[논문]바이오 헬스케어 분야 국가연구개발 특허성과 네트워크 분석

권영은; 김재수

doi:10.15207/jkcs.2018.9.12.017

바이오 헬스케어 분야 국가연구개발 특허성과 네트워크 분석
Analysis of National R&D Patent Performance Network in Bio-Healthcare Sector 원문보기

한국융합학회논문지 = Journal of the Korea Convergence Society, v.9 no.12, 2018년, pp.17 - 24

권영은 (과학기술연합대학원대학교 과학기술경영정책) , 김재수 (과학기술연합대학원대학교 과학기술경영정책)

초록
AI-Helper

본 논문은 바이오 헬스 분야의 기술융합구조와 핵심기술 연구 분야를 파악하기 위해 국가R&D 수행으로 창출된 특허성과를 기반으로 네트워크 분석을 실시한 논문으로서, 이를 위한 기반 연구인 특허네트워크 분석을 실시하여 이에 대한 문제점을 도출하고 NTIS로부터 데이터를 수집하여 연구프레임 네트워크를 기반으로 바이오 헬스케어 분야 국가R&D 특허 현황 분석과 IPC 네트워크 분석을 통해 도출된 5개의 그룹을 바이오 헬스케어 분야 기술체계 기준으로 주제를 선정하였다. 분류된 것을 대상으로 기술 파급효과가 가장 높은 기술을 도출하여 다른 분야의 비교를 통해 국가R&D 분야의 연구비 투자에 대한 방향을 제시하였다. 향후 해외특허자료 분석을 추가적으로 실시하고, 기술융합과 정부투자 연구비의 상관분석을 보완하여 연구비투자 방향성 모색에 기여할 것으로 판단된다.

Abstract ▼ AI-Helper

This study attempted to analyze technology convergence structure and key technology research sectors in bio-health. For this, network analysis was performed based on the patent outcomes achieved through national R&Ds. Then, a patent network was analyzed to derive problems and collect data from the National Science & Technology Information Service. With the five groups obtained through the analysis of IPC network and national R&D patents in bio-health based on a research frame network, topics were chosen based on the bio-healthcare technology system. Then, the technology with the greatest ripple effects was derived and compared to other sectors, suggesting a direction for national R&D investments. It is anticipated that this study would make a contribution to a search for R&D investment direction by additionally analyzing overseas patent data and improving correlation analysis between technology convergence and government-led R&D expenses.

주제어

표/그림 (8)

그림 Fig. 1. Research Framwork
표 Table 1. Definition of Technology convergence
표 Table 2. Number of patent applications
그림 Fig. 2. Number of Convergence technology patents
그림 Fig. 3. IPC-based Patent Network in Bio-Healthcare
표 Table 3. Technical topics-Top10 IPC by Network Cluster
표 Table 4. Government R&D investments
표 Table 5. Centrality of IPC(Top 20)

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

또한, NTIS 데이터를 활용하여 기술 주제별 정부투자연구비 추이를 파악하여서 향후 국가R&D 연구비 투자에 대한 방향성을 제시하고자 한다.
본 논문은 과제의 성과로서의 특허의 양적 분석과 IPC(Ineternational Patent Code)네트워크 분석을 통한 정성·정량 분석과 기술융합의 구조 및 핵심기술 분야를 파악하고, 연구투자의 효율성 높이는 방향을 제시하고자 한다.
본 연구를 통해 국가R&D과제에서 창출된 기술적 측면을 분석하고 기술융합 구조를 파악할 수 있었다.
본 연구에서는 바이오 헬스케어 분야의 기술융합구조와 핵심기술연구 분야를 파악하기 위해 국가R&D 수행으로 창출된 특허성과(IPC)를 기반으로 네트워크 분석을 실시하였다.
뿐만 아니라, 각 IPC가 내포하고 있는 서브클래스 인덱스를 도표에 함께 서술함으로써 기술이 가지고 있는 특성을 구체적으로 파악하여, 기술 주제를 선정함에 있어 정확성을 높이고자 하였다.

제안 방법

그 후 특허출원·등록번호를 키 필드로 설정하여 하나의 데이터로 통합시켜 기초 데이터를 마련하였다.
기존 연구에서 기술융합이 활발히 일어나는 분야를헬스케어 분야로 선정하고 단일IPC 매칭을 제외한 특허 데이터를 분석하여, 기술융합패턴을 정의하는 방법을 제안하였다. 이를 통해 기술융합의 분야와 성장 속도를 확인했다.
네트워크에서 IPC간의 연결 정도·매개·근접중심성과 모듈성을 분석하여 스마트 헬스케어 분야 국가 R&D의 기술융합 구조와 기술별 국가R&D 투자추이를 파악하였다.
넷째, 네트워크 맵을 위해 Gephi를 활용하여 매트릭스를 맵으로 시각화하고, 해당연구 활성화 기술 분야, 매개기술 분야, 융합 기술 구조를 파악하였다.
둘째, 기술융합을 정의하기 위해 IPC를 토대로 Table 1과 같이 기술융합 식별 예시를 재구성하였다[1]. 하나의 특허에 한 개의 IPC만 부여(P1)되었거나, 같은 코드가 복수개 부여된 특허(P2)는 단일기술로 정의하였으며, 분석대상에서 제외했다.
본 연구에서는 Fig. 1의 절차에 따라 국가R&D수행을 통해 창출된 특허의 IPC 동시 분류 네트워크 분석을 실시하였다.
IPC는 섹션(영문)-클래스(숫자)-서브클래스(영문)-그룹(숫자)의 계층구조로 되어 있으며[7], 광의의 기술 분야에서 세부 기술 분야까지 코드로서 표현한다. 서브클래스 색인은 서브클래스의 기술을 파악할 수 있도록 정보 요약을 한 것으로 본 논문에서 서브클래스 코드와 색인을 활용하여 분석을 실시하였다.
셋째, 동시 출현 빈도를 이용한 IPC 네트워크 분석을 위한 1-mode로 매트릭스를 생성하였다. 매트릭스 생성을 통해 IPC들 간에 공유정도를 파악할 수 있고, 네트워크 분석 맵을 위한 기초자료가 된 된다.
우선, 네트워크 맵을 통해 그룹별로 융합된 기술을 살펴보고 주제를 선정하기 위해 최근 발표된 바이오 헬스산업 동향 및 기술전략[4]를 토대로 기술체계와 주제를 선정하였다.
기존 연구에서 기술융합이 활발히 일어나는 분야를헬스케어 분야로 선정하고 단일IPC 매칭을 제외한 특허 데이터를 분석하여, 기술융합패턴을 정의하는 방법을 제안하였다. 이를 통해 기술융합의 분야와 성장 속도를 확인했다. 하지만, 해당 연구는 IPC 쌍의 연구에만 한정하였다는 한계점을 지니고 있다[8].
또 다른 연구에서는 특허 정보를 활용해 사물인터넷 헬스케어 분야의 기술 트렌드를 분석하고 해결과제와 수단을 도출한 후 유사 분야를 그룹핑 하여 OS Mtrix 분석을 실시하였다. 이를 통해 기술의 공백영역을 판단하고 향후기술 개발 분야를 분석하였다[9].
직관적인 기술융합구조를 파악을 위해 Fig. 3과 같이 IPC 네트워크 맵으로 시각화 하였다. 시각화 수행 시 명확한 기술의 연결 관계성 파악을 위해 10회 미만 출현한 IPC는 Cut-off하였다[12].
첫 번째, 분석을 위한 기초 데이터 생성을 위해 두 종류의 데이터를 수집 후 하나의 데이터로 통합하였다. 우선 NTIS로부터 국가R&D 수행으로 창출된 바이오 헬스케어 분야의 특허출원·등록정보(총 9732개)이다.
첫째, 국가R&D과제에서 창출된 해외특허 출원·등록 데이터는 제외되었고, 국내 출원·등록 특허자료만으로 한정지어 연구하였다.

대상 데이터

NTIS에서 기준년도(2007~2016년)간 바이오 헬스케어 분야 전문가를 통해 키워드 셋(51개)을 선정하여 수집된 국가R&D과제·성과 정보 10,630건에서 중복된 성과정보를 제거하여 9,732건을 선정하였다.
본 네트워크 분석은 IPC간의 연관 관계를 중심성 값과 IPC 네트워크 맵을 도출하기 위하여, 분석대상을 융합기술 특허(P3,P4)를 정의하고 4,200개 데이터만을 대상으로 네트워크를 생성하였다.
우선 NTIS로부터 국가R&D 수행으로 창출된 바이오 헬스케어 분야의 특허출원·등록정보(총 9732개)이다.

이론/모형

IPC를 활용하여 기술융합의 구조를 분석하기 위해 특허동시분류분석(patent co-classification analysis)를 활용 한다[2]. IPC는 국제 특허 코드로서 특허가 속한 기술 분야를 의미한다.

성능/효과

H01L코드를 포함하는 국가R&D 과제 정보를 추적하여 과제명, 연구 분야 등을 확인한 결과 나노기술을 접목한 바이오 연구 및 기술 분야인 것으로 밝혀졌다.
그 결과, 네트워크 상에서 5개의 그룹을 기술 주제별로 정의할 수 있었다. 주제는 바이오 헬스케어 정의와 개념을 바탕으로 G1(진단기술), G2(의료기기), G3(응용기술), G4(의약품), G5(기타기술)로 정의하였고, 기술 파급력이 가장 높은 기술은 G1의 A61B임을 도출하였다.
Table 5는 각 중심성 값을 상위 10개 IPC로 정리한 것이다. 연결 정도 중심성이 가장 높은 IPC는 G01N(재료의 화학적 물리적 성질 검출에 의한 재료의 조사 또는 분석), A61B(진단, 수술, 개인식별), G06F(전기에 의한 디지털데이터)처리 순으로 나타났다. 이는 바이오 헬스케어 기술 중에서도 디지털에 해당되는 기술분야인 것을 알 수 있다.
정부투자 연구비가 가장 많이 투자된 순으로 나열하면 G4, G3, G1, G5, G2가 된다. 의약품에 대한 투자가 가장 활발했으며, 진단기술의 투자는 응용기술보다도 낮은 3순위로 나타났으며, 그 다음으로 기타 기술, 의료기기 순으로 나타났다.
그 결과, 네트워크 상에서 5개의 그룹을 기술 주제별로 정의할 수 있었다. 주제는 바이오 헬스케어 정의와 개념을 바탕으로 G1(진단기술), G2(의료기기), G3(응용기술), G4(의약품), G5(기타기술)로 정의하였고, 기술 파급력이 가장 높은 기술은 G1의 A61B임을 도출하였다. G3의 G01N이 중심성은 가장 높게 나왔지만, 응용기술의 특성상 다른 기술을 주도하는 기술이 아닌 조력기술이기 때문에, A61B를 기술 파급력이 가장 높은 것으로 판단했다.
2에서 연평균 성장률(점선)은 융합특허에서 7%로서 가장 가파르게 성장하고 있다. 특허 성장률 4.1% 대비 기술융합 비율은 탁월한 것으로 분석되었다.
하나의 IPC가 부여된 특허(P1)는 전체특허 중 1,164개(12%), IPC가 2개 이상 이면서 단일기술인 특허(P2)는 4,368개(45%), 2개 이상의 기술 분야가 융합된 특허(P3,P4)는 4,200개(43%)로 나타났다. 하지만, Fig.
한 개의 특허 당 여러IPC가 할당되는 점을 고려하여, 그룹별 중복되는 과제를 제거 후, 추산된 정부투자연구비 규모는 해당분야 정부투자연구비 규모 대비 상위 중심성 10위에 해당하는 IPC의 투자비율은 73.66%를 커버하는 것으로 나타났다.

후속연구

첫째, 국가R&D과제에서 창출된 해외특허 출원·등록 데이터는 제외되었고, 국내 출원·등록 특허자료만으로 한정지어 연구하였다. 둘째, 기술융합 성과와 정부투자연구비와의 상관분석을 실시하지 않았다는 한계점이 존재한다.
향후 한계점을 개선하여 기술융합과 정부투자 연구비와의 상관관계를 분석하고, 추가적으로 해외특허 분석을 반영한다면 더욱 정확한 결과를 얻을 뿐만 아니라, 연구비 투자의 방향성을 제시할 수 있을 것이라 판단된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	IPC란 무엇인가?	IPC를 활용하여 기술융합의 구조를 분석하기 위해 특허동시분류분석(patent co-classification analysis)를 활용 한다[2]. IPC는 국제 특허 코드로서 특허가 속한 기술 분야를 의미한다. IPC는 섹션(영문)-클래스(숫자)-서브클래스(영문)-그룹(숫자)의 계층구조로 되어 있으며[7], 광의의 기술 분야에서 세부 기술 분야까지 코드로서 표현한다.
	IPC는 어떠한 구조로 이루어져 있는가?	IPC는 국제 특허 코드로서 특허가 속한 기술 분야를 의미한다. IPC는 섹션(영문)-클래스(숫자)-서브클래스(영문)-그룹(숫자)의 계층구조로 되어 있으며[7], 광의의 기술 분야에서 세부 기술 분야까지 코드로서 표현한다. 서브클래스 색인은 서브클래스의 기술을 파악할 수 있도록 정보 요약을 한 것으로 본 논문에서 서브클래스 코드와 색인을 활용하여 분석을 실시하였다.
	클라우드슈밥이 제시한 기술현실도는 어떤 분야와 관련이 있는가?	세계경제포럼에서 클라우드슈밥은 4차 산업혁명을 가르켜 디지털 혁명을 기반으로 기술융합이 가져오는 사회변화라고 일컬으며, 티핑포인트가 될 기술현실도를 제시했다. 이중 다수기술이 보건산업과 관련되어 있었다[3]. 이처럼 기술적 변화로 인해 보건산업의 경계가 허물어지고, 헬스케어 영역으로의 확장되며 복잡한 융합구조를 가지는 것을 특징으로 하고 있다.

참고문헌 (17)

J. Y. Choi. & Y. A. Joe. & S. K. Jeong. (2013). Technology convergence measurement and diffusion trend analysis using patent data. Seoul : KIET.
S. U. Bae. & D. G. Kwag. & E. Y. Park. (2015) The Study of the Aviation Industrial Technology Convergence through Patent analysis. Journal of the Korea Convergence Society, 6(5), 219-225. DOI: 10.15207/JKCS.2015.6.5.219

원문보기 상세보기
Analyzing and responding to the main sectors of industry that lead the fourth industrial revolution era, (2015). Seongnam City : Infofo
Bio-health industry trend and technology strategy, (2017). Seoul : KIAT.
M. H. Lee. (2016). Bio-Health Innovation System and the Role of Government. Seoul : STEPI.
Frascati Manua, (2016). Seoul : OECD&KISTEP
J. C. Choi. (2018). Big Data Patent Analysis Using Social Network Analysis. Journal of the Korea Convergence Society, 9(2), 251-257
J. H. Yun. & Y. J. Geum. (2016). Analyzing dynamic patterns of technology convergence using patent co-classification analysis : a case of healthcare service. Industrial Engineering &Management Systems, 2016(11), 383-391.
J. H. Kim. & M. S. Lee. & H. C. Kim. (2017). Healthcare in the Internet of Things Major Applications Trends : Focusing on Patient Analysis. Korea Technology Innovation Society Conference, 2017(11), 1507-1521.
I. D. Cho. & N. G. Kim. (2011). Recommending Core and Connecting Keywords of Research Area Using Social Network and Data Mining Techniques. Journal of Intelligence and Information Systems, 17(1), 127-138.
J. E. .Heo. & C. H. Yang. (2013). Applying Network Analysis in Convergent Research Relationships: The Case of High-Tech Convergence Technology Development Program. Journal of Korea Technology Innovation Society, 16(4), 883-912.
Y. J. Han. (2017). Patenting Trend of Internet of Things(IoT) in China. Journal of the Korea Convergence Society, 8(8), 1-8.
K. Y. Shin. & J. H. Lee. (2013). An Employment Verification Method Using Social Network Analysis. Journal of KISS : Databases, 40(6), 370-376.
Diagnose bio-health industry issues to realize bio economy, (2017). Seoul : KISTEP.
K. Y. Kwahk.(2017). Social network analysis. Seoul : ChungRam
National Science & Technology Information Service, http://www.ntis.go.kr
Korea Intellectual Property Rights Information Service, http://www.kipris.or.kr

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증