Facing the increasing demands and challenges in the area of chronic disease care, a number of studies on the healthcare system which can, whenever and wherever, extract and process patient data, have been conducted. Chronic diseases are the long-term diseases and require periodic monitoring, multidimensional quantitative analysis, and the classification of patients’ diagnostic information. Among the chronic diseases, metabolic syndrome (MS) that refers to a clustering of specific cardiovascular disease risk factors whose underlying pathology is thought to be related to insulin resistance is one of the major chronic diseases in many countries including Korea, because of its relationship with the incidence of cardiovascular disease (CVD) and type II diabetes mellitus (T2DM). Different from acute disease, chronic disease such MS requires long term care and its temporal information plays an important role to manage the status of disease. Health monitoring in out-of-hospital conditions, especially in the home environment, has drawn the attention of healthcare researchers and developers for a long time, because patients having chronic disease such as MS typically spend most time at home environment. In response to those increasing requirements, there have been a number of previous studies regarding MS, but most of them were focused on investigating the relationship between MS risk factors and the incidence of other chronic diseases such as CVD, coronary heart disease (CHD), and T2DM. Up to our knowledge, there has been no previous literature about quantifying the risk of MS, which is essential for predicting the incidence of MS in the future. To achieve this objective, it is imperative to overcome the well-known limitations of MS diagnostic definitions. There has been much effort to establish diagnostic criteria for MS, but it is known that current diagnostic criteria of MS have the following weaknesses such as no consideration for different importance among risk factors, thresholds-based binary style diagnosis, difficulty in estimating the risk of MS for non-MS subjects, and difficulty in managing the temporal change of the status of MS risk factors. This dissertation proposes a novel MS risk quantification model, which resolves the weaknesses of MS diagnosis methods and shows the validity of the model using extensive clinical evaluation using a large number of sample health examination data. We also present a temporal progress model of MS risk and cloud-based healthcare system architecture to effectively care MS patients by considering the characteristics of MS and chronic diseases.
In this dissertation, we first propose a risk quantification model for MS, which is based on areal simi-larity degree analysis between weighted radar charts consisting of MS diagnostic criteria and examination results of MS risk factors of a subject. The clinical effectiveness of the proposed model is evaluated using data of a large number of subjects obtained from the third Korea National Health and Nutrition Examination Survey (KNHANES III). The evaluation results show that the proposed model can quantify the risk of MS and effectively identify a group of subjects who can be classified into a potential risk group for having MS in the future. Using the proposed model, we can early identify potential MS patients and monitor the temporal change of the patients’ statuses.
Then, we propose a patient-specific chronic disease care system using a chronological clustering method to analyze the temporal progress of chronic disease. We also present a patient tier classification method based on the sensitivity level for accepting con controlling the changes of patient’s disease status. The proposed system provides personalized chronic disease care services according to the classified patient tiers. Through these new technologies, we can design new application services, such as analyzing long-term trends of patient’s disease status, a knowledge-based decision support tool for cardiovascular disease, and a system which predicts mitochondria-level metabolic disorder. The clinical effectiveness of the proposed model is also evaluated using KNHANES III data. The evaluation results show that the proposed model can be used to analyze the temporal progress of chronic disease, especially, the risk of MS. By using the temporal model, we can effectively manage patients with MS or patients at risk of developing it.
Finally, we propose a new healthcare system architecture that integrates the at-home and at-hospital environment to effectively care MS patients. The system supports customizability and dynamic functionality update in a personalized healthcare system by using cloud-based at-home and at-hospital environments inte-gration. The proposed system architecture provides MS risk management functionality based on both MS risk quantification model and temporal progress model. The service broker module within the system supports dynamic provisioning and configuration of personalized at-home healthcare system in cloud environments. We also present the prototype implementation of the personalized healthcare system in home-hospital cloud environments.
The primary contribution and applicability to healthcare and biomedical engineering field is that it proposed an innovative method to identify potential patients with having high risk of MS in advance so that physicians and patients could proactively manage health status and reduce time and medical expenditure for caring the MS. To achieve the objective, we developed a novel MS risk quantification model based on areal similarity degree (ASD) analysis, a temporal progress model based on chronological clustering methodology, and an integrated healthcare architecture for home-hospital integrated healthcare system for MS care.
The rest of this dissertation is organized as follows. Chapter 2 investigates the characteristics of chron-ic disease care cycles and the prevalence of major chronic diseases. Among the diseases, we further investi-gate the concept and diagnostic criteria of MS and present the state-of-arts on the healthcare system for effective chronic disease care. Based on the results, we identify the major problems of the diagnostic criteria for MS and the healthcare systems for MS patients caring. Then, we propose healthcare service flows integrating home and hospital environments. In Chapter 3, we present an MS risk quantification model to identify potential MS subjects with high risk by using the novel ASD analysis, where the diagnostic criteria for MS are ambiguous, and show the clinical effectiveness in terms of applicability for preventing the incidence of CVD and T2DM through managing the status of risk factors of the identified potential MS subjects. In Chapter 4, we propose a temporal progress model of MS risk and patients’ disease states. The effectiveness of the temporal model is also evaluated using clinical examination results of patients. Chapter 5 proposes cloud-based healthcare system architecture to effectively care MS patients by considering the characteristics of MS and chronic diseases, particularly out-of-hospital management. The prototype implementation is also presented. This dissertation is concluded and describes the limitations and further work in the Chapter 6.
만성질환 관리 분야의 지속적인 요구 및 도전에 직면하여, 환자의 의료 데이터를 언제, 어디서나 활용하고 처리할 수 있는 헬스케어 시스템에 대한 많은 연구가 수행되었다. 만성질환은 장기적인 관리가 필요한 질병으로 환자의 진단 정보의 분류, 상태의 주기적인 검사, 다양한 측면에서의 결과 분석 등이 필요하다. 이러한 만성질환 중 대사증후군은 심혈관계 질환의 위험요소 중 병리적 특성이 인슐린 저항성과 관계가 있는 요소들의 군집현상으로 지칭되는 질환으로, 우리나라를 비롯한 많은 나라에서 주요한 만성질환 중 하나로 인식되고 있다. 대사증후군은 심혈관계 질환이나 제2형 당뇨병의 발현과 관련이 있다는 점에서 중요성이 부각되고 있다. 급성질환과 달리 대사증후군과 같은 만성질환은 장기적이며 시간에 따른 변화도 관리가 질환의 효과적인 관리에 중요한 요소이다. 환자들 특히 만성질환 환자들의 가정과 같은 병원 이외의 환경에서의 대부분의 시간을 보내며 자가관리를 수행하기 때문에, 이러한 환경하에서의 효과적인 건강 상태 모니터링은 헬스케어 관련 분야의 연구 개발자들의 주요한 연구 분야 중 하나로 대두되어 왔다. 이러한 요구에 부응하여, 대사증후군 분야의 많은 연구가 진행되어 왔으나, 기존의 연구들은 대부분 대사증후군의 위험요소와 심혈관계 질환, 당뇨병과 같은 다른 만성질환의 발병간의 관계를 규명하는 관점으로 수행되어 왔다. 그러나, 미래의 대사증후군은 발병 가능성을 예측하기 위해서 필수적인 대사증후군의 위험도를 계량화 하고 평가하는 방법에 대한 선행연구는 현재까지 보고되지 않고 있다. 이러한 문제를 해결하기 위해서는 기존의 대사증후군 진단방법의 문제점들의 해결이 필수적이다. 그 동안 대사증후군의 진단기준을 수립하기 위하여 많은 연구와 논의가 진행되어 왔으나, 현 대사증후군의 진단기준은 진단기준 상의 위험 요소간의 상이한 중요도가 고려되지 않고, 진단기준 값을 넘었는지 넘지 않았는지를 기반으로 질환의 유무를 파악함에 따라 대사증후군 비진단자의 대사증후군 발병 위험도 추정이 어려우며, 대사증후군 상태의 시간의 경과에 따른 상태 변화의 관리가 어려운 것과 같은 대표적인 문제점을 가지고 있는 것으로 널리 알려져 있다. 본 논문에서는 기존 대사증후군 진단방법의 문제를 해결하기 위해서 대사증후군 위험도 계량화 모델을 제안하고, 대규모 그룹의 건강검진 결과를 활용하여 제안 모델의 임상적 유용성을 집중적으로 평가하였다.
본 논문에서는 우선 대사증후군 위험요소 별 진단기준 값과 검진자의 검진결과를 이용하여 각각 구성한 가중치 기반의 레이더 차트상에서 두 레이더 차트의 면적 유사도 분석을 활용한 대사증후군 위험도 계량화 모델을 최초로 제안한다. 제안된 위험도 모델의 임상적 유용성은 보건복지부 산하의 질병관리본부에서 제공하는 국민건강영양조사 3기의 원시자료를 활용하여 평가하였다. 분석 결과, 제안된 모델은 대사증후군 위험도를 계량화 할 수 있으며, 장래에 대사증후군 발병의 가능성이 있는 잠재적 위험군을 판별하는데 활용될 수 있음이 확인되었다. 제안된 모델을 통해 잠재적 대사증후군 환자를 조기에 판별하고 시간의 경과에 따른 환자의 상태를 모니터링 하는 목적으로 활용될 수 있다.
그 후, 연대순의 클러스터링 기법을 활용한 만성질환의 시간에 따른 시변 상태 변화도를 분석할 수 있는 모델을 제안하고, 제안된 모델을 탑재한 환자 맞춤형 만성질환 관리 시스템을 개발하였다. 또한, 환자의 질환 상태의 변화량을 관찰하고 통제하기 위한 민감도 기반의 환자 상태 분류 방법도 제안하였다. 개발된 만성질환 관리 시스템은 환자의 상태 분류에 따라 맞춤형 만성질환 관리 서비스를 제공하게 된다. 제안된 만성질환 시변 상태 변화도 분석 모델 및 환자 상태 분류 방법 또한 국민건강영양조사 3기의 원시자료를 이용하여 임상적 의의를 평가하였다. 평가결과 제안된 모델이 대사증후군과 같은 만성질환의 시간에 따른 변화도를 효과적으로 분석할 수 있음이 확인되었다. 제안된 시변 상태 변화도 모델을 활용하여 대사증후군 환자 또는 잠재적 위험군에 대해서 건강 상태를 효과적으로 관리할 수 있다.
마지막으로, 본 논문에서는 대사증후군 환자의 효과적인 관리를 위한 가정-병원 통합 환경을 지원하는 새로운 헬스케어 시스템 구조를 제안하였다. 제안된 시스템은 클라우드 기반의 가정-병원 통합 기법을 활용하여 환자 맞춤형 기능 제공을 지원하는 헬스케어 시스템이다. 제안된 시스템 구조는 대사증후군 위험도 모델 및 시변 상태 변화도 모델에 기반하여 대사증후군 위험도 관리 서비스를 제공할 수 있다. 시스템 내의 서비스 브로커 모듈은 클라우드 환경에서 홈 클라우드에 구성된 가정용 헬스케어 시스템의 동적 설정 및 서비스 제공을 지원할 수 있다. 마지막으로 본 논문에서 제안한 가정-병원 통합형 환자 맞춤형 헬스케어 시스템의 프로토타입 구현 결과를 제시하였다.
본 논문의 주요 기여 및 생명공학 분야의 활용도는 의사와 대사증후군 고위험군 환자들의 건강 상태를 선제적으로 관리하고 대사증후군의 관리를 위해 지출되는 시간과 의료비 지출을 절감할 수 있는 혁신적인 대사증후군 위험도 모델을 제안하고 임상적 유용성을 평가하였다는 것에 있다. 이러한 목적을 위해 본 논문에서는 혁신적인 대사증후군 위험도 계량화 모델과 시변 상태의 변화도를 분석할 수 있는 모델을 개발하고 대사증후군 환자의 효과적인 관리를 위한 가정-병원 통합형 헬스케어 시스템의 구조를 개발하여 상기 모델들을 지원하는 의료의사결정시스템을 탐재함으로써 의사의 환자 진단 시 활용 가능하도록 하였다. 본 논문의 구성은 다음과 같다. 2장에서는 만성질환 관리 사이클의 특성 및 주요 만성질환의 유병률을 분석한다. 분석된 질환 중 본 논문에서 다루는 대사증후군의 개념 및 진단기준에 대해 상세히 검토하고 효과적인 만성질환 관리를 위한 헬스케어 시스템 기술 분야의 최신 연구동향을 살펴본다. 분석 결과를 기반으로 현재의 대사증후군 관리상의 주요 문제점을 도출한다. 그 후, 효과적인 대사증후군 환자의 관리를 위한 가정-병원 통합 환경의 헬스케어 서비스 시나리오를 제시한다. 3장에서는 현재의 대사증후군의 문제를 극복하기 위하여 면적 유사도 분석 기법에 기반하여 잠재적 대사증후군 환자를 판별할 수 있는 대사증후군 위험도 계량화 모델을 제안하고, 제안 모델의 임상적 유용성을 5355명의 건강검진 결과를 이용하여 평가하였다. 4장에서는 대사증후군 환자의 시간에 따른 질병 상태의 변화를 관리하고 통제하기 위한 시변 상태 변화도 모델을 제안하고, 임상적 의의를 평가하였다. 5장에서는 만성질환의 관리적 특성에 기반한 클라우드 기반의 가정-병원 통합형 헬스케어 시스템 구조를 제안하고 프로토타입 구현 결과를 제시하였다. 마지막으로 6장에서 본 논문의 결론 및 제한사항과 향후 연구 주제에 대해 기술한다.
