[논문]4차 산업혁명을 이끄는 보건 의료 빅데이터의 활용과 전망

송윤섭; 강영남

4차 산업혁명을 이끄는 보건 의료 빅데이터의 활용과 전망 원문보기

한국멀티미디어학회지, v.21 no.4, 2017년, pp.21 - 32

송윤섭 , 강영남 (가톨릭대학교 서울성모병원 방사선종양학과, 첨단융복합방사선의로기술연구소)

초록이 없습니다.

AI 본문요약
AI-Helper

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

문제 정의

두 번째로는 심실 부 정맥 예측 서비스이다. 중환자실 환자들을 대상으로 환자 모니터 장비에서 주기적으로 감시되고 있는 심전도, 심박 수 데이터들이 활용되고 있지 않았는데, 이 데이터들을 수집하여 심실빈맥 (ventricular tachycardia, VT)과 심실세동 (ventricular fibrillation, VF)을 예측하는 모델을 개발하여 중환자의 생존율을 향상 시키고자한다. 세 번째로는 마약류 인지, 감지 서비스로 마약류의 학명, 이명 및 은어 데이터베이스를 근거로 마약류에 대한 국내유입을 사전 인지하고, 허가 향정신성의약품의 경우, 처방대상 질병 트렌드 분석을 통한 오남용 양상 정보를 제공하여 수사, 규제, 감정 및 의료기관을 대상으로 관련 규제법률 마련 및 수사 지원 등에 선제적으로 대처하도록 하는 것이다.

제안 방법

또한 한국인 고유의 SNP 관련 정보를 저장하고 이를 국외의 SNP 관련 데이터 베이스와 비교 분석하기 수월하도록 데이터베이스 구축을 진행하였다. KSNP 데이터베이스 구축 사업은 가족적 관련성이 없는 24명의 한국인 DNA를 비교 분석하여 당뇨나 천식과 같이 한국인에서 발병 가능성이 높은 주요 질병에 대한 질병 후보 유전자의 유전적 변이를 발굴하였다. 이 연구를 통해 한국인에게 특이적으로 나타나는 유전적 변이와 인종 간 차이를 파악할 수 있을 것으로 기대된다 [12].
설문조사의 항목으로는 성별, 나이와 같은 기본정보부터 과거의 질병 이력, 흡연과 음주 습관, 신체 활동, 사회 심리 요인 등이 포함되었고, 역학 자료로는 혈압, 심전도 등의 활력징후 (vital sign)와 함께 혈액, 소변, 유전체 등의 생체시료가 포함되었다. 또한 한국인 고유의 SNP 관련 정보를 저장하고 이를 국외의 SNP 관련 데이터 베이스와 비교 분석하기 수월하도록 데이터베이스 구축을 진행하였다. KSNP 데이터베이스 구축 사업은 가족적 관련성이 없는 24명의 한국인 DNA를 비교 분석하여 당뇨나 천식과 같이 한국인에서 발병 가능성이 높은 주요 질병에 대한 질병 후보 유전자의 유전적 변이를 발굴하였다.
2001년부터 시작된 이 사업은 2014년까지 기반조사자 기준 24만5천여 명분의 자료를 수집하였다. 설문조사의 항목으로는 성별, 나이와 같은 기본정보부터 과거의 질병 이력, 흡연과 음주 습관, 신체 활동, 사회 심리 요인 등이 포함되었고, 역학 자료로는 혈압, 심전도 등의 활력징후 (vital sign)와 함께 혈액, 소변, 유전체 등의 생체시료가 포함되었다. 또한 한국인 고유의 SNP 관련 정보를 저장하고 이를 국외의 SNP 관련 데이터 베이스와 비교 분석하기 수월하도록 데이터베이스 구축을 진행하였다.
중환자실 환자들을 대상으로 환자 모니터 장비에서 주기적으로 감시되고 있는 심전도, 심박 수 데이터들이 활용되고 있지 않았는데, 이 데이터들을 수집하여 심실빈맥 (ventricular tachycardia, VT)과 심실세동 (ventricular fibrillation, VF)을 예측하는 모델을 개발하여 중환자의 생존율을 향상 시키고자한다. 세 번째로는 마약류 인지, 감지 서비스로 마약류의 학명, 이명 및 은어 데이터베이스를 근거로 마약류에 대한 국내유입을 사전 인지하고, 허가 향정신성의약품의 경우, 처방대상 질병 트렌드 분석을 통한 오남용 양상 정보를 제공하여 수사, 규제, 감정 및 의료기관을 대상으로 관련 규제법률 마련 및 수사 지원 등에 선제적으로 대처하도록 하는 것이다. 네 번째는 진료과별 입원 병상 배정 서비스다.

대상 데이터

국립보건연구원이 주관한 한국인유전체역학 조사사업 (KoGES)은 40~69세 인구 집단을 대상으로 대규모의 코호트를 구축하여 건강 및 생활습관 관련 설문조사와 검진을 통한 역학 자료의 수집을 목적으로 하였다. 2001년부터 시작된 이 사업은 2014년까지 기반조사자 기준 24만5천여 명분의 자료를 수집하였다. 설문조사의 항목으로는 성별, 나이와 같은 기본정보부터 과거의 질병 이력, 흡연과 음주 습관, 신체 활동, 사회 심리 요인 등이 포함되었고, 역학 자료로는 혈압, 심전도 등의 활력징후 (vital sign)와 함께 혈액, 소변, 유전체 등의 생체시료가 포함되었다.

성능/효과

헬스케어 통계 전문기관 Statista는 2013년 디지털 헬스시장을 바탕으로 관련 시장이 지속적으로 성장하여 2020년 2,340억 달러 규모의 시장 가치가 형성될 것을 전망하였다. 원격의료, 모바일 헬스, 전자건강기록 (Electronic Health Records, EHR)/전자의무기록 (Electronic Medical Record, EMR), 무선의료 분야가 모두 성장할 것으로 예상되나, 그 중 특히, 모바일헬스와 무선의료의 성장이 가장 두드러지게 확인된다.
첫 번째로는 인플루엔자 유행 예측 서비스이다. 웹 검색 결과 데이터를 이용하여 예측 모델을 생성하고 인플루엔자 유행경보 기준인 질병관리본부 데이터와 비교 및 검증하여 실제 인플루엔자 유행 시기보다 2주 정도 먼저 예측가능 하도록 하였다. 두 번째로는 심실 부 정맥 예측 서비스이다.

후속연구

끝으로 보건복지 및 의료 빅데이터의 개인정보와 기밀정보에 대한 보안정책이 마련되어야 할 것이다. 보건복지 및 의료 빅데이터는 개인에 대한 거의 모든 정보가 저장되어 있지만 아직 법·제도는 미비한 상황이다.
이렇듯 빅데이터의 활용을 통해 환자 개인 맞춤약물요법 분야는 좀 더 발전될 것이며, 막대한 자본이 투입되는 신약 개발에서의 비용 효율성 문제는 임상시험단계에서 축적된 빅데이터를 잘 이용하여 일정 부분 해소할 수 있을 것으로 보인다. 또한 유전적 차이로 인한 약물반응의 다양한 빅데이터를 이용해 해결할 수 있을 것으로 전망된다 [10].
최근 피츠버그대학 의학센터(UPMC)의 연구원들은 의학계 최초로 140명에 달하는 유방암 환자들의 유전체 정보와 임상정보들을 전자 문서상으로 최근에 저장한 바 있다. 새로운 데이터 웨어하우스(data warehouse)로부터 폐경 전 여성들과 폐경 후 여성들의 분자 체계를 분석하였을 때, 현저한 차이점들을 발견하였으며, 이 발견이 맞춤형 치료의 발전에 큰 기여를 할 것으로 예상하고 있다. 유방암 관련 분자 생물학 전문가이자 피츠버그 대학의 여성암 연구소의 회장인 Adrian V.
KSNP 데이터베이스 구축 사업은 가족적 관련성이 없는 24명의 한국인 DNA를 비교 분석하여 당뇨나 천식과 같이 한국인에서 발병 가능성이 높은 주요 질병에 대한 질병 후보 유전자의 유전적 변이를 발굴하였다. 이 연구를 통해 한국인에게 특이적으로 나타나는 유전적 변이와 인종 간 차이를 파악할 수 있을 것으로 기대된다 [12].
DNA의 염기서열 분석은 기술 및 장비의 발달을 통해 새로운 형태의 빅데이터를 생성해 내고 있다. 이러한 데이터의 생성, 저장 및 처리 기술의 발달은 빅데이터를 이용하여 좀 더 용이하게 응용할 수 있을 것이며, 그렇게 된다면 맞춤약물 요법의 적용이 보다 더 용이해질 수 있다.
미국 지질 조사국은 지질 분석 시스템인 MAEViz (Mid-America Earthquake Center Seismic Loss Assessment System)을 이용하여 지질 유형 및 환경에 따른 피해 시뮬레이션을 진행하고 있으며, 지난 100 여년 동안 발생한 각종 지진을 유형별, 크기별로 조사할 뿐만 아니라 피해 정도까지 분석할 수 있다. 이러한 시스템을 이용하여 지진이 발생하였을 경우에 어떤 형태로 발전할지에 대한 분석을 통해 재난 상황을 미리 시뮬레이션 해 봄으로써 각종 재난 피해에 대한 예측 가능하며, 지진 형태 및 환경 분석을 바탕으로 하고 있는 지진 시뮬레이션을 통해 각 지역별로 다양한 방재 대책 마련이 가능하다 [8]. 기계학습의 방법은 크게 지도 학습(Supervised Learning)과 비지도 학습(Unsupervised Learning) 두종류로 나눌 수 있다.
이렇듯 빅데이터의 활용을 통해 환자 개인 맞춤약물요법 분야는 좀 더 발전될 것이며, 막대한 자본이 투입되는 신약 개발에서의 비용 효율성 문제는 임상시험단계에서 축적된 빅데이터를 잘 이용하여 일정 부분 해소할 수 있을 것으로 보인다. 또한 유전적 차이로 인한 약물반응의 다양한 빅데이터를 이용해 해결할 수 있을 것으로 전망된다 [10].
특히 사물인터넷, 웨어러블 인터넷, 이식기술, 슈퍼컴퓨터, 커넥티드 홈, 인공지능과 의사결정, 로봇과 서비스, 3D 프린팅 등과 같은 기술과의 융합은 4P¹⁾로 대변되는 의료산업의 패러다임 변화를 촉진할 것으로 기대된다. 의료산업과 융합될 수 있는 대표적인 기술들의 티핑포인트²⁾와각기술의의료산업에서의대표적인활용을다음의표에서 나타낸다 [5,6].

질의응답

핵심어	질문	논문에서 추출한 답변
	3 차 산업혁명의 핵심 키워드는 무엇인가?	즉, 컴퓨터 및 인터넷 등을 기반으로 한 다양한 정보의 산출과 교류에 3차 산업혁명의 핵심이 있다고 보면, 4차 산업혁명은 정보의 단순한 산출, 축적 및 교류에 그치지 않고, 실시간의 완전한 연결성을 통한 대량정보의 웨어에 기계를 결합하는 방식으로 이동하며, 데이터가 가치 창출의 핵심에 위치하고 있다는 것이다. 또한, 3 차 산업혁명의 핵심 키워드가 IT기술을 기반으로 한 정보화, 자동화였다면 4차 산업혁명의 핵심 키 워드는 초 연결 (Hyper-Connectivity) 기반의 지능화 (Intelligence)를 통한 자율화 (Autonomisation) 라고 볼 수 있다. 여기서 연결성은 물리적 공간과 인터넷상의 공간이 연결되어 다양한 데이터가 발생 및 이동되는 것이며, 지능화는 집적된 데이터 의 분석 및 활용을 통해, 실제 현실의 사물 제어가 가능한 수준이 되는 것이며, 자율화는 이를 통해 제품 생산과 서비스가 자율적으로 이루어지는 것을 말한다 [1].
	4차 산업혁명의 핵심 키워드는 무엇들이 있는가?	즉, 컴퓨터 및 인터넷 등을 기반으로 한 다양한 정보의 산출과 교류에 3차 산업혁명의 핵심이 있다고 보면, 4차 산업혁명은 정보의 단순한 산출, 축적 및 교류에 그치지 않고, 실시간의 완전한 연결성을 통한 대량정보의 웨어에 기계를 결합하는 방식으로 이동하며, 데이터가 가치 창출의 핵심에 위치하고 있다는 것이다. 또한, 3 차 산업혁명의 핵심 키워드가 IT기술을 기반으로 한 정보화, 자동화였다면 4차 산업혁명의 핵심 키 워드는 초 연결 (Hyper-Connectivity) 기반의 지능화 (Intelligence)를 통한 자율화 (Autonomisation) 라고 볼 수 있다. 여기서 연결성은 물리적 공간과 인터넷상의 공간이 연결되어 다양한 데이터가 발생 및 이동되는 것이며, 지능화는 집적된 데이터 의 분석 및 활용을 통해, 실제 현실의 사물 제어가 가능한 수준이 되는 것이며, 자율화는 이를 통해 제품 생산과 서비스가 자율적으로 이루어지는 것을 말한다 [1].

참고문헌 (12)

김상훈 (2017). 4차 산업혁명, 주요 개념과 사례. 산업연구원.
이지혜, 제미경, 조명지, & 손현석. (2014). 보건 의료 분야의 빅데이터 활용 동향. 한국통신학회지 (정보와통신), 32(1), 63-75.
박건수 (2017). 4차 산업혁명 시대, 산업 R&D 투자 방향과 과제. 산업연구원.
송태민 (2013). 우리나라 보건복지 빅데이터 동향 및 활용 방안. 과학기술정책, (192), 56-73.
정현학, 최영임, 이상원 (2016). 4차 산업혁명과 보건산업 패러다임의 변화. 한국보건산업진흥원.
식품의약품안전평가원 (2017). 신개념 의료기기 전망 분석 보고서.
이진섭, & 허의남. IoT 와 재난 데이터를 활용한 지진 예측 분석 플랫폼.
김성태 (2013). 더 나은 미래를 위한 데이터 분석. 한국정보화진흥원 빅데이터 전략연구센터, 26-28.
권영옥. (2013). 빅데이터를 활용한 맞춤형 교육서비스 활성화 방안연구. 한국지능정보시스템학회 2013 년 춘계학술대회, 90-96.
김지현, 김홍, 손광은, 송윤수, 윤지혜, 임희창, 정상호, &전주홍. (2014). 빅데이터의 의학적 활용. 정보과학회지 32(3), 18-26.

원문보기 상세보기
정용찬 (2012). "빅데이터 혁명과 미디어 정책 이슈", 정보통신정책연구원, KISDI Premium Report 12-02.
김주한 (2015). 빅데이터 기반 개인 맞춤의료 서비스. BioINpro, 13호.

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

4차 산업혁명을 이끄는 보건 의료 빅데이터의 활용과 전망 원문보기

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

질의응답

참고문헌 (12)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

4차 산업혁명을 이끄는 보건 의료 빅데이터의 활용과 전망 원문보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

질의응답

참고문헌 (12)

이 논문을 인용한 문헌

저자의 다른 논문 :

강영남 (16)

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

AI 본문요약
AI-Helper