KR101852774B1 - 처방전 인식 오류 보정 방법 및 처방전 인식 오류 보정 시스템 - Google Patents

처방전 인식 오류 보정 방법 및 처방전 인식 오류 보정 시스템 Download PDF

Info

Publication number
KR101852774B1
KR101852774B1 KR1020170007097A KR20170007097A KR101852774B1 KR 101852774 B1 KR101852774 B1 KR 101852774B1 KR 1020170007097 A KR1020170007097 A KR 1020170007097A KR 20170007097 A KR20170007097 A KR 20170007097A KR 101852774 B1 KR101852774 B1 KR 101852774B1
Authority
KR
South Korea
Prior art keywords
prescription
correction
text
past
recognition error
Prior art date
Application number
KR1020170007097A
Other languages
English (en)
Inventor
전강태
최지선
Original Assignee
주식회사 유비케어
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 주식회사 유비케어 filed Critical 주식회사 유비케어
Priority to KR1020170007097A priority Critical patent/KR101852774B1/ko
Application granted granted Critical
Publication of KR101852774B1 publication Critical patent/KR101852774B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/63—Scene text, e.g. street names
    • G06K9/3258—
    • G06F19/3456—
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G06K2017/0038—

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medicinal Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

처방전 인식 오류 보정 방법 및 처방전 인식 오류 보정 시스템이 개시된다. 본 발명의 일실시예에 따른 처방전 인식 오류 보정 방법은, 환자의 처방전으로부터 추출한 원본 텍스트 중에서, 선정된 오류 조건과 일치하는 제1 텍스트를 식별하는 단계와, 상기 오류 조건에 상응하는 복수의 과거 보정값 중에서, 상기 복수의 과거 보정값에 관한 가중치에 기초하여, 상기 제1 텍스트에 대한 보정값을 결정하는 단계, 및 상기 제1 텍스트를 상기 보정값으로 변경하여, 상기 원본 텍스트를 보정하는 단계를 포함한다.

Description

처방전 인식 오류 보정 방법 및 처방전 인식 오류 보정 시스템{ERROR CORRECTION METHOD FOR PRESCRIPTION RECOGNITION, AND ERROR CORRECTION SYSTEM FOR PRESCRIPTION RECOGNITION}
본 발명은 처방전의 OCR(Optical Character Reader) 인식률 향상을 위한 인식 오류 학습 및 보정값 추론 기술에 관한 것으로, 특히, 서버 단에서 통합 관리하는 여러 약국에서의 과거 수정 기록을 활용하여 개별 약국에서의 처방전 인식 오류 보정 성능을 향상시키는 처방전 인식 오류 보정 방법 및 처방전 인식 오류 보정 시스템에 관한 것이다.
최근, 약국 시스템에서는 OCR 기기와 같은 광학 인식 모듈을 이용해 처방전에 기재된 환자 정보와 처방 내역 등을 자동으로 인식하는 기술이 상용화 되어 있다.
하지만, 사람이 직접 입력하는 것이 아니기 때문에, 광학 인식 모듈을 통해서는 유사도가 높은 숫자와 문자 간에는 인식 오류가 발생할 확률이 높고, 이에 따라 환자의 질병과 관계 없는 약품을 잘못 처방하는 문제가 발생할 수도 있다.
이에 따라, 처방전의 OCR 인식 결과에 포함된 오류의 보정을 통해 OCR 기기 인식률을 향상시켜, 처방 내역의 정확성을 높이는 기술이 무엇보다 중요해지고 있다.
하지만, 기존의 약국 시스템에서는 해당 약국에서 이전에 수정된 기록에 근거하여, 동일한 오류를 찾아 보정할 수는 있지만, 해당 약국에서 이전에 수정하지 않은 오류를, 처방전의 인식 결과로부터 자동으로 판단하여 보정하는 데에는 한계를 가질 수 있다.
또한, 이러한 과거 수정 기록은 해당 약국의 로컬 데이터베이스에 유지되기 때문에, 타 약국에서 이를 참조하여 인식 오류를 보정하는 데에는 어려움이 있을 수 있다.
다시 말해, 기존에는 개별 약국에서의 과거 수정 기록을 통합 관리하여 각 약국에서 처방전 인식 오류를 보정 시 범용적으로 사용 가능하게 할 수는 없었다.
이에 따라, 개별 약국에서, 서버에 의해 통합 관리되는 처방전 인식 오류에 관한 과거 수정 기록을 참조하여 처방전의 인식 오류를 보정 가능하게 함으로써, 처방전 인식률 및 오류 보정 성능을 향상시키기 위한 기술이 요구되고 있다.
본 발명의 실시예는 개별 약국에서 광학 문자 인식 모듈(OCR)을 이용해 처방전을 인식하는 경우 발생하는 인식 오류를, 서버 단에서 통합 관리하는 여러 약국에서의 과거 수정 기록을 활용하여 보정 함으로써, 처방전 인식률을 향상시키고, 처방전 오인식으로 인한 처방 오류를 줄이는 것을 목적으로 한다.
또한, 본 발명의 실시예는 기존의 과거 수정 기록에 의해 검출되지 않는 인식 오류에 대해 약국 단말로부터 수정이 요청될 경우, 해당 오류 보정 데이터를 데이터베이스에 추가하여, 여러 약국에서 신규로 발생되는 처방전 인식 오류와 이에 대한 보정값을 간단하고 지속적으로 학습할 수 있도록 하는 것을 목적으로 한다.
또한, 본 발명의 실시예는 과거 수정 기록으로부터 확인되는 복수의 과거 보정값(후보 보정값) 중, 환자의 처방 기록을 활용하여, 환자와의 관련도가 더 높은 보정값을 추론(추정) 함으로써, 인식 오류의 보정 성능을 더욱 향상시키는 것을 목적으로 한다.
본 발명의 일실시예에 따른 처방전 인식 오류 보정 방법은, 환자의 처방전으로부터 추출한 원본 텍스트 중에서, 선정된 오류 조건과 일치하는 제1 텍스트를 식별하는 단계와, 상기 오류 조건에 상응하는 복수의 과거 보정값 중에서, 상기 복수의 과거 보정값에 관한 가중치에 기초하여, 상기 제1 텍스트에 대한 보정값을 결정하는 단계, 및 상기 제1 텍스트를 상기 보정값으로 변경하여, 상기 원본 텍스트를 보정하는 단계를 포함한다.
또한, 본 발명의 일실시예에 따른 처방전 인식 오류 보정 시스템은, 환자의 처방전으로부터 추출한 원본 텍스트 중에서, 선정된 오류 조건과 일치하는 제1 텍스트를 식별하는 텍스트 식별부와, 상기 오류 조건에 상응하는 복수의 과거 보정값 중에서, 상기 복수의 과거 보정값에 관한 가중치에 기초하여, 상기 제1 텍스트에 대한 보정값을 결정하는 보정값 결정부, 및 상기 제1 텍스트를 상기 보정값으로 변경하여, 상기 원본 텍스트를 보정하는 보정 처리부를 포함한다.
본 발명의 일실시예에 따르면, 개별 약국 시스템에서 유지하던 과거 수정 기록을 서버에서 통합적으로 관리하여, 다른 약국 시스템에서도 상기 과거 수정 기록을 이용한 OCR 보정 작업이 범용적으로 활용되도록 할 수 있다.
또한, 본 발명의 일실시예에 따르면, 약국 단말(사용자)에 의해 수동으로 보정된 오류 보정 데이터를, 서버에서 통합 관리하여 학습하고, 이를 통해 인식 오류의 보정값을 용이하게 추론 가능하게 할 수 있다.
또한, 본 발명의 일실시예에 따르면, OCR에서 발생한 처방전 인식 오류와 보정값을 학습 함으로써, 해당 인식 오류가 재발생 시, 학습했던 기록으로 간편하게 대체(보정)할 수 있다.
또한, 본 발명의 일실시예에 따르면, 처방약품의 누락 및 약품코드 오류 등과 같은 의료 도메인에서 발생 가능한 인식 오류를, 학습을 통해 습득한 오류 보정 데이터에 관한 라이브러리 뿐만 아니라, 처방 기록 빅데이터를 분석하여 유추 함으로써, 데이터 오류를 줄일 수 있다.
또한, 본 발명의 일실시예에 따르면, 병원에서 발행되는 처방전을 OCR 기기를 통해 약국 단말에서 실행되는 PMS 솔루션에 입력 시, 처방전 데이터를 정확하고 효과적으로 자동 입력할 수 있다.
도 1은 본 발명의 일실시예에 따른 처방전 인식 오류 보정 시스템의 개략적인 구성을 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 처방전 인식 오류 보정 시스템의 내부 구성을 도시한 블록도이다.
도 3은 본 발명의 일실시예에 따른 처방전 인식 오류 보정 시스템에서, 처방전 인식 결과의 일례를 도시한 도면이다.
도 4는 본 발명의 일실시예에 따른 처방전 인식 오류 보정 시스템에서, 오류 보정 데이터를 기록한 데이터베이스의 일례를 도시한 도면이다.
도 5는 본 발명의 일실시예에 따른 처방전 인식 오류 보정 시스템에서, 처방전 인식 결과의 보정에 따라 데이터베이스를 수정한 일례를 도시한 도면이다.
도 6은 본 발명의 일실시예에 따른 처방전 인식 오류 보정 방법의 순서를 도시한 흐름도이다.
이하, 첨부된 도면들을 참조하여 본 발명의 일실시예에 따른 응용프로그램 업데이트 장치 및 방법에 대해 상세히 설명한다. 그러나, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
본 발명의 처방전 인식 오류 보정 시스템은, 처방전이 접수되는 각 약국 단말과, 환자들의 처방기록이 유지되는 전자의무기록(EMR) 시스템과 연동하여 처방전 인식 오류를 보정하는 서비스 서버의 내부에 포함되어 구현될 수 있다.
이를 통해, 본 발명의 처방전 인식 오류 보정 시스템은 복수의 약국 단말로부터 수집한 과거 보정 이력을 통합 관리 함으로써, 각 약국 단말에서 발생되는 다양한 처방전 인식 오류를 보다 정확한 값으로 자동 보정할 수 있다.
또한, 본 발명의 처방전 인식 오류 보정 시스템은, 각 약국 단말에서 운영되는 프로그램인 PMS 솔루션과 연계하여, 각 약국 단말의 내부에 프로그램 형태로 구현될 수도 있다.
도 1은 본 발명의 일실시예에 따른 처방전 인식 오류 보정 시스템의 개략적인 구성을 도시한 도면이다.
도 1을 참조하면, 본 발명의 일실시예에 따른 처방전 인식 오류 보정 시스템(100)은, 처방전이 접수되는 약국 단말에 설치된 광학 문자 인식 모듈(OCR)(101)을 통해 처방전 이미지로부터 '문자' 또는 '숫자'를 포함한 원본 텍스트를 추출하고, 추출한 원본 텍스트에 인식 오류가 있는지 확인하고, 확인된 인식 오류를 보정한 처방전 데이터를, PMS 솔루션(103)에 자동으로 입력할 수 있다.
이를 위해, 처방전 인식 오류 보정 시스템(100)은, 복수의 약국 단말로부터 수집한 과거 보정 이력을 참조하여 오류 보정 데이터 서버(130)를 구축하고, 추출한 원본 텍스트를, 오류 보정 데이터 서버(130) 내의 오류 보정 데이터와 비교하여 일치하는 값이 있을 경우에 보정을 수행할 수 있다.
구체적으로, 처방전 인식 오류 보정 시스템(100)은 오류 판독 및 보정 모듈(110), 학습 및 추론 모듈(120), 오류 보정 데이터 서버(130) 및 사용자 오류 확인 모듈(140)을 포함하여 구성할 수 있다.
광학 문자 인식 모듈(OCR)(101)은 종이 재질의 처방전으로부터 문자 또는 숫자를 포함한 원본 텍스트를 추출한다.
이때, 레이저 프린터로 인쇄된 처방전의 경우, 광학 문자 인식 모듈(OCR)(101)에 의한 문자 인식 오류가 대략 10% 내외의 비율로 발생될 수 있다.
오류 판독 및 보정 모듈(110)은 추출한 원본 텍스트 내에 잘못 인식된 문자 또는 숫자가 포함되어 있는지 판단하고, 인식 오류가 포함되는 것으로 판단되면, 해당 인식 오류를, 학습 및 추론 모듈(120)에 의해 오류 보정 데이터 서버(130)로부터 확인되는 보정값으로 보정할 수 있다.
오류 보정 데이터 서버(130)는 복수의 약국 단말에 의해 수집된 과거 보정 이력에 근거하여, 오류 보정 데이터를, 오류 조건 및 과거 보정값의 쌍의 형태로 유지한다.
학습 및 추론 모듈(120)은 오류 보정 데이터 서버(130) 내 오류 보정 데이터와, 처방 기록 서버(102) 내 환자의 처방기록을 이용하여, 발견된 인식 오류에 대한 가장 적합한 수정 방안(보정값)을 선택한다.
학습 및 추론 모듈(120)은 보정 빈도 수에 따른 가중치가 높은 과거 보정값을, 인식 오류에 대한 보정값으로 선택할 수 있으나, 처방기록과의 연관성을 반영하여 보정값을 선택할 수 있다.
예를 들어, 학습 및 추론 모듈(120)은 원본 텍스트 내 제1 텍스트('BB')가 인식 오류로 판독되면, 제1 텍스트에 대한 과거 보정값을 오류 보정 데이터 서버(130)로부터 검색하고, 검색된 과거 보정값('BA', 'BC')이 복수이면, 각 과거 보정값 중 실제로 보정된 빈도 수(가중치)가 더 높은 과거 보정값을, 보정값으로 선택할 수 있다.
이때, 학습 및 추론 모듈(120)은 각 과거 보정값의 가중치가 동일하거나, 가중치의 차이가 설정된 임계치(예, '10') 이하이면, 해당 환자의 처방기록으로부터, 일례로, 해당 환자의 질환에 'BA'라는 약품이 항상 처방되고 있음이 분석되는 경우, 제1 텍스트('BB')에 대한 보정값으로 'BA'를 선택하고, 오류 판독 및 보정 모듈(110)은 원본 텍스트 내의 제1 텍스트('BB')를, 선택된 보정값('BA')으로 보정할 수 있다.
처방 기록 서버(102)는, 환자의 성별, 연령, 질환 등의 환자 정보와, 환자에게 처방된 약품 목록이나 약품코드를 포함하는 처방기록을 보관하는 서버로서, 일종의 전자의무기록(EMR )시스템 일 수 있다.
여기서, 전자의무기록(EMR )시스템은 환자가 진료를 받은 병의원 단말에 의해 기록되는 전자차트를 유지 관리하는 공인된 기관 서버를 지칭할 수 있다.
학습 및 추론 모듈(120)은 처방 기록 서버(102)로부터 확인한 환자의 처방기록을 참조하여, 환자의 질환에 처방되어야 하는 약품이나, 환자에게 처방된 약품과 동시 처방되어야 하는 약품 또는 동시 처방되지 말아야 하는 약품 등에 관한 데이터 연관성을 파악하고, 이를 통해 가장 적합한 보정값을 추론할 수 있다.
학습 및 추론 모듈(120)은 원본 텍스트에 대한 보정에 따라, 오류 보정 데이터 서버(130) 내의 오류 보정 데이터('BB'-'BA')에 대한 가중치를 증가시킬 수 있다.
사용자 오류 확인 모듈(140)은 약국 단말로부터의 수정 요청에 따라 지정된 보정지정값으로, 원본 텍스트 내의 제2 텍스트를 추가적으로 보정한다.
이를 통해, 사용자 오류 확인 모듈(140)은 오류 판독 및 보정 모듈(110)에 의해 검출되지 않은 인식 오류를, 약국 단말과 연관된 사용자(예, 약사, 전산입력원 등)가 직접 확인하여 보정할 수 있도록 함으로써, 처방전 데이터의 정확성을 높일 수 있다.
사용자 오류 확인 모듈(140)은 사용자에 의해 직접 수정된 상기 보정지정값과 오류 조건(제2 텍스트)의 쌍을, 신규의 오류 보정 데이터로서 오류 보정 데이터 서버(130)에 추가하고, 가중치를 부여할 수 있다.
PMS 솔루션(103)은 약국 단말에서 실행되는 약국 운영 프로그램으로서, 처방전 데이터를 입력 또는 관리하는 프로그램을 지칭할 수 있다.
오류 판독 및 보정 모듈(110)은 원본 텍스트 내의 인식 오류를 상술한 과정을 통해 가장 적합한 보정값으로 보정하고, 보정 처리된 처방전 데이터를, 약국 단말의 PMS 솔루션(103)에 자동으로 입력할 수 있다.
이와 같이, 본 발명의 일실시예에 따르면, 개별 약국 시스템에서 유지하던 과거 수정 기록을 서버에서 통합적으로 관리하여, 다른 약국 시스템에서도 상기 과거 수정 기록을 이용한 OCR 보정 작업이 범용적으로 활용되도록 할 수 있다.
또한, 본 발명의 일실시예에 따르면, 약국 단말(사용자)에 의해 수동으로 보정된 오류 보정 데이터를, 서버에서 통합 관리하여 학습하고, 이를 통해 인식 오류의 보정값을 용이하게 추론 가능하게 할 수 있다.
또한, 본 발명의 일실시예에 따르면, OCR에서 발생한 처방전 인식 오류와 보정값을 학습 함으로써, 해당 인식 오류가 재발생 시, 학습했던 기록으로 간편하게 대체(보정)할 수 있다.
또한, 본 발명의 일실시예에 따르면, 처방약품의 누락 및 약품코드 오류 등과 같은 의료 도메인에서 발생 가능한 인식 오류를, 학습을 통해 습득한 오류 보정 데이터에 관한 라이브러리 뿐만 아니라, 처방 기록 빅데이터를 분석하여 유추 함으로써, 데이터 오류를 줄일 수 있다.
또한, 본 발명의 일실시예에 따르면, 병원에서 발행되는 처방전을 OCR 기기를 통해 약국 단말에서 실행되는 PMS 솔루션에 입력 시, 처방전 데이터를 정확하고 효과적으로 자동 입력할 수 있다.
도 2는 본 발명의 일실시예에 따른 처방전 인식 오류 보정 시스템의 내부 구성을 도시한 블록도이다.
도 2를 참조하면, 본 발명의 일실시예에 따른 처방전 인식 오류 보정 시스템(200)은, 텍스트 식별부(210), 보정값 결정부(220) 및 보정 처리부(230)를 포함하여 구성할 수 있다. 또한, 실시예에 따라, 처방전 인식 오류 보정 시스템(200)은 연산부(240), 보정값 추정부(250), 데이터베이스(260) 및 기록부(270)를 각각 추가하여 구성할 수 있다.
텍스트 식별부(210)는 환자의 처방전으로부터 추출한 원본 텍스트 중에서, 선정된 오류 조건과 일치하는 제1 텍스트를 식별한다.
일례로, 텍스트 식별부(210)는 OCR(Optical Character Reader)(201)을 이용하여, 처방전에 인쇄된 숫자 또는 문자를 포함하는 상기 원본 텍스트를 추출할 수 있다.
여기서, OCR(201)는 레이저 프린터 장치 등을 통해 종이 재질의 처방전에 인쇄된 문자 또는 숫자를 인식하는 광학 인식 모듈로서, 처방전에 기재된 환자 정보(성별, 연령, 이름, 주민번호 등)와, 처방약품의 약품코드, 질병명 및 질병기호 중 적어도 하나의 처방전 데이터를, 원본 텍스트로서 추출할 수 있다(도 3의 (ⅰ) 참조).
실시예에 따라, 처방전 인식 오류 보정 시스템(200)은 개별 약국 단말에서 처방전 인식 오류 보정을 위해 사용된 오류 보정 데이터를 통합 관리할 수 있도록 하기 위해, 데이터베이스(260) 및 기록부(270)를 더 포함할 수 있다.
기록부(270)는 복수의 약국 단말로부터 수집한 과거 보정 이력을 참조하여, 과거 보정값과 오류 조건과의 쌍을, 오류 보정 데이터로서 데이터베이스(260)에 기록한다.
예를 들어, 도 4를 참조하면, 기록부(270)는 복수의 약국 단말에서 이전에 실시한 과거 보정 이력을 참조하여, 'B→8', 'B→3', '0→6', '0→우', 'l→1', 'l→I'와 같은 '오류 조건→과거 보정값'의 쌍을, 데이터베이스(260)에 기록할 수 있다.
이때, 기록부(270)는 상기 과거 보정값 각각에 대해, 상기 과거 보정 이력으로부터 카운트되는 보정 빈도수에 따라, 가중치를 부여할 수 있다.
예를 들어, 도 4를 참조하면, 기록부(270)는 데이터베이스(260) 내의 오류 보정 데이터('오류 조건→과거 보정값'의 쌍)에 대해, 각 약국 단말에서 실제로 처방전의 인식 오류 보정에 이용된 횟수를 카운트하여, 카운트한 횟수(이하, 보정 빈도수)를 가중치로서 부여하거나, 보정 빈도수에 비례하여 가중치를 부여할 수 있다.
일례로, 텍스트 식별부(210)는 상기 원본 텍스트를, 데이터베이스(260)에 기록된 오류 조건과 비교하여, 상기 오류 조건과 일치하는 상기 원본 텍스트의 적어도 일부를, 상기 제1 텍스트로서 식별할 수 있다.
예를 들어, 도 3을 참조하면, 텍스트 식별부(210)는 도 3의 (ⅰ)과 같이 처방전 데이터가 인쇄된 환자의 처방전을 OCR(201)을 통해 광학 인식하고, OCR(201)에 의한 인식 결과로서, 도 3의 (ⅱ)와 같은 원본 텍스트를 추출할 수 있다.
이때, 텍스트 식별부(210)는 데이터베이스(260) 내의 오류 보정 데이터('오류 조건→과거 보정값'의 쌍)에 근거하여, 상기 원본 텍스트에 오류 조건(인식 오류)이 포함되는지 여부를 판독할 수 있다.
예를 들어, 도 3의 (ⅱ)를 참조하면, 텍스트 식별부(210)는 원본 텍스트에 포함된 '30세'의 '0', '6421022B0'의 'B' 및 '644l00980'의 'l'와 일치하는 오류 조건이, 데이터베이스(260)에 기록됨을 확인하여 인식 오류로서 판단하고, 각각을 제1 텍스트로서 식별할 수 있다.
이때, 도 3의 (ⅱ)의 OCR(201) 인식 결과 중 '뮤코첵트정'의 '첵'과 일치하는 오류 조건이 도 4의 데이터베이스(260)에 기록되어 있지 않으므로, '첵'에 대해서는 인식 오류로서 검출되지 않을 수 있다.
보정값 결정부(220)는 상기 오류 조건에 상응하는 복수의 과거 보정값 중에서, 상기 복수의 과거 보정값에 관한 가중치에 기초하여, 상기 제1 텍스트에 대한 보정값을 결정한다.
즉, 보정값 결정부(220)는 동일한 오류 조건에 대한 과거 보정값이 복수 개이면, 가중치 비교를 통해 보정값을 선택할 수 있다.
실시예에 따라, 처방전 인식 오류 보정 시스템(200)은 보정값의 정확도를 높이기 위해, 연산부(240) 및 보정값 추정부(250)를 각각 더 포함할 수 있다.
연산부(240)는 상기 복수의 과거 보정값 각각에 부여되는 보정 빈도수에 따른 가중치의 차를 연산한다. 연산부(240)는 가중치의 차와, 동일 오류로 판단하기 위해 설정된 임계치와의 비교결과에 따라, 보정값이 결정되도록 할 수 있다. 여기서, 동일 오류로 판단할 수 있는 가중치 차에 대한 임계치는 예컨대, '10'으로 설정될 수 있으며, 상기 임계치를 초과하면 서로 다른 오류로 판단될 수 있다.
보정값 결정부(220)는 상기 가중치의 차가 임계치 이상이면, 복수의 과거 보정값 중에서 가중치가 상대적으로 큰 과거 보정값을, 제1 텍스트에 대한 보정값으로 결정할 수 있다.
예를 들어, 도 4를 참조하면, 연산부(240)는 제1 텍스트('0')에 대한 두 개의 과거 보정값('6'과 '우')에 대한 가중치의 차('16')를 연산하고, 가중치의 차를 설정된 임계치('10')와 비교할 수 있다. 보정값 결정부(220)는 가중치의 차가 설정된 임계치('10') 이상이므로, 보정값의 추론을 수행하지 않고, 가중치가 더 높은 과거 보정값('6')을, 제1 텍스트('0')의 보정값으로 결정할 수 있다.
보정값 추정부(250)는 상기 가중치의 차가 임계치 미만이면, 환자의 처방기록을 참조하여 보정값의 추론을 수행한다.
예를 들어, 도 4 를 참조하면, 연산부(240)는 제1 텍스트('B')에 대한 두 개의 과거 보정값('8'과 '3')에 대한 가중치의 차('0')를 연산하고, 가중치의 차('0')와 임계치('10')를 비교할 수 있다.
보정값 추정부(250)는 가중치의 차('0')가 설정된 임계치('10') 미만이므로, 상기 환자의 처방기록 내 처방약품과 약품코드, 환자정보, 질병명 및 질병기호 중 적어도 하나의 데이터와의 관련도에 더 기초하여, 상기 복수의 과거 보정값 중에서 상기 보정값을 추정할 수 있다.
일례로, 보정값 추정부(250)는 상기 제1 텍스트를, 복수의 과거 보정값으로 각각 대체하여, 복수의 대체 텍스트를 생성하고, 환자들의 처방기록이 유지되는 전자의무기록(EMR) 시스템과 연동하여, 상기 복수의 대체 텍스트에 의해 식별되는 각 처방약품이, 상기 환자의 질병명과 관련하여 처방된 비율을 계산하고, 상기 비율이 더 높은 처방약품과 연관되는 대체 텍스트의 생성에 이용된 과거 보정값을, 상기 제1 텍스트에 대한 보정값으로 추정할 수 있다.
예를 들어, 도 4를 참조하면, 보정값 추정부(250)는 인식 오류로 판단된 제1 텍스트('6421022B0'의 'B')를, 복수의 과거 보정값('8'과 '3')으로 각각 대체하여, 복수의 대체 텍스트('642102280', '642102230')를 생성하고, 복수의 대체 텍스트에 의해 처방약품 '코푸시럽' 및 '캠테칸주'을 각각 식별할 수 있다.
보정값 추정부(250)는 전자의무기록(EMR) 시스템 내의 환자들의 처방기록을 참조하여, 각 처방약품이, 환자의 질병명과 관련하여 처방된 비율을 계산할 수 있다. 보정값 추정부(250)는 '코푸시럽'이 처방된 비율이 '2%', '캠테칸주'가 처방된 비율이 '8%'라고 하면, 처방된 비율이 더 높은 '캠테칸주'의 약품코드에 대체된 과거 보정값 '3'을, 제1 텍스트('B')의 보정값으로 추정할 수 있다.
다른 일례로, 보정값 추정부(250)는 상기 제1 텍스트를, 상기 복수의 과거 보정값으로 각각 대체하여, 복수의 대체 텍스트를 생성하고, 환자들의 처방기록이 유지되는 전자의무기록(EMR) 시스템(202)과 연동하여, 상기 복수의 대체 텍스트에 의해 식별되는 각 처방약품이, 상기 환자의 처방전으로부터 식별한 타 처방약품과 동시 처방되는 비율을 계산하고, 상기 비율이 더 높은 처방약품과 연관되는 대체 텍스트의 생성에 이용된 과거 보정값을, 상기 제1 텍스트에 대한 보정값으로 추정할 수 있다.
이때, 보정값 추정부(250)는 상기 제1 텍스트가 약품코드와 관련되는 경우, 상기 제1 텍스트에 대한 보정값을 추정 시, 상기 복수의 과거 보정값 중에서 문자 데이터를 제외할 수 있다.
예를 들어, 도 4를 참조하면, 보정값 추정부(250)는 인식 오류로 판단된 제1 텍스트('644l00980'의 'l')를, 복수의 과거 보정값(숫자 '1'과, 'i'의 대문자 'I')으로 각각 대체하여, 복수의 대체 텍스트('644100980', '644I00980')를 생성할 수 있다.
이때, 제1 텍스트('644l00980')는 처방약품의 약품코드와 관련되므로, 보정값 추정부(250)는 문자 데이터('I')를 제외한 숫자('1')을, 제1 텍스트('l')의 보정값으로 추정할 수 있다.
또한, 보정값 추정부(250)는 상기 환자의 처방기록 내 질병명('앨러지성 비염')을 확인하고, 상기 질병명을 가지는 다른 환자들의 처방기록을 통해, 대체 텍스트('644100980')에 의해 식별되는 처방약품 '피디정'이, 타 처방약품 '코푸시럽'과 동시 처방되는 비율을 계산할 수 있다. 보정값 추정부(250)는 상기 비율이 일정치(예컨대 '80%') 이상이면, 제1 텍스트('l')의 보정값으로서, 상기 대체 텍스트('644100980')에 대체된 과거 보정값('1')을 추론할 수 있다.
보정 처리부(230)는 상기 제1 텍스트를 상기 보정값으로 변경하여, 상기 원본 텍스트를 보정한다. 보정 처리부(230)는 보정 처리한 원본 텍스트(처방전 데이터)를 약국 단말에서 실행되는 운영 프로그램인 PMS 솔루션으로 입력할 수 있다.
예를 들어, 도 3을 참조하면, 보정 처리부(230)는 도 3의 (ⅱ)에 도시한 OCR(201) 인식 결과에서, '30세'의 '0'을 '6'으로 보정하고, '6421022B0'의 'B'를 '3'으로 보정하고, '644l00980'의 'l'을 '1'로 보정할 수 있다.
또한, 보정 처리부(230)는 상기 원본 텍스트의 보정에 따라, 상기 제1 텍스트에 상응하는 과거 보정값에 부여된 가중치를 증가시킬 수 있다.
예를 들어, 도 4 및 도 5를 참조하면, 보정 처리부(230)는 원본 텍스트의 보정에 이용된 오류 보정 데이터('0→6', 'B→8', 'l→1') 각각에 대해, 부여된 가중치를 '1'만큼 증가시킬 수 있다.
보정 처리부(230)는 상기 보정값을 이용해 보정 처리한 원본 텍스트(처방전 데이터)를 약국 단말에 출력할 수 있다.
이때, 보정 처리부(230)는 도 4에 도시한 데이터베이스(260)에 의해서는 도 3의 (ⅱ)의 인식 결과에서 '뮤코첵트정'의 '첵'이 인식 오류로서 검출되지 않기 때문에, 이에 대한 보정이 수행되지 않은 상태의 처방전 데이터를 약국 단말에 출력하게 될 수 있다.
보정 처리부(230)는 상기 보정된 원본 텍스트를 확인한 약국 단말에 의해 수정 요청이 발생하는 경우, 상기 수정 요청에 포함되는 보정지정값을 이용하여, 상기 원본 텍스트 내의 제2 텍스트를 추가로 보정할 수 있다.
예를 들어, 도 3의 (ⅱ)를 참조하면, 보정 처리부(230)는 약국 단말로부터의 수정 요청에 따라, 원본 텍스트 내의 제2 텍스트('첵')를, 보정지정값('펙')으로 추가적으로 보정할 수 있다.
이와 같이, 보정 처리부(230)는 약국 단말과 연관된 사용자(예, 약사, 전산입력원 등)가 직접 확인한 인식 오류를 보정할 수 있도록 함으로써, 처방전 데이터의 정확성을 높일 수 있다.
기록부(270)는 상기 제2 텍스트 및 상기 보정지정값을 포함하는 오류 보정 데이터를, 데이터베이스(260)에 기록하고, 상기 보정지정값에 대한 가중치를 '1'로서 부여할 수 있다.
예를 들어, 도 5를 참조하면, 기록부(270)는 제2 텍스트('첵') 및 보정지정값('펙')을 포함하는 오류 보정 데이터('첵→펙')을, 도 5와 같이 데이터베이스(260)에 추가하고, 보정 빈도수에 따른 가중치 '1'을 부여할 수 있다. 따라서, 이후에 타 약국 단말에서는 도 5에 도시한 데이터베이스(260)를 참조하여, 동일한 오류를 자동으로 검출하여 보정할 수 있게 된다.
이와 같이, 본 발명에 따르면, 개별 약국에서 광학 문자 인식 모듈(OCR)을 이용해 처방전을 인식하는 경우 발생하는 인식 오류를, 서버 단에서 통합 관리하는 여러 약국에서의 과거 수정 기록을 활용하여 보정 함으로써, 처방전 인식률을 향상시키고, 처방전 오인식으로 인한 처방 오류를 줄일 수 있다.
또한, 본 발명에 따르면, 기존의 과거 수정 기록에 의해 검출되지 않는 인식 오류에 대해 약국 단말로부터 수정이 요청될 경우, 해당 오류 보정 데이터를 데이터베이스에 추가하여, 여러 약국에서 신규로 발생되는 처방전 인식 오류와 이에 대한 보정값을 간단하고 지속적으로 학습시킬 수 있다.
또한, 본 발명에 따르면, 과거 수정 기록으로부터 확인되는 복수의 과거 보정값(후보 보정값) 중, 환자의 처방 기록을 활용하여, 환자와의 관련도가 더 높은 보정값을 추론(추정) 함으로써, 인식 오류의 보정 성능을 더욱 향상시킬 수 있다.
도 3은 본 발명의 일실시예에 따른 처방전 인식 오류 보정 시스템에서, 처방전 인식 결과의 일례를 도시한 도면이다.
도 3을 참조하면, 본 발명의 일실시예에 따른 처방전 인식 오류 보정 시스템은 환자의 처방전을 OCR을 통해 광학 인식하여 원본 텍스트를 추출할 수 있다.
도 3의 (ⅰ)을 참조하면, 처방전 인식 오류 보정 시스템은 처방전에 기재된 환자 정보(성별, 연령, 이름, 주민번호 등)와, 처방약품의 약품코드, 질병명 및 질병기호 중 적어도 하나의 처방전 데이터를, OCR을 통해 광학 인식할 수 있다.
도 3의 (ⅱ)를 참조하면, 처방전 인식 오류 보정 시스템은 OCR에 의한 인식 결과로서, 도 3의 (ⅱ)와 같은 원본 텍스트를 추출할 수 있다.
처방전 인식 오류 보정 시스템은 다수의 약국 단말로부터 수집한 과거 보정 이력을 참조하여 오류 보정 데이터에 관한 데이터베이스(도 4 참조)를 구축하고, 상기 데이터베이스 내의 오류 조건 및 과거 보정값의 쌍에 근거하여, 상기 원본 텍스트에 오류 조건(인식 오류)이 포함되는지 여부를 판독할 수 있다.
처방전 인식 오류 보정 시스템은 OCR 인식 결과 중에서 '30세'의 '0', '6421022B0'의 'B' 및 '644l00980'의 'l'과 일치하는 오류 조건이, 상기 데이터베이스에 기록됨을 확인할 수 있으며, 이를 인식 오류로서 판단하고, 각각을 제1 텍스트로서 식별할 수 있다.
이때, 처방전 인식 오류 보정 시스템은 도 4에 도시한 데이터베이스에는 '뮤코첵트정'의 '첵'과 일치하는 오류 조건이 기록되어 있지 않으므로, '첵'을 인식 오류로서 검출(판단)하기 어려울 수 있다.
도 4는 본 발명의 일실시예에 따른 처방전 인식 오류 보정 시스템에서, 오류 보정 데이터를 기록한 데이터베이스의 일례를 도시한 도면이다.
도 4를 참조하면, 본 발명의 일실시예에 따른 처방전 인식 오류 보정 시스템은 제1 텍스트('0')에 대한 두 개의 과거 보정값('6'과 '우')에 대한 가중치의 차('16')가, 설정된 임계치('10') 이상이므로, 보정값의 추론을 수행하지 않고, 가중치가 더 높은 과거 보정값('6')을, 제1 텍스트('0')의 보정값으로 결정하여, 원본 텍스트의 '30세'를, '36세'와 같이 보정 처리할 수 있다.
또한, 처방전 인식 오류 보정 시스템은 제1 텍스트('B')에 대한 두 개의 과거 보정값('8'과 '3')에 대한 가중치의 차('0')가, 설정된 임계치('10') 미만이므로, 상기 환자의 처방기록 내 처방약품과 약품코드, 환자정보, 질병명 및 질병기호 중 적어도 하나의 데이터와의 관련도에 더 기초하여, 복수의 과거 보정값 중에서 가장 적합한 보정값을 추정할 수 있다.
구체적으로, 처방전 인식 오류 보정 시스템은 인식 오류로 판단된 제1 텍스트('6421022B0'의 'B')를, 복수의 과거 보정값('8'과 '3')으로 각각 대체하여, 복수의 대체 텍스트('642102280', '642102230')를 생성하고, 복수의 대체 텍스트에 의해 처방약품 '코푸시럽' 및 '캠테칸주'을 각각 식별할 수 있다.
처방전 인식 오류 보정 시스템은 전자의무기록(EMR) 시스템 내의 환자들의 처방기록을 참조하여, 각 처방약품('코푸시럽' 및 '캠테칸주')이, 환자의 질병명('앨러지성 비염')과 관련하여 처방된 비율이 각각 '2%', '8%'로 계산되면, 처방된 비율이 더 높은 '캠테칸주'의 약품코드에 대체된 과거 보정값 '3'을, 제1 텍스트('B')의 보정값으로 추정하고, 원본 텍스트의 '6421022B0'를, '642102230'와 같이 보정 처리할 수 있다.
또한, 처방전 인식 오류 보정 시스템은 인식 오류로 판단된 제1 텍스트('644l00980'의 'l')를, 복수의 과거 보정값('1'과 'I')으로 각각 대체하여, 복수의 대체 텍스트('644100980', '644I00980')를 생성하고, 환자의 질병명('앨러지성 비염')을 가지는 다른 환자들의 처방기록을 통해, 대체 텍스트('644100980')에 의해 식별되는 처방약품 '피디정'이, 상기 환자의 타 처방약품 '코푸시럽'과 동시 처방되는 비율을 계산할 수 있다.
처방전 인식 오류 보정 시스템은 상기 비율이 일정치(예컨대 '80%') 이상이면, 상기 대체 텍스트('644100980')에 대체된 과거 보정값('1')을, 제1 텍스트('l')의 보정값으로 추정하고, 원본 텍스트의 '644l00980'를, '644100980'와 같이 보정 처리할 수 있다.
도 5는 본 발명의 일실시예에 따른 처방전 인식 오류 보정 시스템에서, 처방전 인식 결과의 보정에 따라 데이터베이스를 수정한 일례를 도시한 도면이다.
도 5를 참조하면, 본 발명의 일실시예에 따른 처방전 인식 오류 보정 시스템은 원본 텍스트의 보정에 이용된 오류 보정 데이터('0→6', 'B→8', 'l→1')(No.1, 3, 5) 각각에 대해, 부여된 가중치를 '1'만큼 증가시킬 수 있다.
또한, 처방전 인식 오류 보정 시스템은 약국 단말로부터의 수정 요청에 따라, 원본 텍스트 내의 제2 텍스트('첵')를 보정지정값('펙')으로 추가적으로 보정하여, 사용자가 직접 확인한 인식 오류 역시 손쉽게 보정할 수 있다.
상기 추가적인 보정에 따라, 처방전 인식 오류 보정 시스템은 제2 텍스트('첵') 및 보정지정값('펙')을 포함하는 오류 보정 데이터('첵→펙')을, 도 5의 No.7과 같이 데이터베이스에 추가하고, 보정 빈도수에 따른 가중치 '1'을 부여할 수 있다.
따라서, 처방전 인식 오류 보정 시스템은, 이후 타 약국 단말에서의 처방전 인식 결과에 대해서도, 도 5에 도시한 데이터베이스를 참조하여, 인식 오류를 자동으로 검출해 보정할 수 있다.
이하, 도 6에서는 본 발명의 실시예들에 따른 처방전 인식 오류 보정 시스템(200)의 작업 흐름을 상세히 설명한다.
도 6은 본 발명의 일실시예에 따른 처방전 인식 오류 보정 방법의 순서를 도시한 흐름도이다.
본 실시예에 따른 쇼핑 정보 알림 방법은 상술한 처방전 인식 오류 보정 시스템(200)에 의해 수행될 수 있다.
도 6을 참조하면, 단계(610)에서, 처방전 인식 오류 보정 시스템(200)은 복수의 약국 단말로부터 수집한 과거 보정 이력을 참조하여, 과거 보정값과 오류 조건과의 쌍을, 오류 보정 데이터로서 데이터베이스에 기록한다.
단계(620)에서, 처방전 인식 오류 보정 시스템(200)은 환자의 처방전으로부터 추출한 원본 텍스트 중에서, 선정된 오류 조건과 일치하는 제1 텍스트를 식별한다.
단계(630)에서, 처방전 인식 오류 보정 시스템(200)은 상기 복수의 과거 보정값 각각에 부여되는 보정 빈도수에 따른 가중치의 차를 연산한다.
단계(640)에서, 처방전 인식 오류 보정 시스템(200)은 상기 가중치의 차가 설정된 임계치 이상인지 판단한다.
여기서, 임계치는 가중치 차와의 비교를 통해 동일 오류로 판단하는 기준으로서, 예컨대, '10'으로 설정될 수 있으며, 상기 임계치를 초과하면 서로 다른 오류로 판단될 수 있다.
단계(640)에서의 판단 결과, 상기 가중치의 차가 설정된 임계치 이상이면, 단계(650)에서, 처방전 인식 오류 보정 시스템(200)은 복수의 과거 보정값에 대해 서로 다른 오류로 판단하고, 복수의 과거 보정값 중에서 가중치가 상대적으로 큰 과거 보정값을, 제1 텍스트에 대한 보정값으로 결정한다.
또는, 단계(640)에서의 판단 결과, 상기 가중치의 차가 설정된 임계치 미만이면, 단계(660)에서, 처방전 인식 오류 보정 시스템(200)은 복수의 과거 보정값에 대해 동일 오류로 판단하고, 환자의 처방기록을 참조하여 보정값의 추론을 수행한다.
구체적으로, 처방전 인식 오류 보정 시스템(200)은 가중치의 차('0')가 설정된 임계치('10') 미만일 경우, 상기 환자의 처방기록 내 처방약품과 약품코드, 환자정보, 질병명 및 질병기호 중 적어도 하나의 데이터와의 관련도에 더 기초하여, 복수의 과거 보정값 중에서 상기 보정값을 추정할 수 있다.
단계(670)에서, 처방전 인식 오류 보정 시스템(200)은 제1 텍스트를 상기 보정값으로 변경하여, 원본 텍스트를 보정하고, 원본 텍스트의 보정에 따라, 데이터베이스에서 상기 제1 텍스트에 상응하는 과거 보정값에 부여된 가중치를 조정(증가)한다.
단계(680)에서, 처방전 인식 오류 보정 시스템(200)은 상기 보정값을 이용해 보정 처리한 원본 텍스트(처방전 데이터)를 약국 단말에 출력하고, 보정된 원본 텍스트를 확인한 약국 단말에 의해 수정 요청이 발생하는지 확인한다.
단계(680)에서의 확인 결과, 약국 단말로부터 수정 요청이 발생하는 경우, 단계(690)에서, 처방전 인식 오류 보정 시스템(200)은 수정 요청에 포함되는 보정지정값을 이용하여, 상기 원본 텍스트 내의 제2 텍스트를 추가로 보정한다.
또한, 처방전 인식 오류 보정 시스템(200)은 상기 제2 텍스트 및 상기 보정지정값을 포함하는 오류 보정 데이터를, 데이터베이스에 추가하고, 상기 보정지정값에 대한 가중치를 '1'로서 부여할 수 있다.
이와 같이, 처방전 인식 오류 보정 시스템(200)은 개별 약국에서 광학 문자 인식 모듈(OCR)을 이용해 처방전을 인식하는 경우 발생하는 인식 오류를, 서버 단에서 통합 관리하는 여러 약국에서의 과거 수정 기록을 활용하여 보정 함으로써, 처방전 인식률을 향상시키고, 처방전 오인식으로 인한 처방 오류를 줄일 수 있으며, 환자의 처방 기록을 활용하여, 환자와의 관련도가 더 높은 보정값을 추론 함으로써, 인식 오류의 보정 성능을 보다 향상시킬 수 있다.
본 발명의 실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
200: 처방전 인식 오류 보정 시스템
201: OCR 202: EMR 시스템
210: 텍스트 식별부 220: 보정값 결정부
230: 보정 처리부 240: 연산부
250: 보정값 추정부 260: 데이터베이스
270: 기록부

Claims (16)

  1. 환자의 처방전으로부터 추출한 원본 텍스트 중에서, 선정된 오류 조건과 일치하는 제1 텍스트를 식별하는 단계;
    상기 오류 조건에 상응하는 복수의 과거 보정값 각각에 부여되는 보정 빈도수에 따른 가중치의 차를 연산하는 단계;
    상기 가중치의 차가 임계치 미만이면, 상기 환자의 처방기록 내 처방약품과 약품코드, 환자정보, 질병명 및 질병기호 중 적어도 하나의 데이터와의 관련도에 기초하여, 상기 복수의 과거 보정값 중에서, 상기 제1 텍스트에 대한 보정값을 추정하는 단계; 및
    상기 제1 텍스트를 상기 보정값으로 변경하여, 상기 원본 텍스트를 보정하는 단계
    를 포함하고,
    상기 보정값을 추정하는 단계는,
    상기 제1 텍스트를, 상기 복수의 과거 보정값으로 각각 대체하여, 복수의 대체 텍스트를 생성하는 단계;
    환자들의 처방기록이 유지되는 전자의무기록(EMR) 시스템과 연동하여,
    상기 복수의 대체 텍스트에 의해 식별되는 각 처방약품이, 상기 환자의 질병명과 관련하여 처방된 비율, 또는 상기 환자의 처방전으로부터 식별한 타 처방약품과 동시 처방되는 비율을 계산하는 단계; 및
    상기 비율이 더 높은 처방약품과 연관되는 대체 텍스트의 생성에 이용된 과거 보정값을, 상기 제1 텍스트에 대한 보정값으로 추정하는 단계
    를 포함하는 처방전 인식 오류 보정 방법.
  2. 제1항에 있어서,
    상기 처방전 인식 오류 보정 방법은,
    상기 가중치의 차가 임계치 이상이면,
    상기 복수의 과거 보정값 중에서 가중치가 상대적으로 큰 과거 보정값을, 상기 제1 텍스트에 대한 보정값으로 결정하는 단계
    를 더 포함하는 처방전 인식 오류 보정 방법.
  3. 삭제
  4. 삭제
  5. 삭제
  6. 제1항에 있어서,
    상기 처방전 인식 오류 보정 방법은,
    상기 제1 텍스트가 약품코드와 관련되는 경우,
    상기 제1 텍스트에 대한 보정값을 추정 시, 상기 복수의 과거 보정값 중에서 문자 데이터를 제외하는 단계
    를 더 포함하는 처방전 인식 오류 보정 방법.
  7. 제1항에 있어서,
    상기 처방전 인식 오류 보정 방법은,
    복수의 약국 단말로부터 수집한 과거 보정 이력을 참조하여, 과거 보정값과 오류 조건과의 쌍을, 데이터베이스에 기록하는 단계
    를 더 포함하고,
    상기 제1 텍스트를 식별하는 단계는,
    상기 원본 텍스트를, 상기 데이터베이스에 기록된 오류 조건과 비교하여, 상기 오류 조건과 일치하는 상기 원본 텍스트의 적어도 일부를, 상기 제1 텍스트로서 식별하는 단계
    를 포함하는 처방전 인식 오류 보정 방법.
  8. 제7항에 있어서,
    상기 처방전 인식 오류 보정 방법은,
    상기 원본 텍스트의 보정에 따라, 상기 데이터베이스 내에서 상기 제1 텍스트에 상응하는 과거 보정값에 부여된 가중치를 증가시키는 단계
    를 더 포함하는 처방전 인식 오류 보정 방법.
  9. 제1항에 있어서,
    상기 처방전 인식 오류 보정 방법은,
    상기 보정된 원본 텍스트를 확인한 약국 단말에 의해 수정 요청이 발생하는 경우,
    상기 수정 요청에 포함되는 보정지정값을 이용하여, 상기 원본 텍스트 내의 제2 텍스트를 추가로 보정하는 단계; 및
    상기 제2 텍스트 및 상기 보정지정값을 포함하는 오류 보정 데이터를, 데이터베이스에 기록하고, 상기 보정지정값에 대한 가중치를 '1'로서 부여하는 단계
    를 더 포함하는 처방전 인식 오류 보정 방법.
  10. 제1항에 있어서,
    상기 처방전 인식 오류 보정 방법은,
    OCR(Optical Character Reader)을 이용하여, 처방전에 인쇄된 숫자 또는 문자를 포함하는 상기 원본 텍스트를 추출하는 단계
    를 더 포함하는 처방전 인식 오류 보정 방법.
  11. 환자의 처방전으로부터 추출한 원본 텍스트 중에서, 선정된 오류 조건과 일치하는 제1 텍스트를 식별하는 텍스트 식별부;
    상기 오류 조건에 상응하는 복수의 과거 보정값 각각에 부여되는 보정 빈도수에 따른 가중치의 차를 연산하는 연산부;
    상기 가중치의 차가 임계치 미만이면, 상기 환자의 처방기록 내 처방약품과 약품코드, 환자정보, 질병명 및 질병기호 중 적어도 하나의 데이터와의 관련도에 기초하여, 상기 복수의 과거 보정값 중에서, 상기 제1 텍스트에 대한 보정값을 추정하는 보정값 추정부; 및
    상기 제1 텍스트를 상기 보정값으로 변경하여, 상기 원본 텍스트를 보정하는 보정 처리부
    를 포함하고,
    상기 보정값 추정부는,
    상기 제1 텍스트를, 상기 복수의 과거 보정값으로 각각 대체하여, 복수의 대체 텍스트를 생성하고,
    환자들의 처방기록이 유지되는 전자의무기록 시스템과 연동하여,
    상기 복수의 대체 텍스트에 의해 식별되는 각 처방약품이, 상기 환자의 질병명과 관련하여 처방된 비율, 또는 상기 환자의 처방전으로부터 식별한 타 처방약품과 동시 처방되는 비율을 계산하고,
    상기 비율이 더 높은 처방약품과 연관되는 대체 텍스트의 생성에 이용된 과거 보정값을, 상기 제1 텍스트에 대한 보정값으로 추정하는
    처방전 인식 오류 보정 시스템.
  12. 제11항에 있어서,
    상기 처방전 인식 오류 보정 시스템은,
    상기 가중치의 차가 임계치 이상이면,
    상기 복수의 과거 보정값 중에서 가중치가 상대적으로 큰 과거 보정값을, 상기 제1 텍스트에 대한 보정값으로 결정하는 보정값 결정부
    를 더 포함하는 처방전 인식 오류 보정 시스템.
  13. 삭제
  14. 삭제
  15. 삭제
  16. 제11항에 있어서,
    상기 제1 텍스트가 약품코드와 관련되는 경우,
    상기 보정값 추정부는,
    상기 제1 텍스트에 대한 보정값을 추정 시, 상기 복수의 과거 보정값 중에서 문자 데이터를 제외하는
    처방전 인식 오류 보정 시스템.
KR1020170007097A 2017-01-16 2017-01-16 처방전 인식 오류 보정 방법 및 처방전 인식 오류 보정 시스템 KR101852774B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170007097A KR101852774B1 (ko) 2017-01-16 2017-01-16 처방전 인식 오류 보정 방법 및 처방전 인식 오류 보정 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170007097A KR101852774B1 (ko) 2017-01-16 2017-01-16 처방전 인식 오류 보정 방법 및 처방전 인식 오류 보정 시스템

Publications (1)

Publication Number Publication Date
KR101852774B1 true KR101852774B1 (ko) 2018-06-07

Family

ID=62621301

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170007097A KR101852774B1 (ko) 2017-01-16 2017-01-16 처방전 인식 오류 보정 방법 및 처방전 인식 오류 보정 시스템

Country Status (1)

Country Link
KR (1) KR101852774B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200013166A (ko) * 2018-07-20 2020-02-06 주식회사 아이라이즈 클라우드 컴퓨팅 환경의 2채널 처방 전달 시스템 및 그 제어방법
KR20210000479A (ko) * 2019-06-25 2021-01-05 인충교 전자처방전 관리 시스템
CN113707258A (zh) * 2021-07-23 2021-11-26 厦门纳龙科技有限公司 一种心电图报告快速修订方法、终端设备及存储介质
KR102468975B1 (ko) * 2022-06-13 2022-11-28 주식회사 엘박스 인공지능 기반의 판례 인식의 정확도 향상 방법 및 장치

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040106633A (ko) * 2003-06-11 2004-12-18 안종백 이미지 인식에 의한 처방전 입력장치 및 방법
KR20070114329A (ko) * 2003-12-22 2007-12-03 에이오엘 엘엘씨 텍스트 입력 시스템
KR20160012965A (ko) * 2014-07-25 2016-02-03 삼성전자주식회사 텍스트를 편집하는 방법 및 이를 지원하는 전자장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040106633A (ko) * 2003-06-11 2004-12-18 안종백 이미지 인식에 의한 처방전 입력장치 및 방법
KR20070114329A (ko) * 2003-12-22 2007-12-03 에이오엘 엘엘씨 텍스트 입력 시스템
KR20160012965A (ko) * 2014-07-25 2016-02-03 삼성전자주식회사 텍스트를 편집하는 방법 및 이를 지원하는 전자장치

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200013166A (ko) * 2018-07-20 2020-02-06 주식회사 아이라이즈 클라우드 컴퓨팅 환경의 2채널 처방 전달 시스템 및 그 제어방법
KR102172364B1 (ko) * 2018-07-20 2020-10-30 주식회사 아이라이즈 클라우드 컴퓨팅 환경의 2채널 처방 전달 시스템 및 그 제어방법
KR20210000479A (ko) * 2019-06-25 2021-01-05 인충교 전자처방전 관리 시스템
KR102360115B1 (ko) * 2019-06-25 2022-02-07 인충교 전자처방전 관리 시스템
CN113707258A (zh) * 2021-07-23 2021-11-26 厦门纳龙科技有限公司 一种心电图报告快速修订方法、终端设备及存储介质
KR102468975B1 (ko) * 2022-06-13 2022-11-28 주식회사 엘박스 인공지능 기반의 판례 인식의 정확도 향상 방법 및 장치

Similar Documents

Publication Publication Date Title
CN112365987B (zh) 诊断数据异常检测方法、装置、计算机设备及存储介质
US20230013306A1 (en) Sensitive Data Classification
KR101852774B1 (ko) 처방전 인식 오류 보정 방법 및 처방전 인식 오류 보정 시스템
US9146987B2 (en) Clustering based question set generation for training and testing of a question and answer system
US9348900B2 (en) Generating an answer from multiple pipelines using clustering
EP1975852B1 (en) Method of adjusting reference information for biometric authentication and apparatus
US20160210426A1 (en) Method of classifying medical documents
US11222031B1 (en) Determining terminologies for entities based on word embeddings
US20140358922A1 (en) Routing of Questions to Appropriately Trained Question and Answer System Pipelines Using Clustering
WO2018011432A1 (en) Apparatus for assessing medical device quality
CN111985241B (zh) 医学信息查询方法、装置、电子设备及介质
US11403875B2 (en) Processing method of learning face recognition by artificial intelligence module
EP3329403A1 (en) Reliability measurement in data analysis of altered data sets
US20120141031A1 (en) Analysing character strings
JP6384130B2 (ja) 情報処理装置及び情報処理プログラム
JP2015045984A (ja) 情報処理装置、文字認識方法、及びプログラム
CN113722507A (zh) 基于知识图谱的住院费用预测方法、装置及计算机设备
US11392628B1 (en) Custom tags based on word embedding vector spaces
US20110172991A1 (en) Sentence extracting method, sentence extracting apparatus, and non-transitory computer readable record medium storing sentence extracting program
EP3230907B1 (en) System and method for uniformly correlating unstructured entry features to associated therapy features
CN115019915A (zh) 基于语义识别的流调报告生成方法、装置、设备及介质
CN114068028A (zh) 医疗问诊数据处理方法及装置、可读存储介质及电子设备
KR102036507B1 (ko) 에디터 추천 장치 및 방법
JP2020035023A (ja) 学習方法、誤り判定方法、学習システム、誤り判定システム、およびプログラム
CN110580939A (zh) 用于提供第二医疗数据记录的方法和系统

Legal Events

Date Code Title Description
GRNT Written decision to grant