초록 ▼

□ 연구개발 목표 및 내용
ㅇ 최종 목표
텍스트 형태로 입력된 EMR을 대상으로 일괄 자동 질환 표기시스템을 개발
ㅇ 전체 내용
대용량의 EMR데이터의 활용성을 높이려면 데이터에 대해서 SNOMED-CT와 같은 표준어휘 사용이 필요하다. 표준 의학용어 표기를 위해서, 이미 작성된 수많은 자유진술문들이 가장 연관성 있는 의학용어들로 대체 되어야 한다.
EMR 텍스트 데이터는 복잡하고 전문적인 의학용어, 각 진료마다 다르게 사용하는 약어, 약속되지 않은 한글-영문 혼용문의 사용 등의 이유로 기존의 자연어처리

□ 연구개발 목표 및 내용
ㅇ 최종 목표
텍스트 형태로 입력된 EMR을 대상으로 일괄 자동 질환 표기시스템을 개발
ㅇ 전체 내용
대용량의 EMR데이터의 활용성을 높이려면 데이터에 대해서 SNOMED-CT와 같은 표준어휘 사용이 필요하다. 표준 의학용어 표기를 위해서, 이미 작성된 수많은 자유진술문들이 가장 연관성 있는 의학용어들로 대체 되어야 한다.
EMR 텍스트 데이터는 복잡하고 전문적인 의학용어, 각 진료마다 다르게 사용하는 약어, 약속되지 않은 한글-영문 혼용문의 사용 등의 이유로 기존의 자연어처리 기술로 다루어지기 어렵다.
따라서, 본 연구는 딥 러닝 기술을 활용해 자유진술문 형태의 EMR로부터 핵심질환을 포함한 중요정보를 기술(annotation)하는 시스템을 개발하고자 한다.
ㅇ 1단계(해당 시 작성)
• 목표 : 입퇴원 요약지 텍스트 데이터를 대상으로 딥러닝 기반의 자동 질환명 표기 시스템 개발
• 내용
본 과제의 목표를 달성하기 위하여 연차별 다음과 같이 목표를 설정하였으며, 그 달성도 또한 아래와 같음
< 1차년도 > 표기(annotation)할 데이터 수집 및 정의 (달성도: 100%)
- 정형외과 입퇴원 요약지를 중심으로 텍스트 기반의 의무기록을 수집. 입원 사유가 ICD-10 질환코드와 가장 연관성이 높을 것으로 판단되는 데이터들을 1차 수집하고 가장 많이 사용된 20개의 질환코드를 대상으로 정제 및 labeling
< 2차년도 > 딥러닝 시스템 개발 (달성도: 100%)
- RNN기반의 seq2seq model과, CNN기반의 유효성 확인을 위한 모델개발 및 검증
< 3차년도 > 기술 고도화 (달성도: 100%)
- long-term dependency해결을 위한 transformer기반의 시스템 개발을 통한 성능향상
< 4차년도 > 기관데이터에서의 성능검증 (달성도: 100%)
- 전향적 연구를 통한 모델의 임상적용 가능성 검증

□ 연구개발성과
자유 기술되어있는 입 퇴원 요약지 데이터를 딥 러닝 기반의 방법을 이용해 높은 자유도로 annotation할 수 있는 기술을 성공적으로 개발함.
또한, 본 연구를 통해 SCI급 논문 3편, 학술대회 논문 7편을 게재하였으며, 1건의 수상 등의 성과를 배출함.

□ 연구개발성과 활용계획 및 기대 효과
본 연구를 통해 입 퇴원 기록지 뿐만 아니라 다양한 EMR데이터로의 적용이 기대되며, 이를 통해 의료기관 간 의료데이터교류 활성화와 진료 정확성 및 안정성이 상승될 것으로 기대함.

(출처 : 요약문 2p)

목차 Contents

• 표지 ... 1
• 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 6
• 1) 1차년도 ... 6
• 2) 2차년도 ... 8
• 3) 3차년도 ... 10
• 4) 4차년도 ... 12
• 3. 연구개발과제의 수행 결과 및 목표 달성 정도 ... 13
• 1) 연구수행 결과 ... 13
• 2) 목표달성 수준 ... 16
• 4. 연구개발성과의 관련 분야에 대한 기여 정도 ... 16
• 5. 연구개발성과의 관리 및 활용 계획 ... 17
• 6. 참고문헌 ... 18
• 끝페이지 ... 18