하나 이상의 컴퓨터로 구성되고, 대사 증후군 발병 요인에 대한 입력 대사 증후군 발병 요인 값을 시간에 따라 수집하여 빅데이터를 형성하고, 상기 빅데이터를 분석하여, 고혈압, 이상지질혈증, 당뇨병, 관상 동맥 질환, 뇌졸증, 및 만성 신장 질환을 포함하는 특정 질환의 질환 발병 위험도는 예측하는 분석 서버; 및상기 분석 서버와 연결된 클라이언트;를 포함하고,상기 클라이언트는입력 장치를 통해 입력받은 상기 대사 증후군 발병 요인 및 상기 입력 장치를 통해 제공받은 질환 발병 위험도를 분석해야하는 사용자의 혈액을 통해 산출된 상기 대사 증후군 발병 요인에 대응하는 상기 입력 대사 증후군 발병 요인 값을 상기 분석 서버에 제공하고,상기 분석 서버로부터 상기 질환 발병 위험도를 제공받아 출력하고,상기 대사 증후군 발병 요인은복부 둘레, 혈압, 혈당, HDL(High-Density Lipoprotein) 콜레스테롤 및 중성 지방을 포함하고,상기 분석 서버는상기 입력 대사 증후군 발병 요인 값 중 적어도 세 개가 상기 빅데이터를 기반으로 설정된 기준값을 초과하는 경우, 상기 특정 질환의 상기 질환 발병 위험도를 예측하고,상기 빅데이터를 기반으로, 상기 고혈압, 상기 이상지질혈증, 및 상기 당뇨병을 포함하는 대사 증후군의 위험도를 예측하며, 및상기 빅데이터 및 상기 예측된 대사 증후군의 위험도를 기반으로, 상기 관상 동맥 질환, 상기 뇌졸증, 및 상기 만성 신장 질환을 포함하는 만성 대사 질환의 위험도를 예측하는 빅데이터 기반의 질환 발병 위험도 예측 시스템.

제1항에 있어서,상기 분석 서버는딥러닝 학습 모델을 이용하여, 상기 입력 대사 증후군 발병 요인 값 및 상기 특정 질환의 상기 질환 발병 위험도를 데이터셋으로 학습하고,상기 딥러닝 학습 모델로 상기 질환 발병 위험도를 예측하는 빅데이터 기반의 질환 발병 위험도 예측 시스템.

제2항에 있어서, 상기 분석 서버는상기 입력 대사 증후군 발병 요인 값을 누적하여, 학습 데이터를 생성하고,상기 학습 데이터의 분석을 통해 정상 범위의 정상 대사 증후군 발병 요인 값을 산출하고,상기 입력 대사 증후군 발병 요인 값이 상기 정상 대사 증후군 발병 요인 값을 기준으로 형성된 특정 범위를 초과하였는지 판단하는 빅데이터 기반의 질환 발병 위험도 예측 시스템.

제2항에 있어서, 상기 분석 서버는상기 입력 대사 증후군 발병 요인 값을 누적하여, 학습 데이터를 생성하고,상기 학습 데이터에서 상기 질환 발병 위험도를 추출하는 빅데이터 기반의 질환 발병 위험도 예측 시스템.

제4항에 있어서, 상기 분석 서버는특정한 상황 데이터를 이상 특징 정보에 매칭하여 누적하고,상기 입력 대사 증후군 발병 요인 값 내에서 특정한 이상 특징 정보를 인식하고,상기 인식된 이상 특징 정보에 상응하는 상황 데이터를 상기 클라이언트로 전송하는 빅데이터 기반의 질환 발병 위험도 예측 시스템.

제1항에 있어서,상기 분석 서버는상기 빅데이터를 로지스틱 회귀 분석으로 분석하는 빅데이터 기반의 질환 발병 위험도 예측 시스템.

삭제

삭제

제1항에 있어서,상기 질환 발병 위험도는상기 특정 질환의 발병 시기 및 상기 특정 질환의 발병률 중 적어도 하나를 포함하는 빅데이터 기반의 질환 발병 위험도 예측 시스템.

제1항에 있어서,상기 클라이언트는상기 입력 대사 증후군 발병 요인 값을 입력받아, 상기 분석 서버에 제공하는 입력 장치; 및상기 분석 서버로부터 상기 질환 발병 위험도를 제공받아 출력하는 출력 장치를 포함하는 빅데이터 기반의 질환 발병 위험도 예측 시스템.

입력 장치를 통해 입력받은 대사 증후군의 발병 요인 및 상기 입력 장치를 통해 제공받은 질환 발병 위험도를 분석해야하는 사용자의 혈액을 통해 산출된 대사 증후군 발병 요인에 대한 입력 대사 증후군 발병 요인 값을 획득하는 단계;상기 입력 대사 증후군 발병 요인 값을 시간에 따라 수집하여 빅데이터를 형성하는 빅데이터 수집 단계; 및상기 빅데이터를 분석하여, 고혈압, 이상지질혈증, 당뇨병, 관상 동맥 질환, 뇌졸증, 및 만성 신장 질환을 포함하는 특정 질환의 질환 발병 위험도를 예측하는 질환 발병 위험도 예측 단계;를 포함하고,상기 대사 증후군 발병 요인은복부 둘레, 혈압, 혈당, HDL(High-Density Lipoprotein) 콜레스테롤 및 중성 지방을 포함하고,상기 질환 발병 위험도 예측 단계는상기 입력 대사 증후군 발병 요인 값 중 적어도 세 개가 상기 빅데이터를 기반으로 설정된 기준값을 초과하는 경우, 상기 특정 질환의 상기 질환 발병 위험도를 예측하는 단계;상기 빅데이터를 기반으로, 상기 고혈압, 상기 이상지질혈증, 및 상기 당뇨병을 포함하는 대사 증후군의 위험도를 예측하는 단계; 및상기 빅데이터 및 상기 예측된 대사 증후군의 위험도를 기반으로, 상기 관상 동맥 질환, 상기 뇌졸증, 및 상기 만성 신장 질환을 포함하는 만성 대사 질환의 위험도를 예측하는 단계를 포함하는 빅데이터 기반의 질환 발병 위험도 예측 방법.

제11항에 있어서,상기 질환 발병 위험도 예측 단계는하나 이상의 컴퓨터에 의해, 딥러닝 학습 모델을 이용하여, 상기 입력 대사 증후군 발병 요인 값 및 상기 특정 질환의 상기 질환 발병 위험도를 데이터셋으로 학습하는 학습 단계; 및상기 딥러닝 학습 모델로 상기 질환 발병 위험도를 예측하는 단계;를 포함하는 빅데이터 기반의 질환 발병 위험도 예측 방법.

제12항에 있어서, 상기 학습 단계는상기 입력 대사 증후군 발병 요인 값을 누적하여, 학습 데이터를 생성하는 단계;상기 학습 데이터의 분석을 통해 정상 범위의 정상 대사 증후군 발병 요인 값을 산출하는 단계; 및상기 입력 대사 증후군 발병 요인 값이 상기 정상 대사 증후군 발병 요인 값을 기준으로 형성된 특정 범위를 초과하였는지 판단하는 단계;를 포함하는 빅데이터 기반의 질환 발병 위험도 예측 방법.

제12항에 있어서, 상기 학습 단계는상기 입력 대사 증후군 발병 요인 값을 누적하여, 학습 데이터를 생성하는 단계; 및상기 학습 데이터에서 상기 질환 발병 위험도를 추출하는 단계;를 포함하는 빅데이터 기반의 질환 발병 위험도 예측 방법.

제14항에 있어서, 상기 학습 단계는특정한 상황 데이터를 이상 특징 정보에 매칭하여 누적하는 단계;상기 입력 대사 증후군 발병 요인 값 내에서 특정한 이상 특징 정보를 인식하는 단계; 및상기 인식된 이상 특징 정보에 상응하는 상황 데이터를 클라이언트로 전송하는 단계;를 더 포함하는 빅데이터 기반의 질환 발병 위험도 예측 방법.

제12항에 있어서,상기 질환 발병 위험도 예측 단계는상기 빅데이터를 로지스틱 회귀 분석으로 분석하는 빅데이터 기반의 질환 발병 위험도 예측 방법.

삭제

삭제

제12항에 있어서,상기 질환 발병 위험도는상기 특정 질환의 발병 시기 및 상기 특정 질환의 발병률 중 적어도 하나를 포함하는 빅데이터 기반의 질환 발병 위험도 예측 방법.

하드웨어인 컴퓨터와 결합되어, 제11항 내지 제16항 및 제19항 중 어느 한 항의 빅데이터 기반의 질환 발병 위험도 예측 방법을 실행시키기 위하여 매체에 저장된, 빅데이터 기반의 질환 발병 위험도 예측 프로그램.