| 1 |
1
파킨슨병 발생 예측 장치에 의해 수행되는 파킨슨병 발생에 대한 예측 데이터를 획득하는 방법에 있어서,보건 의료 데이터 제공 서버로부터 보건 의료 데이터를 수집하는 단계;상기 수집된 보건 의료 데이터에 기초하여 파킨슨병과 관련된 후보 특징들을 추출하는 단계;상기 추출된 후보 특징들 중에서 파킨슨병의 예측을 위한 타겟 특징들을 선정하는 단계;상기 선정된 타겟 특징들에 기초하여 파킨슨병 예측 모델을 학습시키는 단계;사용자의 의료 데이터를 수신하는 단계;상기 수신된 의료 데이터에서 사용자 특징들을 추출하는 단계;상기 추출된 사용자 특징들을 상기 학습된 파킨슨병 예측 모델에 입력시키는 것에 의해 상기 사용자에 파킨슨병이 발생할 확률 데이터를 획득하는 단계; 및상기 확률 데이터에 기초하여 상기 사용자의 파킨슨병 발생에 대한 예측 데이터를 결정하는 단계를 포함하는 방법
|
| 2 |
2
제1항에 있어서,상기 선정하는 단계는,상기 후보 특징들 중에서 상기 파킨슨병 예측 모델에 입력될 타겟 특징들을 랜덤하게 결정하는 단계, 및상기 랜덤하게 결정된 타겟 특징들을 파킨슨병의 예측을 위한 타겟 특징들로 선정하는 단계를 포함하는 방법
|
| 3 |
3
제1항에 있어서,상기 학습시키는 단계는,상기 선정된 타겟 특징들을 상기 파킨슨병 예측 모델에 입력시켰을 때의 상기 파킨슨병 예측 모델의 정확도를 추정하는 단계;상기 추정된 정확도에 기초하여 상기 파킨슨병 예측 모델에 입력되는 타겟 특징들의 가중치들을 결정하는 단계; 및상기 결정된 가중치들에 기초하여 상기 기계 학습 기반의 파킨슨병 예측 모델을 학습시키는 단계를 포함하는 방법
|
| 4 |
4
제3항에 있어서,상기 가중치들을 결정하는 단계는,상기 선정된 타겟 특징들 중 상기 파킨슨병 예측 모델에 입력시켰을 때의 상기 파킨슨병 예측 모델의 정확도가 기준 값보다 높게 추정되는 제1 타겟 특징들의 가중치들을 제1 값으로 결정하고,상기 선정된 타겟 특징들 중 상기 파킨슨병 예측 모델에 입력시켰을 때의 상기 파킨슨병 예측 모델의 정확도가 기준 값보다 낮게 추정되는 제2 타겟 특징들의 가중치들을 제2 값으로 결정하는 단계를 포함하고,상기 기준 값은 이전에 추정된 상기 파킨슨병 예측 모델의 정확도에 기초한 것이고,상기 제1 값과 상기 제2 값은 서로 다른 값인,방법
|
| 5 |
5
제1항에 있어서,상기 파킨슨병이 발생할 확률 데이터를 획득하는 단계는,상기 타겟 특징들의 가중치들을 상기 타겟 특징들에 대응하는 상기 사용자 특징들에 적용하는 단계; 및상기 가중치들이 적용된 사용자 특징들을 상기 파킨슨병 예측 모델에 입력시키는 것에 의해 상기 확률 데이터를 획득하는 단계를 포함하는 방법
|
| 6 |
6
제1항에 있어서,상기 사용자 특징들을 추출하는 단계는,상기 수집된 보건 의료 데이터에 기초하여 수집된 파킨슨병과 관련된 후보 특징들과 동일한 사용자 특징들을 추출하는 단계를 포함하는,방법
|
| 7 |
7
제1항에 있어서,상기 보건 의료 데이터를 수집하는 단계는,상기 보건 의료 데이터 제공 서버로부터 상기 보건 의료 데이터를 주기적으로 수집하는 단계를 포함하는,방법
|
| 8 |
8
제1항에 있어서,상기 사용자 특징들은,상기 사용자의 나이, 콜레스테롤 지수, 헤모글로빈 양, 체질량 지수(bmi), 공복 혈당, 혈압, 흡연 여부, 음주량, 신체활동, 뇌혈관질환, 치매, 변비, 고혈압, 골다공증, 허혈성심장질환, 당뇨, 만성폐질환, 및 이상지질혈증에 관한 특징들 중 적어도 하나에 대한 특징을 포함하는,방법
|
| 9 |
9
파킨슨병 발생 예측 장치에 있어서, 사용자의 의료 데이터를 수신하는 통신 모듈;프로세서; 및상기 프로세서에 의해 실행될 인스트럭션들(instructions)을 저장하는 적어도 하나의 메모리를 포함하고,상기 프로세서에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서는,보건 의료 데이터 제공 서버로부터 보건 의료 데이터를 수집하고,상기 수집된 보건 의료 데이터에 기초하여 파킨슨병과 관련된 후보 특징들을 추출하고,상기 추출된 후보 특징들 중에서 파킨슨병의 예측을 위한 타겟 특징들을 선정하고,상기 선정된 타겟 특징들에 기초하여 기계 학습 기반의 파킨슨병 예측 모델을 학습시키고,사용자의 의료 데이터를 수신하고,상기 수신된 의료 데이터에서 사용자 특징들을 추출하고,상기 추출된 사용자 특징들을 상기 학습된 파킨슨병 예측 모델에 입력시키는 것에 의해 상기 사용자에 파킨슨병이 발생할 확률 데이터를 획득하고, 및 상기 확률 데이터에 기초하여 상기 사용자의 파킨슨병 발생에 대한 예측 데이터를 결정하는 동작을 수행하는, 장치
|
| 10 |
10
제9항에 있어서,상기 프로세서는,상기 후보 특징들 중에서 상기 파킨슨병 예측 모델에 입력될 타겟 특징들을 랜덤하게 결정하고, 상기 랜덤하게 결정된 타겟 특징들을 파킨슨병의 예측을 위한 타겟 특징들로 선정하는 동작을 수행하는, 장치
|
| 11 |
11
제9항에 있어서,상기 프로세서는,상기 선정된 타겟 특징들을 상기 파킨슨병 예측 모델에 입력시켰을 때의 상기 파킨슨병 예측 모델의 정확도를 추정하고, 상기 추정된 정확도에 기초하여 상기 파킨슨병 예측 모델에 입력되는 타겟 특징들의 가중치들을 결정하고, 및 상기 결정된 가중치들에 기초하여 상기 기계 학습 기반의 파킨슨병 예측 모델을 학습시키는 동작을 수행하는, 장치
|
| 12 |
12
제11항에 있어서,상기 프로세서는,상기 선정된 타겟 특징들 중 상기 파킨슨병 예측 모델에 입력시켰을 때의 상기 파킨슨병 예측 모델의 정확도가 기준 값보다 높게 추정되는 제1 타겟 특징들의 가중치들을 제1 값으로 결정하고,상기 선정된 타겟 특징들 중 상기 파킨슨병 예측 모델에 입력시켰을 때의 상기 파킨슨병 예측 모델의 정확도가 기준 값보다 낮게 추정되는 제2 타겟 특징들의 가중치들을 제2 값으로 결정하고,상기 기준 값은 이전에 추정된 상기 파킨슨병 예측 모델의 정확도에 기초한 것이고,상기 제1 값과 상기 제2 값은 서로 다른 값인,장치
|
| 13 |
13
제9항에 있어서,상기 프로세서는,상기 타겟 특징들의 가중치들을 상기 타겟 특징들에 대응하는 상기 사용자 특징들에 적용하고, 및상기 가중치들이 적용된 사용자 특징들을 상기 파킨슨병 예측 모델에 입력시키는 것에 의해 상기 확률 데이터를 획득하는 동작을 수행하는,장치
|
| 14 |
14
제9항에 있어서,상기 프로세서는,상기 수집된 보건 의료 데이터에 기초하여 수집된 파킨슨병과 관련된 후보 특징들과 동일한 사용자 특징들을 추출하는 동작을 수행하는,장치
|
| 15 |
15
제9항에 있어서,상기 프로세서는,상기 보건 의료 데이터 제공 서버로부터 상기 보건 의료 데이터를 주기적으로 수집하는 동작을 수행하는, 장치
|
| 16 |
16
제9항에 있어서,상기 사용자 특징들은,상기 사용자의 나이, 콜레스테롤 지수, 헤모글로빈 양, 체질량 지수(bmi), 공복 혈당, 혈압, 흡연 여부, 음주량, 신체활동, 뇌혈관질환, 치매, 변비, 고혈압, 골다공증, 허혈성심장질환, 당뇨, 만성폐질환, 및 이상지질혈증에 관한 특징들 중 적어도 하나에 대한 특징을 포함하는,장치
|
