[논문]의료 정보 검사코드 표준화를 위한 LOINC 자동 매핑 프레임웍

안후영; 박영호

[국내논문] 의료 정보 검사코드 표준화를 위한 LOINC 자동 매핑 프레임웍
An Automatic LOINC Mapping Framework for Standardization of Laboratory Codes in Medical Informatics 원문보기

멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.12 no.8, 2009년, pp.1172 - 1181

안후영 (숙명여자대학교 멀티미디어과학과) , 박영호 (숙명여자대학교 멀티미디어과학과)

초록
AI-Helper

전자의무기록(Electronic Medical Record, EMR)은 모든 검사 과정이 텍스트 기반의 데이터 형태로 저장되는 의료 분야의 의무기록 시스템을 의미한다. 그러나 국내의 전자의무기록 시스템은 각 의료기관마다 고유한 의료정보검사코드 형태를 이용하여 기록하는 방식으로 정보를 저장하기 때문에 병원 간의 의료검사 기록 형태들의 공유, 해석, 분석에 많은 문제점들을 가진다. 위의 문제들을 해결하기 위하여 표준화 되어 있지 않은 병원들의 검사코드들을 LOINC (Logical Observation Identifiers Names and Code)로 표준화하려는 연구들이 많다. 현재까지의 연구들은 로컬 의료정보검사코드를 수동으로 LOINC로 변환하는 방법이 연구되었다. 또한 대용량 의학 정보들을 다루기에 적절하지 않은 파일 기반에서 코드들을 관리하는 연구들이 이루어져왔다. 기존의 문제점을 해결하기 위하여 본 논문에서는 의료 용어 표준화 알고리즘을 제안하고, 구현하여 해결하였다. 또한, 대표적인 상용시스템이 가졌던 문제점인 검색어를 의사가 직접 생성해야 했던 부분을 LOINC 의 여섯 가지 자동 속성 추출 및 검색어 자동 생성 기능을 구현하여 해결하였다. 또한, 기존의 시스템들이 고려하지 않았던 대용량 데이터의 매핑 부분을 파일 시스템 기반이 아닌 데이터베이스 기반 검색 프레임웍을 구축하였다.

Abstract ▼ AI-Helper

An electronic medical record (EMR) is the medical system that all the test are recorded as text data. However, domestic EMR systems have various forms of medical records. There are a lot of related works to standardize the laboratory codes as a LOINC (Logical Observation Identifiers Names and Code). However the existing researches resolve the problem manually. The manual process does not work when the size of data is enormous. The paper proposes a novel automatic LOINC mapping algorithm which uses indexing techniques and semantic similarity analysis of medical information. They use file system which is not proper to enormous medical data. We designed and implemented mapping algorithm for standardization laboratory codes in medical informatics compared with the existing researches that are only proposed algorithms. The automatic creation of searching words is being possible. Moreover, the paper implemented medical searching framework based on database system that is considered large size of medical data.

Keyword

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 의료정보검사코드의 표준화를 위한 LOINC 자동 매핑 시스템의 구조를 제안하고, 의료정보 코드 매핑 프레임웍을 개발하였다.
본 논문은 국내 병원들의 표준화 되지 않은 의료 정보 검사 코드 체계의 비 효율성을 해결하고자 로컬코드의 LOINC 매핑 시스템을 구현하였다. 현재까지 대부분의 LOINC 매핑 연구는 LOINC 로의 수동 매핑 방법을 제안하고 있으나, 본 연구에서는 보다 효율적인 의료정보검사코드 표준화를 위해서 LOINC 매핑 과정을 자동화하는 시스템을 구현하였다.
본 실험에서는 인덱스의 개수에 와 데이터베이스 사이즈에 따른 검색 성능을 비교한다. 그림 7은 은 인덱스 종류에 따른 검색 시간의 차이를 보이는 그래프이고, 그림 8은 인덱스 개수에 따른 데이터베이스 사이즈를 보이는 그래프이다.

제안 방법

. 다양한 의료 정보 검사코드를 LOINC 로 자동매핑하는 효과적인 데이터베이스 프레임웍을 제안하였다.
. LOINC 의 6가지 대표 속성들을 자동으로 추출하는 알고리즘을 제안하였다.
. 데이터베이스 인덱스를 활용하여 대용량 데이터를 효과적으로 처리할 수 있는 윈도우 응용프로그램을 구현하였다.
위의 연구는 국내의 로컬코드 표준화를 위한 연구로서, 로컬코드와 LOINC 의 의미론적 방법을 토대로 하여 병원들의 로컬 검사 기록 결과를 LOINC 로 전산화를 통한 자동 변환하는 방법에 관한 연구이다 [17-20], 위의 논문에서는 RELMA 변환 시스템의 수동 변환률을 줄이기 위한 변환 방법을 제안하며 다양한 형태와 종류의 로컬코드들을 LOINC 로 자동 변환[21, 22]시키는 다양한 방법을 고안하였으며, 이를 위해 로컬코드로부터 LOINC 의 여섯 가지 속성을 추출하는 방법들을 정의하였다.
로컬코드로부터 LOINC 의 System을 추출하기 위해서는 로컬코드의 용기명과 검체명을 입력 받아, 이들을 소문자로 변환한 후(라인 6), 소문자로 변환된 System0] "blood” 속성값을 갖는지 확인한다. (라인 7).
Aspect 속성을 추출하는 알고리즘이다. 입 력변수로 받은 세 개의 변수인 용기명, 검사명, 검체를 확인하여 위의 변수들에 시간 표현 여부를 세 번의 비교를 통해 판단한다. 이는 각 단계에서 최대 3번 (min, h, hour, day) 비교하여 시간 표현 값을 추출하게 되므로 0(1)*3의 상수 시간 복잡도를 얻을 수 있으며, 모두 비교했을 때, 시간 표현이 없는 경우의 0(1)을 추가하여도 결과 시간 복잡도는 O(1)의 상수
본 장에서는 구현한 시스템의 인터페이스에 대하여 설명한다. 본 시스템은 Eclipse3.2를 이용하여 윈도우 환경 하에서 구동될 수 있도록 구현하였다.
실험에 사용된 의료정보검사코드들은 진단검사의학과 영역의 로컬코드 1, 141개와 핵 의학과 체외검사영역의 로컬코드 98개에서 묶음 코드와 정도 관리 검사용 코드 89개를 제외한 1, 150개의 의료 정보 검사 코드를 대상으로 하여 데이터베이스를 구성하였다. LOINC 데이터로는 LOINC Version 2.21 (3)를 사용하였으며, LOINC 의 추가적인 정보들을 검색하기 위하여 RELMA 시스템에서 사용하고 있는 LOINC 의 세부 속성들을 가진 Microsoft Access 파일을 데이터베이스로 변환하여, 데이터베이스를 구축하였다.
현재까지 대부분의 LOINC 매핑 연구는 LOINC 로의 수동 매핑 방법을 제안하고 있으나, 본 연구에서는 보다 효율적인 의료정보검사코드 표준화를 위해서 LOINC 매핑 과정을 자동화하는 시스템을 구현하였다.
LOINC 매핑 자동화 과정에서는 로컬코드들의 서로 다른 형식으로 인하여 로컬코드와 LOINC 의 직접 매핑이 불가능한 경우가 많은 문제점이 발생하였으나, 본 논문에서는 이를 해결하기 위해 LOINC 6가지 속성을 추츨하고 조합하는 모든 과정을 프로그램화하여 자동으로 대응코드를 생성하였고, 생성된 대응 코드를 기반으로 LOINC 를 검색하였다.

대상 데이터

본 연구에서는 데이터베이스 서버로 Microsoft SQL Server2000을 사용하였다. 매핑을 위한 로컬코드 데이터로써 진단검사의학과 영역의 로컬코드 1, 141 개와 핵 의학과 체외검사영역(Radioimmunoassar, RIA)의 로컬코드 98개에서 묶음 코드와 정도 관리검사용 코드 89개를 제외한 1, 150개의 로컬코드를 대상으로 하여 데이터베이스를 구성하였다.
본 시스템은 크게 네 가지 화면으로 구성되며, 매핑 시스템을 시작하는 메인 화면, 기존 로컬코드 데이터로부터 6가지 LOINC 속성을 추출하는 화면, 새로운 로컬코드의 LOINC 변환 및 입력하는 화면, 검색된 LOINC 에 대한 자세한 정보를 보여주는 View Details 화면 이다.
본 실험에서는 병원의 의료정보검사코드들을 수집하였다. 실험에 사용된 의료정보검사코드들은 진단검사의학과 영역의 로컬코드 1, 141개와 핵 의학과 체외검사영역의 로컬코드 98개에서 묶음 코드와 정도 관리 검사용 코드 89개를 제외한 1, 150개의 의료 정보 검사 코드를 대상으로 하여 데이터베이스를 구성하였다.
실험에 사용된 의료정보검사코드들은 진단검사의학과 영역의 로컬코드 1, 141개와 핵 의학과 체외검사영역의 로컬코드 98개에서 묶음 코드와 정도 관리 검사용 코드 89개를 제외한 1, 150개의 의료 정보 검사 코드를 대상으로 하여 데이터베이스를 구성하였다. LOINC 데이터로는 LOINC Version 2.

성능/효과

위와 같은 결과를 보이는 가장 큰 이유는 첫째, 병원들의 로컬 검사코드를 직접 RELMA 시스템에서 검색하는 경우 로컬코드와 LOINC 의 직접 매핑은 거의 불가하므로, RELMA 의 매핑 정확률이 매우 낮은 결과를 보인다. 둘째, 제안하는 시스템은 로컬코드로부터 대응코드를 생성 후, LOINC 와 매핑하므로 매핑 정확률이 높은 결과를 보인다.
결과를 보인다. 둘째, 제안하는 시스템은 로컬코드로부터 대응코드를 생성 후, LOINC 와 매핑하므로 매핑 정확률이 높은 결과를 보인다.
따라서 구현된 시스템은 로컬 병원들의 의료 정보 검사 코드의 LOINC 매핑을 위하여 사전 작업으로, 수동으로 대응 코드를 생성한 후, 검색어를 만들어서 검색 해야 하는 RELMA 에 비하여 검색 속도가 현저히 빠르고, 높은 검색률을 보장함을 보이고 있다. 또한 본 논문에서 제안하는 시스템과 RELMA 시스템의 검색 속도를 비교한 결과 검색 속도에서는 파일 기반의 RELMA 와 본 시스템의 속도가 동일한 수준임을 실험을 통하여 알 수 있었다.
또한 본 논문에서 제안하는 시스템과 RELMA 시스템의 검색 속도를 비교한 결과 검색 속도에서는 파일 기반의 RELMA 와 본 시스템의 속도가 동일한 수준임을 실험을 통하여 알 수 있었다.
그림 9의 그래프의 X-축은 인덱스의 개수를 의미하고, y-축은 검색 시간을 의미한다. 인덱스 개수에 따른 검색 시간의 차이를 보면, 인덱스 개수가 증가하여도 검색 속도는 로그 스케일로 수렴하는 결과를 알 수 있다.
실험 결과에 따르면, 기존에 가장 인지도 있는 LOINC 매핑 프로그램인 RELMA 와 비교하였을 때, RELMA 에서는 수동 매핑을 사용하지 않으면 전혀 검색되지 않는 국내 병원들의 로컬코드들을 본 시스템에서는 검색할 수 있었으며 검색의 정확성이 향상됨을 검증하였다. 또한 검색의 속도가 RELMA 시스템과 비슷한 결과에 비하여 검색의 정확률은 약70% 높은 결과를 검증하였다.
검증하였다. 또한 검색의 속도가 RELMA 시스템과 비슷한 결과에 비하여 검색의 정확률은 약70% 높은 결과를 검증하였다. 본 LOINC 매핑 시스템은 향후, 다양한 종류의 로컬코드들을 LOINC 와 자동매핑 하는데 유용할 것이며, 의료정보검사코드 표준화에 중대한 연구가 될 수 있을 것이라 사료된다.

후속연구

또한 검색의 속도가 RELMA 시스템과 비슷한 결과에 비하여 검색의 정확률은 약70% 높은 결과를 검증하였다. 본 LOINC 매핑 시스템은 향후, 다양한 종류의 로컬코드들을 LOINC 와 자동매핑 하는데 유용할 것이며, 의료정보검사코드 표준화에 중대한 연구가 될 수 있을 것이라 사료된다.

참고문헌 (22)

Emons MF, "Intergrated patient data for optimal patient management," in Proc. Clin Chem, the value of laboratory data in Quality improvement, pp, 1516-1520, 2001.
Shine Young Kim, Hyung Hoi Kim, Eun Yeoup Lee, Chul L.hune Chang, Hwa Sun Kim and Hune Cho, "Development and Adoption of a Universal LOINC Mapping Algorithm," Master Thesis, Pusan National University, Vol.14, No.2, pp. 123-135, 2008.
LOINC References, http://www.regenstrief.org(Updated on Sept. 2008).
Baorto DM, Cimino JJ, Parvin CA and Kahn MG., "Using Logical Observation Identifiers, Names, and Codes (LOINC ) to exchange laboratory data among three academic hospitals," in Proc. AMIA Annu Fall Symp., pp. 96-100, 1997.
RELMA manual, http://www.regenstrief.org/medinformatics/LOINC/RELMA (Update d on Aug. 2007).
2000 Centers for Diease Control and Prevention, "Health Level Seven Specifications for Electronic Laboratory-Based Reporting of Public Health Information," in Proc. Final Guideline for Implementation with Cancer Registry Comments, Oct., 1997.
Forrey AW, McDonald CJ and et al., "Logical observation identifier names and codes(LOINC ), Clin Chem, a public use set of codes and names for electronic reporting of clinical laboratory test results," in Proc. Clin Chem, pp. 81-90, 1996.
HealthLevelSeven(HL7), http://www.interfaceware.com/hl7.html?gclidCNOd1cyyqpQCFRGiiQodRBrkzg(Updated on Aug. 2007).
Zollo Ka and Huff SM, "Automated mapping of observation codes using extensional definitions," in Proc. K Am Med Inform Assoc., No.7, pp. 586-592, 2000.
Lau LM, Johnson K, Monson K, Lam SH and Huff SM., "A method for the automated mapping of laboratory results to LOINC," in Proc. AMIA Symp., pp. 472-476, 2000.
White MD, Kolar LM and Steindel SJ, "valuation of vocabularies for electronic laboratory reporting to public health agencies," in Proc. J Am Med Inform Assoc., Vol.3, No.6, pp.185-194, 1999.
Yang Y and Chute CG., "An application of least squares fit mapping to clinical classification," in Proc. Annu Symp Comput Appl Med Care, Vol.460, No.4, 1992.
Sherertz DD, Tuttle MS, Olson NE, Erlbaum MS and Nelson SJ, "Lexical mapping in the UMLS Metathesaurus," in Proc. Annu Symp Comput Appl Med Care., pp. 494-499, 1989.
Bodenreider O, Nelson SJ, Hole WT and Chang HF., "Beyond synonymy: exploiting the UMLS semantics in mapping vocabularies," in Proc. AMIA Annu Symp., pp. 815-819, 1998.
Rocha RA and Huff SM., "Coupling voca bularies and data structures: lessons from LOINC," in Proc. AMIA Annu Fall Symp., pp. 90-94, 1996.
Fellegi IP and Sunter AB., "A theory for record linkage," in Proc. J Am Stat Assoc., Vol.64, No.328, pp. 1183-1210, 1969.
Jaro MA., "Advances in record-linkage methodology as applied to matching the 1985 census of Tampa," in Proc. J Am Stat Assoc., Vol.84, No.406, pp. 414-20, 1989.
Jaro MA., "Unimatch: A Record Linkage System-User's Manual," Washington, DC: U.S. Bureau of the Census, 1978.
Barrows RC Jr, Cimino JJ and Clayton PD., "Mapping clinically useful terminology to a controlled medical vocabulary," in Proc. Annu Symp Comput Appl Med Care, pp. 211-215, 1994.
Sowa JF., "Knowledge Representation: Logical, Philosophical, and Camp utational Foundations," Pacific Grove, Calif: Brooks/Cole, 2000.
McDonald CJ, Huff SM, Suico J, and Mercer K (eds.), LOINC user's guide. http://www.regenstrief.org/LOINC/ (updated on Dec. 2004).
Soo-Young Yoon, Jong-Hyun Yoon,Won Ki Min and et al., "Standardization of Terminology in Laboratory Medicine 1," in Proc. Korean J Lab Med, Vol.27, No.2, pp. 151-155, 2007.

상세보기

저자의 다른 논문 :

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증