의학 분야에서의 다양한 표준 용어체계는 각기 다른 형태로 구성되어 있다. 따라서 이들을 통합하여 활용하기 위해서는 용어체계 사이의 연결 정보가 필요하다. 이를 위해 여러 통합 도구들이 개발되어 사용되고 있으나, 이들 도구들은 특정 용어 체계에 국한하기 때문에, 매핑 데이터의 생성 범위가 제약적이다. 이를 극복하기 위해 여러 용어체계를 통합하여 매핑작업을 수행할 수 있는 도구도 개발되었다. 그러나 의학용어체계는 각각 독특한 형태로 구성되어 있어 이들의 획일적인 통합이 어려운 문제가 있다. 따라서 본 논문에서는 기존용어체계의 형태를 유지하면서 매핑 시스템에서의 통합 및 활용이 가능한 방법을 제안한다. 제안한 방법에서는 용어체계의 위치와 형태에 대한 메타데이터를 작성함으로써 새로운 용어체계를 쉽게 시스템에 추가하여 사용할 수 있도록 하였으며, 기존 용어체계의 수정 및 구조 변경에도 유동적으로 대처할 수 있다. 또한 본 논문에서 생성한 매핑 데이터는 온톨로지에서의 트리플릿 형태로 구성함으로써 다양한 매핑 정보를 생성할 수 있다. 따라서 생성한 정보는 OWL, RDF, Excel 등의 다양한 형태로 변형하여 배포할 수 있다. 제안한 방법에 기반하여 매핑 시스템을 이용한 매핑 데이터 생성 실험을 통해 개발한 시스템의 효용성을 확인하였다.
의학 분야에서의 다양한 표준 용어체계는 각기 다른 형태로 구성되어 있다. 따라서 이들을 통합하여 활용하기 위해서는 용어체계 사이의 연결 정보가 필요하다. 이를 위해 여러 통합 도구들이 개발되어 사용되고 있으나, 이들 도구들은 특정 용어 체계에 국한하기 때문에, 매핑 데이터의 생성 범위가 제약적이다. 이를 극복하기 위해 여러 용어체계를 통합하여 매핑작업을 수행할 수 있는 도구도 개발되었다. 그러나 의학용어체계는 각각 독특한 형태로 구성되어 있어 이들의 획일적인 통합이 어려운 문제가 있다. 따라서 본 논문에서는 기존용어체계의 형태를 유지하면서 매핑 시스템에서의 통합 및 활용이 가능한 방법을 제안한다. 제안한 방법에서는 용어체계의 위치와 형태에 대한 메타데이터를 작성함으로써 새로운 용어체계를 쉽게 시스템에 추가하여 사용할 수 있도록 하였으며, 기존 용어체계의 수정 및 구조 변경에도 유동적으로 대처할 수 있다. 또한 본 논문에서 생성한 매핑 데이터는 온톨로지에서의 트리플릿 형태로 구성함으로써 다양한 매핑 정보를 생성할 수 있다. 따라서 생성한 정보는 OWL, RDF, Excel 등의 다양한 형태로 변형하여 배포할 수 있다. 제안한 방법에 기반하여 매핑 시스템을 이용한 매핑 데이터 생성 실험을 통해 개발한 시스템의 효용성을 확인하였다.
Various standard terminologies in medical field are composed individually to different structure. Therefore, information on crosswalking between the terminologies is needed to combine and use the terminologies. Lots of mapping tools have been developed and used to create the information. However, si...
Various standard terminologies in medical field are composed individually to different structure. Therefore, information on crosswalking between the terminologies is needed to combine and use the terminologies. Lots of mapping tools have been developed and used to create the information. However, since those tools deal with specific terminologies, the information is restrictly created. To overcome this problem, some tools have been developed, which perform mapping tasks by composing various terminologies. However, the tools also have difficulty of composing automatically the terminologies because the terminologies have different structures. Therefore, in this paper, we propose a method for composing and using the terminologies in the developed mapping system with keeping the original structure of the terminologies. In the proposed method, additional terminologies could be added on the mapping system and used by making metadata involving information on location and structure of the terminologies. And the mapping system could cope flexibly with the changes of the structure or context of the terminologies. Moreover, various types of mapping information could be defined and created in the system because mapping data are constructed as triplets in ontology. Therefore, the mapping data can be transformed and distributed in different formats such as OWL, RDF, and Excel. Finally, we confirmed the usefulness of the mapping system based on the proposed method through the experiments about creating mapping data.
Various standard terminologies in medical field are composed individually to different structure. Therefore, information on crosswalking between the terminologies is needed to combine and use the terminologies. Lots of mapping tools have been developed and used to create the information. However, since those tools deal with specific terminologies, the information is restrictly created. To overcome this problem, some tools have been developed, which perform mapping tasks by composing various terminologies. However, the tools also have difficulty of composing automatically the terminologies because the terminologies have different structures. Therefore, in this paper, we propose a method for composing and using the terminologies in the developed mapping system with keeping the original structure of the terminologies. In the proposed method, additional terminologies could be added on the mapping system and used by making metadata involving information on location and structure of the terminologies. And the mapping system could cope flexibly with the changes of the structure or context of the terminologies. Moreover, various types of mapping information could be defined and created in the system because mapping data are constructed as triplets in ontology. Therefore, the mapping data can be transformed and distributed in different formats such as OWL, RDF, and Excel. Finally, we confirmed the usefulness of the mapping system based on the proposed method through the experiments about creating mapping data.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구에서는 특정 영역에서의 전문가들이 용어 체계를 이용하여 지식을 효과적으로 표현하기 위한 매핑 시스템을 설계하고 개발한다. 설계한 시스템에서는 기존 용어체계의 원형을 그대로 유지하면서 단지 매핑 데이터의 생성에 필요한 코드와, 검색에 필요한 개념의 기본 이름이나 의미만으로 일괄 검색이 가능하도록 한다.
본 논문에서는 기존용어체계의 형태를 유지하면서 매핑 시스템에서의 통합 및 활용이 가능한 방법을 제안하였다. 제안한 방법에서는 용어체계의 위치와 형태에 대한 메타데이터를 작성함으로써 새로운 용어체계를 쉽게 시스템에 추가하여 사용할 수 있도록 하였으며, 기존 용어체계의 수정 및 구조 변경에도 유동적으로 대처할 수 있는 장점이 있다.
제안 방법
개발한 매핑 시스템의 효용성을 확인하기 위해 (1)SNOMED-CT와 ICD-9-CM 간의 ‘equalTo’ 속성에 대한 매핑과 (2) 3N 에서의 간호과정에 대한 결합정보의 생성 작업을 수행하였다.
그러나 이들 시스템에서 저장, 활용, 전송되는 정보들은 각 의학 관련 기관이나 단체에서 주로 사용되는 용어들로써 전문분야 혹은 개인에 따라서 그 의미가 다를 수 있다. 따라서 정확한 의사소통을 위한 의학 용어의 표준화에 대한 필요성이 대두되었고, 각종 기구에서 SNOMED-CT [3], ICD-9-CM [4], CPT [5], ABC [6], NANDA [7], NIC [8], NOC [9], CCC [10], Omaha System [11], LOINC [12] 등과 같은 용어를 선정 하였다. 그리고 이들 용어 각각에게 인식 코드 (이하 ‘코드’) 를 부여한 표준의학용어체계 (이하 ‘용어체계’)가 제시되었고, 실제 많은 기관에서 이들을 사용하려 노력하고 있다.
본문에서 제안한 방법에 기반하여 그림 4와 같이 매핑 시스템을 개발하였다. 그림 4(a)는 다수의 용어체계를 선택적으로 검색하고, 트리플릿 형태의 매핑 데이터를 생성하기 위한 사용자 화면을 보인다.
따라서 본 연구에서는 특정 영역에서의 전문가들이 용어 체계를 이용하여 지식을 효과적으로 표현하기 위한 매핑 시스템을 설계하고 개발한다. 설계한 시스템에서는 기존 용어체계의 원형을 그대로 유지하면서 단지 매핑 데이터의 생성에 필요한 코드와, 검색에 필요한 개념의 기본 이름이나 의미만으로 일괄 검색이 가능하도록 한다. 또한 용어체계가 저장된 형태에 따라 분석 가능한 최소한의 파서를 생성하고, 이들 용어체계의 저장 형태, 위치, 코드 및 정의에 관한 속성에 관한 메타데이터를 작성함으로써, 메타데이터의 추가 및 수정만으로 시스템에서 용어체계를 검색하고 매핑작업을 수행할 수 있도록 한다.
개발한 매핑 시스템의 효용성을 확인하기 위해 (1)SNOMED-CT와 ICD-9-CM 간의 ‘equalTo’ 속성에 대한 매핑과 (2) 3N 에서의 간호과정에 대한 결합정보의 생성 작업을 수행하였다. 이 두 가지 상황에서 단순히 파일 형태의 용어체계를 참조한 매핑 작업과 매핑 시스템을 이용한 매핑 작업의 시간을 비교하였다. (1)의 실험을 위해 [3]에서 제공한 SNOMED-CT와 ICD-9-CM 간의 매핑 데이터 중각 용어체계의 코드가 생략된 50개의 정의문만 선택하였고, 정의문에서 3개의 키워드를 추출하였다.
그리고 (2)의 실험에서는 [17]에서 제공하는 50개의 NANDA-NOC-NIC 결합 정보를 이용하였다. 이 역시 각 용어체계의 코드가 없이 오로지 개념명 만으로 검색을 수행하도록 하였다. 표 5와 표 6은 총 5회에 걸쳐 10개 용어의 매핑 및 결합에 대한 (1)과 (2)의 매핑데이터 생성에 소요된 시간을 나타낸 것이다.
그러므로 두 용어체계의 코드를 단순히 나열하는 것으로는 매핑 데이터의 의미가 모호해진다. 이러한 문제를 해결하기 위해, 본 논문에서는 두 가지 매핑 개념 (매핑 및 결합) 이외에도 다양한 매핑 개념을 구분하기 위해서 트리플릿4) (triplet)의 형태로 매핑 데이터를 표현한다. 예를 들어, ‘A’와 ‘a’가 각각 서로 다른 용어체계의 개념이고, 이들두 개념의 의미가 동일한 경우, ‘equalTo’ 라는 ‘relationship type’을 이용하여 (A-equalTo-a)와 같이 매핑 데이터를 표현한다.
대상 데이터
이 두 가지 상황에서 단순히 파일 형태의 용어체계를 참조한 매핑 작업과 매핑 시스템을 이용한 매핑 작업의 시간을 비교하였다. (1)의 실험을 위해 [3]에서 제공한 SNOMED-CT와 ICD-9-CM 간의 매핑 데이터 중각 용어체계의 코드가 생략된 50개의 정의문만 선택하였고, 정의문에서 3개의 키워드를 추출하였다. 그리고 (2)의 실험에서는 [17]에서 제공하는 50개의 NANDA-NOC-NIC 결합 정보를 이용하였다.
(1)의 실험을 위해 [3]에서 제공한 SNOMED-CT와 ICD-9-CM 간의 매핑 데이터 중각 용어체계의 코드가 생략된 50개의 정의문만 선택하였고, 정의문에서 3개의 키워드를 추출하였다. 그리고 (2)의 실험에서는 [17]에서 제공하는 50개의 NANDA-NOC-NIC 결합 정보를 이용하였다. 이 역시 각 용어체계의 코드가 없이 오로지 개념명 만으로 검색을 수행하도록 하였다.
성능/효과
이들 도구가 다양한 기능을 제공하는 강력한 도구임에는 틀림없다. 그러나 (1)기존 용어 체계를 공통 모델로 변형하는 과정은 고도의 전문적인 지식이 필요하며, 또한 그 과정이 매우 복잡하다. 그리고 (2)용어체계는 특정 용어나 개념의 의미를 표현하기 위해 각자 독특한 구조를 가지고 있어 획일적인 형태로 변환된 용어체계에서는 이들 용어나 개념의 의미를 모두 표현하기가 어렵다.
따라서 다수의 작업자가 동시에 같은 분야의 매핑 작업을 수행할 때, ‘relationship type’ 만으로 같은 그룹에 속한 매핑 데이터라는 것을 알 수 있다.
또한 검색 리스트를 한눈에 볼 수 있어서 일치하는 개념을 빨리 찾을 수 있었다. 따라서 표 5에서 보는 바와 같이, 매핑 시스템을 이용했을 때 매핑 시간이 크게 단축됨을 알 수 있었다. 실험 (2)에서는, 용어체계의 개념 수가 많지 않고, 또한 개념명의 길이가 길지 않아 파일에서의 검색이 상대적으로 쉬웠다.
제안한 방법에서는 용어체계의 위치와 형태에 대한 메타데이터를 작성함으로써 새로운 용어체계를 쉽게 시스템에 추가하여 사용할 수 있도록 하였으며, 기존 용어체계의 수정 및 구조 변경에도 유동적으로 대처할 수 있는 장점이 있다. 또한 본 논문에서 생성한 매핑 데이터는 온톨로지에서의 트리플릿 형태로 표현함으로써 매핑 이외의 다양한 연결 정보를 생성할 수 있고, 생성한 정보는 OWL, RDF, Excel 등의 다양한 형태로 변형하여 배포할 수 있다. 본 시스템은 다수의 전문가가 정보를 공유하여 구축하는 의학용어체계의 개념 간 연결 정보의 질을 높일 수 있는 환경을 제공하며, 다양한 의학 분야에서 특정 영역의 지식을 통합하고 관리하는데 유용한 도구로 활용될 수 있을 것으로 기대된다.
설계한 시스템에서는 기존 용어체계의 원형을 그대로 유지하면서 단지 매핑 데이터의 생성에 필요한 코드와, 검색에 필요한 개념의 기본 이름이나 의미만으로 일괄 검색이 가능하도록 한다. 또한 용어체계가 저장된 형태에 따라 분석 가능한 최소한의 파서를 생성하고, 이들 용어체계의 저장 형태, 위치, 코드 및 정의에 관한 속성에 관한 메타데이터를 작성함으로써, 메타데이터의 추가 및 수정만으로 시스템에서 용어체계를 검색하고 매핑작업을 수행할 수 있도록 한다.
본 논문에서는 기존용어체계의 형태를 유지하면서 매핑 시스템에서의 통합 및 활용이 가능한 방법을 제안하였다. 제안한 방법에서는 용어체계의 위치와 형태에 대한 메타데이터를 작성함으로써 새로운 용어체계를 쉽게 시스템에 추가하여 사용할 수 있도록 하였으며, 기존 용어체계의 수정 및 구조 변경에도 유동적으로 대처할 수 있는 장점이 있다. 또한 본 논문에서 생성한 매핑 데이터는 온톨로지에서의 트리플릿 형태로 표현함으로써 매핑 이외의 다양한 연결 정보를 생성할 수 있고, 생성한 정보는 OWL, RDF, Excel 등의 다양한 형태로 변형하여 배포할 수 있다.
후속연구
또한 본 논문에서 생성한 매핑 데이터는 온톨로지에서의 트리플릿 형태로 표현함으로써 매핑 이외의 다양한 연결 정보를 생성할 수 있고, 생성한 정보는 OWL, RDF, Excel 등의 다양한 형태로 변형하여 배포할 수 있다. 본 시스템은 다수의 전문가가 정보를 공유하여 구축하는 의학용어체계의 개념 간 연결 정보의 질을 높일 수 있는 환경을 제공하며, 다양한 의학 분야에서 특정 영역의 지식을 통합하고 관리하는데 유용한 도구로 활용될 수 있을 것으로 기대된다.
질의응답
핵심어
질문
논문에서 추출한 답변
여러 곳에 흩어져 있는 용어체계를 통합하여 활용하기 위한 방법으로는 어떤 것들이 있는가?
여러 곳에 흩어져 있는 용어체계를 통합하여 활용하기 위한 방법으로는 일반적으로, (1)용어체계의 구조를 시스템에 맞게 변형하여 시스템에 저장하여 사용하는 방법, (2)용어체계의 원형 변형하지 않고 시스템에 저장하여 활용하는 방법, 그리고 (3)용어체계 자체의 변형이 불가하거나, 용어 체계에 제한적으로 접근할 수 있는 경우에는 제공되는 API 를 이용하는 방법이 있다. (1)의 경우에는 용어체계의 구조를 원하는 대로 수정하여 시스템에 저장함으로써, 용어체계의 활용 면에서 최적의 성능을 얻을 수 있는 장점이 있다.
용어체계의 효율적인 활용을 위해 필요한 것은?
그러므로 이들 용어체계를 이용하여 단순히 기존의 불명확한 용어를 대체하여 정보를 표현하는 것에서 그치는 것이 아니라, 용어체계를 효율적으로 활용하기 위해서 용어체계에 기반한 지식이 구축되어야 한다. 즉, 용어체계의 효율적인 활용을 위해서는 (1)목적에 따라 용어체계의 사용 영역이 선정되어야 한다. 그리고 영역 내에서의 전문지식을 표현하기 위해서는 (2)빈번히 사용되는 용어나 개념들을 추출하며, 또한 (3)용어와 개념 사이의 추가적인 연결 관계1) (이하 ‘매핑’)를 표현해야 한다.
의학 용어의 표준화를 통해 정확한 의사소통이 가능하도록 하고자 하는 이유는?
전 세계적으로 의료 정보 및 의료 기록의 전산화를 위해 EHR (Electronic Health Record)과 같은 의료정보화 시스템을 개발하고 이용하려고 노력하고 있다 [1]. 그리고 이러한 시스템 간의 통신을 위해 HL7 (Health Level Seven)[2]과 같은 통신 표준이 제안되었다. 그러나 이들 시스템에서 저장, 활용, 전송되는 정보들은 각 의학 관련 기관이나 단체에서 주로 사용되는 용어들로써 전문분야 혹은 개인에 따라서 그 의미가 다를 수 있다. 따라서 정확한 의사소통을 위한 의학 용어의 표준화에 대한 필요성이 대두되었고, 각종 기구에서 SNOMED-CT [3], ICD-9-CM [4], CPT [5], ABC [6], NANDA [7], NIC [8], NOC [9], CCC [10], Omaha System [11], LOINC [12] 등과 같은 용어를 선정 하였다.
참고문헌 (25)
김용욱, Essential Elements of EHR System, 군자출판사, 2006.
“HL7”, Available: http://www.hl7.org, [Accessed: October 2, 2010]
“SNOMED CT”, Available: http://www.ihtsdo.org, [Accessed: November 5, 2010]
“ICD-9-CM”, Available: http://icd9cm.chrisendres.com, [Accessed: November 5, 2010]
“CPT”, Available: http://www.ama-assn.org/ama/pub/physician-resources/solutions-managing-your-practice/coding-billing-insurance/cpt.shtml, [Accessed: November 5, 2010]
“ABC”, Available: http://www.abccodes.com/ali/products_services/pro_description.asp, [Accessed: November 5, 2010]
“NANDA”, Available: http://www.nanda.org, [Accessed: November 5, 2010]
“NIC”, Available: http://www.nursing.uiowa.edu/excellence/nursing_knowledge/clinical_effectiveness/nic.htm, [Accessed: November 5, 2010]
“NOC”, Available: http://www.nursing.uiowa.edu/excellence/nursing_knowledge/clinical_effectiveness/noc.htm, [Accessed: November 5, 2010]
“CCC”, Available: www.sabacare.com, [Accessed: November 5, 2010]
“Omaha System”, Available: http://www.omahasystem.org, [Accessed: November 5, 2010]
“LOINC”, http://loinc.org, [Accessed: November 5, 2010]
G. Wade and S.T. Rosenbloom, “Experiences mapping a legacy interface terminology to SNOMED CT,” BMC MedInform Decis Mak, vol. 8, no. 1, p. S3, 2008.
A.L. Osornio, D. Luna, M.L. Gambarte, A. Gomez, G. Reynoso, and F.G. de Quiros, “Creation of a local interface terminology to SNOMED CT,” Studies in Health Technology and Informatics, vol. 129, pp. 765-769, 2007.
National Library of Medicine (US), “LOINC to CPT Mapping,” Available: http://www.nlm.nih.gov/research/umls/mapping_projects/loinc_to_cpt_map.html, 2006, [Accessed: November 10, 2010]
S.Y. Kim, H.H. Kim, I.K. Lee, H.S. Kim, and H. Cho, “Proposed Algorithm with Standard Terminologies(SNOMED and CPT) for Automated Generation of Medical Bill for Laboratory Tests,” Healthcare Informatics Research, vol. 16, no. 3, pp. 185-190, 2010.
M. Johnson, G. Bulechek, H. Butcher, J.M. Dochterman, M. Maas, S. Moorhead, and E. Swanson, NANDA, NOC, and NIC Linkages, Mosby, 2006.
Wasserman Medical Publishers, “Cross Coder,” Available: http://www.crosscoder.com, [Accessed: December 3, 2010]
J. Pathak, H.R. Solbrig, J.D. Buntrock, T.M. Johnson, and C.G. Chute, “LexGrid: A Framework for Representing, Storing, and Querying Biomedical Termilologies from Simple to Sublime,” Journal of the American Medical Informatics Association, vol. 16, no. 3, pp. 305-315, 2009.
Mayo Clinic, “LexGrid”, Available: http://www.lexgrid.org/LexGrid, [Accessed: November 26, 2010]
J.-A Yang, S.-J. Nam, J.-H. Choi, S.-J. Koh, and H.-G. Kim, “LexCare WS-A Web Services Based Platform for Medical Terminologies management,” 2010 대한의료정보학회 추계학술대회 포스터 초록집, p. 5, 2010.
Center for Interoperable EHR, “LexCare Suite,” http://ehrkorea.org/experience/lexcare.aspx, [Accessed: November 26, 2010]
“CliniClue Xplore”, Available: http://www.cliniclue.com/cliniclue_xplore, [Accessed: November 26, 2010]
I.K. Lee, H.S. Kim, S.J. Hong, and H. Cho, “Development of a System for Construction of Linking Information between Concepts in Medical Terminologies,” 2010 대한의료정보학회 추계학술대회 포스터 초록집, p. 6, 2010.
“Object Identifier Repository”, Available: http://www.oid-info.com, [Accessed: November 26, 2010]
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.