초록 ▼

CDM이란 기관 별로 상이한 데이터 구조와 용어를 공통의 데이터 구조와 표준 용어로 바꾸어 구축한 데이터 모델을 의미한다. 다기관 공동연구의 경우, 해당 연구 목적에 맞게 각 기관에서 데이터를 변환한 후에 연구가 이루어지는데 CDM은 이를 플랫폼화하여 공동연구를 쉽게 진행하고 연구 결과물의 재현을 가능하게 한다.
OHDSI 커뮤니티를 통해 각국의 연구자들이 의학 데이터 표준화에 노력을 기울이고 있고 표준화된 데이터에 대한 품질 관리 방법에 대해 활발하게 논의 중이다. OHDSI에서는 CDM 데이터를 활용하기 위한 도구들을 개발

CDM이란 기관 별로 상이한 데이터 구조와 용어를 공통의 데이터 구조와 표준 용어로 바꾸어 구축한 데이터 모델을 의미한다. 다기관 공동연구의 경우, 해당 연구 목적에 맞게 각 기관에서 데이터를 변환한 후에 연구가 이루어지는데 CDM은 이를 플랫폼화하여 공동연구를 쉽게 진행하고 연구 결과물의 재현을 가능하게 한다.
OHDSI 커뮤니티를 통해 각국의 연구자들이 의학 데이터 표준화에 노력을 기울이고 있고 표준화된 데이터에 대한 품질 관리 방법에 대해 활발하게 논의 중이다. OHDSI에서는 CDM 데이터를 활용하기 위한 도구들을 개발 및 배포하였는데 품질평가도구의 경우, 논리적 결함을 찾아주는 것으로 ETL 전의 데이터베이스 내에 있는 정보들이 ETL 후에 CDM 데이터베이스에 적절하게 이관되었는지 파악하는 용도로 사용할 수는 없다. 또한, 용어매핑도구는 단순 문자열만을 이용한 유사도를 측정하기 때문에 단어 간 의미구조를 고려한 시맨틱 추천이 되지 않아서 각 기관의 용어들이 표준 용어로 얼마나 잘 맵핑되었는지를 평가하는 도구로서 적합하지 않다. 이에, ETL 프로세스의 질 평가 방법과 CDM 데이터와 EMR 데이터의 전환율과 완결성 평가 방법을 연구하고 각 기관의 고유한 용어와 표준용어를 자동 맵핑하는 기술을 연구하여 서울대병원과 타 기관 CDM에 적용하여 성능을 검증하였다.
임상시험 대상자 선정기준(Eligibility Criteria, EC)은 환자가 어떤 조건을 만족해야 임상시험에 참여할 수 있는지 상세히 정의한 명단으로 임상시험이 안전하게 진행되며 의약품의 효능을 파악하기 위해서는 EC를 적절히 설정해야 한다. 피험자를 확보하도록 EC를 조정하기 위해서는 임상적 고려와 함께 EC 구성에 따른 잠재적 피험자 숫자를 산출(임상시험 feasibility)할 수 있어야 한다. CDM 데이터를 활용한 임상시험 feasibility는 이미 시도된 바 있지만 EC의 용어가 CDM의 concept ID에 매핑되지 못하여 피험자수가 과소예측되는 경향이 있다. 그러므로 여러 기관의 EMR에서 임상시험 참여기준에 부합하는 정보를 추출해낼 적절한 CDM 규약을 개발해야 한다. 이에 임상시험 특이적 CDM 규약을 개발하기 위해 고혈압, 폐고혈압, 폐암 치료제로 수행된 임상시험에서 EC 용어와 CDM 표준용어 매핑률을 분석하였다. 또한 real world data(RWD) 특이적 CDM 규약을 개발하기 위해 유효성 및 안전성 정보를 확인하는 데 필요한 임상 용어의 매핑률을 분석하여 임상시험 특이적, RWD 특이적 CDM 사용을 위한 CDM 규정집을 작성하였다.
개인정보 문제로 공유가 어려운 CDM 데이터는 병원 간에 데이터는 공유하지 않고 각 병원에 동일한 쿼리를 적용해 병원 내의 데이터만 사용하여 분석한 후 결과만을 공유하여 취합하는 형태로 분석 및 연구가 진행되고 있다. 이러한 비효율성을 해결하고 각 병원간 데이터를 고려한 분석 결과를 얻기 위해서 확장성을 고려한 네트워크 개선이 필요하다. 보안분산연구 플랫폼 개발 연구를 통해 안전한 CDM 네트워크 시스템이 구축되면 개인정보를 보호하면서 다양한 병원의 의료 데이터를 딥러닝, 머신러닝 등의 연구에 활용할 수 있다. 신뢰할 수 있는 분산 네트워크 시스템이 구축되면 보건의료 데이터뿐만 아니라 개인정보에 민감한 다른 분야의 응용에도 안전하게 적용이 가능하다. 이에 개인정보가 보호되는 분산 시스템 기술을 사용하여 식별할 수 없는 데이터를 안전하게 사용할 수 있는 네트워크 시스템을 구축하였다.

(출처 : 요약문 5p)

Abstract ▼

Common Data Model (CDM) refers to a data model built by converting different data structures and terminology for each institution into common data structures and standard terminology. In the case of multi-institutional joint research, research is conducted after converting data from each institution

Common Data Model (CDM) refers to a data model built by converting different data structures and terminology for each institution into common data structures and standard terminology. In the case of multi-institutional joint research, research is conducted after converting data from each institution according to the purpose of the study, and CDM platforms facilitate joint research and enable reproduction of research results.
Through the Observational Health Data Sciences and Informatics (OHDSI) community, researchers from around the world are standardizing medical data and are actively discussing quality control methods. OHDSI also develops and distributes tools to utilize CDM data. Quality evaluation tools look to find logical flaws in the data; however, it cannot be used to determine whether information in the database before the extract, transform, load (ETL) step has been properly transferred to the target CDM database. Also, since the term mapping tool measures the similarity using a simple character string match, recommendations are not made considering the semantic structure between words, and thus not suitable as a tool to evaluate how well the terms of each institution are mapped to standard terms. Methods for evaluating the quality of the ETL process and evaluating the conversion rate and completeness of CDM data and electronic medical record (EMR) data were studied. The performance was verified by examining the technology for automatically mapping each institution's unique and standard terms and applying it to the CDM of Seoul National University Hospital and other institutions.
The Clinical Trial Subject Eligibility Criteria (EC) is a list that defines in detail what conditions a patient must satisfy to participate in a clinical trial. In order to safely conduct a clinical trial and to understand the efficacy of a drug, the EC must be set appropriately. In order to adjust the EC to secure the subjects, it is necessary to be able to calculate (clinical trial feasibility) the number of potential subjects according to EC composition with clinical considerations. Clinical trial feasibility using CDM data has already been attempted, but the number of subjects tends to be underestimated as EC terms cannot be mapped to CDM concept IDs. Therefore, it is necessary to develop an appropriate CDM protocol to extract information that meets the clinical trial participation criteria from the EMR of multiple institutions. In order to develop a clinical trial-specific CDM protocol, the mapping rates of EC terms and CDM standard terms were analyzed in clinical trials conducted for the treatment of hypertension, pulmonary hypertension, and lung cancer. In addition, in order to develop a real world data (RWD)-specific CDM protocol, the mapping rate of clinical terms required to confirm efficacy and safety information was analyzed to prepare a CDM rulebook for the use of clinical trial-specific and RWD-specific CDM.
Medical data, which is difficult to share due to privacy issues, is not directly shared between hospitals, but the same query is applied to each hospital to analyze only the data within the hospital, and then only the results are shared for analysis and research. In order to solve this inefficiency and obtain analysis results considering the data between each hospital, it is necessary to improve the network scalability. When a secure CDM network system is established through research on the development of a secure distributed research platform, medical data from various hospitals can be used for research such as deep learning and machine learning while protecting personal information. When a reliable distributed network system is established, it can be safely applied not only to health care data but also to applications in other fields dealing with sensitive information. Accordingly, a network system that can safely use data was built using distributed system technology that protects personal information.

(source: SUMMARY 6p)

목차 Contents

• 표지 ... 1
• 제출문 ... 2
• 보고서 요약서 ... 3
• 요약문 ... 5
• SUMMARY ... 6
• 6.1 총괄연구개발과제의 연구성과 실적 및 향후 계획 ... 7
• 6.2 연구성과 유형별 세부 내역 ... 9
• 7. 참여연구원 현황표 ... 10
• 목차 ... 12
• 1. 연구개발과제의 개요 ... 13
• 가. 연구개발의 필요성 ... 13
• 나. 연구개발의 중요성 ... 17
• 다. 연구개발의 목표 ... 20
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 23
• 3. 연구개발과제의 수행 결과 및 목표 달성 정도 ... 47
• 1) 연구수행 결과 ... 47
• 2) 목표 달성 수준 ... 106
• 4. 목표 미달 시 원인분석 ... 108
• 1) 목표 미달 원인(사유) 자체분석 내용 ... 108
• 2) 자체 보완활동 ... 108
• 3) 연구개발 과정의 성실성 ... 108
• 5. 연구개발성과의 관련 분야에 대한 기여 정도 ... 109
• 6. 연구개발성과의 관리 및 활용 계획 ... 110
• 7. 참고문헌 ... 111
• 끝페이지 ... 113