유비쿼터스스마트 헬스케어에서 융합기술 급격히 발달하고, 이동식 모바일 장치가 보급됨에 따라 사용자는 스마트 헬스 플랫폼을 통해 의료 정보를 손쉽게 얻을 수 있게 되었다. 이러한 급격한 산업화, 웰니스 케어, 고령화 사회, 정보화 사회, 질병양상 및 생활습관의 변화, 의약분업 실시 등에 따라, 사용자 중심의 건강관리 및 건강증진 콘텐츠가 제공되고 있다. 이에 본 논문에서는 스마트 헬스를 위한 마이닝 기반의 정신 건강과 혈압 관리 서비스를 제안한다. 제안하는 방법은 마이닝 기반의 스마트 헬스 플랫폼에서 정신 건강관리 서비스와 혈압관리 서비스를 만성질환자를 위해 제공한다. 사용자는 PHR 기반의 스마트 헬스 플랫폼에서 시간과 장소에 구애 받지 않고 최적화된 건강관리 서비스를 제공받는다. 제안한 마이닝 기반의 정신 건강과 혈압 관리 서비스의 성능평가 결과, F-검증에서 우수한 성능을 보인다.
유비쿼터스 스마트 헬스케어에서 융합기술 급격히 발달하고, 이동식 모바일 장치가 보급됨에 따라 사용자는 스마트 헬스 플랫폼을 통해 의료 정보를 손쉽게 얻을 수 있게 되었다. 이러한 급격한 산업화, 웰니스 케어, 고령화 사회, 정보화 사회, 질병양상 및 생활습관의 변화, 의약분업 실시 등에 따라, 사용자 중심의 건강관리 및 건강증진 콘텐츠가 제공되고 있다. 이에 본 논문에서는 스마트 헬스를 위한 마이닝 기반의 정신 건강과 혈압 관리 서비스를 제안한다. 제안하는 방법은 마이닝 기반의 스마트 헬스 플랫폼에서 정신 건강관리 서비스와 혈압관리 서비스를 만성질환자를 위해 제공한다. 사용자는 PHR 기반의 스마트 헬스 플랫폼에서 시간과 장소에 구애 받지 않고 최적화된 건강관리 서비스를 제공받는다. 제안한 마이닝 기반의 정신 건강과 혈압 관리 서비스의 성능평가 결과, F-검증에서 우수한 성능을 보인다.
As the convergence technology is developing rapidly and the portable mobile devices are spreading in ubiquitous smart healthcare, users were able to get medical information easily through the smart health platform. According to such rapid industrialization, wellness care, aging society, information ...
As the convergence technology is developing rapidly and the portable mobile devices are spreading in ubiquitous smart healthcare, users were able to get medical information easily through the smart health platform. According to such rapid industrialization, wellness care, aging society, information society, changes in disease aspects and life style, user-centered healthcare, and health promotion contents are being offered. In this study, we proposed the mining based mental health and blood pressure management service for the smart health. The proposed method provides the mental health management service and the blood pressure management service for chronic disease patients within the mining based smart health platform. Users receive optimized healthcare services regardless of time and place in the PHR based smart health platform. For the performance evaluation of the proposed mining based mental health and blood pressure management service, F-measure verification are conducted.
As the convergence technology is developing rapidly and the portable mobile devices are spreading in ubiquitous smart healthcare, users were able to get medical information easily through the smart health platform. According to such rapid industrialization, wellness care, aging society, information society, changes in disease aspects and life style, user-centered healthcare, and health promotion contents are being offered. In this study, we proposed the mining based mental health and blood pressure management service for the smart health. The proposed method provides the mental health management service and the blood pressure management service for chronic disease patients within the mining based smart health platform. Users receive optimized healthcare services regardless of time and place in the PHR based smart health platform. For the performance evaluation of the proposed mining based mental health and blood pressure management service, F-measure verification are conducted.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
또한 스마트 헬스 서비스에서 IoT 디바이스와 보건의료 솔루션의 개발은 차별화된 건강관리 기능을 가진 제품에 대한 서비스가 가능하여 기업은 지속적인 투자와 연구를 진행하고 있다[3,4,13]. 따라서 본 논문에서는 스마트 헬스를 위한 마이닝 기반의 정신 건강과 혈압 관리 서비스를 제안한다. 제안하는 방법은 마이닝 기반의 스마트 헬스 플랫폼에서 정신 건강 관리 서비스와 혈압관리 서비스를 만성질환자를 위해 제공한다.
제안 방법
마이닝 기반의 스마트 헬스 플랫폼에서 잠재적 연관성에 대한 적합성 검증하고 만성질환 데이터를 마이닝을 이용하여 치료의 지속성 및 질병예방, 건강증진을 위한 통합형 개인건강기록 플랫폼 구조로 개발한다. 소셜 미디어로부터 사회적으로 파장이 큰 이슈 중에서 부정적으로 형성될 의료 토픽을 정의하여 자동으로 탐지한다.
모수요인은 혈압질환 관련 질병 유병여부이다. 모수요인 1건을 제외한 전체변수와 종속 변수간의 비교를 수행한다.
사용자의 검진조사 결과로 온톨로지 지식베이스를 구성한다. 빈번히 함께 발생하는 상황정보 집합과 보건의료 빅데이터 개방 시스템[6]에서 제공하는 정보를 활용하여 연관성 발견한다. 이는 비정형 데이터로부터 연관성 있는 정보를 추출해 내기 위해 빅데이터 분석 기법을 사용한다.
[Fig 2]는 정신건강 지수의 예측을 나타낸다. 새로운 사용자의 데이터를 설문조사를 통해 수집하고, 이를 국민영양조사를 통해 군집한 정신건강 지수 그룹과 비교한다. 유사한 정신건강 지수 그룹으로 분류한 후 그룹 내의 사용자와 유사도를 계산하고 협력적 필터링을 통해 정신건강관리 서비스를 제공한다.
스마트 헬스 플랫폼에서 제안한 마이닝 기반의 정신건강과 혈압 관리 서비스의 유효성 검증을 위해 성능 평가를 진행한다. 정신 건강과 혈압 관리 서비스의 정확도 측정을 위해 사용자의 수를 증가시키면서, F-검정으로 분석을 한다.
이는 설문조사를 통해 우울질환 관련 유병여부, 의사진단여부, 진단 시기 등의 객관적인 항목을 추가한다. 정신건강 지수 행렬을 구성하는 방법을 통해 새로운 사용자와 실제 우울증 환자를 비교, 분석함으로써 객관적인 결과를 예측한다[16]. [Table 2]는 정신건강 지수 행렬을 나타낸다.
따라서 본 논문에서는 스마트 헬스를 위한 마이닝 기반의 정신 건강과 혈압 관리 서비스를 제안한다. 제안하는 방법은 마이닝 기반의 스마트 헬스 플랫폼에서 정신 건강 관리 서비스와 혈압관리 서비스를 만성질환자를 위해 제공한다.
소셜 미디어로부터 사회적으로 파장이 큰 이슈 중에서 부정적으로 형성될 의료 토픽을 정의하여 자동으로 탐지한다. 추이를 라이프 빅데이터 마이닝 분석함으로써 만성질환의 확산 방향과 위험도를 예측한다.
대상 데이터
국민건강 영양조사는 지역단위의 대표성, 신뢰성을 목표로 만든 통계 자료이다[8]. 고혈압과 저혈압 분석을 위한 기초 자료는 국민건강영양조사 원시자료를 활용한다. 국민의 구성은 건강수준, 건강행태와 식품 및 영양섭취 실태로 되어 있다.
전처리 과정을 통해 우울질환에 대하여 의사진단여부에 ‘아니다’ 응답하고, 진단 시기에는 응답과 같이 일관성이 불확실한 사용자를 행렬에서 제외한다. 또한 무응답 항목이 2개 이상 발생한 사용자를 행렬에서 제외하고, 응답의 일관성이 우수한 50명의 사용자를 이용하여 행렬을 구성한다. 구성한 정신건강 지수 행렬은 k-means 군집을 이용하여 유사 사용자를 군집한다.
F-검정 분석은 평균적 정확률과 입력된 각 사용자 정보에 따른 건강지수를 서비스하고, 서비스의 결과의 예측 값과 실제 값을 비교하는 분석 방법이다[2]. 정신 건강과 혈압 관리 서비스의 정확도 측정을 위해, 본 논문에서는 기존의 건강지수 서비스를 제공받은 후, 높은 만족도를 나타내었던 사용자 150명의 개인건강 데이터[3]을 선별하고, 이를 성능평가를 위한 마이닝 예측 결과 데이터로 활용하였다. 제안하는 정신 건강과 혈압 관리 서비스의 정확도를 평가하기 위해 임의의 사용자 정보 500개를 활용하여 제공정보의 정확률, 재현율, F-검정을 평가한다.
실제로 사용되는 원천자료는 건강 설문조사, 검진조사와 영양조사로 이루어진다. 항목으로는 전체 726개 항목으로 구성되며 자료의 건수는 8,024건이다. 실제 사용을 위해서는 무응답 또는 오류 등의 전처리 작업이 필요하며, 관련성이 없는 과거 행적이나 청소년기 이전의 내용, 출산관련 내용을 제외한다.
데이터처리
스마트 헬스 플랫폼에서 제안한 마이닝 기반의 정신건강과 혈압 관리 서비스의 유효성 검증을 위해 성능 평가를 진행한다. 정신 건강과 혈압 관리 서비스의 정확도 측정을 위해 사용자의 수를 증가시키면서, F-검정으로 분석을 한다. F-검정 분석은 평균적 정확률과 입력된 각 사용자 정보에 따른 건강지수를 서비스하고, 서비스의 결과의 예측 값과 실제 값을 비교하는 분석 방법이다[2].
정신 건강과 혈압 관리 서비스의 정확도 측정을 위해, 본 논문에서는 기존의 건강지수 서비스를 제공받은 후, 높은 만족도를 나타내었던 사용자 150명의 개인건강 데이터[3]을 선별하고, 이를 성능평가를 위한 마이닝 예측 결과 데이터로 활용하였다. 제안하는 정신 건강과 혈압 관리 서비스의 정확도를 평가하기 위해 임의의 사용자 정보 500개를 활용하여 제공정보의 정확률, 재현율, F-검정을 평가한다. 임의의 사용자 정보는 국민건강 영양조사[8]를 활용한다.
이론/모형
또한 무응답 항목이 2개 이상 발생한 사용자를 행렬에서 제외하고, 응답의 일관성이 우수한 50명의 사용자를 이용하여 행렬을 구성한다. 구성한 정신건강 지수 행렬은 k-means 군집을 이용하여 유사 사용자를 군집한다. 군집 결과 k가 5일때, 군집이 가장 우수하게 나타나며 정신건강 지수 그룹 1부터 그룹 5까지로 구성한다.
마이닝 기반의 저혈압과 고혈압 관련 질환 위험 지수 서비스 모델을 구성하기 위하여 PASW(Ver 19.0)을 이용하며, 혈압 질환과 관련된 요인의 유의성을 판별하기 위한 모형으로 각종변수간의 종속 관계를 판별하는 것을 의미하는 선형모형의 다변량 분석 알고리즘을 사용한다. 다변량 분석의 형태 구성을 위한 하위설정으로는 완전요인 모형 형태로 설정을 하며, 이 형태는 분석결과에 주 효과, 블록변수 효과와 상호작용 효과, 절편이 포함된 것을 의미한다.
이는 비정형 데이터로부터 연관성 있는 정보를 추출해 내기 위해 빅데이터 분석 기법을 사용한다. 빅데이터 분석 기법 중에서 마이닝을 사용하여 AprioriAll 알고리즘을 이용하여 의료 정보간의 연관관계를 발견한다. 최소 지지도를 만족하는 트랜잭션으로 구성한 상황 집합을 발견한다.
신규 사용자의 입력 자료는 이산형의 입력정보로 구성되며 혈압 질환이 종속 변수로 이루어진다. 신규 입력 자료와 혈압 질환자간의 유사도 가중치를 계산하기 위한 공식으로 자카드 계수를 이용한다. 값이 적을수록 만성 질환 속성요소가 유사하다고 판별한다.
빈번히 함께 발생하는 상황정보 집합과 보건의료 빅데이터 개방 시스템[6]에서 제공하는 정보를 활용하여 연관성 발견한다. 이는 비정형 데이터로부터 연관성 있는 정보를 추출해 내기 위해 빅데이터 분석 기법을 사용한다. 빅데이터 분석 기법 중에서 마이닝을 사용하여 AprioriAll 알고리즘을 이용하여 의료 정보간의 연관관계를 발견한다.
성능/효과
F-검정으로 분석한 결과, 전체적으로 제안하는 방법의 정확률, 재현율은 평균 87%를 상회하는 결과를 나타내었으며 그 중에서도 재현율은 88% 이상을 나타내었다. 이는 스마트 헬스 플랫폼에서 제안하는 방법을 통한 정신 건강과 혈압 관리 서비스를 제공하였을 때 F-검정이 평균 87%로 우수함을 확인할 수 있다.
F-검정으로 분석한 결과, 전체적으로 제안하는 방법의 정확률, 재현율은 평균 87%를 상회하는 결과를 나타내었으며 그 중에서도 재현율은 88% 이상을 나타내었다. 이는 스마트 헬스 플랫폼에서 제안하는 방법을 통한 정신 건강과 혈압 관리 서비스를 제공하였을 때 F-검정이 평균 87%로 우수함을 확인할 수 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
개인건강기록의 정의는?
개인건강기록(PHR)은 개인 또는 가족의 평생기간 동안의 건강 정보의 데이터의 의미와 안전한 보관과 관리로 정의된다[7]. PHR은 데이터가 오랜 기간 많이 누적됨에 따라 활용 및 유용성이 높아진다.
스마트 디바이스를 통해 원격진료를 하는 과정은?
고령화 사회에서 질환관리는 만성질환자의 증가로 인하여 언제 어디서나 접근이 편리한 스마트 디바이스를 이용한 건강관리로 변화하고 있고, 원격진료 확대를 통해 국민보건 증진 계획이 진행되고 있다. 이는 생체신호 및 건강정보를 측정하고 M2M, P2P, Hybrid P2P 등의 유무선 통신망을 통해 의료기관에 보안 전송한 후 건강상태를 분석하고 피드백 해줌으로서 만성질환에 대해 원격진료가 가능하다. 일차 의료기관에서 단발성 치료에 한정되었던 의료기관의 진료 서비스가 이제는 스마트 IoT 디바이스를 통해 생활 속에서 언제 어디서나 사용자의 편의성을 고려하여 시간 공간적 제한없이 지속적으로 이용할 수 있는 건강관리 패러다임으로 변화되고 있다.
건강관리 및 증진 패러다임이 변화하는 원인은?
사회적 이슈가 되고 있는 인구 고령화, 만성질환의 증가, 정보통신 기반 융합산업의 발달, 의료기기의 발달, 의료비 증가 등의 복합적인 원인으로 건강관리 및 증진 패러다임이 변화하고 있다. 최근 고령자 건강의 초점은 급성질환 중심에서 만성질환 중심으로 질병 양상이 변화하고 있으며, 질병 발생 후 치료에서 질병관리 및 예방으로 발전하고 있다.
참고문헌 (16)
H. Jung, K. Chung, "P2P Context Awareness based Sensibility Design Recommendation using Color and Bio-signal Analysis", Peer-to-Peer Networking and Applications, Vol. 9, No. 3, pp. 546-557, 2016.
H. Jung, K. Chung, "Knowledge-based Dietary Nutrition Recommendation for Obese Management", Information Technology and Management, Vol. 17, No. 1, pp. 29-42, 2016.
H. Jung, K. Chung, "PHR based Life Health Index Mobile Service using Decision Supprot Model", Wireless Personal Communications, Vol 86, No. 1, pp. 315-332. 2016.
K. Chung, R. C. Park, "P2P Cloud Network Services for IoT based Disaster Situations Information", Peer-to-Peer Networking and Applications, Vol. 9, No. 3, pp. 566-577, 2016.
H. Jung, H. Yoo, K. Chung, "Associative Context Mining for Ontology-Driven Hidden Knowledge Discovery", Cluster Computing, Vol. 19, No. 4, pp. 2261-2271, 2016.
Health Insurance Review and Assessment Service, http://opendata.hira.or.kr/.
K. Chung, Roy C. Park, "PHR Open Platform based Smart Health Service using Distributed Object Group Framework", Cluster Computing, Vol. 19, No. 1, pp. 505-517, 2016.
Korea Centers for Disease Control and Prevention, "6th Korean National Health and Nutrition Examinations Survey (KNHANES VI-1)", Korea Centers for Disease Control and Prevention, 2015.
L. S. Kim, "Convergence of Information Technology and Corporate Strategy", Journal of the Korea Convergence Society, Vol. 6, No. 6, pp. 17-26, 2015.
J. S. Han, "Color and Brightness Calibration Convergence Technology for 5D Virtual Reality Attractions", Journal of the Korea Convergence Society, Vol. 6, No. 7, pp. 25-30, 2016.
S. H. Lee, "Actual Cases and Analysis of IT Convergence for Green IT", Journal of the Korea Convergence Society, Vol. 6, No. 6, pp. 147-152, 2015.
S. Y. Oh, K. Chung, J. S. Han, "Towards Ubiquitous Health with Convergence", International Journal of Technology and Health Care, Vol. 24, No. 3, pp. 411-413, 2016.
S. H. Kim, K. Chung, "Emergency Situation Monitoring Service using Context Motion Tracking of Chronic Disease Patients", Cluster Computing, Vol. 18, No. 2, pp. 747-759, 2015.
J. C. Kim, K. Chung, "Depression Index Service using Knowledge based Crowdsourcing in Smart Health", Wireless Personal Communication, 2016. DOI: 10.1007/s11277-016-3923-3
※ AI-Helper는 부적절한 답변을 할 수 있습니다.