[논문]의료기관의 빅데이터 활용방안에 대한 연구

김성수

doi:10.14400/jdc.2014.12.2.397

의료기관의 빅데이터 활용방안에 대한 연구
Study on Big Data Utilization Plans of Medical Institutions 원문보기

디지털융복합연구 = Journal of digital convergence, v.12 no.2, 2014년, pp.397 - 407

초록
AI-Helper

의료정보의 급속한 발달로 인하여 막대한 양의 정보가 쌓이고 있다. 이러한 정보를 이용하여 임상연구를 하고자하는 욕구가 늘고 있으며, 고령화와 의료비의 가파른 상승을 해결해야하는 문제에 직면해 있다. 이에 대한 대안으로 빅데이터의 활용에 대한 목소리가 높다. 본 연구는 우리나라 의료기관들의 정보화 현황을 살피고 빅데이터 활용방안에 대한 정책적 시사점을 제공하고자 한다. 문헌조사와 의료기관의 의료정보전문가 면담을 통해 자료를 수집하였으며, 수집기간은 2013년 9월부터 2013년 11까지 4개월간 시행하였다. 연구결과 향후 병원정보시스템은 환자관리 및 행정에서 연구와 정보전략 측면으로 발전하고 있다. 따라서 빅데이터 활용을 위한 시스템 구축과 비정형 데이터의 효과적 활용을 고려하여 전문인력 양성과 더불어 의료비 절감을 위한 국가의 정책지원이 마련되어야 할 것이다.

Abstract ▼ AI-Helper

Due to rapid development of medical information, a huge amount of information is being accumulated. Desires to conduct clinical researches by using this information are increasing, and medical institutions are encountering problems of aging society and drastic increase of medical expenses. Utilization of Big Data as an alternative is now being emphasized. The purpose of this study is to examine informatization of medical institutions and suggest political implications for Big Data utilization plans. Data was collected through literature searches and interviews with medical information professionals of medical institutions, from September to November, 2013, for four months. As a result of the study, it could be found that the hospital information system is improving from patient management and administration to researches and information strategies. Thus, national supports for medical expense reduction as well as fostering professional manpower should be provided, considering establishment of the system for utilization of Big Data and efficient application of unstructured data.

주제어

AI 본문요약
AI-Helper

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

문제 정의

재입원이라 하면 일반적으로 퇴원 후 30일 이내에 예정에 없이 병원에 다시 입원하는 것을 말한다. 데이터 모델 개발을 통해 재입원 발생 원인뿐만 아니라 발생 예상시점도 예측가능 하도록 하였다. 이 시스템을 활용해 보건 프로그램 자원을 활용해 재입원 발생을 예방할 수 있다.
본 연구에서는 의료기관 빅데이터 활용을 위한 의료정보시스템의 현황을 살피고 국내외 선행연구 및 사례연구를 고찰하여 효과적인 빅데이터 활용방안을 제시하고자 한다. 문헌고찰을 통하여 우리나라 의료기관들의 정보시스템현황을 살피고자 한다. 또한 해외 의료기관들의 활용사례를 분석한다.
본 연구는 기존의 빅데이터 관련 연구 및 현황을 광범위하게 분석하여 활용방안 및 연구방향을 탐색하고자 하였다. 그러나 본 연구는 다음과 같은 몇 가지 제한점을 가지고 있어 향후 연구에는 이를 극복하는 추가 연구가 필요한 실정이다.
본 연구는 현재 우리나라의 의료기관의 의료정보시스템의 개발 수준을 살펴 이를 기반으로 빅데이터 활용실태를 점검하고 국내외 사례를 살펴봄으로써 앞으로 의료기관의 빅데이터 활성화 방향을 모색하고자 한다. 이에 본 연구에서는 다음과 같은 세부적인 목표를 달성하고자 한다.
본 연구에서는 의료기관 빅데이터 활용을 위한 의료정보시스템의 현황을 살피고 국내외 선행연구 및 사례연구를 고찰하여 효과적인 빅데이터 활용방안을 제시하고자 한다. 문헌고찰을 통하여 우리나라 의료기관들의 정보시스템현황을 살피고자 한다.
전자의무기록의 경우 많은 병원들이 각종 서식을 구분하고 서식의 특징을 잘 분석하여 템플릿을 통해 구조화 시킨 반면 그렇지 못한 병원들도 상당히 존재한다. 본 연구에서는 이러한 차이점을 인지하고 전문가의 자문을 통해 전체적인 병원정보시스템의 정형화실태를 분석하였다.
이에 본 연구에서는 우리나라 의료기관의 IT현황을 살피고 앞으로 보건의료비용을 줄이고 가치혁신을 이룰 빅데이터의 활용 현황과 연구방향을 탐색하고자 한다.

제안 방법

둘째, 그 동안 의료기관은 낮은 수가에도 불구하고 의료정보화를 위해 많은 자원을 투자하였다. 빅데이터의 활용이 국가 의료비 절감에도 효과가 기대되는 바 이를 위한 의료기관에 대한 지원정책이 필요하다.
문헌고찰을 통하여 우리나라 의료기관들의 정보시스템현황을 살피고자 한다. 또한 해외 의료기관들의 활용사례를 분석한다. 빅데이터의 활용을 위해서는 의료기관에 존재하는 각각의 정보시스템에 따른 정형화에 대한 실태를 분석하는 것이 중요하다.
위와 같은 방법을 통한 자료수집기간은 2013년 8월부터 2013년 11월까지 4개월간 시행하였다.
특히 임상분야에서는 의료기관 별 진료방법, 효능, 비용 데이터를 분석하여 보다 효과적인 진료방법을 파악하고 환자 데이터를 온라인 플랫폼화 하여 의료협회 간 데이터 공유로 치료 효과를 제고할 수 있고, 공중보건 영역에서는 전국의 의료 데이터를 연계하여 전염병 발생과 같은 긴박한 순간에 빠른 의사결정을 가능케 할 전망이다. 이들 사례를 국내와 국외로 구분하여 살펴보았다.
빅데이터의 활용을 위해서는 의료기관에 존재하는 각각의 정보시스템에 따른 정형화에 대한 실태를 분석하는 것이 중요하다. 이러한 자료는 문헌 조사를 통해 살펴보기 어려워 의료기관의 의료정보시스템 전문가 면담을 통하여 조사하였다.
문제는 방대한 가용 데이터에서 진짜 정보를 찾아내는 것이다. 재입원 모델을 통해 먼저 노스캐롤아이나의 당사 회원들을 대상으로 재입원 원인을 파악하였다. 어떤 원인들은 조치가 가능하기도 하다.
첫째, 의료기관의 정보화 시스템의 근간이 되는 병원정보시스템의 발전과정에 대하여 분석한다. 둘째, 각 병원정보시스템에 따른 정형화 실태를 파악한다.
2012년 4월 빅데이터 분석 기술을 도입한 차세대 임상데이터웨어하우징(CDW)구축 사업을 진행하였다[23]. 현행 데이터웨어하우스의 문제점을 개선하기 위해서 빅데이터 도입을 결정하였다. 현재 병원이 보유한 진료기록은 약 6TB 규모로, 현행 시스템으로 처리 속도가 더디다.

성능/효과

기존의 빅데이터 관련 연구 및 동향을 검토한 결과, 전반적으로 가치 있는 자료 및 사례들이 발견되었다. 그럼에도 불구하고 타 산업에 비해 여전히 비정형데이터가 차지하는 비중이 높고 전문적인 내용이라 분석 장벽이 높은 것으로 나타났다. 이제 빅데이터 활용을 위한 기반 시스템 활용을 높이고 여러 사례에서 나타난 분석을 각각의 의료기관에 맞게 리모델링하여 의료기관의 원활한 운영과 수준 높은 연구에 활용할 필요가 있다.
병원은 빅데이터 분석을 통해 시간 단축 및 자연어처리 기능을 강화 할 수 있을 것으로 보았다. 도입전 기술검증을 진행한 결과 기존 데이터웨어하우스 시스템에서 10분 이상 걸리던 작업이 10～20초 내로, 100배 이상 빨라졌다. 이러한 사업을 통해 분당서울대병원은 대용량 데이터 분석 및 자연어 검색 지원으로 의료진의 연구 검색 활성화, 자료제공 업무 요청 대기 시간 단출을 통한 효율성 증대, CDW 재설계를 통한 검색 정확성 개선, 연구지원 생산성 향상 등의 효과를 거둘 수 있을 것으로 보고 있다.
이 시스템을 활용해 보건 프로그램 자원을 활용해 재입원 발생을 예방할 수 있다. 자사 자료의 최초 검증 후, 이 보험사는 입원환자 재입원률 감소에 대한 엄청난 잠재력을 보았다. 문제는 방대한 가용 데이터에서 진짜 정보를 찾아내는 것이다.
노스캐롤라이나 Blue Cross Blue Shield는 재입원 모델을 활용해 환자와 의료서비스 제공자 간 이해의 격차를 줄이고 조정하였다. 환자와 의사, 간병인과 보험사 모두 좋은 의료서비스 보장과 현대 보건의료 시스템의 긍정적 변화에 한 축을 담당할 수 있게 되었다.

후속연구

이를 통해서 임상연구를 시행하고자 하는 연구자는 분석을 위한 데이터 획득과정이 상당히 줄고 양질의 결과를 신속히 분석할 수 있게 된다. 결론적으로 양질의 데이터를 관리하는 것이 빅데이터 활용에도 도움이 될 것이다[23].
그 동안 고 비용이었던 개인의 유전체 분석이 상당히 낮춰질 전망으로 이를 활용하여 개인별 맞춤 의학을 실현할 수 있을 것이다. 이는 병원, 의료진의 추천과도 연결될 수 있다.
넷째, 의료기관의 빅데이터 분석방법과 전망을 제시한다. 다섯째, 의료기관 빅데이터 이용사례를 살펴보고 마지막으로 우리나라의 의료기관 빅데이터 활용을 증진할 수 있는 정책제언을 하고자 한다.
둘째, 현재까지 우리나라 전체적으로 의료기관의 정보화 실태를 정확하게 조사한 자료의 부재로 향후 추가 연구에서 최근의 정보화 실태를 파악하고 빅데이터 활용방안에 대한 추가 탐색이 이루어져야 한다.
현재 국가적 차원의 주기적 실태 파악이 되지 않아 정확하고 미래지향적인 빅데이터 실태를 확인하기 어렵다. 또한 이렇게 파악된 자료는 향후 통합작업을 통하여 의료기관내 이용에서 의료기관간 이용을 통해 활용 폭을 넓힐 수 있을 것이다.
이렇게 분산된 시스템은 데이터를 필요로 하는 사람에게 적시에 제공되어야 한다. 또한 임상 각 진료과에 독립적으로 존재하는 데이터를 통합하여야 효과적인 임상지표 활용이 가능하다.
임상연구시 진단을 확진하는데 필요한 병리조직 검사 결과의 상세 정보를 조회할 수 있도록 구조화하여 대용량 데이터웨어하우스에 저장하는 것은 분석활용뿐 아니라 신속한 연구결과를 얻을 수 있는 중요한 시스템이 될 것이다. 또한 전자의무기록 시스템을 통해 각 질환별 레지스트리를 구축하여 임상병리, 진단 등 구조화된 데이터의 자동 추출도 다양한 임상연구에 활용될 수 있다. 타 산업의 어느 분야보다 정보보호가 중요시되는 만큼 국제 및 국내 환자정보보호에 적합한 시스템은 활용을 한층 강화할 수 있어야 한다[19].
셋째, 의료기관에서 실제로 경영자료 분석이나 임상연구에 참여한 전문가를 광범위하게 조사하여 실증분석이 이루어져야 할 것이다.
하지만 병원마다 코드가 다르기 때문에 여러 병원의 연구나 조사를 위한 분석에는 용이하지 않다. 앞으로 전자건강기록시스템 (EHR, Electronic Health Record)의 발전과 더불어 다기관 임상연구에 활용가치가 높을 것이다.
의료기관의 정보화가 가속화되는 가운데 이의 활용이 향후 보건의료비용을 줄이고 국민의 건강을 향상 시킬 수 있을 것이다. 미래창조과학부는 공공 및 민간에서 빅데이터서비스 도입을 지원할 빅데이터 분석과 활용을 위한 센터를 구축하기 시작하였다[13].
그럼에도 불구하고 타 산업에 비해 여전히 비정형데이터가 차지하는 비중이 높고 전문적인 내용이라 분석 장벽이 높은 것으로 나타났다. 이제 빅데이터 활용을 위한 기반 시스템 활용을 높이고 여러 사례에서 나타난 분석을 각각의 의료기관에 맞게 리모델링하여 의료기관의 원활한 운영과 수준 높은 연구에 활용할 필요가 있다.
첫째, 관련 문헌고찰과 전문가의 자문을 통해 연구를 수행하였지만, 아직 의료기관의 빅데이터활용이 성숙하지 않은 시점에서 확대 해석된 문헌들로 인하여 장밋빛 전망을 내어 놓은 오류를 범할 수 있을 것이다.
최근 OECD 회원국을 대상으로 공통된 설문지를 가지고 의료기관의 보건의료정보기술 이용현황에 대한 실태조사가 이루어질 전망이다[11]. 현재까지 의료기관의 정보화에 대한 꾸준한 관심에도 불구하고 이에 대한 실태파악 및 관련 자료의 구축이 아직도 미비한 것이 아쉬운 실정이지만 전자의무기록 등 정보화 수준이 상당히 발전한 것은 앞으로 빅데이터 활용을 통하여 국민의 건강수준 및 의학연구에 많은 발전을 기대할 수 있을 것이다. 2013년 발표된 메켄지사의 조사결과는 의료기관의 빅데이터활용의 잠재가치가 매우 크다는 것을 알 수 있다[12][Fig.

질의응답

핵심어	질문	논문에서 추출한 답변
	의료영상저장전송시스템이란 무엇인가?	의료영상저장전송시스템(PACS, Picture Archiving & Communication System)은 주로 초음파, CT, MRI 등 방사선을 이용하여 진단을 위한 촬영장치에서 얻어지는 영상을 관리하는 시스템이다. 촬영결과로 발생하는 영상과 이를 판독한 진단 결과들이 생겨난다.
	의료영상저장전송시스템의 영상 및 영상 판독결과의 특징은 무엇인가?	촬영결과로 발생하는 영상과 이를 판독한 진단 결과들이 생겨난다. 각종 영상은 비정형화된 데이터로 볼 수 있으며, 영상의 판독결과 또한 비정형화된 모습을 보이고 있다. 임상연구의 활성화와 방사선 판독결과의 활용을 위해 구조화된 양식으로 변환하는 프로젝트 추진이 가능하고, 서술된 판독결과를 자연어 처리를 통해 원하는 정보나 진단결과에 해당하는 환자를 검색하는 방안을 모색할 필요가 있다.
	정형화된 데이터의 단점은 무엇인가?	정형화된 데이터는 분석이 원활하여 신속한 결과를 보여주는데 매우 중요한 부분이다. 하지만 데이터의 양과 증가 속도가 빨라지면서 비정형화된 데이터를 정형화된 데이터로 변환하는 것은 그 만큼 결과의 지연을 초래하게 된다.

참고문헌 (27)

Gartner. CEO Advisory : Big Data Equals Big Opportunity, 2011.
http://www.nature.com/nature/journal/v455/n7209
http://www.sciencemag.org/content/331/6018.toc
Mckinsey Global Institute. Big data: The next frontier for innovation, competition, and productivity. McKinsey Global Institute, 2011.
Organization for Economic Cooperation and Development (OECD). OECD health data 2013 - frequently requested data. Downloadable Excel file. http://www.oecd.org/els/health-systems/oecdhealth data 2013-frequentlyrequesteddata.htm. Accessed July 29, 2013.
Haux, R. Health information systems-past, present, future. International Journal of Medical Informatics, Vol. 75, No. 3, pp. 268-281, 2006.

상세보기
Health Insurance Review & Assessment Service. Report on the informatization of healthcare provider, Korean Society of Medical Informatics. 2005.
D. Yoon, B. C. Chang, S. W. Kang, H. Bae, R. W. Park, Adoption of electronic health records in Korean tertiary teaching and general hospitals, International Journal of Medical Informatics, Vol. 81, No. 3, pp. 196-203, 2012.

상세보기
National Information Society Agency. 2012 National Informatization White Paper. Ministry of Public Administration and Security, 2012.
http://www.rapportian.com/n_news/news/view.html?no12844
http://www.hkn24.com/news/articleView.html?idxno126974
McKinsey Global Institute, Game changers: Five opportunities for US growth and renewal, 2013.
http://biz.newdaily.co.kr/news/article.html?no20045
J. G. Dewitt, P. M. Hampton, Development of a data warehouse at an academic health system: knowing a place for the first time. Acad Med, Vol. 80, No. 11, pp. 1019-1025, 2005.

상세보기
J. R. Schubart, J. S. Einbinder, Evaluation of a data warehouse in an academic health sciences center. International Journal of Medical Informatics, Vol. 30, No. 3, pp. 319-333, 2000.
Silver M, Sakata T, Su, H. C, Herman C, Dolins S. B, O'Shea M. J. Case study: how to apply data mining techniques in a healthcare data warehouse. Journal of Healthcare Information Management, Vol. 15, No. 2, pp. 155-164, 2001.

상세보기
K. M. Kim, S.-S. Kim, D. J. Han, W. S. Yang, J. S. Park, S. K. Park, Hyperuricemia in kidney transplant recipients with intact graft function. Transplantation Proceedings, Vol. 42, No. 9, pp. 3562-3567, 2010.

상세보기
IBM press release. Analytics: The real world use of big data, 2012.
Hongro, L., Youngju, S., Jeongkyeom, K., Kiseok, C. & Jaesoo, K. A Study on the Analysis of Personal Information in the R&D Report. International Conference on Convergence Technology, Vol. 1, No. 1, pp. 165-167, 2012.
President's Council on National ICT Strategies. Establishing a smart government by using big data. Seoul, Korea: President's Council on National ICT Strategies; 2011.
S. M. Lee, R. W. Park, Basic Concepts and Principles of Data Mining in Clinical Practice. J Kor Soc Med Informatics, Vol. 15, No. 2, pp. 175-189, 2009.
S. M. Back, Prospects and policy direction of the New industries to take advantage of healthcare using Big Data. KHIDI Brief, Vol. 84, pp. 1-20, 2013.
http://www.ddaily.co.kr/news/news_view.php?uid109365
http://blogs.wsj.com/cio/2012/03/30/blue-cross-ex pects-cost-savings-from-big-data-dive/
K. Jee, G. H. Kim, Potentiality of Big Data in the Medical Sector: Focus on How to Reshape the Healthcare System, Healthcare Informatics Research, Vol. 19, No. 2, pp. 79-85, 2013.

상세보기
T. B. Murdoch, A. S. Detsky, The inevitable application of big data to health care. Journal of American Medical Association, Vol. 309, No. 13, pp. 1351-1352, 2013.

상세보기
H. R. Keun, Heart Diseases Prediction based on Data Mining Techniques. International Conference on Convergence Technology, Vol. 1, No. 1, pp. 1-6, 2012.

저자의 다른 논문 :

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