 바라트 충동 척도(BIS), 벡 자살사고 척도(BSS) 중에서 적어도 하나를 포함하는 우울증 진단 방법
|
6 |
6
제1항에 있어서,상기 제1 확률 값 및 제2 확률 값을 상기 우울증 진단 모델에 적용하여 상기 피검자의 자살 위험도를 진단하는 단계를 더 포함하는 우울증 진단 방법
|
7 |
7
제6항에 있어서,상기 피검자의 자살 위험도를 진단하는 단계는, 우울증 환자 그룹에 속한 복수의 환자 각각을 자살 위험도가 높은 우울 환자 또는 자살 위험도가 낮은 우울 환자로 구분하는 단계,상기 복수의 자살 위험도가 높은 우울 환자 및 복수의 자살 위험도가 낮은 우울 환자 각각으로부터 수집된 문진에 대한 발화 내용을 이용하여 자살 위험도가 높은 우울 환자 그룹 또는 자살 위험도가 낮은 우울 환자 그룹에 속하는 사람수 또는 비율을 산출하고, 인구통계학적 정보를 이용하여 자살 위험도가 높은 우울 환자 그룹 또는 자살 위험도가 낮은 우울 환자 그룹에 속하는 확률을 산출하는 단계, 상기 발화 내용을 통해 자살 위험도가 높은 우울 환자 그룹 또는 자살 위험도가 낮은 우울 환자 그룹에 속하는 사람수 또는 비율, 및 상기 인구통계학적 정보를 통해 자살 위험도가 높은 우울 환자 그룹 또는 자살 위험도가 낮은 우울 환자 그룹에 속하는 확률을 입력데이터로 설정하고, 자살 위험도를 출력데이터로 설정하여 우울증 진단 모델을 학습시키는 단계, 상기 대상이 되는 피검자의 문진에 대한 발화 내용으로부터 추출된 명사와 동사, 및 피검자의 인구통계학적 정보를 입력받는 단계,상기 발화 내용 또는 인구통계학적 정보를 이용하여 자살 위험도가 높은 우울 환자 그룹 또는 자살 위험도가 낮은 우울 환자 그룹에 속할 확률을 산출하는 단계, 그리고상기 발화 내용 및 인구통계학적 정보를 통해 산출된 자살 위험도가 높은 우울 환자 그룹 또는 자살 위험도가 낮은 우울 환자 그룹에 속할 확률 각각을 우울증 진단 모델에 적용하여 피검자의 자살 위험도를 판단하는 단계를 포함하는 우울증 진단 방법
|
8 |
8
기계학습을 기반으로 하는 문진 텍스트를 이용한 우울증 진단 장치에 있어서, 복수의 우울증 환자 및 복수의 정상인 각각으로부터 수집된 문진에 대한 발화 내용을 분류 학습모델에 적용하여 우울증 환자 그룹 또는 정상인 그룹에 속하는 사람수 또는 비율을 산출하고, 상기 복수의 우울증 환자 및 복수의 정상인 각각에 대응하는 인구통계학적 정보를 이용하여 우울증 환자 그룹 또는 정상인 그룹에 속하는 확률을 산출하며, 상기 발화 내용을 통해 우울증 환자 그룹 또는 정상인 그룹에 속하는 사람수 또는 비율, 및 상기 인구통계학적 정보를 통해 우울증 환자 그룹 또는 정상인 그룹에 속하는 확률을 입력데이터로 설정하고, 해당 우울증 환자 또는 정상인이 우울증일 확률을 출력데이터로 설정하여 우울증 진단 모델을 학습시키는 학습부, 대상이 되는 피검자의 문진에 대한 발화 내용을 텍스트로 변환하여 입력받고, 상기 피검자로부터 인구통계학적 정보를 입력받는 입력부, 상기 피검자의 변환된 텍스트로부터 명사 및 동사를 추출하는 추출부, 상기 피검자로부터 추출된 명사 및 동사를 이용하여 우울증과 관련된 단어를 발화한 빈도 또는 비율을 산출하고, 상기 분류 학습모델에 적용하여 우울증 환자 그룹 또는 정상인 그룹에 속할 제1 확률 값을 산출하며, 상기 피검자의 인구통계학적 정보를 이용하여 상기 우울증 환자 그룹 또는 정상인 그룹에 속할 제2 확률 값을 산출하는 산출부, 그리고상기 제1 확률 값 및 제2 확률 값을 상기 우울증 진단 모델에 적용하여 상기 피검자가 우울증일 확률을 예측하는 제어부를 포함하는 우울증 진단 장치
|
9 |
9
제8항에 있어서, 상기 학습부는, 상기 복수의 우울증 환자의 발화 내용 및 복수의 정상인의 문진에 대한 발화 내용을 각각 텍스트 형태로 변환하여 수집하고, 상기 복수의 우울증 환자 및 복수의 정상인 각각에 대응하여 변환된 텍스트로부터 명사 및 동사를 추출하며, 상기 복수의 우울증 환자로부터 추출된 명사 및 동사를 이용하여 우울증과 관련된 단어를 발화한 빈도 또는 비율을 추출하고, 상기 복수의 정상인으로부터 추출된 명사 및 동사를 이용하여 우울증과 관련된 단어를 발화한 빈도 또는 비율을 산출하며, 상기 복수의 우울증 환자 또는 복수의 정상인이 발화한 빈도 또는 비율을 상기 분류 학습모델에 적용하여 해당 비율이 우울증 환자 그룹 또는 정상인 그룹에 속하는 사람수 또는 비율을 출력하는 우울증 진단 장치
|
10 |
10
제9항에 있어서, 상기 분류 학습모델은,상기 복수의 우울증 환자 또는 복수의 정상인 그룹이 발화한 빈도 또는 비율을 입력데이터로 설정하고, 해당 빈도 또는 비율이 우울증 환자 그룹 또는 정상인 그룹에 속하는 사람수 또는 비율을 출력데이터로 설정하여 기계 학습을 기반으로 하는 학습되는 우울증 진단 장치
|
11 |
11
제8항에 있어서, 상기 학습부는, 상기 복수의 우울증 환자 및 복수의 정상인 각각으로부터 인구통계학적 정보를 입력받고, 상기 인구통계학적 정보를 연속적 분포로 변환하여 우울증 환자 그룹 또는 정상인 그룹에 속하는 확률을 산출하는 우울증 진단 장치
|
12 |
12
제8항에 있어서, 상기 인구통계학적 정보는, 나이, 성별, 사회경제적 지위(SES, socioeconomic status), BMI(body mass index), 복용중인 정신과 약물 여부(non-psychiatric medication), 우울증 평가 도구를 위한 설문 조사(PHQ), 해밀턴 우울증 평가 척도(HDRS), 벡 불안 척도(BAI), 바라트 충동 척도(BIS), 벡 자살사고 척도(BSS) 중에서 적어도 하나를 포함하는 우울증 진단 장치
|
13 |
13
제8항에 있어서,상기 제어부는,상기 제1 확률 값 및 제2 확률 값을 상기 우울증 진단 모델에 적용하여 상기 피검자의 자살 위험도를 진단하는 우울증 진단 장치
|
14 |
14
제13항에 있어서,상기 학습부는, 우울증 환자 그룹에 속한 복수의 환자 각각을 자살 위험도가 높은 우울 환자 또는 자살 위험도가 낮은 우울 환자로 구분하고, 상기 복수의 자살 위험도가 높은 우울 환자 및 복수의 자살 위험도가 낮은 우울 환자 각각으로부터 수집된 문진에 대한 발화 내용을 이용하여 자살 위험도가 높은 우울 환자 그룹 또는 자살 위험도가 낮은 우울 환자 그룹에 속하는 사람수 또는 비율을 산출하고, 인구통계학적 정보를 이용하여 자살 위험도가 높은 우울 환자 그룹 또는 자살 위험도가 낮은 우울 환자 그룹에 속하는 확률을 산출하며, 상기 발화 내용을 통해 자살 위험도가 높은 우울 환자 그룹 또는 자살 위험도가 낮은 우울 환자 그룹에 속하는 사람수 또는 비율, 및 상기 인구통계학적 정보를 통해 자살 위험도가 높은 우울 환자 그룹 또는 자살 위험도가 낮은 우울 환자 그룹에 속하는 확률을 입력데이터로 설정하고, 자살 위험도를 출력데이터로 설정하여 우울증 진단 모델을 학습시키는 우울증 진단 장치
|
15 |
15
제14항에 있어서,상기 입력부는, 상기 대상이 되는 피검자의 문진에 대한 발화 내용으로부터 추출된 명사와 동사, 및 피검자의 인구통계학적 정보를 입력받고, 상기 산출부는, 상기 발화 내용 또는 인구통계학적 정보를 이용하여 자살 위험도가 높은 우울 환자 그룹 또는 자살 위험도가 낮은 우울 환자 그룹에 속할 확률을 산출하며,상기 제어부는, 상기 발화 내용 및 인구통계학적 정보를 통해 산출된 자살 위험도가 높은 우울 환자 그룹 또는 자살 위험도가 낮은 우울 환자 그룹에 속할 확률 각각을 우울증 진단 모델에 적용하여 피검자의 자살 위험도를 판단하는 우울증 진단 장치
|