본 이전기술은 뇌졸중 질환 예측 서비스 제공을 위한 핵심 요소 기술로서, 생체신호 센서로부터(EMG, Motion)로부터 수집된 생체신호 데이터를 이용한 딥러닝 기반의 뇌졸중 예측모델 생성, 예측 결과의 제공, 의학지식 온톨로지를 통한 의학소견 제공, 예측모델 분석결과를 통한 의학지식 자동증강, 뇌졸중과 관련된 의학지식 QA기능을 제공한다. 기업 및 의료기관에서는 본 기술을 이용하여, 웨어러블 디바이스를 통한 생체신호 수집을 통하여 AI기반 뇌졸중 예측과 뇌졸중 의학지식 온톨로지를 사용하여 예측결과에 대한 의학소견을 제공하는 요소 기술을 확보할 수 있으며, 본 기술의 확장을 통해 AI 기반 뇌졸중 질환 예측 서비스를 구성할 수 있다.
A. 필요성
- 기존의 헬스케어 및 의료진단 서비스는 질환 예측의 주요 변수인 대상자의 개인정보(나이, 성별, 보유질병, 흡연여부, 음주여부등)와 건강검진 내역 등을 고려하는 않는 실시간으로 개인의 생체정보 또는 신호만을 수집 및 분석하는 서비스였다.
- 또한, 의학지식베이스만으로 질환을 예측하는 방법은 일반적인 의학 소견 도출이 가능하지만, 실시간 생체정보를 고려하지 않기 때문에 실시간 개인화된 분석이 어려웠다.
- 따라서, ICT 기술 기반 질환 예측을 위해서는 생체신호 데이터 기반 분석방법과 의학지식베이스 기반 분석방법의 융합이 절실히 필요하다.
- 두 가지 질환 예측을 위한 방법의 한계를 극복하고 보완하기 위한 방법 및 시스템 요구되고 있다.
B. 목적
- 본 기술이전의 근본적인 목적은 기업 및 의료기관에서 뇌졸중과 같은 질환 예측을 위한 서비스를 빠르게 구축하기 위해 의료 인공지능 기술(생체신호를 이용한 딥러닝 기반의 질환 예측 기술, 의학 지식베이스 기술)의 핵심 요소를 제공하여 질환 예측 분야에서 인공지능 서비스를 확장하는 기반을 제공하는데 그 목적이 있다.
- 또한, 기존의 생체신호를 통한 질환 예측 서비스에 인공지능의 핵심 요소 기술을 제공함으로써, 해당 도메인의 서비스의 기능 및 편의성을 확장하는 데에 그 목적이 있다
- 주요 특징
* 뇌졸중 예측을 목적으로 한 2종 생체신호(EMG, Motion)의 데이터 전처리 기능
* 2종 생체신호(EMG, Motion)의 피쳐 추출 기능
* 학습모델 자동 생성을 위한 학습기능
* 학습 모델 관리 기능
* 실시간 생체신호를 수집을 통한 실시간 학습모델 기반 추론 기능
* 뇌졸중과 관련된 인체의 해부학적 구조, 증상, 질환을 의미적으로 연계하는 뇌졸중 온톨로지 제공
* 의학 온톨로지의 추가, 생성을 용이하게 하는 인터페이스 제공
* 다양한 의학온톨로지 추론을 적용하기 위한 사용자 추론규칙 추가 및 수정 기능
* 표준 온톨로지 쿼리 기능 제공
* 학습모델 추론을 통한 예측 결과 및 의학지식베이스 연동을 위한 인터페이스 제공
* 자연어 형태의 사용자 질의 처리를 제공하는 의학지식 QA 기능 제공
- 장점
* 지속성 : 표준 의학용어를 활용하여 질환예측 분야에서 공통으로 활용 가능한 데이터를 제공함으로써, 질환예측 분야의 인공지능 기술력 내재화 가능
* 다양성 : SW 컴퍼넌트들의 조합으로 다양한 응용 서비스 시스템 구성 가능
* 재활용성 : 학습모델 추론을 통한 예측결과의 지식베이스 저장을 통한 재활용 및 공유 기능 제공
* 확장성 :
(1) 다양한 생체신호 학습 및 추론을 위한 인터페이스 제공
(2) 다양한 지식베이스 생성, 추론을 위한 인터페이스 제공
* 편의성 :
(1) 웹 기반 지식베이스 생성, 추론, 연계, 조회, 퀴리를 위한 Restful 인터페이스제공
* 예측모델 생성을 위한 학습 기능
- 2종 생체신호(EMG, Motion)별 예측모델 생성을 위한 데이터 로더 기능
- 2종 생체신호(EMG, Motion)별 예측모델 생성을 위한 학습 기능
* 예측 모델 기반 추론 기능:
- 2종 생체신호(EMG, Motion) 기반의 예측모델 추론 기능
- 2종 생체신호(EMG, Motion)별 예측모델 저장 및 관리 기능
* 의학지식 온톨로지 로딩 기능 : 외부 온톨로지 형태의 의학지식 로딩 기능
- 온톨로지 표준 모델인 (RDF, RDFS, OWL) 파일 형태의 지식파일 로딩 기능
- 온톨로지 표준 모델인 (RDF, RDFS, OWL) 파일 형태의 지식컨텐츠 로딩 기능
* 의학지식 온톨로지 추론 규칙 적용 기능
- 온톨로지 호환 규칙 포맷(SWRL)으로 작성된 규칙 파일 적용 기능
- 온톨로지 호환 규칙 포맷(SWRL)으로 작성된 규칙 적용 기능
* 의학지식 온톨로지 추론 및 표준 쿼리 수행 기능 :
- 온톨로지 표준 쿼리 언어(SPARQL) 수행 기능
- 온톨로지 스키마 추론 및 규칙 추론 수행 기능
* 예측모델 추론을 통한 분석값 기반 의학지식 증강 기능
- 예측모델 분석값 의학지식 어노테이팅 기능
- 새로운 지식 추가를 통한 전체 지식베이스 증강 기능
* 뇌졸중 의학지식 조회 기능
- 자연어 형태의 사용자 질의 표준 쿼리언어인 SPARQL 매핑 기능
- 자연어 형태의 사용자 질의 분석 기능
* 뇌졸중 의학예견 정보 제공 기능
- 뇌졸중과 관련된 신체부위, 예견증상, 예견 질병 제공 기능
* 실시간 뇌졸중 사전감지 기술 (RSPS)
- RSPS SW (바이너리 제공, 소스코드 제공)
- 2종 생체신호(EMG, Motion) 학습 모델
- 요구사항, 구조설계 문서, 시험절차 및 결과서
* 지식기반 의학 추천 기술(KBDMRS)
- KBDMRS SW (바이너리, 소스코드 제공)
- 의학지식 온톨로지 파일(.OWL 파일 8개 제공)
- 요구사항, 구조설계 문서, 시험절차 및 결과서
A. 적용분야 : 건강
. 실시간 질환 예측 및 진료보조
. 개인 질병 예측 및 예방 시스템
. 뇌졸중 자가진단 예측 시스템
. 고령자 모니터링 서비스
. 고령자 라이프로그 분석 서비스
. 의학지식기반 헬스 어드바이저 시스템
. 의학지식 제공을 위한 의학지식 큐레이션 서비스
B. 기대효과
- ICT 환경에서 기존의 생체신호 센서 데이터만을 이용하여 질환을 예측하는 시스템의 한계를 극복하고, 예측 과정의 세부 절차 곳곳에 의학지식베이스와 유기적 연동을 통해 예측 과정의 정확도를 향상 시킬 수 있다.
- 기존의 설명 불가능한 데이터 기반 예측 결과를 의학지식베이스를 통한 도메인 특화된 정보로 재해석함으로써 전체적인 예측의 타당성을 높일 수 있다.
- 질환 예측 분야에서 데이터 기반 분석방법과 지식베이스 기반 분석방법을 세부적인 절차 과정에서 연계함으로써, 질환 예측 도메인 특화된 분석방법을 제공하기 위한 공통 시스템으로 활용 가능하다.
- 사용자 의학지식 QA 기술 제공을 통해, 사용자에게 분석결과를 효과적으로 제공해 줄 수 있어, 자신의 질환에 대한 빠른 의사결정에 도움을 줄 수 있다.
- 특히, 이전기술에서 제공하는 확장성을 기반으로 질환 예측 분야에서 뇌졸중 뿐만 아니라 다른 질환에 대해서도 같은 방법론으로 빠르게 서비스를 제공함으로써, 기업이나 병원에 빠른 인공지능 질환 예측 서비스를 구축하는데 기여할 수 있다.