병원내 구축된 IoT 시스템을 활용한 효율적인 개인 정보 수집 모델 설계 = An Efficient Personal Information Collection Model Design Using In-Hospital IoT System

국문 초록 (Abstract)

IT 기술의 발달과 함께 의료 서비스 환경이 과거에 비해 많은 변화가 일어나고 있다. 그러나, 의료 기술이 IT 기술과 융합하더라도 의료비 문제와 의료 서비스 관리에 대한 문제는 여전히 해결해야할 사항 중 하나이다. 본 논문에서는 IoT 시스템을 구축한 병원을 대상으로 의료 서비스를 제공받는 사용자의 개인 정보를 의료진이 효율적으로 분석·관리할 수 있는 모델을 제안한다. 제안 모델은 병원내 구축된 IoT 시스템을 통해서 사용자의 의료 정보를 효율적으로 체크하고 관리하는 것이 목적이다. 제안 모델은 다양한 이기종의 클라우드 환경에서 사용될 수 있으며, 사용자의 의료 정보를 추가적인 인적・물적 자원 없이 효율적이면서 빠르게 관리할 수 있다. 특히, 제안모델에서 수집된 사용자의 의료 정보는 IoT 게이트웨이를 통해 서버에 저장되기 때문에 의료진이 시간과 장소에 상관없이 사용자의 의료 정보를 정확하게 분석할 수 있다. 성능평가 결과, 제안 모델은 IoT 시스템을 사용하지 않은 기존 의료 시스템 모델보다 직군별 의료진의 의료 서비스에 대한 효율성이 19.6% 향상되었고, 의료 서비스를 제공받은 사용자의 사후 의료관리 개선율이 22.1% 향상된 결과를 얻었다. 또한, 의료진의 업무 부담률은 기존 의료 시스템 모델보다 평균 17.6% 낮게 나타났다.

다국어 초록 (Multilingual Abstract)

With the development of IT technology, many changes are taking place in the health service environment over the past. However, even if medical technology is converged with IT technology, the problem of medical costs and management of health services are still one of the things that needs to be addressed. In this paper, we propose a model for hospitals that have established the IoT system to efficiently analyze and manage the personal information of users who receive medical services. The proposed model aims to efficiently check and manage users' medical information through an in-house IoT system. The proposed model can be used in a variety of heterogeneous cloud environments, and users' medical information can be managed efficiently and quickly without additional human and physical resources. In particular, because users' medical information collected in the proposed model is stored on servers through the IoT gateway, medical staff can analyze users' medical information accurately regardless of time and place. As a result of performance evaluation, the proposed model achieved 19.6% improvement in the efficiency of health care services for occupational health care staff over traditional medical system models that did not use the IoT system, and 22.1% improvement in post-health care for users who received medical services. In addition, the burden on medical staff was 17.6 percent lower on average than the existing medical system models.

참고문헌 (Reference)

• 1 F. Touati, "Towards u-health: An indoor 6LoWPAN based platform for real-time healthcare monitoring" 1-4, 2014
• 2 B. Bahmani, "Scalable k-means++" 5 (5): 622-633, 2012
• 3 M. Mambo, "Proxy signatures for delegating signing operation" 48-57, 1996
• 4 Y. Zhou, "Provably secure proxy-protected signature schemes based on factoring" 164 (164): 83-98, 2005
• 5 W. Zhao, "Parallel k-means clustering based on mapreduce" 674-679, 2009
• 6 X. Cui, "Optimized big data K-means clustering using MapReduce" 70 (70): 1249-1259, 2014
• 7 X. Cai, "Multi-view k-means clustering on big data" AAAI Press 2598-2604, 2013
• 8 Y. S. Lee, "Hybrid Cloud Service Based Healthcare Solutions" 25-30, 2015
• 9 H. Gao, "Dynamic Trust Model for Federated Identity Management" 55-61, 2010
• 10 Z. A. Khattak, "A study on threat model for federated identities in federated identity management system" 2 : 618-623, 2010
• 11 T. W. Kim, "A Big Data Framework for u-Healthcare Systems Utilizing Vital Signs" 494-497, 2014