ETRI-Knowledge Sharing Plaform

ENGLISH
기술이전 검색
연도 ~ 이전수 키워드

상세정보

복합 특징 시계열 집중지능 딥러닝 엔진 기술

전수책임자
최재훈
참여자
김도현, 김승환, 박흰돌, 임명은, 정호열, 최재훈, 한영웅
기술이전수
1
이전연도
2019
협약과제
18HS1500, 심혈관질환을 위한 인공지능 주치의 기술 개발, 김승환
19HS1500, 심혈관질환을 위한 인공지능 주치의 기술 개발, 김승환
환자의 미래 건강상태 정보를 조기에 알아내는 것은 진단이나 치료 계획 수립에 있어 매우 중요하게 활용될 수 있는 정보이다. 최근 의무기록의 디지털화를 통해 환자의 과거부터 현재까지의 건강상태 정보가 EMR에 저장되고, 기계학습 기술의 발달로 대규모 EMR 데이터를 분석하여 의미있는 결과를 도출할 수 있는 환경이 갖춰졌다. 이에 기반하여 시계열 EMR 데이터로부터 미래의 건강상태를 예측할 수 있는 기술의 개발이 요구된다.
EMR 데이터는 환자의 방문에 따라 기록된 데이터로 시계열성을 갖고, 각 방문 별로 여러 검사 항목에 대한 결과로 구성되어 있으므로 복합 특징으로 구성되어있다. 이와 같은 시계열성 및 복잡성을 고려한 미래 건강상태 예측 기술의 개발이 요구된다.
본 기술이전은 복합 특징을 갖고 시계열로 구성된 대규모 EMR 데이터를 입력하여 미래의 건강상태를 예측할 수 있는 딥러닝 예측 모델을 학습하고, 학습된 예측 모델을 이용해 새로운 사용자의 EMR 데이터 입력 시 미래 건강상태를 예측하는 기술을 포함한다. 본 기술은 EMR의 복합 특징 및 시계열성을 고려하여 각 특징 및 방문 별로 집중도(가중치)를 다르게 고려할 수 있는 딥러닝 기술이다.
본 연구팀에서는 본 기술을 의료 데이터 기반 미래 건강상태 예측에 적용시켰으나 해당 기술을 의료 데이터에 국한되지 않고, 다양한 종류의 시계열 데이터 기반 예측에 활용될 수 있다. 기술이전 수요 업체에서 의료 데이터 또는 유사한 종류의 시계열 데이터 기반 예측에 대한 요구사항이 있다면 본 기술의 활용이 가능하다.
­- 전처리 단계에서 데이터 내 결측치 대치
­- 복합 특징 시계열 EMR 데이터 기반 집중지능 딥러닝 예측 모델 학습 및 예측
­- 미래 건강상태 예측을 위해 방문 및 EMR 항목 별 집중도를 다르게 반영
● 복합 특징 시계열 EMR 데이터 내 결측치 대치
● 복합 특징 시계열 집중지능 딥러닝 모델 학습
● 복합 특징 시계열 집중지능 딥러닝 모델 기반 미래 건강상태 예측
* 기술이전의 범위는 아래의 기능을 포함하는 소프트웨어로 정함
● 복합 특징 시계열 EMR 데이터 내 결측치 대치
­ - 딥러닝 학습 및 예측 수행을 위해 EMR 데이터 내 결측치를 다른 값으로 대치하는 전처리 기능
● 복합 특징 시계열 집중지능 딥러닝 모델 학습
­ - 미래 건강상태 예측을 위해 여러 샘플로 구성된 시계열 EMR 데이터를 입력하여 예측 모델을 학습하는 기능
● 복합 특징 시계열 집중지능 딥러닝 모델 기반 미래 건강상태 예측
­ - 학습된 예측 모델에 개인의 시계열 EMR 데이터를 입력하여 미래 건강상태를 예측하는 기능
A. 임상의사결정지원
­ 미래 건강상태 예측 결과 기반 의사의 진단 및 치료 계획 수립 지원 서비스

B. 헬스케어
­ 미래 건강상태 예측을 통한 개인 건강관리 가이드 서비스