KR102625111B1 - 다단계 개체분리식 애완동물 의약품 임상시험 온라인 자동화 시스템 및 그 동작 방법 - Google Patents
다단계 개체분리식 애완동물 의약품 임상시험 온라인 자동화 시스템 및 그 동작 방법 Download PDFInfo
- Publication number
- KR102625111B1 KR102625111B1 KR1020230050386A KR20230050386A KR102625111B1 KR 102625111 B1 KR102625111 B1 KR 102625111B1 KR 1020230050386 A KR1020230050386 A KR 1020230050386A KR 20230050386 A KR20230050386 A KR 20230050386A KR 102625111 B1 KR102625111 B1 KR 102625111B1
- Authority
- KR
- South Korea
- Prior art keywords
- server
- clinical trial
- data
- test
- item
- Prior art date
Links
- 239000003814 drug Substances 0.000 title claims description 14
- 229940079593 drug Drugs 0.000 title claims description 12
- 238000002483 medication Methods 0.000 title 1
- 238000011017 operating method Methods 0.000 title 1
- 230000011218 segmentation Effects 0.000 title 1
- 238000012360 testing method Methods 0.000 claims abstract description 90
- 238000000034 method Methods 0.000 claims abstract description 28
- 239000000463 material Substances 0.000 claims abstract description 17
- 238000012790 confirmation Methods 0.000 claims abstract description 12
- 230000004044 response Effects 0.000 claims abstract description 6
- 230000008520 organization Effects 0.000 claims description 20
- 208000024891 symptom Diseases 0.000 claims description 9
- 206010060891 General symptom Diseases 0.000 claims description 5
- 238000009534 blood test Methods 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 5
- 239000008280 blood Substances 0.000 claims description 4
- 210000004369 blood Anatomy 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 241001465754 Metazoa Species 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000002245 particle Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000825 pharmaceutical preparation Substances 0.000 description 2
- 229940127557 pharmaceutical product Drugs 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000003975 animal breeding Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000007705 chemical test Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000003255 drug test Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
Landscapes
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
본원의 다양한 실시예에 따른 의약품 임상시험 온라인 자동화 시스템을 동작하는 방법은, 시험기관 서버에 의해, 제약회사 서버로부터 시험 의뢰를 수신함에 응답하여, 서버에 시험 의뢰에 대응하는 시험기관 등록 및 시험 요청 등록을 수행하는 단계; 서버에 의해, 시험기관 등록 및 시험 요청 등록에 대응하는 임상시험 승인 요청을 임상시험 승인 기관 서버에 전송하는 단계; 승인 기관 서버에 의해, 서버로 임상시험 승인 확인을 전송하는 단계; 서버에 의해, 임상시험 승인 확인을 수신함에 따라, 복수의 임상시험 참여 기관 서버가 접근 가능한 웹사이트에 임상시험 공고를 업로드하여 게시하는 단계; 서버에 의해, 복수의 임상시험 참여 기관 서버 중 적어도 하나의 임상시험 참여 기관 서버로부터, 임상시험 결과를 나타내는 데이터 및 근거자료를 수신하는 단계; 서버에 의해, 수신된 데이터 및 근거자료를 이용하여, 임상시험 결과에 대한 결과 보고서를 생성하는 단계; 서버에 의해, 생성된 결과 보고서를 시험기관 서버로 전송하는 단계를 포함할 수 있다.
Description
본원 발명은 임상시험 온라인 자동화 시스템에 연관되며, 구체적으로 애완동물의 의약품에 대한 임상 시험을 자동화 할 수 있는 플랫폼을 개발하여 서비스 효율을 높이는 시스템에 관한 것이다.
기존의 애완동물에 대한 의약품의 임상 시험은, 시험 기관이 개별 동물 병원에 접촉하며 동물에 대한 임상 시험은 수의사에 의해 오프라인으로 진행된다. 위와 같은 오프라인 상의 임상 시험의 경우, 대부분 시험 결과에 대한 데이터 기반 자료가 없어서 약품에 따라 애완동물의 몸무게 5kg, 10kg, 또는 20kg 기준으로 정하게 되며, 이 또한 수의사의 경험치에 의해 결정되는 경우가 많아 명확한 기준을 가지지 못하는 경우가 있다.
따라서, 결과에 대한 체계적인 시험 결과에 대한 데이터 기반 자료관리가 되지 않아 다양한 개체(동물들)에 대해 일관된 기준을 적용하는 데 어려움이 있었다. 또한, 일정관리가 어려워 개별 병원의 임상 진행 상황을 모니터 하기 어려우며 실시간 임상 데이터를 함께 취합하기 어렵다는 단점이 존재하였다.
마지막으로, 애완동물의 체중, 품종, 연령, 기타 여러가지 요소에 대한 의약품의 임상 시험을 위해서 꼭 필요한 데이터 기반으로 다양한 임상 시험하는 기술이나 시스템이 존재하지 않아 불편이 존재하였다.
본원은 상술한 문제점을 해결하기 위한 것으로, 애완동물 의약품 시험을 온라인 자동화로 정량화하기 위해 데이터 기반으로 다단계 분석 모델을 통해 수집 및 분석하는 시스템을 제공하고자 한다.
본원의 다양한 실시예에 따른 시험기관 서버에 의해, 제약회사 서버로부터 시험 의뢰를 수신함에 응답하여, 서버에 시험 의뢰에 대응하는 시험기관 등록 및 시험 요청 등록을 수행하는 단계; 서버에 의해, 시험기관 등록 및 시험 요청 등록에 대응하는 임상시험 승인 요청을 임상시험 승인 기관 서버에 전송하는 단계; 승인 기관 서버에 의해, 서버로 임상시험 승인 확인을 전송하는 단계; 서버에 의해, 임상시험 승인 확인을 수신함에 따라, 복수의 임상시험 참여 기관 서버가 접근 가능한 웹사이트에 임상시험 공고를 업로드하여 게시하는 단계; 서버에 의해, 복수의 임상시험 참여 기관 서버 중 적어도 하나의 임상시험 참여 기관 서버로부터, 임상시험 결과를 나타내는 데이터 및 근거자료를 수신하는 단계; 서버에 의해, 수신된 데이터 및 근거자료를 이용하여, 임상시험 결과에 대한 결과 보고서를 생성하는 단계; 서버에 의해, 생성된 결과 보고서를 시험기관 서버로 전송하는 단계를 포함할 수 있다.
본원의 다양한 실시예에 따른 방법에 있어서, 임상시험은 서버에 의해 복수의 항목 별로 수행되고, 서버에 의해, 상기 적어도 하나의 임상시험 참여 기관 서버로부터 수신한 데이터를 복수의 항목들에 대한 내용으로 구분하여, 조사표를 생성하는 단계; 머신 러닝 기법으로 학습된 모델을 이용하여, 조사표 내용에 기초하여 임상시험의 결과 보고서를 생성하는 단계; 생성된 결과 보고서를 적어도 하나의 참여 기관 서버로 전송하는 단계를 포함할 수 있다.
본원의 다양한 실시예에 따르면, 임상시험에 따라, 애완동물의 상태, 체중, 품종, 연령에 따라 항목 별로 분리하여 데이터가 취합될 수 있다.
본원의 다양한 실시예에 따라, 복수의 항목은 일반 증상, 일반혈액검사(CBC), 혈액화학검사, 영상자료, 사진자료, 및 샘플자료의 항목들로 이루어지고, 각 항목 별 증상이 발생했던 데이터들의 평균 값과 수신된 데이터를 비교하여, 코사인 유사도를 계산하는 단계; 기저장된 데이터에 기초하여, 각 항목 별 코사인 유사도의 임계치를 설정하는 단계; 각 항목 별 코사인 유사도가 각 항목별 임계치 내인 것으로 확인되는 경우, 해당 항목의 증상에 해당하는 것으로 결정하는 단계; 서버가, 복수의 항목들 각각에 대한 가중치를 설정하는 단계; 각 항목에 대한 만족 여부 및 복수의 항목들의 가중치에 기초하여 임상 결과의 결과 값에 대한 점수를 계산하는 단계; 결과 값에 대한 점수가 높은 순으로 정렬하고, 결과 값을 디스플레이를 통해 표시하는 단계를 포함할 수 있다.
본원의 다양한 실시예에 따르면, 상기 메모리에 저장된 복수의 애완동물들의 데이터를 항목 별로 클러스터링하는 단계; 상기 클러스터링된 복수의 항목 별로, 항목에 대응하는 데이터의 정규 분포 상의 평균 값의 정보를 계산하는 단계; 항목 별로 계산된 상기 평균 값에 기초하여, 각각의 항목 별로 임계치를 보정하기 위한 가중치를 설정하는 단계; 각각의 항목 별로 임계치를 보정하기 위한 가중치를 이용하여, 상기 평균 값에 대하여 임계 범위를 설정하는 단계; 항목에 대응하는 데이터 값이 상기 임계 범위를 만족하는 데이터 값을 선택하는 단계를 포함할 수 있다.
본원의 다양한 실시예에 따라, 참여 기관 서버로부터 데이터 및 근거자료를 수신하는 경우, 서버에 의해, 데이터 및 근거자료를 복수의 항목들 별로 조사표 매핑 방식으로 자동 분류하여 데이터를 변환하고, 메모리에 저장하는 단계를 포함할 수 있다.
본원의 다양한 실시예에 따른 방법에 있어서, 서버에 의해, 제1항의 각 단계 수행 시에, 각 단계의 수행이 완료됨을 확인하는 단계; 서버에 의해, 각 단계의 수행이 완료됨을 확인하는 경우, 각 단계의 수행이 완료됨을 내는 알림 메시지를 참여 기관 서버에 전송하는 단계; 참여 기관 서버에 유선 또는 무선으로 연결된 디스플레이를 통해, 알림 메시지를 표시하는 단계를 포함할 수 있다.
본원의 다양한 의약품 임상시험 온라인 자동화 시스템에 있어서, 시험기관 서버; 제약회사 서버; 서버; 및 복수의 임상시험 참여 기관 서버를 포함하고, 시험기관 서버가, 제약회사 서버로부터 시험 의뢰를 수신함에 응답하여, 서버에 시험 의뢰에 대응하는 시험기관 등록 및 시험 요청 등록을 수행하고; 서버가, 시험기관 등록 및 시험 요청 등록에 대응하는 임상시험 승인 요청을 임상시험 승인 기관 서버에 전송하고; 승인 기관 서버가, 서버로 임상시험 승인 확인을 전송하고; 서버가, 임상시험 승인 확인을 수신함에 따라, 복수의 임상시험 참여 기관 서버가 접근 가능한 웹사이트에 임상시험 공고를 업로드하여 게시하고; 서버가, 복수의 임상시험 참여 기관 서버 중 적어도 하나의 임상시험 참여 기관 서버로부터, 임상시험 결과를 나타내는 데이터 및 근거자료를 수신하고; 서버가, 수신된 데이터 및 근거자료를 이용하여, 임상시험 결과에 대한 결과 보고서를 생성하고; 및 서버가, 생성된 결과 보고서를 시험기관 서버로 전송할 수 있다.
도 1은 본원의 다양한 실시예에 따른 의약품 임상시험 온라인 자동화 시스템의 구성도이다.
도 2는 본원의 다양한 실시예에 따른 서버에 대한 블록도이다.
도 3은 본원의 다양한 실시예에 따른 의약품 임상시험 온라인 자동화 시스템의 동작 방법에 대한 흐름도이다.
도 4 내지 도 5는 본원의 다양한 실시예에 따른 시험 승인 기관, 시험 기관, 및 임상시험 참여 기관 간의 상호간의 동작을 도시한다.
이상의 도면들은 당업자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 예로서 제공되는 것이다.
따라서, 본 발명은 이하 제시되는 도면들에 한정되지 않고 다른 형태로 구체화될 수도 있다.
또한, 명세서 전반에 걸쳐서 동일한 참조번호들은 동일한 구성요소들을 나타낸다.
또한, 이상의 도면에서는 이해를 돕기 위해서, 축척에 비례하지 않고 특정 부분을 확대하거나 축소한 점에 유의해야 한다.
도 2는 본원의 다양한 실시예에 따른 서버에 대한 블록도이다.
도 3은 본원의 다양한 실시예에 따른 의약품 임상시험 온라인 자동화 시스템의 동작 방법에 대한 흐름도이다.
도 4 내지 도 5는 본원의 다양한 실시예에 따른 시험 승인 기관, 시험 기관, 및 임상시험 참여 기관 간의 상호간의 동작을 도시한다.
이상의 도면들은 당업자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 예로서 제공되는 것이다.
따라서, 본 발명은 이하 제시되는 도면들에 한정되지 않고 다른 형태로 구체화될 수도 있다.
또한, 명세서 전반에 걸쳐서 동일한 참조번호들은 동일한 구성요소들을 나타낸다.
또한, 이상의 도면에서는 이해를 돕기 위해서, 축척에 비례하지 않고 특정 부분을 확대하거나 축소한 점에 유의해야 한다.
다양한 실시예들이 이제 도면을 참조하여 설명된다. 본 명세서에서, 다양한 설명들이 본원의 이해를 제공하 기 위해서 제시된다. 그러나, 이러한 실시예들은 이러한 구체적인 설명 없이도 실행될 수 있음이 명백하다.
본 명세서에서 사용되는 용어 "컴포넌트", "모듈", "시스템" 등은 컴퓨터-관련 엔티티, 하드웨어, 펌웨어, 소프트웨어, 소프트웨어 및 하드웨어의 조합, 또는 소프트웨어의 실행을 지칭한다. 예를 들어, 컴포넌트는 프로세서 상에서 실행되는 처리과정(procedure), 프로세서, 객체, 실행 스레드, 프로그램, 및/또는 컴퓨터일 수 있지만, 이들로 제한되는 것은 아니다. 예를 들어, 전자 장치에서 실행되는 애플리케이션 및 전자 장치 모두 컴포넌트일 수 있다. 하나 이상의 컴포넌트는 프로세서 및/또는 실행 스레드 내에 상주할 수 있다. 일 컴포넌트는 하 나의 컴퓨터 내에 로컬화 될 수 있다. 일 컴포넌트는 2개 이상의 컴퓨터들 사이에 분배될 수 있다. 또한, 이러한 컴포넌트들은 그 내부에 저장된 다양한 데이터 구조들을 갖는 다양한 컴퓨터 판독가능한 매체로부터 실행할 수 있다. 컴포넌트들은 예를 들어 하나 이상의 데이터 패킷들을 갖는 신호(예를 들면, 로컬 시스템, 분산 시스 템에서 다른 컴포넌트와 상호작용하는 하나의 컴포넌트로부터의 데이터 및/또는 신호를 통해 다른 시스템과 인터넷과 같은 네트워크를 통해 전송되는 데이터)에 따라 로컬 및/또는 원격 처리들을 통해 통신할 수 있다.
더불어, 용어 "또는"은 배타적 "또는"이 아니라 내포적 "또는"을 의미하는 것으로 의도된다. 즉, 달리 특정되지 않거나 문맥상 명확하지 않은 경우에, "X는 A 또는 B를 이용한다"는 자연적인 내포적 치환 중 하나를 의미하는 것으로 의도된다. 즉, X가 A를 이용하거나; X가 B를 이용하거나; 또는 X가 A 및 B 모두를 이용하는 경우, "X는 A 또는 B를 이용한다"가 이들 경우들 어느 것으로도 적용될 수 있다. 또한, 본 명세서에 사용된 "및/또는"이라 는 용어는 열거된 관련 아이템들 중 하나 이상의 아이템의 가능한 모든 조합을 지칭하고 포함하는 것으로 이해 되어야 한다.
또한, "포함한다" 및/또는 "포함하는"이라는 용어는, 해당 특징 및/또는 구성요소가 존재함을 의미하는 것으로 이해되어야 한다. 다만, "포함한다" 및/또는 "포함하는"이라는 용어는, 하나 이상의 다른 특징, 구성요소 및/또 는 이들의 그룹의 존재 또는 추가를 배제하지 않는 것으로 이해되어야 한다. 또한, 달리 특정되지 않거나 단수 형태를 지시하는 것으로 문맥상 명확하지 않은 경우에, 본 명세서와 청구범위에서 단수는 일반적으로 "하나 또는 그 이상"을 의미하는 것으로 해석되어야 한다.
그리고, "A 또는 B 중 적어도 하나"이라는 용어는, "A만을 포함하는 경우", "B 만을 포함하는 경우", "A와 B의 구성으로 조합된 경우"를 의미하는 것으로 해석되어야 한다.
당업자들은 추가적으로 여기서 개시된 실시예들과 관련되어 설명된 다양한 예시적 논리적 블록들, 구성들, 모듈들, 회로들, 수단들, 로직들, 및 알고리즘 단계들이 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양쪽 모두의 조합 들로 구현될 수 있음을 인식해야 한다. 하드웨어 및 소프트웨어의 상호교환성을 명백하게 예시하기 위해, 다양한 예시적 컴포넌트들, 블록들, 구성들, 수단들, 로직들, 모듈들, 회로들, 및 단계들은 그들의 기능성 측면에서 일반적으로 위에서 설명되었다. 그러한 기능성이 하드웨어로 또는 소프트웨어로서 구현되는지 여부는 전반적인 시스템에 부과된 특정 어플리케이션(application) 및 설계 제한들에 달려 있다. 숙련된 기술자들은 각각의 특정 어플리케이션들을 위해 다양한 방법들로 설명된 기능성을 구현할 수 있다. 다만, 그러한 구현의 결정들이 본 개 시내용의 영역을 벗어나게 하는 것으로 해석되어서는 안된다.
제시된 실시예들에 대한 설명은 본원의 기술 분야에서 통상의 지식을 가진 자가 본 발명을 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본원의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이다. 여기에 정의된 일반적인 원리들은 본원의 범위를 벗어남이 없이 다른 실시예들 에 적용될 수 있다. 그리하여, 본 발명은 여기에 제시된 실시예 들로 한정되는 것이 아니다. 본 발명은 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.
본원에서 네트워크 함수와 인공 신경망 및 뉴럴 네트워크(neural network)는 상호 교환 가능하게 사용될 수 있다.
여기에 설명되는 다양한 실시예는 예를 들어, 소프트웨어, 하드웨어 또는 이들의 조합된 것을 이용하여 컴퓨터 또는 이와 유사한 장치로 읽을 수 있는 기록매체 및 저장매체 내에서 구현될 수 있다.
하드웨어적인 구현에 의하면, 여기에 설명되는 실시예는 ASICs (application specific integrated circuits), DSPs (digital signal processors), DSPDs (digital signal processing devices), PLDs (programmable logic devices), FPGAs (field programmable gate arrays, 프로세서(processors), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세서(microprocessors), 기타 기능 수행을 위한 전기적인 유닛 중 적어도 하나를 이용하여 구현될 수 있다. 일부의 경우에 본 명세서에서 설명되는 실시예들이 전자 장치의 프로세서 자체로 구현될 수 있다
도 1은 본원의 다양한 실시예에 따른 의약품 임상시험 온라인 자동화 시스템의 구성도이다.
본원의 다양한 실시예에 따르면, 의약품 임상시험 온라인 자동화 시스템이 제공될 수 있다. 의약품 임상시험 온라인 자동화 시스템은, 서버(100), 제약회사 서버(110), 시험기관 서버(120), 승인기관 서버(130), 참여기관 서버(140), 및 임상개체(150)으로 구성될 수 있다.
서버(100)는, 제약회사 서버(110), 시험기관 서버(120), 승인기관 서버(130), 참여기관 서버(140)와 통신하며 의약품 임상시험 온라인 자동화 시스템의 전체 동작을 제어하는 서버를 통칭할 수 있다. 제약회사 서버(110)는, 임상시험을 신청하는 제약회사의 서버를 통칭할 수 있다. 시험기관 서버(120)는 임상시험을 진행하는 기관의 서버를 통칭할 수 있다. 승인기관 서버(130)는 임상시험 결과를 수신하여 승인 여부를 통지하는 기관의 서버를 통칭할 수 있다. 참여기관 서버(140)는 임상시험 결과에 대해 안내를 받고자 하는 업체, 예를 들어 병원 등의 서버를 통칭할 수 있다.
도 2는 본원의 다양한 실시예에 따른 서버의 내부 구성도에 대한 블록도이다.
도2에 도시된 서버(120)의 구성은 간략화하여 나타낸 예시일 뿐이다. 본원의 일 실시예에서 서버(120)는 서버(120)의 컴퓨팅 환경을 수행하기 위한 다른 구성들이 포함될 수 있고, 개시된 구성들 중 일부만이 서버(120)를 구성할 수도 있다.
서버(120)는 프로세서(210), 메모리(220), 및 통신 모듈(230)을 포함할 수 있다. 프로세서(210)는 하나 이상의 코어로 구성될 수 있으며, 서버(120)의 중앙 처리 장치(CPU: central processing unit), 범용 그래픽 처리 장치 (GPGPU: general purpose graphics processing unit), 텐서 처리 장치(TPU: tensor processing unit) 등의 데이터 분석, 딥러닝을 위한 프로세서를 포함할 수 있다. 프로세서(210)는 메모리에 저장된 컴퓨터 프로그램을 판독하여 본원의 일 실시예에 따른 기계 학습을 위한 데이터 처리를 수행할 수 있다. 또한, 프로세서(210)는 서버(120)의 구성이 동작하도록 제어하며, 전반적인 시스템(100)의 동작을 구현할 수 있다.
예를 들어, 프로세서(210)는 통상적으로 서버(120)의 전반적인 동작을 제어할 수 있다. 프로세서(210)는 위에서 살펴본 구성요소들을 통해 입력 또는 출력되는 신호, 데이터, 정보 등을 처리하거나 메모리(220)에 저장된 응용 프로그램을 구동함으로써, 사용자에게 적절한 정보 또는 기능을 제공 또는 처리할 수 있다.
또한, 프로세서(210)는 메모리(220)에 저장된 응용 프로그램을 구동하기 위하여, 서버(120)의 구성요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(210)는 상기 응용 프로그램의 구동을 위하여, 서버(120)에 포함된 구성요소들 중 적어도 둘 이상을 서로 조합하여 동작시킬 수 있다.
프로세서(210)는 중앙처리 장치로서 중앙에서 모든 모듈을 관리하여 시스템에 동작 최적으로 구동하게 하는 것으로 다양한 프로세서를 처리할 수 있는 쓰레드 기능과 인터럽트 처리, 스토리지 관리 및 백업 기능을 수행할 수 있다.
또한, 프로세서(210)는 임상 개체(애완동물)에 대한 실시간 임상정보가 전달되면, 데이터를 복수의 항목 별로 다단계로 분리하여 저장하고, 단계에 맞는 프로세스를 구동하여 기준 지표를 판단할 수 있는 근거를 제공할 수 있다. 추후에 다른 의약품 임상 시험을 하게 되는 경우 출력 레포트를 기반하여 또한 임상 시험을 정교하게 하는 기반 데이터베이스가 될 수 있다.
또한, 프로세서(210)는 시험기관과 시험참여기관의 가입 등록절차를 관할하고, 등록된 시험기관의 임상시험 프로젝트 요청 시 그에 부응하는 승인 및 시작 절차를 진행하게 하기 위한 가입자 관리를 수행할 수 있다. 시험기관 서버는 시험을 제약회사로부터 의뢰 받아 시험을 대행하는 기관이 운영하는 서버이고 시험 참여기관을 애완동물을 관리하는 동물병원 같은 기관이나 동물 사육 기관이 될 수 있다.
프로세서(210)는, 시험 참여기관 서버가 임상 결과를 온라인으로 업로드하는 방식으로 서버에 전송하면, 그 데이터를 수집하여, 다단계 분석 모듈이 처리할 수 있는 형태로 변환하여 전달하는 기능을 수행할 수 있다.
프로세서(210)는, 통신 모듈을 통해, 시스템의 모든 데이터를 송수신할 수 있는 통신을 수행할 수 있다. 프로세서(210)는 유무선 통신 모듈이 tcp/ip 통신에 의해서 전달될 수 있도록 백그라운드 TCP 서버가 항상 구동되고, 통신의 항시성을 유지하게 할 수 있다.
프로세서(210)는, 시험기관 서버가 프로젝트 시작을 요청하여 승인기관 서버에서 의약품 임상시험 승인이 나도록 진행하고, 실행단계에서 임상시험 참여기관 서버를 공고하여 모집한 후 프로젝트 계정을 부과하여 시험에 참여하여 일정에 맞춘 데이터 수집을 할 수 있다. 또한, 프로세서(210)는 프로젝트의 종료 단계에서 모든 수집된 다단계 분석 데이터를 기반으로 보고서를 시험기관 서버에 전달할 수 있다.
도 1에 도시된 다른 서버들은 서버(100)와 유사한 구성을 포함할 수 있다.
통신모듈(230)은, 무선 통신이 가능한 하드웨어 컴포넌트들을 모두 통칭할 수 있다. 통신모듈(230)은 통상의 기술자에게 자명한 사항이므로, 자세한 설명은 생략하기로 한다.
도 3은 본원의 다양한 실시예에 따른 의약품 임상시험 온라인 자동화 시스템의 동작 방법에 대한 흐름도이다.
단계 310에서, 시험기관 서버에 의해, 제약회사 서버로부터 시험 의뢰를 수신함에 응답하여, 서버에 시험 의뢰에 대응하는 시험기관 등록 및 시험 요청 등록을 수행할 수 있다. 시험 의뢰는, 의약품에 대한 임상 시험 의뢰를 의미할 수 있다. 시험기관 등록은, 의약품에 대한 시험을 주관할 수 있는 기관으로서의 등록을 의미할 수 있다. 시험 요청 등록은, 임상 시험을 주관하겠다는 계획 또는 의사를 나타내는 메시지를 포함하는 요청을 의미할 수 있다.
단계 320에서, 서버에 의해, 시험기관 등록 및 시험 요청 등록에 대응하는 임상시험 승인 요청을 임상시험 승인 기관 서버에 전송할 수 있다.
단계 330에서, 승인 기관 서버에 의해, 서버로 임상시험 승인 확인을 전송할 수 있다. 위 절차에 의해, 임상시험 승인이 이루어질 수 있다.
단계 340에서, 서버에 의해, 임상시험 승인 확인을 수신함에 따라, 복수의 임상시험 참여 기관 서버가 접근 가능한 웹사이트에 임상시험 공고를 업로드하여 게시할 수 있다. 단계 340에서는 웹사이트에 임상시험이 이루어질 예정임을 알리는 임상시험 공고를 게시하는 것으로 기재되었지만, 복수의 임상시험 참여기관 서버에 알림을 전송하는 등의 다양한 방식으로 이루어질 수 있다.
단계 350에서, 서버에 의해, 복수의 임상시험 참여 기관 서버 중 적어도 하나의 임상시험 참여 기관 서버로부터, 임상시험 결과를 나타내는 데이터 및 근거자료를 수신할 수 있다. 데이터 및 근거자료는, 의약품을 이용하여 수행한 임상시험을 통해 획득한 결과 값 및 해당 결과 값이 나타내는 지표(성공 또는 실패) 등을 의미할 수 있다.
단계 360에서, 서버에 의해, 수신된 데이터 및 근거자료를 이용하여, 임상시험 결과에 대한 결과 보고서를 생성할 수 있다. 단계 370에서, 서버에 의해, 생성된 결과 보고서를 시험기관 서버로 전송할 수 있다. 결과보고서는, 서버에 의해 생성된 양식에 데이터 및 근거자료가 기재된 보고서일 수 있다.
일실시예에 따라, 임상시험은 서버에 의해 복수의 항목 별로 수행될 수 있다. 임상시험에 따라, 애완동물의 상태, 체중, 품종, 연령 등에 대한 정보 별로 분리되여 데이터가 취합될 수 있다. 복수의 항목은 일반 증상, 일반혈액검사(CBC), 혈액화학검사, 영상자료, 사진자료, 및 샘플자료의 항목들로 이루어질 수 있다.
일실시예에 따라, 서버는 적어도 하나의 임상시험 참여 기관 서버로부터 수신한 데이터를 복수의 항목들에 대한 내용으로 구분하여, 조사표를 생성할 수 있다. 서버는, 머신 러닝 기법으로 학습된 모델을 이용하여, 조사표 내용에 기초하여 임상시험의 결과 보고서를 생성할 수 있다. 생성된 결과 보고서는 적어도 하나의 참여 기관 서버로 전송될 수 있다. 조사표는 임상시험의 결과를 파악하기 위한 목적으로 작성하는 표 형식의 문서를 통칭할 수 있다. 조사표에는 조사하고자 하는 애완동물에 대하여 명시하고, 이를 어떻게 조사하고 평가할지에 대한 기준을 세우도록 할 수 있다. 임상시험의 결과 보고서는, 임상시험의 결과 값을 나타낼 수 있다.
일실시예에 따라, 서버는, 각 항목 별 증상이 발생했던 데이터들의 평균 값과 수신된 데이터를 비교하여, 코사인 유사도를 계산할 수 있다. 서버는, 기저장된 데이터에 기초하여, 각 항목 별 코사인 유사도의 임계치를 설정할 수 있다. 서버는, 각 항목 별 코사인 유사도가 각 항목별 임계치 내인 것으로 확인되는 경우, 해당 항목의 증상에 해당하는 것으로 결정할 수 있다. 서버가, 복수의 항목들 각각에 대한 가중치를 설정할 수 있다. 서버는, 각 항목에 대한 만족 여부 및 복수의 항목들의 가중치에 기초하여 임상 결과의 결과 값에 대한 점수를 계산할 수 있다. 서버는, 결과 값에 대한 점수가 높은 순으로 정렬하고, 결과 값을 디스플레이를 통해 표시할 수 있다. 이와 같이, 각 항목 별 문제가 발생했거나 증상이 발생한 애완동물군의 데이터와 유사도를 계산하여, 수신된 데이터의 값에 대한 정량적 평가를 통해 각 항목별 해당여부를 판단할 수 있다.
서버는, 상기 메모리에 저장된 복수의 애완동물들의 데이터를 항목 별로 클러스터링할 수 있다. 서버는, 상기 클러스터링된 복수의 항목 별로, 항목에 대응하는 데이터의 정규 분포 상의 평균 값의 정보를 계산할 수 있다. 서버는, 항목 별로 계산된 상기 평균 값에 기초하여, 각각의 항목 별로 임계치를 보정하기 위한 가중치를 설정할 수 있다. 서버는, 각각의 항목 별로 임계치를 보정하기 위한 가중치를 이용하여, 상기 평균 값에 대하여 임계 범위를 설정할 수 있다. 서버는, 항목에 대응하는 데이터 값이 상기 임계 범위를 만족하는 데이터 값을 선택할 수 있다. 이와 같이, 임계 범위 기반으로 클러스터링된 항목 별로 임계 범위를 설정하여, 더욱 정확한 판단이 가능해질 수 있다.
서버는, 참여 기관 서버로부터 데이터 및 근거자료를 수신하는 경우, 데이터 및 근거자료를 복수의 항목들 별로 조사표 매핑 방식으로 자동 분류하여 데이터를 변환하고, 메모리에 저장할 수 있다.
일실시예에 따라, 서버는, 제1항의 각 단계 수행 시에, 각 단계의 수행이 완료됨을 확인할 수 있다. 서버는, 각 단계의 수행이 완료됨을 확인하는 경우, 각 단계의 수행이 완료됨을 내는 알림 메시지를 참여 기관 서버에 전송할 수 있다. 서버는, 참여 기관 서버에 유선 또는 무선으로 연결된 디스플레이를 통해, 알림 메시지를 표시할 수 있다.
도 4 내지 도 5는 본원의 다양한 실시예에 따른 시험 승인 기관, 시험 기관, 및 임상시험 참여 기관 간의 상호간의 동작을 도시한다.
도 4를 참고하면, 임상시험 요청이 발생한 경우 임상시험 참여기관 서버의 참여 정보가 서버에 저장되어 시험기관 서버에 저장될 수 있다. 도 4에서는 임상시험 참여기관 서버로부터 시험기관 서버로 직접 전송된 것으로 도시되었으나, 도 1에 도시된 바와 같이 서버를 통해 전송될 수 있다.
등록된 서류 또는 데이터를 시스템의 등록 모듈을 통해 자동 참여검토를 한 후 시험기관 서버에서 등록서류를 기반으로 임상 시험 계획을 조사표 매핑 형태로 승인기관 서버에 제출할 수 있다. 그 과정에서, 참여기관에 해당하는 참여병원이 등록될 수 있고, 임상시험 계획이 서버를 통해 등록 및 저장될 수 있다. 시험기관 서버에서 승인기관 서버로 등록된 서류 또는 데이터가 직접 전송될 수도 있고, 서버를 통해 전송될 수도 있다.
임상시험이 승인기관 서버에서 반려된 경우에는 시험기관 서버는 시험계획을 보완하여 임상시험 계획을 승인기관에 재요청하여, 승인이후에 임상 시험을 수행할 수 있다. 상술한 시험참여 기관의 가입 및 시험 시행 절차, 시험기관의 시험 시작하는 모든 절차가 자동화 되도록, 서버가 모든 인터페이스를 주관할 수 있다.
도 5를 참고하면, 임상시험 참여기관 서버가 다단계 시험 항목별 결과를 서버에 제출하면, 서버는 데이터를 다단계 분석 모듈에 의해 조사표 매핑이 될 수 있도록 시험 항목을 정리할 수 있다. 또는 도 5에 도시된 것과 같이 임상시험 참여 기관 서버로부터 시험기관 서버로 직접 시험항목별 결과가 제출될 수 있다. 또는, 모든 시험이 완료 되면 시험결과는 시험기관의 검토를 경유해서 시험 승인기관에 자동 전달되므로 임상시험이 완료될 수 있다. 조사표에 포함되는 항목들은 전술한 바와 같이 시험 동물의 종합적인 결과자료로 일반증상, 혈액검사, 화학검사, 영상자료, 샘플자료 등이 될 수 있다. 임상시험이 종료 되면 자동으로 시험 참여기관에 보상이 서버를 통해 전달될 수 있다.
본원의 기술 분야에서 통상의 지식을 가진 자는 정보 및 신호들이 임의의 다양한 상이한 기술들 및 기법들을 이용하여 표현될 수 있다는 것을 이해할 것이다. 예를 들어, 위의 설명에서 참조될 수 있는 데이터, 지시들, 명령들, 정보, 신호들, 비트들, 심볼들 및 칩들은 전압들, 전류들, 전자기파들, 자기장들 또는 입자들, 광학장들 또는 입자들, 또는 이들의 임의의 결합에 의해 표현될 수 있다.
본원의 기술 분야에서 통상의 지식을 가진 자는 여기에 개시된 실시예들과 관련하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 프로세서들, 수단들, 회로들 및 알고리즘 단계들이 전자 하드웨어, (편의를 위해, 여기에 서 소프트웨어로 지칭되는) 다양한 형태들의 프로그램 또는 설계 코드 또는 이들 모두의 결합에 의해 구현될 수 있다는 것을 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 호환성을 명확하게 설명하기 위해, 다양한 예시적인 컴포넌트들, 블록들, 모듈들, 회로들 및 단계들이 이들의 기능과 관련하여 위에서 일반적으로 설명되었다. 이러한 기능이 하드웨어 또는 소프트웨어로서 구현되는지 여부는 특정한 애플리케이션 및 전체 시스템에 대하여 부과되는 설계 제약들에 따라 좌우된다. 본원의 기술 분야에서 통상의 지식을 가진 자는 각각의 특정 한 애플리케이션에 대하여 다양한 방식들로 설명된 기능을 구현할 수 있으나, 이러한 구현 결정들은 본원의 범위를 벗어나는 것으로 해석되어서는 안 될 것이다.
여기서 제시된 다양한 실시예들은 방법, 장치, 또는 표준 프로그래밍 및/또는 엔지니어링 기술을 사용한 제조 물품(article)으로 구현될 수 있다. 용어 제조 물품은 임의의 컴퓨터-판독가능 저장장치로부터 액세스 가능한 컴퓨터 프로그램, 캐리어, 또는 매체(media)를 포함한다. 예를 들어, 컴퓨터-판독가능 저장매체는 자기 저장 장 치(예를 들면, 하드 디스크, 플로피 디스크, 자기 스트립, 등), 광학 디스크(예를 들면, CD, DVD, 등), 스마트 카드, 및 플래쉬 메모리 장치(예를 들면, EEPROM, 카드, 스틱, 키 드라이브, 등)를 포함하지만, 이들로 제한되는 것은 아니다. 또한, 여기서 제시되는 다양한 저장 매체는 정보를 저장하기 위한 하나 이상의 장치 및/또는 다른 기계-판독가능한 매체를 포함한다.
제시된 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조는 예시적인 접근들의 일례임을 이해하도록 한 다. 설계 우선순위들에 기반하여, 본원의 범위 내에서 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조가 재배열될 수 있다는 것을 이해하도록 한다. 첨부된 방법 청구항들은 샘플 순서로 다양한 단계들의 엘리먼트들을 제공하지만 제시된 특정한 순서 또는 계층 구조에 한정되는 것을 의미하지는 않는다.
제시된 실시예들에 대한 설명은 임의의 본원의 기술 분야에서 통상의 지식을 가진 자가 본원을 이용하거 나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본원의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이며, 여기에 정의된 일반적인 원리들은 본원의 범위를 벗어남이 없이 다른 실 시예들에 적용될 수 있다. 그리하여, 본원은 여기에 제시된 실시예들로 한정되는 것이 아니라, 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.
Claims (8)
- 시험기관 서버에 의해, 제약회사 서버로부터 시험 의뢰를 수신함에 응답하여, 서버에 시험 의뢰에 대응하는 시험기관 등록 및 시험 요청 등록을 수행하는 단계;
서버에 의해, 시험기관 등록 및 시험 요청 등록에 대응하는 임상시험 승인 요청을 임상시험 승인 기관 서버에 전송하는 단계;
승인 기관 서버에 의해, 서버로 임상시험 승인 확인을 전송하는 단계;
서버에 의해, 임상시험 승인 확인을 수신함에 따라, 복수의 임상시험 참여 기관 서버가 접근 가능한 웹사이트에 임상시험 공고를 업로드하여 게시하는 단계;
서버에 의해, 복수의 임상시험 참여 기관 서버 중 적어도 하나의 임상시험 참여 기관 서버로부터, 임상시험 결과를 나타내는 데이터 및 근거자료를 수신하는 단계;
서버에 의해, 수신된 데이터 및 근거자료를 이용하여, 임상시험 결과에 대한 결과 보고서를 생성하는 단계;
서버에 의해, 생성된 결과 보고서를 시험기관 서버로 전송하는 단계;
를 포함하고,
임상시험은 서버에 의해 복수의 항목 별로 수행되고,
서버에 의해, 상기 적어도 하나의 임상시험 참여 기관 서버로부터 수신한 데이터를 복수의 항목들에 대한 내용으로 구분하여, 조사표를 생성하는 단계;
서버에 의해, 머신 러닝 기법으로 학습된 모델을 이용하여, 조사표 내용에 기초하여 임상시험의 결과 보고서를 생성하는 단계;
생성된 결과 보고서를 적어도 하나의 참여 기관 서버로 전송하는 단계;
를 포함하고,
복수의 항목은 일반 증상, 일반혈액검사(CBC), 혈액화학검사, 영상자료, 사진자료, 및 샘플자료의 항목들로 이루어지고,
각 항목 별 증상이 발생했던 데이터들의 평균 값과 수신된 데이터를 비교하여, 코사인 유사도를 계산하는 단계;
기저장된 데이터에 기초하여, 각 항목 별 코사인 유사도의 임계치를 설정하는 단계;
각 항목 별 코사인 유사도가 각 항목별 임계치 내인 것으로 확인되는 경우, 해당 항목의 증상에 해당하는 것으로 결정하는 단계;
서버가, 복수의 항목들 각각에 대한 가중치를 설정하는 단계;
각 항목에 대한 만족 여부 및 복수의 항목들의 가중치에 기초하여 임상 결과의 결과 값에 대한 점수를 계산하는 단계;
결과 값에 대한 점수가 높은 순으로 정렬하고, 결과 값을 디스플레이를 통해 표시하는 단계;
를 포함하고,
메모리에 저장된 복수의 애완동물들의 데이터를 항목 별로 클러스터링하는 단계;
상기 클러스터링된 복수의 항목 별로, 항목에 대응하는 데이터의 정규 분포 상의 평균 값의 정보를 계산하는 단계;
항목 별로 계산된 상기 평균 값에 기초하여, 각각의 항목 별로 임계치를 보정하기 위한 가중치를 설정하는 단계;
각각의 항목 별로 임계치를 보정하기 위한 가중치를 이용하여, 상기 평균 값에 대하여 임계 범위를 설정하는 단계;
항목에 대응하는 데이터 값이 상기 임계 범위를 만족하는 데이터 값을 선택하는 단계;
를 포함하고,
서버에 의해, 각 단계의 수행이 완료됨을 확인하는 단계;
서버에 의해, 각 단계의 수행이 완료됨을 확인하는 경우, 각 단계의 수행이 완료됨을 내는 알림 메시지를 참여 기관 서버에 전송하는 단계;
참여 기관 서버에 유선 또는 무선으로 연결된 디스플레이를 통해, 알림 메시지를 표시하는 단계를 포함하는, 의약품 임상시험 온라인 자동화 시스템을 동작하는 방법.
- 제1항에 있어서,
임상시험에 따라, 애완동물의 상태, 체중, 품종, 연령에 대한 정보 별로 분리하여 데이터가 취합되는 것인, 의약품 임상시험 온라인 자동화 시스템을 동작하는 방법.
- 제2항에 있어서,
참여 기관 서버로부터 데이터 및 근거자료를 수신하는 경우, 서버에 의해, 데이터 및 근거자료를 복수의 항목들 별로 조사표 매핑 방식으로 자동 분류하여 데이터를 변환하고, 메모리에 저장하는 단계를 포함하는, 의약품 임상시험 온라인 자동화 시스템을 동작하는 방법.
- 의약품 임상시험 온라인 자동화 시스템에 있어서,
시험기관 서버;
제약회사 서버;
서버; 및
복수의 임상시험 참여 기관 서버를 포함하고,
시험기관 서버가, 제약회사 서버로부터 시험 의뢰를 수신함에 응답하여, 서버에 시험 의뢰에 대응하는 시험기관 등록 및 시험 요청 등록을 수행하고;
서버가, 시험기관 등록 및 시험 요청 등록에 대응하는 임상시험 승인 요청을 임상시험 승인 기관 서버에 전송하고;
승인 기관 서버가, 서버로 임상시험 승인 확인을 전송하고;
서버가, 임상시험 승인 확인을 수신함에 따라, 복수의 임상시험 참여 기관 서버가 접근 가능한 웹사이트에 임상시험 공고를 업로드하여 게시하고;
서버가, 복수의 임상시험 참여 기관 서버 중 적어도 하나의 임상시험 참여 기관 서버로부터, 임상시험 결과를 나타내는 데이터 및 근거자료를 수신하고;
서버가, 수신된 데이터 및 근거자료를 이용하여, 임상시험 결과에 대한 결과 보고서를 생성하고; 및
서버가, 생성된 결과 보고서를 시험기관 서버로 전송하고,
임상시험은 서버에 의해 복수의 항목 별로 수행되고,
서버가, 상기 적어도 하나의 임상시험 참여 기관 서버로부터 수신한 데이터를 복수의 항목들에 대한 내용으로 구분하여, 조사표를 생성하고,
서버가, 머신 러닝 기법으로 학습된 모델을 이용하여, 조사표 내용에 기초하여 임상시험의 결과 보고서를 생성하고,
서버가, 생성된 결과 보고서를 적어도 하나의 참여 기관 서버로 전송하고,
복수의 항목은 일반 증상, 일반혈액검사(CBC), 혈액화학검사, 영상자료, 사진자료, 및 샘플자료의 항목들로 이루어지고,
서버가, 각 항목 별 증상이 발생했던 데이터들의 평균 값과 수신된 데이터를 비교하여, 코사인 유사도를 계산하고,
서버가, 기저장된 데이터에 기초하여, 각 항목 별 코사인 유사도의 임계치를 설정하고,
서버가, 각 항목 별 코사인 유사도가 각 항목별 임계치 내인 것으로 확인되는 경우, 해당 항목의 증상에 해당하는 것으로 결정하고,
서버가, 복수의 항목들 각각에 대한 가중치를 설정하고,
서버가, 각 항목에 대한 만족 여부 및 복수의 항목들의 가중치에 기초하여 임상 결과의 결과 값에 대한 점수를 계산하고,
서버가, 결과 값에 대한 점수가 높은 순으로 정렬하고, 결과 값을 디스플레이를 통해 표시하고, 메모리에 저장된 복수의 애완동물들의 데이터를 항목 별로 클러스터링하고, 상기 클러스터링된 복수의 항목 별로, 항목에 대응하는 데이터의 정규 분포 상의 평균 값의 정보를 계산하고, 항목 별로 계산된 상기 평균 값에 기초하여, 각각의 항목 별로 임계치를 보정하기 위한 가중치를 설정하고, 각각의 항목 별로 임계치를 보정하기 위한 가중치를 이용하여, 상기 평균 값에 대하여 임계 범위를 설정하고, 항목에 대응하는 데이터 값이 상기 임계 범위를 만족하는 데이터 값을 선택하고,
서버가, 각 단계의 수행이 완료됨을 확인하고, 각 단계의 수행이 완료됨을 확인하는 경우, 각 단계의 수행이 완료됨을 내는 알림 메시지를 참여 기관 서버에 전송하고, 참여 기관 서버에 유선 또는 무선으로 연결된 디스플레이를 통해, 알림 메시지를 표시하는,
의약품 임상시험 온라인 자동화 시스템.
- 삭제
- 삭제
- 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230050386A KR102625111B1 (ko) | 2023-04-18 | 2023-04-18 | 다단계 개체분리식 애완동물 의약품 임상시험 온라인 자동화 시스템 및 그 동작 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230050386A KR102625111B1 (ko) | 2023-04-18 | 2023-04-18 | 다단계 개체분리식 애완동물 의약품 임상시험 온라인 자동화 시스템 및 그 동작 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102625111B1 true KR102625111B1 (ko) | 2024-01-15 |
Family
ID=89542807
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230050386A KR102625111B1 (ko) | 2023-04-18 | 2023-04-18 | 다단계 개체분리식 애완동물 의약품 임상시험 온라인 자동화 시스템 및 그 동작 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102625111B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102689510B1 (ko) * | 2023-08-07 | 2024-07-29 | 주식회사 페토바이오 | 평가의 유효성 검증에 기반한 임상시험 운영 시스템 및 임상시험 운영 방법 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011081758A (ja) * | 2009-10-09 | 2011-04-21 | Tsunenori Okane | 動物臨床試験のための同時進行的適薬発見自動化システム |
| KR20210084909A (ko) * | 2019-12-30 | 2021-07-08 | (주)메디아이플러스 | 임상시험 데이터 매칭 방법 및 장치 |
| KR20220058129A (ko) * | 2020-10-30 | 2022-05-09 | 충남대학교병원 | 상호인정 기반 irb 운영 시스템 및 방법 |
| KR20220069333A (ko) * | 2020-11-20 | 2022-05-27 | 서울대학교산학협력단 | 임상 기록 데이터 생성 방법 및 장치 |
-
2023
- 2023-04-18 KR KR1020230050386A patent/KR102625111B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011081758A (ja) * | 2009-10-09 | 2011-04-21 | Tsunenori Okane | 動物臨床試験のための同時進行的適薬発見自動化システム |
| KR20210084909A (ko) * | 2019-12-30 | 2021-07-08 | (주)메디아이플러스 | 임상시험 데이터 매칭 방법 및 장치 |
| KR20220058129A (ko) * | 2020-10-30 | 2022-05-09 | 충남대학교병원 | 상호인정 기반 irb 운영 시스템 및 방법 |
| KR20220069333A (ko) * | 2020-11-20 | 2022-05-27 | 서울대학교산학협력단 | 임상 기록 데이터 생성 방법 및 장치 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102689510B1 (ko) * | 2023-08-07 | 2024-07-29 | 주식회사 페토바이오 | 평가의 유효성 검증에 기반한 임상시험 운영 시스템 및 임상시험 운영 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Charnley et al. | Simulation to enable a data-driven circular economy | |
| Al-Worafi | Technology for drug safety: Current status and future developments | |
| Askin et al. | Artificial intelligence applied to clinical trials: opportunities and challenges | |
| Stanfill et al. | A systematic literature review of automated clinical coding and classification systems | |
| Jones et al. | A multivariate time series approach to modeling and forecasting demand in the emergency department | |
| US20160063209A1 (en) | System and method for health care data integration | |
| US8630866B2 (en) | System and method to automate service delivery to medical equipment | |
| Zhou et al. | The impact of interoperability of electronic health records on ambulatory physician practices: a discrete-event simulation study | |
| JP2013109762A (ja) | 実時間状況対応ｋｐｉに基づく自律警報エージェント | |
| Willis et al. | Qualitative and quantitative approach to assess the potential for automating administrative tasks in general practice | |
| KR20200128241A (ko) | 빅데이터 및 인공지능 기반 골다공증 치료 서비스 제공 방법 | |
| Hribar et al. | Secondary use of EHR timestamp data: validation and application for workflow optimization | |
| KR102625111B1 (ko) | 다단계 개체분리식 애완동물 의약품 임상시험 온라인 자동화 시스템 및 그 동작 방법 | |
| Jones et al. | A business analytics software tool for monitoring and predicting radiology throughput performance | |
| CN118333642B (zh) | 一种多元化社区护理服务的追溯及提高服务质量方法 | |
| CN111986744A (zh) | 医疗机构的患者界面生成方法、装置、电子设备及介质 | |
| Kondylakis et al. | Status and recommendations of technological and data-driven innovations in cancer care: Focus group study | |
| Wangen et al. | Improving farm decisions: the application of data engineering techniques to manage data streams from contemporary dairy operations | |
| Fu et al. | Resilient supply chain framework for semiconductor distribution and an empirical study of demand risk inference | |
| Choi et al. | Development of scalable on-line anomaly detection system for autonomous and adaptive manufacturing processes | |
| McVey et al. | Livestock informatics toolkit: a case study in visually characterizing complex behavioral patterns across multiple sensor platforms, using novel unsupervised machine learning and information theoretic approaches | |
| Saldivar-Carranza et al. | Comparison at Scale of Traffic Signal Cycle Split Failure Identification from High-Resolution Controller and Connected Vehicle Trajectory Data | |
| WO2023029436A1 (zh) | 数据标注的方法、装置、设备和存储介质 | |
| Meineke et al. | Design and concept of the SMITH phenotyping pipeline | |
| Fedorowicz et al. | Multivariate ovulation window detection at OvuFriend |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant |