골다공증(osteoporosis) 위험도 예측 장치가 피검사자의 정보를 입력 받는 단계; 상기 골다공증 위험도 예측 장치가 상기 피검사자의 정보를 딥러닝(deep learning) 모델에 입력하는 단계; 상기 골다공증 위험도 예측 장치가 상기 딥러닝 모델의 출력 값을 기초로 상기 피검사자의 골다공증 위험도를 평가하는 단계; 상기 골다공증 위험도 예측 장치가 설명 가능한 인공지능 기법(Explainable Artificial Intelligence, XAI)을 통하여 상기 딥러닝 모델에 입력되는 피검사자의 정보가 상기 피검사자의 골다공증 위험도에 기여하는 바를 분석하는 단계; 및 상기 골다공증 위험도 예측 장치가 상기 골다공증 위험도 및 상기 피검사자의 정보가 상기 피검사자의 골다공증 위험도에 기여하는 정도를 출력하는 단계;를 더 포함하되, 상기 피검사자의 정보는 상기 피검사자의 팔 둘레(Arm Circumference), 상기 피검사자의 상완 길이(Upper Arm Length) 및 상기 피검사자의 위 다리 길이(Upper Leg Length)를 포함하고,상기 피검사자의 정보는 고혈압 유무(Hypertension), 당뇨 유무(Diabetes), 폐활량(lung capacity), 식단(diet), 가족 빈곤 수입 비율 (Family Poverty Income Ratio, Family PIR), 단핵구 수(Monocyte number), 알칼라인 탈인산화효소 수치(Alkaline phosphatase), 포타슘 수치(Potassium), LDL-콜레스테롤(LDL-Cholesterol, Friedewald), 요산 수치(Uric acid)), 우울증 유무(Depression), 가슴 통증 유무(Pain in chest) 및 포도당 수치(Glucose) 중 적어도 하나를 더 포함하는, 골다공증 위험도 예측 방법.

제1항에 있어서 상기 피검사자의 정보는피검사자의 성별 (Sex), 나이 (Age), 체질량지수 (BMI), 관절염 유무(arthritis), 흡연 여부(Smoking), 과체중 유무(Overweight), 고 위험성 음주, 이차성 골다공증, 이전 골절 병력 및 부모님의 골절 병력 중 적어도 하나를 더 포함하는골다공증 위험도 예측 방법.

제1항에 있어서상기 딥러닝 모델은 대퇴 경부 골밀도(Femoral neck Bone mineral density)을 기초로 T-score을 계산하고, 상기 T-score가 -2.5이하인 사람을 골다공증 환자로 판단한 데이터를 이용하여 학습된 골다공증 위험도 예측 방법.

제1항에 있어서상기 딥러닝 모델은 전체 대퇴골 골밀도(Total Femur Bone mineral density)을 기초로 T-score을 계산하고, 상기 T-score가 -2.5이하인 사람을 골다공증 환자로 판단한 데이터를 이용하여 학습된골다공증 위험도 예측 방법 .

피검사자의 정보를 입력 받는 입력장치; 상기 피검사자의 정보를 딥러닝 모델에 입력한 뒤, 상기 딥러닝 모델의 출력 값을 기초로 상기 피검사자가 골다공증 또는 골감소증을 가지고 있는지 판단하고, 설명 가능한 인공지능 기법(Explainable Artificial Intelligence, XAI)을 통하여 상기 딥러닝 모델에 입력되는 피검사자의 정보가 상기 피검사자의 골다공증 위험도에 기여하는 바를 분석하는 연산장치; 상기 골다공증 위험도 및 상기 피검사자의 정보가 상기 피검사자의 골다공증 위험도에 기여하는 정도를 시각화하여 출력 장치; 및 상기 딥러닝 모델을 저장하는 저장장치; 를 포함하되상기 피검사자의 정보는 상기 피검사자의 팔 둘레(Arm Circumference), 상기 피검사자의 상완 길이(Upper Arm Length) 및 상기 피검사자의 위 다리 길이(Upper Leg Length)를 포함하고,상기 피검사자의 정보는 고혈압 유무(Hypertension), 당뇨 유무(Diabetes), 폐활량(lung capacity), 식단(diet), 가족 빈곤 수입 비율 (Family Poverty Income Ratio, Family PIR), 단핵구 수(Monocyte number), 알칼라인 탈인산화효소 수치(Alkaline phosphatase), 포타슘 수치(Potassium), LDL-콜레스테롤(LDL-Cholesterol, Friedewald), 요산 수치(Uric acid)), 우울증 유무(Depression), 가슴 통증 유무(Pain in chest) 및 포도당 수치(Glucose) 중 적어도 하나를 더 포함하는, 골다공증 위험도 예측 장치.

제5항에 있어서상기 피검사자의 정보는피검사자의 성별 (Sex), 나이 (Age), 체질량지수 (BMI), 관절염 유무(arthritis), 흡연 여부(Smoking), 과체중 유무(Overweight), 고 위험성 음주, 이차성 골다공증, 이전 골절 병력 및 부모님의 골절 병력 중 적어도 하나를 더 포함하는골다공증 위험도 예측 장치.

제5항에 있어서상기 딥러닝 모델은 대퇴 경부 골밀도(Femoral neck Bone mineral density)을 기초로 T-score을 계산하고, 상기 T-score가 -2.5이하인 사람을 골다공증 환자로 판단한 데이터를 이용하여 학습된골다공증 위험도 예측 장치.

제5항에 있어서상기 딥러닝 모델은 전체 대퇴골 골밀도(Total Femur Bone mineral density)을 기초로 T-score을 계산하고, 상기 T-score가 -2.5이하인 사람을 골다공증 환자로 판단한 데이터를 이용하여 학습된골다공증 위험도 예측 장치.

컴퓨터에서 제1항 내지 4항 중 어느 하나의 항에 기재된 골다공증 위험도 예측 방법을 실행하기 위한 프로그램을 기록한 기록매체.