의료의 질은 효과, 효율, 적절성, 과학적-기술적 측면 등과 같은 4가지로 정의할 수 있다. 과학적-기술적 측면의 질 관리를 위해 의료기관에서는 매년 보수교육의 형태로 최신 지견을 현장에 보급하고 있다. 하지만 최신 지견이 가장 빠르게 보급되는 연구 결과들을 단발성인 보수교육만으로 임상 현장에 충분히 보급하는 것에는 명백한 한계가 존재한다. 빅데이터, 인공지능과 같은 지능정보처리 기술이 의료 분야에 적용될 경우 기존에 문헌 조사 등으로 연구되어 적은 정보만으로 연구를 수행해야 했던 한계를 극복할 수 있다. 본 논문은 기존 약재 처방 적응증을 확장할 수 있는 근거가 되는 데이터베이스를 구축한다. 이를 위해 한의학 관련 국내외 논문 정보를 수집, 저장 관리, 분석하는 작업을 수행한다. 약재 처방전의 확장 적응증 콘텐츠 구축을 위한 한의학 근거문헌 데이터의 처리 및 분석 기법을 설계한다. 본 연구를 통해 한의학 의사결정지원시스템에서 근거기반 약재처방 주치 정보의 기본 콘텐츠로 활용할 수 있을 것이라 기대한다.
의료의 질은 효과, 효율, 적절성, 과학적-기술적 측면 등과 같은 4가지로 정의할 수 있다. 과학적-기술적 측면의 질 관리를 위해 의료기관에서는 매년 보수교육의 형태로 최신 지견을 현장에 보급하고 있다. 하지만 최신 지견이 가장 빠르게 보급되는 연구 결과들을 단발성인 보수교육만으로 임상 현장에 충분히 보급하는 것에는 명백한 한계가 존재한다. 빅데이터, 인공지능과 같은 지능정보처리 기술이 의료 분야에 적용될 경우 기존에 문헌 조사 등으로 연구되어 적은 정보만으로 연구를 수행해야 했던 한계를 극복할 수 있다. 본 논문은 기존 약재 처방 적응증을 확장할 수 있는 근거가 되는 데이터베이스를 구축한다. 이를 위해 한의학 관련 국내외 논문 정보를 수집, 저장 관리, 분석하는 작업을 수행한다. 약재 처방전의 확장 적응증 콘텐츠 구축을 위한 한의학 근거문헌 데이터의 처리 및 분석 기법을 설계한다. 본 연구를 통해 한의학 의사결정지원시스템에서 근거기반 약재처방 주치 정보의 기본 콘텐츠로 활용할 수 있을 것이라 기대한다.
The quality of medical care can be defined as four types such as effectiveness, efficiency, adequacy, and scientific-technical quality. For the management of scientific-technical aspects, medical institutions annually disseminate the latest knowledge in the form of conservative education. However, t...
The quality of medical care can be defined as four types such as effectiveness, efficiency, adequacy, and scientific-technical quality. For the management of scientific-technical aspects, medical institutions annually disseminate the latest knowledge in the form of conservative education. However, there is an obvious limit to the fact that the latest knowledge is distributed quickly enough to the clinical site with only one-time conservative education. If intelligent information processing technologies such as big data and artificial intelligence are applied to the medical field, they can overcome the limitations of having to conduct research with only a small amount of information. In this paper, we construct databases on which the existing medicine prescription adaptations can be extended. To do this, we collect, store, manage, and analyze information related to oriental medicine at domestic and abroad Journals. We design a processing and analysis technique for oriental medicine evidence research data for the construction of a database of oriental medicine prescription extended adaption. Results can be used as a basic content of evidence-based medicine prescription information in the oriental medicine-related decision support services.
The quality of medical care can be defined as four types such as effectiveness, efficiency, adequacy, and scientific-technical quality. For the management of scientific-technical aspects, medical institutions annually disseminate the latest knowledge in the form of conservative education. However, there is an obvious limit to the fact that the latest knowledge is distributed quickly enough to the clinical site with only one-time conservative education. If intelligent information processing technologies such as big data and artificial intelligence are applied to the medical field, they can overcome the limitations of having to conduct research with only a small amount of information. In this paper, we construct databases on which the existing medicine prescription adaptations can be extended. To do this, we collect, store, manage, and analyze information related to oriental medicine at domestic and abroad Journals. We design a processing and analysis technique for oriental medicine evidence research data for the construction of a database of oriental medicine prescription extended adaption. Results can be used as a basic content of evidence-based medicine prescription information in the oriental medicine-related decision support services.
위와 같이 데이터 마이닝은 다양한 분야에서 연구가 다양하게 진행되고 있지만 의학 분야에서 데이터 마이닝을 적용한 연구는 활발히 이루어지지 않고 있다. 따라서 본 연구는 한의학 분야 데이터를 수집 및 분석하여 연구자들이 활용할 수 있도록 데이터베이스를 구축하고자 한다. 한의 처방의 확장 적응증 콘텐츠를 구축하기 위해 2개의 한의학 관련 논문 사이트에서 논문을 수집하였다.
본 논문에서는 이를 보완하기 위해 한의 처방과 관련한 최신지견이 포함된 연구논문을 통해 기존의 의서에 국한된 적응증 뿐 아니라 최근 임상 활용으로 인해 확장되고 있는 새로운 적응증에 대한 정보를 제공할 수 있는 데이터베이스를 구축한다. 이를 통해 한의사의 임상 진료에 최신 연구결과를 보다 잘 활용 할 수 있는 과학 기술적 콘텐츠를 구축하고자 하였다.
본 논문에서는 이를 보완하기 위해 한의 처방과 관련한 최신지견이 포함된 연구논문을 통해 기존의 의서에 국한된 적응증 뿐 아니라 최근 임상 활용으로 인해 확장되고 있는 새로운 적응증에 대한 정보를 제공할 수 있는 데이터베이스를 구축한다. 이를 통해 한의사의 임상 진료에 최신 연구결과를 보다 잘 활용 할 수 있는 과학 기술적 콘텐츠를 구축하고자 하였다. 국내외 사이트로부터 크롤링, API를 활용하여 1980년대부터 현재까지의 논문을 자동화하여 수집하고 분석하였으며, 논문에서 나타난 최신 처방을 파악하고 이를 데이터베이스로 제공한다.
제안 방법
이를 통해 한의사의 임상 진료에 최신 연구결과를 보다 잘 활용 할 수 있는 과학 기술적 콘텐츠를 구축하고자 하였다. 국내외 사이트로부터 크롤링, API를 활용하여 1980년대부터 현재까지의 논문을 자동화하여 수집하고 분석하였으며, 논문에서 나타난 최신 처방을 파악하고 이를 데이터베이스로 제공한다. 확장 적응증 콘텐츠 구축을 위한 텍스트 분석을 수행하기 위해 근거문헌의 수집 및 근거문헌 데이터의 저장 관리 기법을 설계 및 구현한다.
[그림 1]은 전체 시스템 구조를 나타낸다. 먼저 한의학 처방명 온톨로지를 전처리하고 이를 활용하여 OASIS와 PubMed에서 각각 크롤링과 API를 통해 논문을 수집한다. 수집된 논문을 바탕으로 처방과 관련이 있는 질환에 대한 근거문헌 DB를 구축한다.
본 논문은 한의학 관련 국내외 논문 정보를 수집, 저장 관리, 분석하는 작업을 수행하고, 이를 통해 기존 약재 처방 적응증을 확장할 수 있는 근거가 되는 데이터베이스를 구축하였다. 약재처방연의 확장 적응증 콘텐츠 구축을 위한 빅데이터 분석 기반의 한의학 근거 문헌 데이터의 처리 및 분석 기법을 설계 및 구현하였다.
본 연구에서는 하나의 문헌에서 도출된 키워드에 대하여 텍스트 마이닝을 통해 관련 있는 처방과 질병명을 연결하여 약재처방 적응증 정보 확장 콘텐츠를 구축했다. 본 연구를 통해 구축된 확장 적응증 콘텐츠를 활용해 국내외 한의학 논문을 기반으로 기존 문헌에는 없는 현대 질병명을 알아낼 수 있다.
먼저 한의학 처방명 온톨로지를 전처리하고 이를 활용하여 OASIS와 PubMed에서 각각 크롤링과 API를 통해 논문을 수집한다. 수집된 논문을 바탕으로 처방과 관련이 있는 질환에 대한 근거문헌 DB를 구축한다. 엑셀 파일로 확장 적응증 콘텐츠를 구축하고 ‘천식’에 대해 과거의 처방과 최근의 처방을 비교한다.
확장 적응증 콘텐츠 구축을 위한 텍스트 분석을 수행하기 위해 근거문헌의 수집 및 근거문헌 데이터의 저장 관리 기법을 설계 및 구현한다. 약재 처방 연의 확장 적응증 콘텐츠 구축을 위한 빅데이터 분석기반의 한의학 근거 문헌 데이터의 처리 및 분석 기법을 설계 및 구현한다. 최종적으로 빅데이터 분석을 이용한 확장 적응증 콘텐츠를 구축하여 의사결정 서비스에 활용한다.
본 논문은 한의학 관련 국내외 논문 정보를 수집, 저장 관리, 분석하는 작업을 수행하고, 이를 통해 기존 약재 처방 적응증을 확장할 수 있는 근거가 되는 데이터베이스를 구축하였다. 약재처방연의 확장 적응증 콘텐츠 구축을 위한 빅데이터 분석 기반의 한의학 근거 문헌 데이터의 처리 및 분석 기법을 설계 및 구현하였다.
PubMed 에서 API를 통해 XML 형태로 논문 파일을 다운로드한 후 필요한 키워드를 추출하였다. 추출된 키워드와 논문 서지정보를 바탕으로 논문기반 한의 처방의 확장 적응증 데이터베이스 구축하였고 이를 활용하여 확장 적응증 콘텐츠를 연도별로 구축하였다. 1981년부터 2020년까지 약 40년간의 한의학 관련 논문으로부터 가장 많이 등장한 질환은 ‘천식’이었으며 그 다음으로는 ‘비만’, ‘궤양성 대장염’였다.
국내외 사이트로부터 크롤링, API를 활용하여 1980년대부터 현재까지의 논문을 자동화하여 수집하고 분석하였으며, 논문에서 나타난 최신 처방을 파악하고 이를 데이터베이스로 제공한다. 확장 적응증 콘텐츠 구축을 위한 텍스트 분석을 수행하기 위해 근거문헌의 수집 및 근거문헌 데이터의 저장 관리 기법을 설계 및 구현한다. 약재 처방 연의 확장 적응증 콘텐츠 구축을 위한 빅데이터 분석기반의 한의학 근거 문헌 데이터의 처리 및 분석 기법을 설계 및 구현한다.
대상 데이터
PubMed, OASIS 등의 출처로부터 한의학 관련 처방 연구의 국내외 근거문헌을 수집하였다.
[표 4]는 1981년부터 2020년까지의 논문 중 ‘천식’과 관련되어 나타난 처방명을 연도별로 비교하였다
둘째, 필터링 함수를 통해 검색 결과가 없는 경우를 제외한다. 셋째, ESearch 결과로 나온 PMID를 List로 저장하여 EFetch (데이터 레코드 다운로드) 명령어로 검색하여 근거문헌 데이터 수집한다. 넷째, EFetch (데이터 레코드 다운로드) 명령어로 나온 XML에서 근거 문헌 데이터를 반복하여 수집 및 저장하는 함수를 구현한다.
따라서 본 연구는 한의학 분야 데이터를 수집 및 분석하여 연구자들이 활용할 수 있도록 데이터베이스를 구축하고자 한다. 한의 처방의 확장 적응증 콘텐츠를 구축하기 위해 2개의 한의학 관련 논문 사이트에서 논문을 수집하였다. OASIS는 국내 논문에 대한 정보를 제공하며 PubMed는 국외 논문에 대한 정보를 제공한다.
확장 적응증 콘텐츠 구축을 위해 국내 OASIS, 국외 PubMed 사이트에서 논문을 수집, 저장 관리, 분석을 수행한다. [그림 1]은 전체 시스템 구조를 나타낸다.
데이터처리
OASIS에서 크롤링을 통해 CSV 형태로 논문 파일을 다운로드 한 후 필요한 키워드를 추출하였다. PubMed 에서 API를 통해 XML 형태로 논문 파일을 다운로드한 후 필요한 키워드를 추출하였다.
1981년부터 2020년까지 약 40년간의 한의학 관련 논문으로부터 가장 많이 등장한 질환은 ‘천식’이었으며 그 다음으로는 ‘비만’, ‘궤양성 대장염’였다. 성능평가를 위해 천식과 관련하여 가장 많이 나타난 처방명의 순위를 나타내고 연도별로 새롭게 나타난 처방명을 비교하였다. [표 2] 는성능평가를 수행한 환경이다.
이론/모형
한국표준질병·사인분류(KDC) 8차 개정 파일과 의학 주제표목(MeSH) 파일을 이용하여 질병 사전을 구축하였다
성능/효과
본 연구는 기존 한의학 분야의 데이터를 이용해 기존 약재 처방 적응증을 확장할 수 있는 데이터베이스를 구축한 것에 의의가 있다. 현재 다양한 출처로부터 생성되는 주치병증 데이터를 분석하여 의사결정지원 서비스에 활용하는 한계를 해결할 수 있다.
본 연구에서는 하나의 문헌에서 도출된 키워드에 대하여 텍스트 마이닝을 통해 관련 있는 처방과 질병명을 연결하여 약재처방 적응증 정보 확장 콘텐츠를 구축했다. 본 연구를 통해 구축된 확장 적응증 콘텐츠를 활용해 국내외 한의학 논문을 기반으로 기존 문헌에는 없는 현대 질병명을 알아낼 수 있다. 최근 연구기반 약재 처방 적응증을 활용하여 질환에 대한 과거의 처방과 최근의 처방을 비교 분석한 결과를 표 형태로 시각화하여 성능평가에서 제시한다.
후속연구
현재 다양한 출처로부터 생성되는 주치병증 데이터를 분석하여 의사결정지원 서비스에 활용하는 한계를 해결할 수 있다. 국내외 한의학 논문을 기반으로 고문헌에는 없는 현대 질병명 등의 최근 연구기반 약재처방 적응증을 확장 구축함으로써 한의학 의사 결정지원시스템에서 근거기반 약재처방 주치정보의 기본 콘텐츠로 활용할 수 있을 것이다.
본 연구에서는 PubMed 및 OASIS로부터 한의학 문헌을 수집하였으나 이외의 한의학 문헌을 제공하는 사이트로부터 문헌 수집 및 분석을 통해 확장 적응증 콘텐츠를 확장할 수 있을 것이다. 또한 처방 명에 대해 한글 처방명과 영어 처방명을 사용하여 구축하였으나 한자 처방명까지 고려한다면 확장 적응증 콘텐츠를 더욱 확장할 수 있을 것이다. 향후 지속적인 연구를 통해 기계학습 및 딥러닝 기술을 적용하여 다양한 학술정보로부터 지능적 확장 적응증 콘텐츠를 구축할 수 있을 것으로 사료된다.
본 연구에서는 PubMed 및 OASIS로부터 한의학 문헌을 수집하였으나 이외의 한의학 문헌을 제공하는 사이트로부터 문헌 수집 및 분석을 통해 확장 적응증 콘텐츠를 확장할 수 있을 것이다. 또한 처방 명에 대해 한글 처방명과 영어 처방명을 사용하여 구축하였으나 한자 처방명까지 고려한다면 확장 적응증 콘텐츠를 더욱 확장할 수 있을 것이다.
또한 처방 명에 대해 한글 처방명과 영어 처방명을 사용하여 구축하였으나 한자 처방명까지 고려한다면 확장 적응증 콘텐츠를 더욱 확장할 수 있을 것이다. 향후 지속적인 연구를 통해 기계학습 및 딥러닝 기술을 적용하여 다양한 학술정보로부터 지능적 확장 적응증 콘텐츠를 구축할 수 있을 것으로 사료된다.
본 연구는 기존 한의학 분야의 데이터를 이용해 기존 약재 처방 적응증을 확장할 수 있는 데이터베이스를 구축한 것에 의의가 있다. 현재 다양한 출처로부터 생성되는 주치병증 데이터를 분석하여 의사결정지원 서비스에 활용하는 한계를 해결할 수 있다. 국내외 한의학 논문을 기반으로 고문헌에는 없는 현대 질병명 등의 최근 연구기반 약재처방 적응증을 확장 구축함으로써 한의학 의사 결정지원시스템에서 근거기반 약재처방 주치정보의 기본 콘텐츠로 활용할 수 있을 것이다.
참고문헌 (12)
Vuori, Hannu V, Quality assurance of health services, Public health in Europe 16, 1982.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.