onblog/Doctor

What it solves

이 프로젝트는 정확한 건강 평가를 제공하기 위해 방대한 양의 파편화된 의료 데이터를 탐색하는 데 따르는 어려움을 해결합니다. 환자가 자신의 상태를에 대해 스스로 평가할 수 있도록 돕고, 의사가 최적의 치료 계획을 찾을 수 있도록 지원하여 진단 효율성과 품질을 향상시키는 것을 목표로 합니다.

How it works

시스템은 의료 지식 그래프를 활용하여 질병과 증상을 연결합니다. 다음과 같은 프로세스를 통해 작동합니다:

1. Data Acquisition: 의료 데이터는 권위 있는 출처로부터 크롤링되어 MySQL, Elastic Search (빠른 검색을 위해), 그리고 Neo4j (그래프 기반 분석을 위해)를 사용하여 구조화된 형식으로 저장됩니다.
2. Knowledge Graph Construction: 시스템은 증상과 질병에 대한 노드를 생성합니다. 질병의 증상 속성을 세분화함으로써, 이들 사이의 직접적인 링크를 구축합니다.
3. Diagnostic Algorithm: 사용자가 증상, 나이, 성별, 직업을 입력하면 시스템은 Neo4j에서 관련 서브 그래프를 검색합니다. 그런 다음 인구 통계 데이터를 기반으로 불가능한 질병을 필터링합니다 (예: 여성 사용자에게 남성 전용 질병을 제외함). 그리고 일치하는 증상의 수에 따라 잠재적 진단을 순위 매기기 위한 "relevance score"를 계산합니다.
4. Architecture: 시스템은 높은 가용성과 확장성을 보장하기 위해 Java 기반의 마이크로서비스 아키텍처 (Spring Cloud)를 사용하여 구축되었습니다.

Who it’s for

• Individuals: 빠른 자가 진단과 자신의 건강 상태에 대한 더 나은 이해를 원하는 개인.
• Medical Professionals: 진단 과정을 지원하기 위해 증상과 질병 사이의 연관성을 발견할 수 있는 도구가 필요한 연구자 및 의사.

Highlights

• Multi-Database Strategy: MySQL, Elastic Search, 및 Neo4j를 결합하여 구조화된 저장, 빠른 검색, 그리고 복잡한 관계 분석의 균형을 맞춥니다.
• Demographic Filtering: 특화된 인구 분포 테이블을 사용하여 사용자 프로필에 따라 관련 없는 질병을 제외함으로써 정확도를 높입니다.
• Relevance Scoring: 증상 일치 밀도에 따라 질병의 순위를 매기기 위한 2단계 정렬 프로세스를 채택합니다.
• Microservices Design: 높은 동시성 및 유지보수성을 처리하기 위해 분산 아키텍처를 사용합니다.