基于人工智能的异位性皮肤炎预测及预防商品推荐方法与流程

本发明涉及异位性皮肤炎预测及预防商品推荐方法，更详细地，涉及一种服务方法，即，基于人工智能预测异位性皮肤炎风险组，并以这种预测结果为基础提供异位性皮肤炎预防指南，从而能够推荐和销售相关商品。

背景技术：

异位性皮肤炎是一种常见的慢性、复发性皮肤炎，主要发生在婴幼儿，是一种伴随着瘙痒出现红肿的湿疹性疾病。据报道，占全世界儿童的7.3～7.9％，在韩国占少儿的10～20％，占成人的1～3％。据报道，特别是3岁以下儿童具有很高的患病率。据报道，异位性皮肤炎患者中有50％发展为过敏性鼻炎，75％发展为哮喘。据报道，因此通过在婴幼儿时期的迅速预防可显著降低异位性皮肤炎的进展，从而降低过敏性疾病的发展可能性。为了在早期通过保湿剂、乳酸菌、母乳喂奶等多种方法预防这种异位性皮肤炎，因此需要通过检测来筛选具有遗传易感性的对象，以便在早期进行预防。以异位性皮肤炎发病前的幼儿及少儿为对象，以简便且非侵袭的方法准备容易采取检体的异位性皮肤炎筛选分子遗传检测，同时通过进行与此相关的预测和推荐有效预防信息及销售相关商品来有效预防异位性皮肤炎，从而对因极度痛苦而导致生活质量恶化的异位性皮肤炎患者作出贡献。

韩国授权专利第10-1864614号(以下称为“专利文献1”)公开了异位性自动护理装置及其方法，通过机械学习向患有异位性疾病的患者提供包括医生处方、民间疗法、離乳食、便当、洗涤剂、入浴液、保湿霜、手套、湿度调节器或它们的组合的用于减轻或消除异位性疾病各种治疗法、食饵疗法及用品使用相关的护理程序。

韩国授权专利第10-1864986号(以下称为“专利文献2”)公开了基于基因组信息的疾病预测方法和装置。根据专利文献2的疾病预测方法包括：接收基因组信息并将接收到的上述基因组信息转换为包含单核苷酸多态性(snp)位置及多个基因型(genotypes)的独热向量(one-hotvector)形态的步骤；在上述单核苷酸多态性位置及多个基因型中通过包含上述独热向量和预定的多个疾病信息的载体之间的互信息(mutualinformation)来确定规定数量的主要单核苷酸多态性位置及多个基因型的步骤；以及以上述确定的主要单核苷酸多态性位置及多个基因型为基础预测疾病的步骤。

韩国授权专利第10-0098561号(以下称为“专利文献3”)公开了基于分析对象疾病相关的单核苷酸多态性组合预测使用人员的疾病发生风险度的疾病发生风险度预测装置，包括：基于全基因组分析的疾病关联度数据库，用于存储基于疾病组和对照组的全基因组分析信息提取的多个单核苷酸多态性的疾病关联度；以及单核苷酸多态性组合提取部，按过滤顺序逐步过滤从上述疾病关联度数据库中读取的分析对象疾病相关的单核苷酸多态性数据，并通过逐步过滤而生成的多个单核苷酸多态性候选组合的错误率为基础进行下一步骤的过滤，将在多个单核苷酸多态性候选组合中错误率最低的单核苷酸多态性候选组合提取成疾病关联单核苷酸多态性组合。

韩国授权专利第10-005787号(以下称为“专利文献4”)公开的疾病信息预测系统包括：表达变化基因提取部，基于每个基因表达分布生成分别与多个基因数据集有关的表达变化基因信息；学习部，基于基因、细胞功能及疾病的相关关系生成初始深度神经网络，并基于分别与上述多个基因数据集有关的表达变化基因信息，并通过学习上述初始深度神经网络来生成最终深度神经网络；以及探索部，通过反向传播(backwardpropagation)上述最终深度神经网络来探索上述疾病相关的疾病信息。

韩国授权专利第10-0134203号(以下称为“专利文献5”)涉及利用单核苷酸多态性的疾病相关基因组分析系统及装置。在现有的疾病和药物反应预测基因检测系统中，通过委托人员的要求及可疑疾病的种类事先咨询、受理、确认个人基因组变异性(实验)、预测、结果报告书等一系列过程及适用于收集与此相关的信息的技术，由于对广泛发布的数据的正确认识以及以后向委托人传达的客观且具体的报告书上的存在不足之处，现在对其可靠性产生了质疑，因此，在第一步骤中，在疾病及药物反应相关的数据库、研究数据库及基因数据库中通过改善的算法来导出客观且具体的单核苷酸多态性疾病关联性，在第二步骤中，通过分析在上述第一步骤中导出的特定疾病相关的多个单核苷酸多态性的复杂性来计算最终疾病风险度，由此可提高疾病预测结果的精确度。

技术实现要素：

技术问题

本发明的目的在于，通过人工智能模型对根据单碱基多态性信息的异位性筛选检测结果进行异位性皮肤炎风险度分析及预测，从而进一步提供异位性皮肤炎风险组预防指南、推荐相关商品及销售服务。

技术方案

为了实现上述目的，本发明提供基于人工智能的异位性皮肤炎预测方法，包括：通过聚合酶链式反应反向杂交法收集检测试剂盒的解读结果数据的步骤；以及基于上述解读结果数据，通过人工智能(ai)分析来预测异位性皮肤炎的发病可能性的步骤。

根据本发明的一实施例，上述人工智能分析使用由多层神经网络(multi-layerperceptronneuralnetwork)过程的人工神经网络分析方法，上述多层神经网络包括一个输入层(inputlayer)、一个以上的隐藏层(hiddenlayer)以及一个输出层(outputlayer)。

根据本发明的一实施例，上述通过聚合酶链式反应反向杂交法收集检测试剂盒的解读结果数据的步骤包括：通过从口腔上皮细胞及唾液中提取的基因组脱氧核糖核酸(genomicdna)收集多重聚合酶链式反应(multiplexpcr)数据的步骤；以及进行反向杂交法异位性单核苷酸多态性(rebaatopysnp)检测的步骤。

根据本发明的一实施例，上述进行反向杂交法异位性单核苷酸多态性检测的步骤包括对选自由klk基因的rs1991818、spink5基因的rs2303064、rs2303065、rs2303070、flg基因的rs200519781、rs146466242、kdr基因的rs2305948、il5ra基因的rs334809、il9基因的rs31563、il12rb1基因的rs393548、rs436857及defb1_1基因的rs5743399组成的组中的一种以上的单核苷酸多态性进行检测的步骤。

并且，本发明公开基于人工智能的异位性皮肤炎预防商品推荐方法，包括：通过聚合酶链式反应反向杂交法收集检测试剂盒的解读结果数据的步骤；基于上述解读结果数据，通过人工智能分析来预测异位性皮肤炎的发病可能性的步骤；以及根据发病风险度来区分使用人员组，并为每个区分的上述使用人员组推荐预防方法的步骤。

根据本发明的一实施例，上述人工智能分析使用由多层神经网络组成(multi-layerperceptronneuralnetwork)构成的人工神经网络分析方法，上述多层神经网络包括一个输入层(inputlayer)、一个以上的隐藏层(hiddenlayer)以及一个输出层(outputlayer)。

根据本发明的一实施例，上述通过聚合酶链式反应反向杂交法收集检测试剂盒解读结果数据的步骤包括：通过从口腔上皮细胞及唾液中提取的基因组脱氧核糖核酸(genomicdna)收集多重聚合酶链式反应(multiplexpcr)数据的步骤；以及进行反向杂交法异位性单核苷酸多态性检测的步骤。

根据本发明的一实施例，上述进行反向杂交法异位性单核苷酸多态性检测的步骤包括对选自由klk基因的rs1991818、spink5基因的rs2303064、rs2303065、rs2303070、flg基因的rs200519781、rs146466242、kdr基因的rs2305948、il5ra基因的rs334809、il9基因的rs31563、il12rb1基因的rs393548，rs436857及defb1_1基因的rs5743399组成的组中的一种以上的单核苷酸多态性进行检测的步骤。

根据本发明的一实施例，上述使用人员组包括皮肤障壁受损可能性较高的组及免疫系统受损可能性较高的组。

根据本发明的一实施例，异位性皮肤炎预防商品推荐方法向上述皮肤障壁受损可能性较高的组推荐通过使用保湿剂来防止皮肤障壁受损的商品。

根据本发明的一实施例，向上述免疫系统受损可能性较高的组推荐通过摄取乳酸菌来抑制有害菌并生成免疫物质的商品和通过母乳喂奶及摄取部分水解奶粉来生成免疫物质的商品

并且，本发明公开的基于人工智能的异位性皮肤炎预防商品推荐系统包括：通信模块，用于接收聚合酶链式反应反向杂交法的解读结果数据；人工智能分析模块，通过对上述接收的解读结果数据进行人工智能分析来预测异位性皮肤炎的发病可能性；以及使用人员管理模块，通过发病风险度区分使用人员组，并为每个区分的上述使用人员组推荐预防方法。

根据本发明的一实施例，上述人工智能分析模块通过人工神经网络分析方法预测发病可能性。

根据本发明的一实施例，上述人工神经网络分析方法包括由多层神经网络(multi-layerperceptronneuralnetwork)构成的人工神经网络分析方法，上述多层神经网络包括一个输入层(inputlayer)、一个以上的隐藏层(hiddenlayer)及一个输出层(outputlayer)。

发明的效果

本发明提供的通过根据个人单碱基多态性信息的异位性筛选检测的早期预防服务方法具有如下效果，即，通过机械学习分析与异位性单核苷酸多态性有关的大数据来按每个类似事例生成预测模型，并以生成的预测模型为基础预测特定使用人员是否产生异位性发病，从而可提供适当的早期预防方法，由此，可预先预防异位性并容易管理异位性疾病。

附图说明

图1为示出本发明一实施例的基于人工智能的异位性皮肤炎风险组预测及风险组预防商品销售系统的概念图。

图2为示出基于人工智能的异位性皮肤炎风险组预测及风险组预防商品销售系统的操作流程图。

图3为示出适用于本发明的人工神经网络结构的概念图。

图4为示出本发明的人工神经网络的分析学习过程的流程图。

图5为示出基于反向杂交法(reba)的异位性皮肤炎筛选检测过程的概念图。

图6为示出基于人工智能分析的异位性皮肤炎发病预测图的比率的概念图。

具体实施方式

通过在附图中示出多个特定实施例来详细说明本发明，本发明可进行多种变更并且可具有多种实施例。但特定实施方式并不限定本发明，应当理解，在本发明的技术思想及技术范围内的所有变更、等同技术方案及代替技术方案均属于本发明要求保护范围。

以下，参照附图进一步详细说明本发明。在本说明书的相互不同的实施例中，对相同或类似的结构赋予了相同或类似的附图标记，其说明可由第一次说明代替。除非在文脉上明确表示不同的意思，否则本说明书中所使用的单数的表达包括复数的表达。

并且，在以下说明中使用的结构要素的词尾“模块”或“部”仅为了容易制定说明书而赋予或混用，其自身并不具有相互区分的含义或作用。

图1为示出本发明一实施例的基于人工智能的异位性皮肤炎风险组预测及风险组预防商品销售系统的概念图。

参照图1，系统可包括人工智能分析模块、通信模块、使用人员管理模块等。

并且，虽未图示，可存在用于控制各个模块的驱动并管理的控制模块。

这种多个模块可以在硬件上相互分离或也可以仅在软件上分离，而不在硬件上分离。

人工智能分析模块基于聚合酶链式反应反向杂交法的解读结果数据，通过人工神经网络方法来预测异位性皮肤炎发病。

通信模块利用聚合酶链式反应反向杂交法检测试剂盒接收解读的结果数据。

使用人员管理模块通过将人工智能分析模块预测的异位性皮肤炎的发病可能性较高的组区分为风险组来向风险组提供预想商品，从而为该组提供异位性皮肤炎初始预防方法并推荐用于预防异位性皮肤炎而需要的商品。

图2为示出基于人工智能的异位性皮肤炎风险组预测及风险组预防商品销售系统的操作流程图。

参照图2，异位性皮肤炎预测及预防商品推荐方法可包括：通过聚合酶链式反应反向杂交法收集检测试剂盒的解读结果数据的步骤(s100)；基于解读结果数据进行人工智能分析的步骤(s200)；预测异位性皮肤炎的发病可能性的步骤(s300)；向发病风险组提供预防指南并推荐需要的商品的步骤(s400)等。

通过聚合酶链式反应反向杂交法收集检测试剂盒的解读结果数据的步骤(s100)可包括：通过从口腔上皮细胞及唾液中提取的基因组脱氧核糖核酸(genomicdna)收集多重聚合酶链式反应(multiplexpcr)数据的步骤；以及进行反向杂交法异位性单核苷酸多态性检测的步骤。

具体地，在提取基因组脱氧核糖核酸(genomicdna)的步骤中，利用干燥的一次性采样拭子(dry-flockedswab)采取口腔上皮细胞后放置于保存液5分钟。利用提取的基因组脱氧核糖核酸(genomicdna)及存在于唾液中的基因组脱氧核糖核酸(genomicdna)制备用于反向杂交法异位性筛选(rebaatopyscreening)的聚合酶链式反应的模板。

为了收集多重聚合酶链式反应(multiplexpcr)数据可利用helixamp^tmdirectpcr[3g](nanohelix，大田)。directpcr[3g](nanohelix，大田)的组成成分为热启动taq聚合酶(hot-starttaqpolymerase)、反应缓冲液(reactionbuffer)、氯化镁(mgcl2)、脱氧核糖核苷三磷酸(dntp)。

在用于聚合酶链式反应的每种组成成分中，向multiplexpcrpremix1tube(20μl)投入一对为5～10pmole/rxn的各个靶基因的引物(primer)，并以1ng以上的基因组脱氧核糖核酸(genomicdna)对应20μl的最终体积。

在聚合酶链式反应中，为了初始变性过程，在95℃的条件下进行5分钟，为了扩增过程，在95℃的条件下进行20秒钟，在63℃的条件下进行1分钟，将此过程反复进行40次后，为了完全延伸反应，在72℃的条件下进行5分钟的反应。

反向杂交法异位性单核苷酸多态性检测通过向聚合酶链式反应产物混合等量的变性液(denaturationsolution)(0.2n的naoh，0.2mm的乙二胺四乙酸(edta)后在室温条件下进行5分钟的反应来使双链的聚合酶链式反应产物变性为单链。

将变性的扩增产物用2xsspe/0.1％的十二烷基硫酸钠缓冲液(sdsbuffer)稀释并放置于附着皮肤障壁(skinbarrier)及免疫相关基因的寡核苷酸探针的薄膜反向杂交法异位性单核苷酸多态性试验片条(rebaatopysnpstrip)中，随后在50℃的条件下进行30分钟的杂交反应。在10分钟之内，利用2xsspe/0.5％的十二烷基硫酸钠缓冲液在50℃的条件下洗涤两次，并将以1：2000(v/v)的比例稀释的碱性磷酸酶标记的链霉亲和素结合物(alkalinephosphatase-labeledstreptavidinconjugate)(罗氏(roche)，曼海姆(mannheim)，德国(germany))在室温条件下进行30分钟的反应。

完成反应后，在1分钟之内将试验片条(strip)在室温条件下洗涤两次，随后通过在碱性磷酸酶(alkalinephosphatase)中产生反应的发色用底物溶液nbt/bcip(罗氏，德国)中进行10分钟的发色后判断检测结果。

每个人对单核苷酸多态性的结果可能会有所不同，这可通过分析临床征象与单核苷酸多态性结果之间的相关性来查明。直到现在，虽然单核苷酸多态性主要通过定序实现，但为了确认与免疫相关的各种类型的细胞因子需要分别确认相应部位，这不仅繁琐，而且在时间和成本上也会出现问题。

为了解决如上所述的问题，在本申请中通过反向杂交法(reba，reverseblothybridizationassay)进行单核苷酸多态性检测。用于单核苷酸多态性检测的引物及探针序列如表1及表2所示。

表1

表2

上述引物及探针序列为用于获得更高的敏感度、特异度而筛选的序列。

作为目标单核苷酸多态性共利用12个基因的单核苷酸多态性，单核苷酸多态性目标如下，即，klk基因的rs1991818、spink5基因的rs2303064、rs2303065、rs2303070、flg基因的rs200519781、rs146466242、kdr基因的rs2305948、il5ra基因的rs334809、il9基因的rs31563、il12rb1基因的rs393548、rs436857及defb1_1基因的rs5743399，上述多个单核苷酸多态性为在已知的各种单核苷酸多态性中用于预测异位性皮肤炎而筛选的单核苷酸多态性。

为了确认异位性皮肤炎患者与健康对照组的单核苷酸多态性差异并确认是否将其可用于预测异位性皮肤炎，比较上述实施例的单核苷酸多态性。健康对照组及异位性皮肤炎患者中的单核苷酸多态性部位比较结果如下述表3及表4所示。

表3

表4

如上述表3及表4所示，从中可以知道异位性皮肤炎患者与健康对照组之间的基因变异的频率不同。通过这种结果分析单核苷酸多态性的发生频率，从而能够预测异位性皮肤炎。

在基于解读结果数据进行人工智能分析的步骤(s200)中，利用人工神经网络结构对在通过聚合酶链式反应反向杂交法收集检测试剂盒的解读结果数据的步骤(s100)中收集的数据进行分析。

图3为示出适用于本发明的人工神经网络结构的概念图，图4为示出本发明的人工神经网络的分析学习过程的流程图，图5为示出基于反向杂交法的异位性皮肤炎筛选检测过程的概念图。

参照图3至图5，人工神经网络结构通过由一个输入层(inputlayer)、一个以上的隐藏层(hiddenlayer)及一个输出层(outputlayer)构成的多层神经网络(multi-layerperceptronneuralnetwork)形成。

各层(layer)均由作为处理要素的多个节点组成，这些节点可通过赋予连接权重(weight)的线来连接。

个别节点通过将上一步骤的输出值再次作为输入值来接收，并通过激活函数计算出输出值。人工神经网络分析方法是一种具有从上位的输出层到隐藏层、从隐藏层到输入层的逆方向并控制连接权重的方法，作为减少输出值与实际值的误差的方法此方法普遍使用误差反向传播(backpropagation)。

如以下公式所示，学习(learning)向反复减少误差的方向调节多个节点的连接权重的过程。

多层感知器人工神经网络具有将多个逻辑函数线性地组合在一起的非线性(non-linear)辨别函数。这种人工神经网络技术具有一种类似于大脑的解决问题方式，可并列分析复杂的非线性关系，并且具有出色的通过数据学习(machinelearning)进行预测及一般化的能力。

在预测异位性皮肤炎的发病可能性的步骤(s300)中，利用通过上述步骤获取的数据来预测发病可能性。

图6为示出基于人工智能分析的异位性皮肤炎发病预测图的比率的概念图。

参照图6，从中可确认到本发明的基于人工智能分析的预测异位性皮肤炎发病的准确性。

用于确认图6中的表的条件如下。

将人工智能分析分成训练集(trainset)、验证集(validateset)、测试集(testset)进行。其中，70％左右为用于学习的训练集、30％左右为用于确认学习结果的验证集，并从验证集中计算出作为最高值的模型的训练集的值。

为了选择人工智能模型，将197名异位性皮肤炎患者和197名普通人的正常数据比率调整为50％，向训练集配置157名、向验证集配置40名、向测试集配置197名，并在1000次的神经网络分析中选择具有最高验证集值的模型。

在这种情况下，验证集的精确度为688％、敏感度为725％、特异度为65％，测试集的精确度为893％、敏感度为917％、873％。

随后，为了用作用于预测异位性皮肤炎的模型，通过将选定的人工智能分析模型适用于预测模型来计算出290名异位性皮肤炎患者和197名普通人的异位性皮肤炎发病预测度。

其结果，在人工智能分析中精确度为838％、敏感度为803％、特异度873％。图6示出基于神经网络分析1000次最高值的异位性皮肤炎发病预测度。

作为本发明的异位性皮肤炎预测模型可使用多个可解释模型，并且除了神经网络分析之外，还可以使用逻辑回归(logisticregression)、决策树(decisiontree)和支持向量机(supportvectormachine)。

在向发病风险组提供预防指南并推荐需要的商品的步骤(s400)中，基于上述步骤预测的结果提供异位性风险组预防指南、相关产品推荐及销售服务。

例如，向特定风险组推荐通过使用保湿剂来防止皮肤障壁受损并可通过摄取乳酸菌来抑制有害菌、生成免疫物质及恢复免疫系统的方法，向其他风险组可提供通过母乳喂奶及摄取部分水解奶粉来生成免疫物质的异位性皮肤炎预防相关商品及销售服务。

根据上述说明的本发明多个实施例，可提供通过根据个人单碱基多态性信息的异位性筛选检测的早期预防服务方法，更具体地，具有与现有技术不同的效果，即，通过机械学习分析与异位性单核苷酸多态性有关的大数据来为每个类似事例生成预测模型，并以生成的预测模型为基础预测特定使用人员是否产生异位性发病，从而可提供适当的早期预防方法。由此，可预先预防异位性并容易管理异位性疾病。

以上说明的多个实施例的结构和方法并不限制以上说明的本发明，可通过选择性地组合各个实施例的全部或一部分来构成本发明，以使上述多个实施例实现多种变形。