KR101587183B1 - 가중치를 이용한 용어체계 기반의 데이터 개체 정의지원 시스템 - Google Patents

가중치를 이용한 용어체계 기반의 데이터 개체 정의지원 시스템 Download PDF

Info

Publication number
KR101587183B1
KR101587183B1 KR1020100038825A KR20100038825A KR101587183B1 KR 101587183 B1 KR101587183 B1 KR 101587183B1 KR 1020100038825 A KR1020100038825 A KR 1020100038825A KR 20100038825 A KR20100038825 A KR 20100038825A KR 101587183 B1 KR101587183 B1 KR 101587183B1
Authority
KR
South Korea
Prior art keywords
concept
data
qualifier
qualifiers
data object
Prior art date
Application number
KR1020100038825A
Other languages
English (en)
Other versions
KR20110119231A (ko
Inventor
송승재
김홍기
Original Assignee
서울대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 서울대학교산학협력단 filed Critical 서울대학교산학협력단
Priority to KR1020100038825A priority Critical patent/KR101587183B1/ko
Priority to US13/643,705 priority patent/US8880514B2/en
Priority to PCT/KR2011/002749 priority patent/WO2011136491A2/ko
Publication of KR20110119231A publication Critical patent/KR20110119231A/ko
Application granted granted Critical
Publication of KR101587183B1 publication Critical patent/KR101587183B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F15/00—Digital computers in general; Data processing equipment in general
    • G06F15/16—Combinations of two or more digital computers each having at least an arithmetic unit, a program unit and a register, e.g. for a simultaneous processing of several programs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

개념(concept)을 한정자(qualifier)로 한정하는 데이터 개체를 용어체계를 이용하여 정의하는 것을 지원하되, 정의주체의 등급을 반영하여 추천의 우선순위를 정하는 용어체계 기반 데이터 개체 정의지원 시스템에 관한 것으로서, 개념을 용어개체 및 용어관계로 구조화한 용어체계를 저장하는 용어체계 관리부; 개념에 대한 데이터 개체를 저장하는 데이터 개체 저장부; 선택된 개념(이하 해당 개념)에 대한 데이터 개체를 정의하되, 해당 개념의 선택을 입력받고 해당 개념을 한정하는 한정자를 입력받아 정의하는 데이터 개체 정의부; 및 해당 개념과 동일한 개념(이하 동일 개념)으로 정의되어 저장된 데이터 개체를 검색하고, 검색된 데이터 개체의 한정자를 추천하되, 데이터 개체에 부여되는 등급 가중치에 의해 우선순위를 정하여 추천하는 한정자 추천부를 포함하는 구성을 마련한다.
상기와 같은 용어체계 기반 데이터 개체 정의지원 시스템에 의하여, 구축된 용어체계 및 이미 정의된 데이터 개체의 구조정보를 활용하여 새로 정의하려는 데이터 개체의 한정자들을 추천함으로써, 신규 데이터 개체를 보다 체계적이고 편리하게 정의할 수 있고, 특히, 정의주체가 미치는 영향력을 반영하여 보다 정확한 한정자를 추천할 수 있다.

Description

가중치를 이용한 용어체계 기반의 데이터 개체 정의지원 시스템 { A data element editing system based on the terminology using weights }
본 발명은 용어체계를 이용하여 용어개념(concept)을 한정자(qualifier)로 한정하는 데이터 개체를 정의하는 것을 지원하는 용어체계 기반 데이터 개체 정의지원 시스템에 관한 것이다.
특히, 본 발명은 해당 용어개념과 동일한 개념 또는 관련된 개념으로 정의된 데이터 개체를 검색하여 검색된 데이터 개체의 한정자를 추출하고, 추출된 한정자를 해당 용어개념의 한정자로 추천하는 용어체계 기반 데이터 개체 정의지원 시스템에 관한 것이다.
일반적으로 의료현장에서 사용되는 임상 문서는 환자의 진료를 기록한 문서로서, 환자의 증상, 의사의 진단, 처방 등에 관한 내용 등을 포함한다. 이때, 임상 문서에서 진료기록을 표현하기 위해 사용되는 의료용어 또는 의료 데이터들은 의료진 또는 의료기관 마다 서로 달리 표현하고 있다.
이러한 의료용어 또는 의료 데이터는 그 사용에 있어 대단히 신속하고 정확한 처리를 요하는 데이터이며, 단순히 한 의료진의 사용을 넘어서 여러 의료진 및 지원 분야와의 의미적, 기능적 상호 운용성을 보장할 수 있어야 한다. 이러한 특성을 유지하기 위해 의료현장에서는 구조적인 용어체계를 구축하여 임상 문서 내 정보를 보다 수월하게 획득 및 수집하여 전달, 처리할 수 있도록 해야 한다.
기존의 데이터 모형에 기반한 용어체계로는 위에서 언급한 목적을 달성하기에는 미흡하기 때문에 구조화된 데이터 입력을 위한 지원도구가 필요하게 되며, 더 나아가서 임상의사결정지원시스템 및 전자건강기록의 공유를 지원하기 위한 용어체계의 개발이 필수적이라고 할 수 있다.
먼저, 임상 문서에 기재되는 의료용어의 개념을 명확히 해야 한다. 의료인들 사이에서도 동일한 개념에 대해 여러 가지 용어를 사용함으로써 원활한 정보 소통에 문제가 발생하기 때문이다.
이를 위해, 특정 의료분야에서 사용되는 의학 개념의 집합, 개념에 대한 정의, 개념을 일컫는 용어, 개념 간의 관계 등을 포함하는 용어체계(Terminology System)가 개발되고 있으며, 그 목적성과 특징에 따라, 참조용어(Reference terminology), 인터페이스용어(Interface terminology) 등이 있다.
참조용어 체계(Reference terminology)는 의학개념과 그들 간의 관계(Inter-relationships)의 정형화된 표현의 집합으로서, SNOMED CT, RxNorm, NCI Thesaurus, ICNP 등이 있다.
의학개념에 대한 정형화된 표현들의 집합인 참조용어체계가 있다고 하더라도, 각각 병원에서 다양한 분야의 의료진이 사용하는 로컬용어는 상이할 수밖에 없기 때문에 그 차이를 매워 주기 위해 매핑이라는 작업이 필요하다. 특히, 인터페이스 용어는 의료진과 참조용어체계를 인터페이스 해주어야 하기 때문에, 참조용어 체계에 기반하여 구성되는 것이 바람직하다.
상기와 같은 문제점을 해결하고자, 본 출원인은 [한국특허출원 제10-2010-0033967호(2010.04.13출원)](이하 선행기술 1)에서 참조용어 체계를 이용하여 의료기관에서 사용되는 의료용어들을 개체와 관계로 구조화된 용어체계로 구축하는 참조용어 기반 용어체계 저작지원 시스템을 제시하고 있다.
상기 선행기술 1을 이용하면, 의료현장에서는 인터페이스 용어를 구축하여 의사 또는 의료진 사이에 보다 원활한 의사소통을 할 수 있으나, 상기 선행기술 1의 용어체계는 단지 용어들의 개념을 보다 정확하게 체계적으로 구조화하는 것을 지원할 뿐이다.
그러나 의료용어에 대한 개념들이 체계화되더라도 의료 데이터(또는 진료기록)를 명확하게 이해하기 위해서는, 그 개념들이 어떻게 사용되고 있는지를 파악해야 한다. 예를 들어, 임상문서의 혈압이 동맥혈압이고 수축기 혈압인지 이완기 혈압인지가 파악되었다면, 그 혈압이 어떤 상태에서 측정된 데이터인지 기술해야 한다. 또, 환자의 증상 또는 진단의 내용을 보다 명확하게 기술하기 위해서는 그 경중, 위치 등을 보다 상세히 표현해야 한다.
즉, 하나의 의료 데이터는 의료용어(또는 개념) 뿐만 아니라 그 데이터가 만들어진 상황정보도 알아야 한다. 그러나 동일한 의료용어라도 의료진 또는 의료기관에 따라 상황정보는 매우 달라질 수 있다. 1차 병원에서는 혈압을 측정하여 단지 수축기 혈압과 이완기 혈압의 수치만 기재하면 되나, 3차 병원은 수축기 혈압과 이완기 혈압의 수치뿐만 아니라, 측정수단, 측정부위, 측정자세 등에 대해 세부적으로 기재할 수도 있다. 측정 상황에 따라 그 측정결과는 미세한 차이가 있을 수 있기 때문이다.
따라서 의료전문가 및 임상지원 전문가가 임상문서 내 정보를 보다 수월하게 획득 및 수집하여 전달, 처리할 수 있도록 제안되는 인터페이스 용어체계(Interface Terminology)는 이러한 상황정보도 포함하여 처리할 수 있어야 하며, 의료현장에서 이러한 상황정보를 쉽게 입력할 수 있도록, 구조화된 데이터 입력을 위한 지원도구를 갖추어야 한다.
본 발명의 목적은 상술한 바와 같은 문제점을 해결하기 위한 것으로, 개념(concept)을 한정자(qualifier)로 한정하는 데이터 개체를 용어체계를 이용하여 정의하는 것을 지원하는 용어체계 기반 데이터 개체 정의지원 시스템을 제공하는 것이다.
또, 본 발명의 목적은 정의하려는 데이터 개체의 개념(이하 해당 개념)과 동일하거나 관련 있는 개념을 용어체계에서 검색하고, 그 개념으로 이미 정의된 데이터 개체의 한정자들을 찾아 추천하는 용어체계 기반 데이터 개체 정의지원 시스템을 제공하는 것이다.
특히, 본 발명의 목적은 동일 개념 또는 관련 개념으로 정의된 데이터 개체의 한정자를 우선순위에 의해 추천하되, 데이터 개체를 정의하는 정의주체의 등급 가중치를 반영하여 등급 가중치가 높은 정의주체가 사용한 한정자를 우선적으로 추천하는 용어체계 기반 데이터 개체 정의지원 시스템을 제공하는 것이다.
또, 본 발명의 목적은 동일 개념 또는 관련 개념으로 정의된 데이터 개체의 한정자를 우선순위에 의해 추천하되, 해당 개념과의 촌수가 낮은 순으로 우선순위를 높게 하는 용어체계 기반 데이터 개체 정의지원 시스템을 제공하는 것이다.
상기 목적을 달성하기 위해 본 발명은 한정자(qualifier)로 한정하는 데이터 개체를 용어체계를 이용하여 정의하는 것을 지원하는 용어체계 기반 데이터 개체 정의지원 시스템에 관한 것으로서, 개념을 용어개체 및 용어관계로 구조화한 용어체계를 저장하는 용어체계 관리부; 개념에 대한 데이터 개체를 저장하는 데이터 개체 저장부; 선택된 개념(이하 해당 개념)에 대한 데이터 개체를 정의하되, 상기 해당 개념의 선택을 입력받고 상기 해당 개념을 한정하는 한정자를 입력받아 정의하는 데이터 개체 정의부; 및 상기 해당 개념과 동일한 개념(이하 동일 개념)으로 정의되어 저장된 데이터 개체를 검색하고, 검색된 데이터 개체의 한정자를 추천하되, 상기 데이터 개체에 부여되는 등급 가중치에 의해 우선순위를 정하여 추천하는 한정자 추천부를 포함하는 것을 특징으로 한다.
또, 본 발명은 용어체계 기반 데이터 개체 정의지원 시스템에 있어서, 상기 한정자 추천부는 상기 해당 개념과 관련된 개념(이하 관련 개념)으로 정의된 데이터 개체를 검색하고, 검색된 데이터 개체의 한정자를 추천하되, 상기 관련 개념은 상기 해당 개념과 용어관계를 가지는 것을 특징으로 한다.
또, 본 발명은 용어체계 기반 데이터 개체 정의지원 시스템에 있어서, 상기 데이터 개체의 등급 가중치는 상기 데이터 개체를 정의한 정의주체의 등급에 의해 정해지는 것을 특징으로 한다.
또, 본 발명은 용어체계 기반 데이터 개체 정의지원 시스템에 있어서, 상기 한정자 추천부는 상기 동일 개념 또는 상기 관련 개념으로 정의된 데이터 개체의 한정자를 우선순위에 의해 추천하되, 해당 개념과의 촌수가 낮은 순으로 우선순위를 높게 하는 것을 특징으로 한다.
또, 본 발명은 용어체계 기반 데이터 개체 정의지원 시스템에 있어서, 상기 한정자 추천부는 동일한 촌수에 의해 동일한 우선순위를 갖는 한정자들 중 가중치 합이 큰 한정자를 우선적으로 추천하되, 각 한정자(이하 해당 한정자)의 가중치 합은 해당 한정자를 포함하는 데이터 개체의 등급 가중치의 합으로 계산되는 것을 특징으로 한다.
또, 본 발명은 용어체계 기반 데이터 개체 정의지원 시스템에 있어서, 해당 한정자를 포함하면서 개념이 동일한 데이터 개체(이하 동일개념 데이터 개체)가 적어도 2개이면, 상기 동일개념 데이터 개체의 등급 가중치 중 가장 큰 등급 가중치만을 포함하여, 해당 한정자의 가중치 합이 구해지는 것을 특징으로 한다.
또, 본 발명은 용어체계 기반 데이터 개체 정의지원 시스템에 있어서, 상기 한정자 추천부는 용어관계에 부여되는 관계 가중치에 의해 우선순위를 정하여 추천하는 것을 특징으로 한다.
또, 본 발명은 용어체계 기반 데이터 개체 정의지원 시스템에 있어서, 상기 용어관계의 관계 가중치는 상기 용어관계의 종류에 의해 정해지는 것을 특징으로 한다.
또, 본 발명은 용어체계 기반 데이터 개체 정의지원 시스템에 있어서, 상기 한정자 추천부는 상기 동일 개념 또는 상기 관련 개념으로 정의된 데이터 개체의 한정자를 우선순위에 의해 추천하되, 동일 개념 또는 관련 개념을 포함하는 데이터 개체의 등급 가중치에 비례하고, 용어관계의 관계 가중치의 합에 반비례하는 우선순위를 정하는 것을 특징으로 한다.
또, 본 발명은 용어체계 기반 데이터 개체 정의지원 시스템에 있어서, 상기 우선순위는 [수식 1]의 가중치 합 Qi(CM)으로 구해지는 것을 특징으로 한다.
[수식 1]
Figure 112010027126980-pat00001
단, qi(Ck)는 개념 Ck에서의 한정자의 등급 가중치 합.
W(Rk M)는 해당 개념 CM에서 동일 개념 또는 관련 개념 Ck까지의 용어관계의 관계 가중치의 합.
R(CM)은 해당 개념 CM과 상기 해당 개념 CM의 동일 개념 또는 관련 개념 사이의 용어관계의 집합.
또, 본 발명은 용어체계 기반 데이터 개체 정의지원 시스템에 있어서, 상기 개념 Ck에서의 한정자의 등급 가중치 합 qi(Ck)는 다음 [수식 2]에 의해 구해지는 것을 특징으로 한다.
[수식 2]
Figure 112010027126980-pat00002
단, qi(Ck)는 개념 Ck에서의 한정자의 가중치 합.
qi(Dj)는 데이터 개체 Dj에 한정자 qi가 있으면 1이고, 없으면 0임.
W(Dj)는 데이터 개체 Dj의 등급 가중치.
또, 본 발명은 용어체계 기반 데이터 개체 정의지원 시스템에 있어서, 상기 개념 Ck에서의 한정자의 등급 가중치 합 qi(Ck)는 다음 [수식 3]에 의해 구해지는 것을 특징으로 한다.
[수식 3]
Figure 112010027126980-pat00003
단, qi(Ck)는 개념 Ck에서의 한정자의 가중치 합.
qi(Dj)는 데이터 개체 Dj에 한정자 qi가 있으면 1이고, 없으면 0임.
W(Dj)는 데이터 개체 Dj의 등급 가중치.
또, 본 발명은 용어체계 기반 데이터 개체 정의지원 시스템에 있어서, 상기 한정자 추천부는 해당 개념과의 촌수가 최소 추천촌수를 넘으면 추천하지 않는 것을 특징으로 한다.
상술한 바와 같이, 본 발명에 따른 용어체계 기반 데이터 개체 정의지원 시스템에 의하면, 의료기관에서 사용되는 의료용어들을 구조화된 용어체계로 구축함으로써, 환자 정보를 구조적으로 축적하고 이에 기반한 정보의 재사용성 및 진료정보교류를 위한 상호운용성을 보장할 수 있는 효과가 얻어진다.
또한, 본 발명에 따른 용어체계 기반 데이터 개체 정의지원 시스템에 의하면, 이미 정의된 데이터 개체의 구조정보를 활용하여, 새로 정의하려는 데이터 개체의 한정자들을 추천함으로써, 신규 데이터 개체를 보다 편리하게 정의할 수 있는 효과가 얻어진다.
또한, 본 발명에 따른 용어체계 기반 데이터 개체 정의지원 시스템에 의하면, 이미 정의된 데이터 개체의 한정자들을 참조하여 추천할 때 데이터 개체를 정의하는 정의주체의 등급 가중치를 반영함으로써, 의료현장에서 정의주체의 영향력을 반영하여 보다 정확한 한정자를 추천할 수 있는 효과가 얻어진다. 또, 개념들간의 촌수를 이용하여 우선순위를 부여함으로써, 용어체계에서 축적된 구조 정보를 활용하여 추천할 수 있고 신규 데이터 개체를 보다 체계적으로 정의할 수 있다.
도 1은 본 발명을 실시하기 위한 전체 시스템의 구성을 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 용어체계 기반 데이터 개체 정의지원 시스템의 구성에 대한 블록도이다.
도 3과 도4는 본 발명의 일실시예에 따른 용어체계의 구성 및 구조를 도시한 도면이다.
도 5는 본 발명의 일실시예에 따른 데이터 개체 체계의 구성 및 구조를 도시한 도면이다.
도 6은 본 발명의 일실시예에 따라 데이터 개체의 개념 및 한정자를 정의한 일례를 도시한 도면이다.
도 7은 본 발명의 일실시예에 따른 미리 구축된 용어체계와 미리 생성되어 저장된 데이터 개체의 관계를 표시하는 예시 도면이다.
* 도면의 주요 부분에 대한 부호의 설명 *
10 : 사용주체 단말 20 : 네트워크
30 : 정의지원 시스템 31 : 용어체계 관리부
32 : 데이터 개체 저장부 33 : 데이터 개체 정의부
34 : 한정자 추천부
40 : 데이터베이스 41 : 용어체계DB
42 : 데이터 개체DB
이하, 본 발명의 실시를 위한 구체적인 내용을 도면에 따라서 설명한다.
또한, 본 발명을 설명하는데 있어서 동일 부분은 동일 부호를 붙이고, 그 반복 설명은 생략한다.
먼저, 본 발명을 실시하기 위한 전체 시스템의 구성의 예들에 대하여 도 1을 참조하여 설명한다.
도 1a 또는 도 1b에서 보는 바와 같이, 본 발명에 따른 데이터 개체 정의지원 시스템은 네트워크 상의 서버 시스템 또는 컴퓨터 단말 상의 프로그램 시스템으로 실시될 수 있다.
도 1a와 같이, 본 발명의 실시를 위한 전체 시스템의 일례는 사용자 단말(10)과 데이터 개체 정의지원 시스템(30)으로 구성되고 서로 네트워크(20)로 연결된다. 또, 필요한 데이터를 저장하기 위한 데이터베이스(40)를 더 구비할 수 있다.
사용자 단말(10)은 의료인 또는 의료기관의 담당자 등 사용자가 이용하는 PC, 노트북, 넷북, PDA, 모바일 등의 통상의 컴퓨팅 단말기이다. 사용자는 사용자 단말(10)을 이용하여 자신의 의료기관에서 사용되는 의료용어 또는 의료 데이터를 정의지원 시스템(30)으로 전송하거나, 의료 데이터를 정의하는 것을 정의지원 시스템(30)에 요청한다.
데이터 개체 정의지원 시스템(30)은 통상의 서버로서 네트워크(20)에 연결되어 의료 데이터를 정의할 수 있도록 정의 도구를 제공하거나, 의료 데이터를 정의하기 위한 의료용어 개념을 표시해주거나, 이미 정의된 의료 데이터의 한정자들을 표시하여 참고할 수 있도록 하는 서비스를 제공한다.
한편, 정의지원 시스템(30)은 상기 각 서비스들을 인터넷 상의 웹페이지로 제공하는 웹서버 또는 웹어플리케이션 서버 등으로 구현될 수 있다.
데이터베이스(40)는 정의지원 시스템(30)에서 필요한 데이터를 저장하는 통상의 저장매체로서, 의료용어의 용어체계들, 사용자에 의해 만들어진 의료 데이터 개체들을 저장한다.
도 1b와 같이, 본 발명의 실시를 위한 전체 시스템의 다른 예는 컴퓨터 단말(13)에 설치되는 프로그램 형태의 데이터 개체 정의지원 시스템(30)으로 구성된다. 즉, 정의지원 시스템(30)의 각 기능들은 컴퓨터 프로그램으로 구현되어 컴퓨터 단말(13)에 설치되어, 사용자(14)에 의해 신규 데이터 개체를 정의하기 위한 개념(또는 용어개념) 및 한정자 등을 컴퓨터 단말(13)의 입력장치를 통해 입력받아 등록하거나, 의료용어 용어체계 및 이미 정의된 데이터 개체 정보 등을 컴퓨터 단말(13)의 출력장치를 통해 출력한다. 한편, 정의지원 시스템(30)에서 필요한 데이터들은 컴퓨터 단말(13)의 하드디스크 등 저장공간에 저장되어 이용된다.
다음으로, 본 발명의 일실시예에 따른 용어체계 기반 데이터 개체 정의지원 시스템의 구성을 도 2를 참조하여 설명한다.
도 2에서 보는 바와 같이, 본 발명의 일실시예에 따른 용어체계 기반 데이터 개체 정의지원 시스템(30)은 용어체계 관리부(31), 데이터 개체 저장부(32), 데이터 개체 정의부(33), 및 한정자 추천부(34)를 포함하여 구성된다. 추가적으로, 데이터를 저장하기 위한 데이터베이스(또는 저장공간)(40)를 더 포함하여 구성될 수 있다.
용어체계 관리부(31)는 개체 및 관계로 구조화된 용어 체계를 저장한다.
좁은 의미의 용어체계(terminology)는 의료용어를 개념(concept)으로 정립하고, 동일한 용어(term)들을 개념에 포함시키고, 개념들간의 관계를 설정하여, 체계화시킨 용어개념들의 체계를 의미한다. 넓은 의미의 용어체계(terminology)는 의료현장에서 사용되는 의료용어를 체계화한 것으로서, 체계화된 의료용어(의료개념) 외에도 의료용어를 사용하게 된 상황정보(context)를 포함하여 체계화시킨 의료 데이터 개체(data element)의 체계를 포함한다. 이하에서, 용어체계는 좁은 의미의 용어체계로 사용하되, 구분할 필요가 있는 경우, 좁은 의미의 용어체계는 용어개념체계로 기재하고, 넓은 의미의 용어체계는 데이터 개체 또는 데이터 개체 체계로 기재하기로 한다.
용어체계(또는 용어개념체계)는 참조용어 체계 또는 의료진 또는 의료기관별로 구성한 로컬 용어체계(또는 인터페이스 용어체계)가 사용된다. 참조용어 체계는 의학 컨셉(Medical Concept)이나 의학용어(Medical Term)을 기반으로 그들 간의 관계(Inter-relationships)와 속성을 정형화하여 표현한다. 예를 들어, SNOMED CT, RxNorm, NCI Thesaurus, ICNP 등이 있다.
용어체계는 개념(Concept)을 기반으로 하는 표시용어(Term)나 관계정보 등과 같이 개념들에 대한 관련 정보 저장소이다. 표시용어(Term)는 자신이 "대표용어(preferred term)"가 될 수도 있고, 이미 등록된 대표용어에 대한 동의어, 혹은 약어가 될 수도 있다.
용어체계는 개념(Concepts)과 연관(association)로 표시할 수 있고, 각각은 개체(entity)와 관계(relation)로 구조화시킬 수 있다. 개체와 개념, 연관(association)과 관계(relation)는 각각 대응되는 개념이므로, 이하에서는 혼용한다. 또한, 개체(또는 개념)는 적어도 하나의 표시용어(term) 속성을 포함하되, 상기 표시용어 속성 중 하나가 대표용어로 설정될 수 있다. 대표용어는 개체의 이름으로도 사용될 수도 있다.
한편, 용어체계는 도 3에서 보는 바와 같이 개체(61)와 관계(62)로서 도식화 할 수 있다. 도 3에서 개체(61)는 C1, C2, ..., C6이고, 표시용어(term)는 T11, T21, ..., T61이다. 개체 C4의 표시용어는 T41, T42, T43, T44를 갖는다. 그중에서 표시용어 T42는 대표용어이다.
관계(62)는 상기 개체들을 연결하는 R12, R23, ..., R56으로 표시된다. 관계 R12는 개체 C1과 개체 C2 사이의 관계이고, 관계 R35는 개체 C3과 개체 C5 사이의 관계이다.
관계는 크게 용어관계와 매핑관계로 구분된다. 용어관계는 두 개체에 대한 부모와 자식의 관계를 규정하는 상하 관계 및 두 개체의 포함관계를 규정하는 도메인 관계를 포함한다. 매핑관계(또는 참조관계)는 두 개체가 동일한 개념으로 서로 대응되는 관계를 말한다. 도 3에서 개체 C1과 C2는 서로 상하관계(또는 용어관계)를 갖는다. 개체 C3과 C5는 서로 매핑관계를 갖는다. 이하에서 매핑관계도 하나의 용어관계로 설명한다. 즉 넓은 의미의 용어관계를 매핑관계와 좁은 의미의 용어관계를 모두 포함하는 의미로 사용한다.
예를 들어, 도 4와 같이, 혈압의 개념은 개체와 관계로 표시할 수 있다.
즉, 혈압이란 혈관의 이름에 따라 동맥혈압, 모세관혈압, 정맥혈압 등으로 구별되는데, 보통 혈압이라고 하면 동맥혈압을 말한다. 동맥혈압은 심장박동에 의하여 변동한다.
또, 동맥혈압은 수축기 혈압(systolic pressure), 확장기 혈압(diastolic pressure), 맥압(pulse pressure), 평균동맥압(mean arterial pressure) 등 여러 가지로 분류된다. 수축기 혈압은 심근의 수축에 의해서 심실내의 혈액이 대동맥으로 박출될 때의 혈관 내 최고압력을 말하며, 확장기혈압은 심장이 수축한 다음에 이어서 확장될 때의 혈관 내 압력을 말한다.
또, 맥압은 수축기혈압과 확장기혈압의 차이를 의미하고, 평균동맥압은 최고동맥혈압과 최저동맥혈압의 평균치를 의미한다. 특히, 평균동맥압은 공식에 의해 수축기 혈압과 확장기 혈압으로부터 구할 수도 있으나, 엄밀하게는 컴퓨터화한 혈압측정장치를 통해서 얻어야 한다.
다음으로, 데이터 개체 저장부(32)는 개념에 대한 데이터 개체(Data Element)를 저장한다.
도 5에서 보는 바와 같이, 데이터 개체(Data Element)는 개념(Concept), 용어(term), 한정자(qualifier), 수정자(modifier), 확정자(assertion)로 구성된다. 이외에 용어체계를 관리하기 위해, 허용 정보, 버전 정보, 이력 정보 등을 관리하기 위한 관리요소(management, 미도시)를 더 포함할 수 있다.
이때, 한정자(qualifier), 수정자(modifier), 확정자(assertion)는 개념(Concept)의 상황정보(Context)를 표시하는 요소이다.
한정자(qualifier)는 일반적으로 진단/수술 등의 내용을 한정하는 목적으로 사용된다. 즉, 수술후의 상태 (status post a procedure)나, 특정 병에 대한 이력(history of a condition) 등이 한정자가 될 수 있다.
수정자(modifier)는 일반적으로 의료 진단 등의 내용을 기술함에 그 경중, 위치 등의 상세 표현을 하는데 사용된다. 경중(severity)을 나타내는 밸류(value)는 mild, moderate, severe 등이 있다. 또, 병의 단계를 Stage I, Stage II 등으로 기술할 수 있다.
확정자(Assertion 또는 Assertional Knowledge)는 용어개념(Concept) 의미의 명확화를 위해 제안된 개념이다. 용어개념(Concept)의 정의에 추가로 제공되는 지식으로, 관련된 임상사용자들에 의해 관련 있는 개념, 동의어, 공통 수정자(modifier) 등 개념의 명확화를 위해 도움이 되는 정보가 제공된다. 예를들어, Chest Pain은 건강한 사람에게는 일반적으로 나타나지 않으며, 중증도는 'mild', 'moderate', 'severe'로 나타낸다. 또, Thorax pain과 Chest Pain의 차이점으로 assertional knowledge로 표현할 수 있다. 둘 다 개념상의 is-a관계를 통해 동일한 개념으로 정의될 수 있으나 thorax pain은 의료진에게 통증 위치의 의미가 더 강하고, chest pain은 cardiac/pulmonary disease의 가능성의 의미 전달할 수 있다.
앞서 설명한 한정자(qualifier), 수정자(modifier), 및 확정자(assertion)는 모두 개념(Concept)을 한정하는 상황정보(Context)이다. 이하에서, 상기 상황정보 요소들을 모두 한정자(qualifier)로 기재하기로 한다.
도 6에서 보는 바와 같이, 앞서 살펴본 혈압의 데이터 개체(Data Element)를 개념(또는 용어개념)과 한정자로 구성할 수 있다.
일반적으로, 1차 병원(개인 병원)에서 의사들은 압박식의 혈압계를 이용하여 환자의 상박을 압박하여 혈압을 측정하고 수축기 혈압과 확장기 혈압의 수치만을 임상문서에 간단히 기재한다. 따라서 이 병원의 혈압에 대한 데이터 개체는 도 6의 데이터 개체"병원A.동맥혈압"과 같이 표시할 수 있다. 즉, 측정방식과 수축기 혈압의 수치, 확장기 혈압의 수치로 표시된다.
그러나 환자의 혈압을 측정할 때, 측정 부위가 오른쪽 상박인지 왼쪽 상박인지에 따라 약간의 차이가 있을 수 있다. 또, 측정 상태가 기립 상태인지, 착석 상태인지, 누워있는 상태인지에 따라 측정결과의 차이가 있다.
1차 병원 등에서는 이러한 미세한 차이가 그리 중요하지 않을 수 있으나, 3차 병원 등에서 환자의 상태에 따라 상기와 같은 미세한 차이가 매우 중요할 수 있다. 이와 같은 경우, 이 병원의 혈압에 대한 데이터 개체는 도 6의 데이터 개체"병원B.동맥혈압(1)"과 같이 표시할 수 있다. 즉, 데이터 개체"병원A.동맥혈압"에 비해, 측정자세 및 측정위치의 한정자를 더 포함하여 구성된다.
밸류셋(value set)은 한정자가 취할 수 있는 값(value)을 집합으로 표시한 것이다. 측정자세의 밸류셋은 기립(서서 측정), 착석(앉아서 측정), 와상(누워서 측정)의 값(value)들을 가질 수 있다. 또, 측정부위는 좌상박, 우상박, 좌손목, 우손목 등의 값(value)들을 가질 수 있다.
한편, 3차 병원에서 상기와 같은 압박법이 아닌 직접 동맥혈관 내의 압력을 직접 측정하기도 한다. 이와 같은 직접 측정법은 쇼크나 출혈 등에 의해서 간접법으로는 동맥혈압을 측정하기가 어려운 경우, 심혈관계가 매우 불안정하여 지속적으로 동맥혈압의 감시가 필요한 경우, 또는 혈액가스분석 및 기타 혈액검사를 시행하기 위해서 동맥혈액을 자주 채취할 필요성이 있는 경우에 많이 이용하고 있다. 이 경우, 지속적인 혈압을 관찰하기 위하여 평균동맥압을 측정하기도 한다.
따라서 이를 위한 데이터 개체는 도 6의 데이터 개체"병원B.동맥혈압(2)"와 같이 표시할 수 있다. 즉, 데이터 개체"병원B.동맥혈압(1)"에 비해, 측정자세 및 측정위치의 한정자 대신에 측정장치, 삽입위치, 평균동맥압 등의 한정자를 갖는다. 삽입위치는 카데터를 삽입하는 동맥의 위치로서, 요골(radial), 상완(brachial), 액와(axillary), 족배(dorsalis pedis), 대퇴(femoral) 등의 값(value)들을 가질 수 있다.
상기 예에서, 동맥혈압은 자신의 한정자로서 수축기혈압과 확장기혈압을 포함한다. 따라서 한정자도 하나의 개념임을 알 수 있다. 즉, 한정자에서 사용되는 측정부위, 평균동맥압 등도 모두 개념으로 정의될 수 있고, 용어체계에 포함되는 개념들일 수 있다.
다음으로, 데이터 개체 생성부(33)는 선택된 개념(이하 해당 개념)에 대한 데이터 개체를 정의하되, 상기 해당 개념의 선택을 입력받고 상기 해당 개념을 한정하는 한정자를 입력받아 정의한다.
앞서 본 바와 같이, 데이터 개체는 개념과 한정자로 구성된다. 바람직하게는, 데이터 개체의 개념을 용어체계에서 선택한다. 즉, 의료진은 혈압에 대한 데이터 개체를 생성하기 위하여, 자신이 원하는 혈압의 개념을 용어체계에서 선택한다.
예를 들어, 도 4와 같은 용어체계에서 "동맥혈압"을 선택한다. 일반적으로 혈압은 동맥혈압을 의미하는 것이므로, 종래 대부분의 의사는 임상문서에 "혈압"으로만 기재하였다. 즉, "혈압 80~120"으로 기재한다. 따라서 용어체계에서 개념을 선택함으로써 의료용어를 임상문서에 보다 정확하게 기입할 수 있다.
데이터 개체 생성부(33)는 선택된 개념에 대하여 한정자 등을 추가함으로써 데이터 개체(Data element)를 정의하여 생성한다. 이때, 한정자 추천부(34)에 의해, 선택된 개념에 적절한 한정자를 추천받는다.
즉, 한정자 추천부(34)는 선택된 개념(이하 해당 개념)과 동일한 개념(이하 동일 개념)으로 정의되어 저장된 데이터 개체를 검색하고, 검색된 데이터 개체의 한정자를 추천한다. 특히, 한정자 추천부(34)는 상기 해당 개념과 관련된 개념(이하 관련 개념)으로 정의된 데이터 개체를 검색하고, 검색된 데이터 개체의 한정자를 추천하되, 상기 관련 개념은 상기 해당 개념과 용어관계를 가진다.
한정자 추천부(34)는 상기 동일 개념 또는 상기 관련 개념으로 정의된 데이터 개체의 한정자를 우선순위에 의해 추천하되, 상기 데이터 개체에 부여되는 등급 가중치에 의해 우선순위를 정하여 추천한다.
상기 데이터 개체의 등급 가중치는 상기 데이터 개체를 정의한 정의주체의 등급에 의해 정해진다. 등급 가중치란 의료현장에서 정의주체의 영향력에 따라 부여된 것이다.
3차원 병원에서 정의한 데이터 개체는 1차 병원에서 정의한 데이터 개체 보다는 의료현장에서 미치는 영향력은 더 크다. 또한, 동일한 1차 병원이더라도 본원이 분원 보다 더 큰 영향력을 가지고 있다. 또한, 동일한 병원 내에서도 데이터 개체를 정의하는 의료진(의사, 간호사, 의료 담당자, 행정 담당자 등)에 따라 그 영향력이 다르다. 예를 들어, 의사, 수간호사, 일반 간호사 등에 따라 그 영향력이 다르다. 따라서 상기와 같은 영향력에 따라 각 사용자 또는 병원의 등급을 구분하여 가중치를 달리 정한다.
일실시예로서, 등급 가중치는 병상(bed) 수, 병원의 차수(1,2,3차), 정의주체의 직책, 전문성(specialty) 등 다양한 변수에 의해 정해진다.
바람직하게는, 정의주체의 등급 가중치가 3이면, 이 정의주체가 정의하는 데이터 개체의 등급가중치는 모두 3으로 정해진다. 다른 실시예로서, 동일한 정의주체가 정의하더라도, 데이터 개체의 등급가중치를 따로 정할 수 있는 것이 바람직하다. 예를 들어, 관리자가 특정 데이터 개체의 등급가중치를 특별히 다르게 정할 수도 있다.
본 발명의 제1 실시예에 따라, 상기 한정자 추천부(34)가 가중치에 의해 우선순위를 정하여 추천하는 방법을 먼저 설명한다.
한정자 추천부(34)는 상기 동일 개념 또는 상기 관련 개념으로 정의된 데이터 개체의 한정자를 우선순위에 의해 추천하되, 해당 개념과의 촌수가 낮은 순으로 우선순위를 높게 한다. 특히, 한정자 추천부(34)는 동일한 촌수에 의해 동일한 우선순위를 갖는 한정자들 중 가중치 합이 큰 한정자를 우선적으로 추천하되, 각 한정자(이하 해당 한정자)의 가중치 합은 해당 한정자를 포함하는 데이터 개체의 등급 가중치의 합으로 계산된다.
즉, 개념 Ck에서의 한정자의 등급 가중치 합 qi(Ck)는 다음 [수학식 1]에 의해 구해진다.
[수학식 1]
Figure 112010027126980-pat00004
단, qi(Ck)는 개념 Ck에서의 한정자의 등급 가중치 합이고, W(Rk M)는 해당 개념 CM에서 동일 개념 또는 관련 개념 Ck까지의 용어관계의 관계 가중치의 합이다. 또, R(CM)은 해당 개념 CM과 상기 해당 개념 CM의 동일 개념 또는 관련 개념 사이의 용어관계의 집합이다.
도 7을 참조하여, 본 발명의 일실시예에 따라 한정자 추천부(34)가 한정자를 추천하는 일례를 설명한다. 도 7은 이미 구축된 용어체계 및 이미 정의되어 생성된 데이터 개체를 표시한 도면이다.
도 7에서 좌측에는 데이터 개체를 표시하고, 우측에는 용어체계를 표시한다. D1, D2, ..., D7은 데이터 개체를 지시한 것이고, 데이터 개체 식별정보 D1, D2, ..., D7의 옆에 괄호(())안에 있는 숫자는 등급 가중치를 의미한다. Q1, Q2, ..., Q6은 한정자의 이름이다. 또, C1, C2, ..., C7은 용어체계에서의 개념을 의미한다. 용어체계 내에서 개념들간에 연결된 직선은 관계를 표시하고, 용어체계와 데이터 개체간에 연결된 점선은 데이터 개체의 개념에 대응되는 개념개체의 개념을 표시한 것이다.
데이터 개체 D1은 개념 C1에 대한 데이터 개체를 정의한 것이고, 그 한정자로서 Q1을 포함한다. 또, 데이터 개체 D2는 개념 C2에 대한 데이터 개체를 정의한 것이고, 그 한정자로서 Q1, Q3을 포함한다. 또, 개념 C2에 대한 데이터 개체는 D2, D3, 및 D4 등 3개의가 있음을 알 수 있다. 또, 데이터 개체 D2의 개념은 데이터 개체 D1의 개념과 하위관계를 갖는 것을 유추할 수 있다.
도 7과 같은 상태에서, 한정자를 추천하는 경우를 나누어 설명한다.
먼저, 첫번째 경우는 개념 C2에 해당하는 데이터 개체를 생성하는 경우이다. 개념 C2와 동일 개념으로 정의되어 저장된 데이터 개체들은 D2, D3, D4이다. 이들 개체들의 한정자들은 Q1, Q2, Q3, Q4이다. 따라서 이들 한정자들을 추천한다. 또한, 개념 C2의 관련 개념은 C1, C3 내지 C7이 모두 해당되므로, 관련 개념의 데이터 개체들은 D1, D5, D6, D7이다. 이들 개체들의 한정자들은 Q1, Q2, Q4, Q5, Q6이다.
가장 높은 우선순위를 갖는 한정자는 동일개념으로 정의된 데이터 개체 D2, D3, D4의 한정자 Q1, Q2, Q3, Q4이다. Q1을 포함하는 데이터 개체는 D2, D3, D4이므로, Q1의 가중치 합은 4(D2) + 3(D3) + 1(D4) = 8 이다.
즉, [수학식 1]로 표시하면, 개념 C2에서의 한정자 Q1의 등급 가중치 q1(C2)는 q1(C2) = 4×1 + 3×1 + 1×1 = 8이다. Q2, Q3, Q4가 모두 데이터 개체에 포함되므로 모두 qi(Dj)은 모두 1이다.
동일한 방식으로, 한정자 Q2, Q3, Q4의 가중치 합은 다음과 같다.
Q2 : 4×0(D2) + 3×1(D3) + 1×1(D4) = 4
(D2에는 Q2를 포함하지 않으므로 0이다.)
Q3 : 4×1(D2) + 3×0(D3) + 1×0(D4) = 4
Q4 : 4×0(D2) + 3×0(D3) + 1×1(D4) = 1
따라서, Q1이 가장 우선순위가 높고, 그 다음은 Q2와 Q3, 그 다음으로 Q4이다. 비록 한정자 Q3은 한번 나타나고, Q2는 두번 나타났으나, D2의 등급가중치가 높아 Q2와 Q3은 동등한 순위로 추천된다.
다음으로, 관련 개념들의 한정자 중에서 Q1 내지 Q4를 제외하면, Q5와 Q6이고, 이들은 모두 촌수가 3인 관계를 형성한다. 따라서 Q5와 Q6은 다음 순위로 추천되나, Q5의 등급 가중치 합은 5이고, Q6의 등급가중치는 1이므로, Q5를 우선적으로 추천한다.
촌수는 용어체계에서 개념들 사이에 직접 또는 간접적으로 관계를 가질 때, 몇 단계에 걸쳐 관계를 갖는 것인지를 나타낸다. 즉, C2는 C1과 1촌 관계, C3 내지 C5와는 2촌 관계, C6과 C7과는 3촌 관계를 갖는다.
한편, 해당 개념과의 촌수가 일정한 촌수(최소 추천촌수)를 넘어가면 추천하지 않을 수도 있다. 예를 들어, 8촌으로 한정시킨다면, 8촌을 넘어가면 더 이상 추천하지 않는다.
다음으로, 두번째 경우는 개념 C5에 해당하는 데이터 개체를 생성하는 경우이다. 개념 C5와 동일 개념으로 정의되어 저장된 데이터 개체들은 없다. 개념 C5와 1촌 관계를 갖는 개념은 C1이고, C1의 데이터 개체는 D1 하나이다. 따라서 D1의 한정자 Q1의 가중치 합은 1이나, 가장 우선순위가 높게 추천된다.
다음으로, 2촌 관계를 갖는 개념 C2 및 C3의 데이터 개체 D2 내지 D5의 한정자들 Q2, Q3, Q4(Q1은 이미 추천되어 제외)가 추천된다. 한정자 Q2, Q3, Q4의 가중치 합은 다음과 같다.
Q2 : 3(D3) + 1(D4) = 4
Q3 : 4(D2) = 4
Q4 : 1(D4) + 3(D5) = 4
따라서, 한정자 Q2, Q3, Q4의 우선순위가 모두 동일하다. 비록 한정자 Q4가 개념 C2의 데이터 개체 D4와 개념 C3의 데이터 개체 D5에 두번 나타났지만, 한번 나타난 Q3와 동일 순위이다. Q3은 데이터 개체의 등급 가중치가 높기 때문이다.
다음으로, 관련 개념들의 한정자 중에서 Q1 내지 Q4를 제외하면, Q5와 Q6이고, 이들은 모두 촌수가 3인 관계를 형성한다. 따라서 Q5와 Q6은 다음 순위로 추천되나, Q5의 등급 가중치 합은 6이고, Q6의 등급가중치는 3이므로, Q5를 우선적으로 추천한다.
다음으로, 본 발명의 제2 실시예에 따라, 상기 한정자 추천부(34)가 가중치에 의해 우선순위를 정하여 추천하는 방법을 설명한다. 본 발명의 제2 실시예는 앞서 제1 실시예와 동일하며, 다음과 같은 면에서 차이가 있다.
즉, 한정자 추천부(34)는 해당 한정자를 포함하면서 개념이 동일한 데이터 개체(이하 동일개념 데이터 개체)가 적어도 2개이면, 상기 동일개념 데이터 개체의 등급 가중치 중 가장 큰 등급 가중치만을 포함하여, 해당 한정자의 가중치 합이 구해진다.
즉, 개념 Ck에서의 한정자의 등급 가중치 합 qi(Ck)는 다음 [수학식 2]에 의해 구해진다.
[수학식 2]
Figure 112010027126980-pat00005
앞서 제1 실시예의 첫번째 경우를 설명한다. 한정자 Q2, Q3, Q4의 가중치 합은 다음과 같다.
Q1 : Max{4×1(D2), 3×1(D3), 1×1(D4)} = 4
Q2 : Max{4×0(D2), 3×1(D3), 1×1(D4)} = 3
Q3 : Max{4×1(D2), 3×0(D3), 1×0(D4)} = 4
Q4 : Max{4×0(D2), 3×0(D3), 1×1(D4)} = 1
따라서, Q1과 Q2가 가장 우선순위가 높고, 그 다음은 Q3, 그 다음으로 Q4이다. 비록 한정자 Q3은 한번 나타나고, Q1은 3번 나타났으나, 등급 가중치가 가장 높은 D2에 모두 포함되므로, Q1과 Q3은 동등한 순위로 추천된다. 나머지는 제1 실시예와 동일하다.
앞서 제1 실시예의 두번째 경우를 설명한다. 즉, 개념 C5에 해당하는 데이터 개체를 생성하는 경우로서, 한정자 Q1을 추천한 후, 2촌 관계를 갖는 개념 C2 및 C3의 데이터 개체 D2 내지 D5의 한정자들 Q2, Q3, Q4(Q1은 이미 추천되어 제외)가 추천된다. 한정자 Q2, Q3, Q4의 가중치 합은 다음과 같다.
Q2 : Max{3(D3), 1(D4)} = 3
Q3 : Max{4(D2)} = 4
Q4 : Max{1(D4)} + Max{3(D5)} = 4
따라서, Q3과 Q4가 가장 우선순위가 높고, 그 다음은 Q2이다. 비록 Q3이 포함된 D2의 등급 가중치가 D5보다 더 높지만, D5에 포함된 Q4는 개념 C2 및 C3에 각각 대응되는 데이터 개체(D4, D5)에 모두 포함되므로, 우선순위가 동일하다. 나머지는 제1 실시예와 동일하다.
다음으로, 본 발명의 제3 실시예에 따라, 한정자 추천부(34)가 등급 가중치와 관계 가중치를 모두 포함하여 우선순위를 정하여 추천하는 방법을 설명한다.
한정자 추천부(34)는 데이터 개체에 부여된 등급 가중치 외에도 용어관계에 부여되는 관계 가중치에 의해 우선순위를 정하여 추천한다. 바람직하게는, 용어관계의 관계 가중치는 용어관계의 종류에 의해 정해진다.
앞서 본 바와 같이, 매핑관계도 하나의 용어관계로 보면, 매핑관계는 사실상 동일 개념 같은 관계이므로, 해당 개념과 매핑관계를 갖는 관련 개념은 사실상 동일 개념과 같다고 볼 수 있다. 따라서 동일 개념에 의한 데이터 개체와 매핑관계의 관련 개념에 의한 데이터 개체의 한정자들을 동일한 우선순위로 추천하는 것이 바람직하다.
예를 들어, 앞서 도 3에서, 개념 C1에 대한 데이터 개체의 한정자를 추천하고자 할 때, 개념 C4나 C5는 개념 C1에 대한 촌수가 모두 2이다. 그러나 개념 C3과 C5는 매핑관계이므로 사실상 C1과 C5는 1촌 관계와 같다.
이와 같이, 개념 사이의 용어관계가 어떤 관계이냐에 따라 추천하는 우선순위는 달라져야 한다. 이를 관계 가중치로 부여한다. 바람직하게는 관계 가중치가 높을수록 우선순위가 낮아진다. 예를 들어, 부모관계나 포함관계의 관계 가중치를 1로 정한다면, 매핑관계의 관계 가중치는 0이나 0.1 등 0에 가까워야 하고, 반대관계의 용어관계는 1보다 훨씬 큰 값, 예컨대 10의 가중치를 가져야 한다.
또, 관리자는 부모 관계로 동일한 종류의 관계라 할지라도 관계 가중치를 별도로 정할 수 있다. 예를 들어, 도 3에서 R12의 관계 가중치는 1.2, R23의 관계 가중치는 0.8, R35의 관계 가중치는 0.3 등으로 설정할 수 있다.
한정자 추천부(34)는 동일 개념 또는 상기 관련 개념으로 정의된 데이터 개체의 한정자를 우선순위에 의해 추천하되, 동일 개념 또는 관련 개념을 포함하는 데이터 개체의 등급 가중치에 비례하고, 용어관계의 관계 가중치의 합에 반비례하는 우선순위를 정한다.
개념 CM에서의 한정자 Qi의 우선순위는 [수학식 3]에 의해 가중치 합 Qi(CM)으로 구해진다. 즉, 개념 CM에 대응되는 데이터 개체를 생성하고자 할 때, 추천하려는 한정자 Q1 내지 Q6의 가중치 합을 [수학식 3]로 구하고, 가중 높은 가중치를 갖는 한정자부터 추천한다.
[수학식 3]
Figure 112010027126980-pat00006
단, qi(Ck)는 개념 Ck에서의 한정자의 등급 가중치 합이고, W(Rk M)는 해당 개념 CM에서 동일 개념 또는 관련 개념 Ck까지의 용어관계의 관계 가중치의 합이다. 또, R(CM)은 해당 개념 CM과 상기 해당 개념 CM의 동일 개념 또는 관련 개념 사이의 용어관계의 집합이다.
한편, 상기 개념 Ck에서의 한정자의 등급 가중치 합 qi(Ck)는 상기 [수학식 1] 또는 [수학식 2]에 의해 구해진다.
[수학식 2]는 앞서 제1 실시예 또는 제2 실시예에서, 해당 한정자를 포함하면서 개념이 동일한 데이터 개체(이하 동일개념 데이터 개체)가 적어도 2개이면, 상기 동일개념 데이터 개체의 등급 가중치 중 가장 큰 등급 가중치만을 포함하여, 해당 한정자의 가중치 합을 구하는 것과 같다. [수학식 1]은 동일개념 데이터 개체와 관계없이 모두 나타나는 한정자의 가중치를 더한 것이다.
예를 들어, 도 7에서 개념 C1과 C2 사이의 관계 가중치가 3이고, 나머지의 관계 가중치는 모두 1이라고 가정한다. 그리고 개념 C5에 대응되는 데이터 개체를 생성하기 위해 한정자를 추천하는 것으로 가정한다.
먼저, [수학식 1]과 [수학식 3]에 의해 구하는 과정을 설명한다.
Q1의 가중치 합은 다음과 같이 구한다.
수학식에서 CM은 곧 C5이고, R(CM)은 R5 1(C5-C1), R5 2(C5-C1-C2), R5 3(C5-C1-C3), R5 6(C5-C1-C4-C6), R5 7(C5-C1-C4-C7)의 집합이다. Q1은 개념 C1 내지 C7 중 C4를 제외하고 모두 포함되기 때문이다.
관계 R5 1(C5-C1)의 경우, 관계는 C5-C1의 하나이므로, 관계 가중치의 합 W(R5 1)은 C5-C1의 관계 가중치인 1이다. 그리고 개념 C1에서의 Q1의 등급 가중치 합 q1(C1)은 1이다. 따라서, 개념 C1에서의 Q1의 전체 가중치는 1/1 = 1 이다.
R5 2(C5-C1-C2)의 경우, 관계는 C5-C1와 C1-C2이므로, 관계 가중치의 합 W(R5 2)은 C5-C1와 C1-C2의 관계 가중치 합인 1 + 3 = 4이다. 그리고 개념 C2에서의 Q1의 등급 가중치 합 q1(C2)은 4(D2) + 3(D3) + 1(D4) = 8이다. 따라서, 개념 C2에서의 Q1의 전체 가중치는 8/4 = 2 이다.
상기와 같은 과정에 의해, R5 3(C5-C1-C3), R5 6(C5-C1-C4-C6), R5 7(C5-C1-C4-C7)에 대한 Q1의 전체 가중치는 각각 3/2, 5/3, 1/3이다. 그리고 Q1의 가중치 합은 모든 관계의 전체 가중치를 모두 더하여, 1 + 2 + 3/2 + 6/3 + 3/3 = 7.5이다.
동일한 과정으로 Q2 내지 Q6을 구하면, 다음과 같다.
Q2 : (3+1)/4 = 1
Q3 : 4/4 = 1
Q4 : 1/4 + 3/2 = 1.75
Q5 : 6/3 = 2
Q6 : 3/3 = 1
따라서, 추천하는 우선순위는 각각 Q1, Q5, Q4이고, 마지막으로, Q2, Q3과 Q6이 동일하다. 즉, 데이터 개체 Q5는 촌수가 제일 멀지만, 등급 가중치가 높기 때문에, 2번째 순위로 추천된다. 앞서 제1 실시예와 제2 실시예에 의하면, 촌수에 의해 먼저 우선순위가 결정되는 반면, 제3 실시예는 등급 가중치와 촌수가 반영된 관계 가중치를 동등하게 고려하여 추천하는 우선순위를 구한다.
다음으로 [수학식 2]를 이용하는 경우의 가중치 합을 구하면 다음과 같다.
Q1 : 1/1 + Max(4,3,1)/4 + 3/2 + 6/3 + 3/3 = 6.5
Q2 : Max(3,1)/4 = 0.75
Q3 : 4/4 = 1
Q4 : 1/4 + 3/2 = 1.75
Q5 : 6/3 = 2
Q6 : 3/3 = 1
앞서의 경우에 비해, Q2의 우선순위가 맨 마지막으로 밀린다.
이상, 본 발명자에 의해서 이루어진 발명을 상기 실시 예에 따라 구체적으로 설명하였지만, 본 발명은 상기 실시 예에 한정되는 것은 아니고, 그 요지를 이탈하지 않는 범위에서 여러 가지로 변경 가능한 것은 물론이다.
본 발명은 용어체계를 이용하여 개념(concept)을 한정자(qualifier)로 한정하는 데이터 개체를 정의하는 것을 지원하는 용어체계 기반 데이터 개체 정의지원 시스템을 개발하는 데 적용이 가능하다.
특히, 본 발명은 해당 개념과 동일한 개념 또는 관련된 개념으로 정의된 데이터 개체를 검색하여 검색된 데이터 개체의 한정자를 추출하고, 추출된 한정자를 해당 개념의 한정자로 추천하는 용어체계 기반 데이터 개체 정의지원 시스템을 개발하는 데 유용하다.

Claims (13)

  1. 개념(concept)을 한정자(qualifier)로 한정하는 데이터 개체를 용어체계를 이용하여 정의하는 것을 지원하는 데이터 개체 정의지원 시스템에 있어서,
    개념을 용어개체 및 용어관계로 구조화한 용어체계를 저장하는 용어체계 관리부;
    개념에 대한 데이터 개체를 저장하는 데이터 개체 저장부;
    선택된 개념(이하 해당 개념)에 대한 데이터 개체를 정의하되, 상기 해당 개념의 선택을 입력받고 상기 해당 개념을 한정하는 한정자를 입력받아 정의하는 데이터 개체 정의부; 및
    상기 해당 개념과 동일한 개념(이하 동일 개념)으로 정의되어 저장된 데이터 개체를 검색하고, 검색된 데이터 개체의 한정자를 추천하되, 상기 데이터 개체에 부여되는 등급 가중치에 의해 우선순위를 정하여 추천하는 한정자 추천부를 포함하고,
    상기 한정자 추천부는 상기 해당 개념과 관련된 개념(이하 관련 개념)으로 정의된 데이터 개체를 검색하고, 검색된 데이터 개체의 한정자를 추천하되, 상기 관련 개념은 상기 해당 개념과 용어관계를 가지는 것을 특징으로 하는 데이터 개체 정의지원 시스템.
  2. 삭제
  3. 제1항에 있어서,
    상기 데이터 개체의 등급 가중치는 상기 데이터 개체를 정의한 정의주체의 등급에 의해 정해지는 것을 특징으로 하는 데이터 개체 정의지원 시스템.
  4. 제1항에 있어서,
    상기 한정자 추천부는 상기 동일 개념 또는 상기 관련 개념으로 정의된 데이터 개체의 한정자를 우선순위에 의해 추천하되, 해당 개념과의 촌수가 낮은 순으로 우선순위를 높게 하는 것을 특징으로 하는 데이터 개체 정의지원 시스템.
  5. 제4항에 있어서,
    상기 한정자 추천부는 동일한 촌수에 의해 동일한 우선순위를 갖는 한정자들 중 가중치 합이 큰 한정자를 우선적으로 추천하되, 각 한정자(이하 해당 한정자)의 가중치 합은 해당 한정자를 포함하는 데이터 개체의 등급 가중치의 합으로 계산되는 것을 특징으로 하는 데이터 개체 정의지원 시스템.
  6. 제5항에 있어서,
    해당 한정자를 포함하면서 개념이 동일한 데이터 개체(이하 동일개념 데이터 개체)가 적어도 2개이면, 상기 동일개념 데이터 개체의 등급 가중치 중 가장 큰 등급 가중치만을 포함하여, 해당 한정자의 가중치 합이 구해지는 것을 특징으로 하는 데이터 개체 정의지원 시스템.
  7. 제1항에 있어서,
    상기 한정자 추천부는 용어관계에 부여되는 관계 가중치에 의해 우선순위를 정하여 추천하는 것을 특징으로 하는 데이터 개체 정의지원 시스템.
  8. 제7항에 있어서,
    상기 용어관계의 관계 가중치는 상기 용어관계의 종류에 의해 정해지는 것을 특징으로 하는 데이터 개체 정의지원 시스템.
  9. 제7항에 있어서,
    상기 한정자 추천부는 상기 동일 개념 또는 상기 관련 개념으로 정의된 데이터 개체의 한정자를 우선순위에 의해 추천하되, 동일 개념 또는 관련 개념을 포함하는 데이터 개체의 등급 가중치에 비례하고, 용어관계의 관계 가중치의 합에 반비례하는 우선순위를 정하는 것을 특징으로 하는 데이터 개체 정의지원 시스템.
  10. 제9항에 있어서,
    상기 우선순위는 [수식 1]의 가중치 합 Qi(CM)으로 구해지는 것을 특징으로 하는 데이터 개체 정의지원 시스템.
    [수식 1]
    Figure 112010027126980-pat00007

    단, qi(Ck)는 개념 Ck에서의 한정자의 등급 가중치 합.
    W(Rk M)는 해당 개념 CM에서 동일 개념 또는 관련 개념 Ck까지의 용어관계의 관계 가중치의 합.
    R(CM)은 해당 개념 CM과 상기 해당 개념 CM의 동일 개념 또는 관련 개념 사이의 용어관계의 집합.
  11. 제10항에 있어서,
    상기 개념 Ck에서의 한정자의 등급 가중치 합 qi(Ck)는 다음 [수식 2]에 의해 구해지는 것을 특징으로 하는 데이터 개체 정의지원 시스템.
    [수식 2]
    Figure 112010027126980-pat00008

    단, qi(Ck)는 개념 Ck에서의 한정자의 가중치 합.
    qi(Dj)는 데이터 개체 Dj에 한정자 qi가 있으면 1이고, 없으면 0임.
    W(Dj)는 데이터 개체 Dj의 등급 가중치.
  12. 제10항에 있어서,
    상기 개념 Ck에서의 한정자의 등급 가중치 합 qi(Ck)는 다음 [수식 3]에 의해 구해지는 것을 특징으로 하는 데이터 개체 정의지원 시스템.
    [수식 3]
    Figure 112010027126980-pat00009

    단, qi(Ck)는 개념 Ck에서의 한정자의 가중치 합.
    qi(Dj)는 데이터 개체 Dj에 한정자 qi가 있으면 1이고, 없으면 0임.
    W(Dj)는 데이터 개체 Dj의 등급 가중치.
  13. 제1항, 제3항 내지 제12항 중 어느 한 항에 있어서,
    상기 한정자 추천부는 해당 개념과의 촌수가 최소 추천촌수를 넘으면 추천하지 않는 것을 특징으로 하는 데이터 개체 정의지원 시스템.
KR1020100038825A 2010-04-27 2010-04-27 가중치를 이용한 용어체계 기반의 데이터 개체 정의지원 시스템 KR101587183B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020100038825A KR101587183B1 (ko) 2010-04-27 2010-04-27 가중치를 이용한 용어체계 기반의 데이터 개체 정의지원 시스템
US13/643,705 US8880514B2 (en) 2010-04-27 2011-04-18 Terminology-based system for supporting data object definition
PCT/KR2011/002749 WO2011136491A2 (ko) 2010-04-27 2011-04-18 용어체계 기반의 데이터 개체 정의지원 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020100038825A KR101587183B1 (ko) 2010-04-27 2010-04-27 가중치를 이용한 용어체계 기반의 데이터 개체 정의지원 시스템

Publications (2)

Publication Number Publication Date
KR20110119231A KR20110119231A (ko) 2011-11-02
KR101587183B1 true KR101587183B1 (ko) 2016-02-02

Family

ID=45390856

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100038825A KR101587183B1 (ko) 2010-04-27 2010-04-27 가중치를 이용한 용어체계 기반의 데이터 개체 정의지원 시스템

Country Status (1)

Country Link
KR (1) KR101587183B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100443486B1 (ko) * 2001-09-11 2004-08-11 이스잔 다용도 보트

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100070302A1 (en) * 2008-09-12 2010-03-18 General Electric Company Systems and methods for creating a dietary plan based on a clinical element model

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100070302A1 (en) * 2008-09-12 2010-03-18 General Electric Company Systems and methods for creating a dietary plan based on a clinical element model

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100443486B1 (ko) * 2001-09-11 2004-08-11 이스잔 다용도 보트

Also Published As

Publication number Publication date
KR20110119231A (ko) 2011-11-02

Similar Documents

Publication Publication Date Title
Mustafa et al. Sensitivity and specificity of ultrasonography in the diagnosis of upper extremity deep vein thrombosis: a systematic review
US8280750B2 (en) Patient data mining for cardiology screening
Canzanello et al. Are aneroid sphygmomanometers accurate in hospital and clinic settings?
Loy et al. Accuracy of diagnostic tests read with and without clinical information: a systematic review
Kannel et al. Profile for estimating risk of heart failure
Stuss et al. Do long tests yield a more accurate diagnosis of dementia than short tests?: A comparison of 5 neuropsychological tests
Blaivas et al. Change in differential diagnosis and patient management with the use of portable ultrasound in a remote setting
JP2018536476A (ja) 処置からの情報を使用した解剖モデリングのためのシステム及び方法
Yano et al. Association of daytime and nighttime blood pressure with cardiovascular disease events among African American individuals
US8880514B2 (en) Terminology-based system for supporting data object definition
Jahanbakhsh et al. An investigation into the effective factors on the acceptance and use of integrated health system in the primary health-care centers
Chae et al. Effectiveness of nursing interventions using standardized nursing terminologies: an integrative review
Mahmoudvand et al. Determination of minimum data set (MSD) in echocardiography reporting system to exchange with Iran’s electronic health record (EHR) system
Patel Detecting obstructive coronary disease with CT angiography and noninvasive fractional flow reserve
Stergiou et al. Setting-up a blood pressure and vascular protection clinic: requirements of the European Society of Hypertension
JP7238705B2 (ja) 診療支援方法、診療支援システム、学習モデルの生成方法、および、診療支援プログラム
KR101587183B1 (ko) 가중치를 이용한 용어체계 기반의 데이터 개체 정의지원 시스템
CN108630290B (zh) 一种面向慢病患者的健康知识个性化推荐方法和系统
KR20170135331A (ko) 이기종 건강측정기기 데이터 교환 의미적 상호운용성 처리 시스템 및 방법
KR20160081665A (ko) 참조용어체계 기반 의학콘텐츠 관리 시스템 및 방법
KR101097191B1 (ko) 용어체계에 기반하는 데이터 개체 정의지원 시스템
Osman et al. Pseudo–ventricular tachycardia, pseudo–atrial fibrillation, and pseudo–atrial flutter in a patient with Parkinson disease: two’s company, three’sa crowd
US20040172296A1 (en) Data structures for context based rule application
Greenland Effective use of ambulatory blood pressure monitoring
Mitka CT, MRI scans offer new tools for autopsy

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
FPAY Annual fee payment

Payment date: 20190102

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20200102

Year of fee payment: 5