제5항에 있어서,상기 제어모듈은,상기 데이터 셋을 구축 시에, 상기 설정된 데이터 셋 크기에 따라 부족한 값은 제로값을 추가함으로써 제로 패딩을 적용하는 것을 특징으로 하는,환자에 대한 위험도 및 악화 예측을 위한 데이터 처리 장치.

외부 장치와 통신을 수행하는 통신모듈;적어도 하나의 환자에 대한 위험도 및 악화 예측을 위한 적어도 하나의 프로세스를 저장하는 저장모듈; 및상기 적어도 하나의 프로세스를 기반으로 상기 적어도 하나의 환자에 대한 위험도 및 악화 예측을 위한 동작을 수행하는 제어모듈을 포함하며,상기 제어모듈은,상기 저장모듈 또는 별도의 데이터베이스에서 상기 적어도 하나의 환자 중 특정 환자에 대한 EMR 데이터를 획득하고, 상기 EMR 데이터에 대해 항목별 이상치(Outlier)를 제거하고, 상기 이상치가 제거된 EMR 데이터에 대해 기 설정된 기준정보에 따라 입력 시계열의 시간 윈도우 크기를 가변적으로 설정하여 항목별 데이터 셋을 구축하고, 상기 구축된 데이터 셋을 기 설정된 인공지능 기반의 학습모델에 입력하여 상기 특정 환자에 대한 위험도 및 악화 예측에 대한 결과정보를 생성하며,상기 제어모듈은,상기 EMR 데이터에 포함된 시계열 데이터를 통해 특정 항목에 대한 값들의 변화폭이 기 설정된 임계치의 범위를 벗어나면 이상치로 간주하고, 상기 EMR 데이터에 포함된 시계열 데이터 중 연속된 두 개의 데이터가 서로 다른 값을 갖는 경우, 상기 두 개의 데이터 중 정상범위에서 먼 값을 갖는 데이터를 이상치로 간주하는,환자에 대한 위험도 및 악화 예측을 위한 데이터 처리 장치.

삭제

제1항에 있어서,상기 EMR 데이터는,의료진에 의하여 입력되는 데이터로서, 진료기록, 검사, 투약, 증상 및 처치 처방 중 적어도 하나에 대한 데이터를 포함하고,상기 검사에 대한 데이터는 활력징후(vital sign)에 대한 측정 데이터 및 혈액검사에 따른 데이터 중 적어도 하나의 수치형 데이터를 포함하는 것을 특징으로 하는,환자에 대한 위험도 및 악화 예측을 위한 데이터 처리 장치.

삭제

제1항에 있어서,상기 기 설정된 기준정보는,질병, 증상 및 환자 상태에 따라 최적의 데이터 셋 크기가 맵핑되어 저장된 것을 특징으로 하는,환자에 대한 위험도 및 악화 예측을 위한 데이터 처리 장치.

제6항에 있어서,상기 제어모듈은,상기 이상치를 제거 시에, 동일한 환자에 대한 상기 특정 항목의 값을 그룹화하여 묶고, 중앙값(median) 및 차이값(difference)을 확인하고, 상기 확인된 중앙값 및 차이값을 각각에 대해 기 설정된 임계치와 비교하고, 상기 기 설정된 임계치를 벗어나는 값을 제거하는 것을 특징으로 하는,환자에 대한 위험도 및 악화 예측을 위한 데이터 처리 장치.

제1항에 있어서,상기 제어모듈은,상기 이상치를 제거하기 이전에, 상기 EMR 데이터에 대해 결측치가 발생하는지 여부를 판단하여 상기 위험도 및 악화 예측에 적합한 환자 데이터인지 여부를 판단하는 것을 특징으로 하는, 환자에 대한 위험도 및 악화 예측을 위한 데이터 처리 장치.

장치에 의해 수행되는, 환자에 대한 위험도 및 악화 예측을 위한 데이터 처리 방법에 있어서,저장모듈 또는 별도의 데이터베이스에서 적어도 하나의 환자 중 특정 환자에 대한 EMR 데이터를 획득하는 단계;상기 EMR 데이터에 대해 항목별 이상치(Outlier)를 제거하는 단계;상기 이상치가 제거된 EMR 데이터에 대해 기 설정된 기준정보에 따라 입력 시계열의 시간 윈도우 크기를 가변적으로 설정하여 항목별 데이터 셋을 구축하는 단계; 및상기 구축된 데이터 셋을 기 설정된 인공지능 기반의 학습모델에 입력하여 상기 특정 환자에 대한 위험도 및 악화 예측에 대한 결과정보를 생성하는 단계를 포함하고,상기 이상치를 제거하는 단계는,상기 EMR 데이터에 포함된 시계열 데이터를 통해 특정 항목에 대한 값들의 변화폭이 기 설정된 임계치의 범위를 벗어나면 이상치로 간주하고, 상기 EMR 데이터에 포함된 시계열 데이터 중 연속된 두 개의 데이터가 서로 다른 값을 갖는 경우, 상기 두 개의 데이터 중 정상범위에서 먼 값을 갖는 데이터를 이상치로 간주하는,환자에 대한 위험도 및 악화 예측을 위한 데이터 처리 방법.

삭제

제9항에 있어서,상기 EMR 데이터는,의료진에 의하여 입력되는 데이터로서, 진료기록, 검사, 투약, 증상 및 처치 처방 중 적어도 하나에 대한 데이터를 포함하고,상기 검사에 대한 데이터는 활력징후(vital sign)에 대한 측정 데이터 및 혈액검사에 따른 데이터 중 적어도 하나의 수치형 데이터를 포함하는 것을 특징으로 하는,환자에 대한 위험도 및 악화 예측을 위한 데이터 처리 방법.

삭제

제9항에 있어서,상기 기 설정된 기준정보는,질병, 증상 및 환자 상태에 따라 최적의 데이터 셋 크기가 맵핑되어 저장된 것을 특징으로 하는,환자에 대한 위험도 및 악화 예측을 위한 데이터 처리 방법.

제13항에 있어서,상기 데이터 셋을 구축하는 단계는,상기 설정된 데이터 셋 크기에 따라 부족한 값은 제로값을 추가함으로써 상기 제로 패딩을 적용하는 것을 특징으로 하는,환자에 대한 위험도 및 악화 예측을 위한 데이터 처리 방법.

제14항에 있어서,상기 이상치를 제거하는 단계는,동일한 환자에 대한 상기 특정 항목의 값을 그룹화하여 묶고, 중앙값(median) 및 차이값(difference)을 확인하고, 상기 확인된 중앙값 및 차이값을 각각에 대해 기 설정된 임계치와 비교하고, 상기 기 설정된 임계치를 벗어나는 값을 제거하는 것을 특징으로 하는,환자에 대한 위험도 및 악화 예측을 위한 데이터 처리 방법.

제9항에 있어서,상기 이상치를 제거하는 단계 이전에,상기 EMR 데이터에 대해 결측치가 발생하는지 여부를 판단하여 상기 위험도 및 악화 예측에 적합한 환자 데이터인지 여부를 판단하는 단계를 더 포함하는 것을 특징으로 하는, 환자에 대한 위험도 및 악화 예측을 위한 데이터 처리 방법.

컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 하나 이상의 프로세서에서 실행되는 경우, 데이터 처리 장치에 의해 수행되는 환자에 대한 위험도 및 악화 예측을 위한 데이터 처리 방법을 수행하기 위한 이하의 동작들을 수행하도록 하며, 상기 동작들은:저장모듈 또는 별도의 데이터베이스에서 적어도 하나의 환자 중 특정 환자에 대한 EMR 데이터를 획득하는 동작;상기 EMR 데이터에 대해 항목별 이상치(Outlier)를 제거하는 동작;상기 이상치가 제거된 EMR 데이터에 대해 기 설정된 기준정보에 따라 입력 시계열의 시간 윈도우 크기를 가변적으로 설정하여 항목별 데이터 셋을 구축하는 동작; 및상기 구축된 데이터 셋을 기 설정된 인공지능 기반의 학습모델에 입력하여 상기 특정 환자에 대한 위험도 및 악화 예측에 대한 결과정보를 생성하는 동작을 포함하고,상기 이상치를 제거하는 동작은,상기 EMR 데이터에 포함된 시계열 데이터를 통해 특정 항목에 대한 값들의 변화폭이 기 설정된 임계치의 범위를 벗어나면 이상치로 간주하고, 상기 EMR 데이터에 포함된 시계열 데이터 중 연속된 두 개의 데이터가 서로 다른 값을 갖는 경우, 상기 두 개의 데이터 중 정상범위에서 먼 값을 갖는 데이터를 이상치로 간주하는,컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.

삭제

제17항에 있어서,상기 EMR 데이터는,의료진에 의하여 입력되는 데이터로서, 진료기록, 검사, 투약, 증상 및 처치 처방 중 적어도 하나에 대한 데이터를 포함하고,상기 검사에 대한 데이터는 활력징후(vital sign)에 대한 측정 데이터 및 혈액검사에 따른 데이터 중 적어도 하나의 수치형 데이터를 포함하는 것을 특징으로 하는, 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.

삭제