KR102484681B1 - Method and system for clinical decision-making - Google Patents
Method and system for clinical decision-making Download PDFInfo
- Publication number
- KR102484681B1 KR102484681B1 KR1020220057931A KR20220057931A KR102484681B1 KR 102484681 B1 KR102484681 B1 KR 102484681B1 KR 1020220057931 A KR1020220057931 A KR 1020220057931A KR 20220057931 A KR20220057931 A KR 20220057931A KR 102484681 B1 KR102484681 B1 KR 102484681B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- patient
- electronic chart
- prescription
- cloud server
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 201000010099 disease Diseases 0.000 claims description 21
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 21
- DDRJAANPRJIHGJ-UHFFFAOYSA-N creatinine Chemical compound CN1CC(=O)NC1=N DDRJAANPRJIHGJ-UHFFFAOYSA-N 0.000 claims description 18
- 239000003814 drug Substances 0.000 claims description 18
- 229940079593 drug Drugs 0.000 claims description 17
- 208000024891 symptom Diseases 0.000 claims description 14
- 229940109239 creatinine Drugs 0.000 claims description 9
- 239000002083 C09CA01 - Losartan Substances 0.000 claims description 8
- 102000001301 EGF receptor Human genes 0.000 claims description 8
- 108060006698 EGF receptor Proteins 0.000 claims description 8
- 206010020751 Hypersensitivity Diseases 0.000 claims description 8
- 208000026935 allergic disease Diseases 0.000 claims description 8
- KJJZZJSZUJXYEA-UHFFFAOYSA-N losartan Chemical compound CCCCC1=NC(Cl)=C(CO)N1CC1=CC=C(C=2C(=CC=CC=2)C=2[N]N=NN=2)C=C1 KJJZZJSZUJXYEA-UHFFFAOYSA-N 0.000 claims description 8
- 229960004773 losartan Drugs 0.000 claims description 8
- 230000007815 allergy Effects 0.000 claims description 7
- 238000000502 dialysis Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 22
- 230000036541 health Effects 0.000 description 20
- 230000008569 process Effects 0.000 description 15
- 238000011282 treatment Methods 0.000 description 11
- 238000013528 artificial neural network Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000013527 convolutional neural network Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 5
- 239000004615 ingredient Substances 0.000 description 5
- 238000011176 pooling Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000000306 recurrent effect Effects 0.000 description 3
- GUBGYTABKSRVRQ-QKKXKWKRSA-N Lactose Natural products OC[C@H]1O[C@@H](O[C@H]2[C@H](O)[C@@H](O)C(O)O[C@@H]2CO)[C@H](O)[C@@H](O)[C@H]1O GUBGYTABKSRVRQ-QKKXKWKRSA-N 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 239000008101 lactose Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000000041 non-steroidal anti-inflammatory agent Substances 0.000 description 2
- 229940021182 non-steroidal anti-inflammatory drug Drugs 0.000 description 2
- BALXUFOVQVENIU-KXNXZCPBSA-N pseudoephedrine hydrochloride Chemical compound [H+].[Cl-].CN[C@@H](C)[C@@H](O)C1=CC=CC=C1 BALXUFOVQVENIU-KXNXZCPBSA-N 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 238000011272 standard treatment Methods 0.000 description 2
- 239000005541 ACE inhibitor Substances 0.000 description 1
- UXOWGYHJODZGMF-QORCZRPOSA-N Aliskiren Chemical compound COCCCOC1=CC(C[C@@H](C[C@H](N)[C@@H](O)C[C@@H](C(C)C)C(=O)NCC(C)(C)C(N)=O)C(C)C)=CC=C1OC UXOWGYHJODZGMF-QORCZRPOSA-N 0.000 description 1
- 208000028185 Angioedema Diseases 0.000 description 1
- 102000008873 Angiotensin II receptor Human genes 0.000 description 1
- 108050000824 Angiotensin II receptor Proteins 0.000 description 1
- 201000003126 Anuria Diseases 0.000 description 1
- 229930182670 Astin Natural products 0.000 description 1
- 102000005674 CCR Receptors Human genes 0.000 description 1
- 108010059983 CCR Receptors Proteins 0.000 description 1
- 208000027205 Congenital disease Diseases 0.000 description 1
- 206010062344 Congenital musculoskeletal anomaly Diseases 0.000 description 1
- 208000016998 Conn syndrome Diseases 0.000 description 1
- 206010013710 Drug interaction Diseases 0.000 description 1
- 206010017605 Galactose intolerance Diseases 0.000 description 1
- 208000027472 Galactosemias Diseases 0.000 description 1
- 206010019860 Hereditary angioedema Diseases 0.000 description 1
- 208000001953 Hypotension Diseases 0.000 description 1
- 206010023648 Lactase deficiency Diseases 0.000 description 1
- 208000001184 Oligohydramnios Diseases 0.000 description 1
- 206010037407 Pulmonary hypoplasia Diseases 0.000 description 1
- 208000001647 Renal Insufficiency Diseases 0.000 description 1
- 206010062237 Renal impairment Diseases 0.000 description 1
- GUGOEEXESWIERI-UHFFFAOYSA-N Terfenadine Chemical compound C1=CC(C(C)(C)C)=CC=C1C(O)CCCN1CCC(C(O)(C=2C=CC=CC=2)C=2C=CC=CC=2)CC1 GUGOEEXESWIERI-UHFFFAOYSA-N 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 229960004601 aliskiren Drugs 0.000 description 1
- 229940044094 angiotensin-converting-enzyme inhibitor Drugs 0.000 description 1
- 230000003326 anti-histaminergic effect Effects 0.000 description 1
- 230000003110 anti-inflammatory effect Effects 0.000 description 1
- 239000000043 antiallergic agent Substances 0.000 description 1
- 239000000739 antihistaminic agent Substances 0.000 description 1
- 229960004335 azelastine hydrochloride Drugs 0.000 description 1
- YEJAJYAHJQIWNU-UHFFFAOYSA-N azelastine hydrochloride Chemical compound Cl.C1CN(C)CCCC1N1C(=O)C2=CC=CC=C2C(CC=2C=CC(Cl)=CC=2)=N1 YEJAJYAHJQIWNU-UHFFFAOYSA-N 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- KWGRBVOPPLSCSI-UHFFFAOYSA-N d-ephedrine Natural products CNC(C)C(O)C1=CC=CC=C1 KWGRBVOPPLSCSI-UHFFFAOYSA-N 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000001839 endoscopy Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001605 fetal effect Effects 0.000 description 1
- 210000003754 fetus Anatomy 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000024924 glomerular filtration Effects 0.000 description 1
- 208000005594 glucose-galactose malabsorption Diseases 0.000 description 1
- 230000009610 hypersensitivity Effects 0.000 description 1
- 230000036543 hypotension Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 201000006370 kidney failure Diseases 0.000 description 1
- 208000019423 liver disease Diseases 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000002483 medication Methods 0.000 description 1
- 208000015754 perinatal disease Diseases 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 208000013846 primary aldosteronism Diseases 0.000 description 1
- 201000009395 primary hyperaldosteronism Diseases 0.000 description 1
- 229960003447 pseudoephedrine hydrochloride Drugs 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000036454 renin-angiotensin system Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 206010039083 rhinitis Diseases 0.000 description 1
- 229940089453 sudafed Drugs 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/14—Details of searching files based on file metadata
- G06F16/148—File search processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- 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
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Library & Information Science (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medicinal Chemistry (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
Description
본 발명은 임상 의사 결정의 방법 및 시스템에 관한 것으로, 더욱 상세하게는, 환자를 진단하고 치료할 때 의사결정을 도와주는 임상 의사 결정의 방법 및 시스템에 관한 것이다.The present invention relates to methods and systems for clinical decision-making and, more particularly, to methods and systems for clinical decision-making for assisting decision-making in diagnosing and treating patients.
임상 의사 결정은 환자 정보와 근거(지식정보)를 통해 진단하여야 하고, 판단 주체가 사람이므로 의도치 않은 인지의 오류가 있을 수 있고, 환자 또는 의사의 문화에 따른 편견이 있어 오진이 있을 수 있을 수 있다.Clinical decision-making must be diagnosed through patient information and evidence (knowledge information), and since the subject of judgment is a human, there may be unintentional cognitive errors, and there may be misdiagnosis due to prejudice based on the culture of patients or doctors. there is.
대형 병원의 경우, 다양한 파트의 전문의와 협의 및 협진을 통해 진료행위를 함에도 진단 오류, 과처방 등의 사례를 줄이기 위하여 CDSS(Clinical Decision Support System)를 대학병원을 중심으로 구축하고 있는 상황이지만, 정작 1~2인의 의사로 진료행위를 하는 대형병원이 아닌 의원에서는 의료사고의 부담감을 안고 있어 CDSS가 시급히 필요한 상황이다.In the case of large hospitals, CDSS (Clinical Decision Support System) is being built around university hospitals to reduce cases of diagnosis errors and overprescription, even though medical treatment is carried out through consultation and cooperation with specialists in various parts. CDSS is urgently needed in clinics, not large hospitals, where one or two doctors perform medical treatment, and are burdened with medical errors.
CDSS는 축적된 데이터에 대한 상관 관계와 규칙을 포함하고 주로 IF-THEN 규칙을 사용하는 지식기반 CDSS(Knowledge-based CDSS와 인공지능을 통해 임상의료정보에서 발견된 패턴을 학습하여 정보 제공하는 비지식기반 CDSS(Non-Knowledge-based CDSS)으로 나뉠 수 있다.CDSS includes correlations and rules for accumulated data and uses non-knowledge-based CDSS (Knowledge-based CDSS) that mainly uses IF-THEN rules and non-knowledge that provides information by learning patterns found in clinical medical information through artificial intelligence It can be divided into non-knowledge-based CDSS (CDSS).
그러나, 현존하는 의원급에서 CDSS는 약제의 복약 위험성을 알려주는데 그 한계가 있는 실정이다. 따라서, 대형 병원이 아닌 의원급에서도 대형 병원에서와 같은 CDSS의 도입이 필요한 실정이다.However, CDSS in existing clinics has limitations in informing the risk of taking medications. Therefore, it is necessary to introduce the same CDSS as in a large hospital even at a clinic level, not a large hospital.
본 발명은 상기와 같은 문제점을 해결하기 위한 것으로서, 본 발명의 목적은 임상 의사 결정의 방법 및 시스템을 제공하기 위한 것이다. The present invention is to solve the above problems, and an object of the present invention is to provide a method and system for clinical decision making.
의사가 환자를 진찰하고 치료하는 과정(임상)에는 많은 어려움이 있고 이를 완화하고자 다양한 정보와 알림 기능을 제공하여 오진 가능성을 줄이며, 의료의 질을 높여 환자의 안전성을 증가시키는 기술이 필요하다.There are many difficulties in the process (clinical) of doctors examining and treating patients, and to alleviate them, technology is needed to reduce the possibility of misdiagnosis by providing various information and notification functions, and to increase patient safety by improving the quality of medical care.
예를 들어, 의사가 환자에게 A라는 약을 처방했는데 그 양이 기준치를 넘어서는 양이라면 환자의 생명에 치명적일 수 있는데, 이를 경고할 수 있는 시스템을 제공하는 것에 있다. 또한, 환자가 특정한 성분에 알러지를 가질 수 있는데, 이러한 알러지에 대한 사전 정보가 확인되지 않는다면, 처방을 받은 약의 성분에 의해 환자의 생명이 위태로울 수도 있다. For example, if a doctor prescribes drug A to a patient and the amount exceeds the standard value, it can be fatal to the patient's life, and it is to provide a warning system. In addition, a patient may have an allergy to a specific ingredient, and if prior information on such allergy is not confirmed, the patient's life may be endangered by the ingredient of the prescribed medicine.
본 발명의 실시예에 의하면, 의사가 환자를 진찰하며 상병, 처방 등을 입력하는 경우, 실시간으로 처방정보를 클라우드 서버에 전달 후 서버에서 처리된 임상 의사결정 지원정보를 반환함으로써 필수로 필요한 임상정보가 발생하면 차트와 통신하여 그 값을 전달받아 환자 맞춤형 자료로 처방의 안정성을 계산하여 실시간으로 정보를 제공할 수 있다.According to an embodiment of the present invention, when a doctor examines a patient and inputs a disease, a prescription, etc., the prescription information is delivered to the cloud server in real time, and then clinical decision support information processed by the server is returned, thereby essentially necessary clinical information. When occurs, it communicates with the chart, receives the value, calculates the stability of the prescription with patient-specific data, and provides information in real time.
본 발명의 상기 및 다른 목적과 이점은 바람직한 실시예를 설명한 하기의 설명으로부터 분명해질 것이다.The above and other objects and advantages of the present invention will become apparent from the following description of preferred embodiments.
상기와 같은 목적을 달성하기 위한 본 발명의 일 실시예에 따른 임상 의사 결정 방법으로서, 오더 수신 API(application programming interface)를 통해, 전자 차트에, 처방 정보를 입력하는 단계; 상기 처방 정보를 클라우드 서버로 전송하는 단계; 상기 클라우드 서버에 수신한 처방 정보와 관리자가 미리 입력해둔 규칙을 검색하여 연관된 규칙의 컨텐츠를 작성하여 회신하는 단계; 및 상기 전자 차트에서 회신받은 컨텐츠를 CDSS 전용 뷰어 화면으로 디스플레이하는 단계를 포함할 수 있다.A clinical decision-making method according to an embodiment of the present invention for achieving the above object is a method comprising: inputting prescription information into an electronic chart through an order reception application programming interface (API); Transmitting the prescription information to a cloud server; Retrieving prescription information received from the cloud server and a rule input in advance by a manager, creating content of a related rule, and returning the content; and displaying the contents returned from the electronic chart on a CDSS viewer screen.
일 실시예에 의하면, 전자 차트에 처방 정보를 입력하는 단계 이전에, 환자에 관한 접수 정보를 입력하는 단계; 환자에 관한 상병 정보를 입력하는 단계를 더 포함하고, 환자에 관한 접수 정보를 입력하는 단계는 접수 정보에서 증상 키워드를 추출하는 단계를 포함하고, 증상 키워드를 추출하는 단계는, 환자가 증상에 관한 복수의 증상 체크 박스 중 선택된 체크 박스에 관련된 키워드를 추출하는 단계를 포함할 수 있다.According to one embodiment, prior to the step of inputting prescription information into the electronic chart, the step of inputting reception information about the patient; Further comprising the step of inputting disease information about the patient, wherein the step of inputting the reception information about the patient includes the step of extracting symptom keywords from the reception information, and the step of extracting the symptom keywords comprises: A step of extracting a keyword related to a selected check box among a plurality of symptom check boxes may be included.
일 실시예에 의하면, 처방 정보가 데이터베이스에 있는지 여부를 판단하는 단계; 처방 정보에 관한 건강 CDSS 보고(Hp_cdss_report) 이전 기록이 없는 경우, 건강 CDSS 보고(Hp_cdss_report)를 입력하는 단계; 처방 정보에 관한 건강 CDSS 보고(Hp_cdss_report) 이전 기록이 있는 경우, 재처방에 기초하여 추가적인 계산을 하지 않는 단계; 요소 리스트(Element_list) 컬럼 값이 존재하는지 여부를 판단하는 단계; 요소 리스트(Element_list) 컬럼 값이 존재하는 경우, 건강 요소(Hp_element)를 조회하여 대응하는 결과(Result)가 있는 경우, 결과 데이터를 복사하는 단계로서, 동일조건 element 있을 경우 데이터를 재활용하기 위해 건강 요소(Hp_element)에서 이미 입력된 요소(element)를 조회하는 단계; 및 입력된 요소(element)가 존재한다고 판단하는 경우, 건강 요소(Hp_element)를 입력하는 단계 - 건강 요소(Hp_element)는 환자 번호(hosp_no), 영수증 번호(receipt_no), 아이템 번호(item_no), 및 임상 의사 결정 요소(element_cd)를 포함함 - 를 포함하는, 결과 데이터를 복사하는 단계; 요소 리스트(Element_list) 컬럼 값이 존재하지 않는 경우, 종래의 결과인 결과 1(Result 1)의 카드 리스트를 생성하는 단계; 및 결과 데이터를 복사한 이후에, 요소 리스트(Element_list)의 필요한 데이터가 1개라도 없는지 여부를 판단하는 단계로서, 필요한 데이터가 1개라도 없다면, 결과 1(Result1)의 리턴아이템들(returnitems)을 생성한다. 필요한 데이터가 1개라도 있다면, 종래의 결과인 결과 1(Result 1)의 카드 리스트를 생성하는 단계; 및 건강 CDSS 보고(Hp_cdss_report) 이전 기록이 있는 경우, 종래의 결과인 결과 1(Result 1)의 카드 리스트를 생성하는 단계를 포함하는, 요소 리스트(Element_list)의 필요한 데이터가 1개라도 없는지 여부를 판단하는 단계 를 더 포함하고, 결과 1(Result 1)로 종료하거나, 카드를 생성하지 않음으로 인해 아이템이 없으면 결과 2(Result2)로 종료하는 단계; 아이템 타입(item type)을 판단하는 단계로서, 아이템 타입(item_type)이 '00'인 경우, URL을 포함한 JSON을 생성하는 단계; 및 아이템 타입(item_type)이 '02'인 경우, CDS 요소 설명(cds_element_description)을 조회하고, JSON 요소(Element JSON)을 생성하는 단계를 포함하는, 아이템 타입(item type)을 판단하는 단계; CDS 설명(cds_description)을 조회하고, 설명 JSON(Description JSON)을 생성하는 단계; 및 카드 리스트 JSON을 생성하는 단계를 더 포함할 수 있다. According to one embodiment, determining whether prescription information exists in the database; If there is no previous record of health CDSS report (Hp_cdss_report) on prescription information, entering a health CDSS report (Hp_cdss_report); If there is a previous record of health CDSS report (Hp_cdss_report) on prescription information, not performing additional calculation based on re-prescription; determining whether an element list (Element_list) column value exists; If there is an element list (Element_list) column value, search the health element (Hp_element) and if there is a corresponding result, copy the result data. If there is an element with the same condition, in order to reuse the data Retrieving an element already entered in (Hp_element); and if it is determined that the input element exists, inputting a health element (Hp_element) - the health element (Hp_element) includes a patient number (hosp_no), a receipt number (receipt_no), an item number (item_no), and clinical copying result data, including - including a decision-making element (element_cd); generating a card list of
일 실시예에 의하면, 건강 요소(Hp_element)를 입력하는 단계 - 건강 요소(Hp_element)는 환자의 접수정보(Hp_receipt), 환자의 상병정보, 및 증상 키워드(hp_symp_keyword)를 포함함 -; 결과 1(Result1)의 카드 리스트를 생성하는 단계; 건강 요소(Hp_element)에 관한 데이터를 조회하는 단계; 카드 결과(Cds_result)를 조회하고 계산하는 단계로서, 카드 결과(Cds_result)가 조회된다면 카드를 생성하지 않는 단계; 및 카드 결과(Cds_result)가 조회되지 않는다면 임상 의사 결정 결과를 계산하는 단계를 포함하는 카드 결과(Cds_result)를 조회하고 계산하는 단계; 아이템 타입(item_type)을 결정하는 단계로서, 아이템 타입(item_type)이 '00'인 경우, URL을 포함한 JSON을 생성하는 단계; 및 아이템 타입(item_type)이 '02'인 경우, CDS 요소 설명(cds_element_description)을 조회하고, JSON 요소(Element JSON)을 생성하는 단계를 포함하는 아이템 타입(item_type)을 결정하는 단계; 및 CDS 설명(cds_description)을 조회하고, 설명 JSON(Description JSON)을 생성하는 단계; 카드 리스트 JSON을 생성하는 단계를 더 포함할 수 있다.According to one embodiment, inputting a health element (Hp_element) - the health element (Hp_element) includes patient's reception information (Hp_receipt), patient's disease information, and symptom keyword (hp_symp_keyword) -; Generating a card list of result 1 (Result1); Retrieving data on a health factor (Hp_element); A step of inquiring and calculating a card result (Cds_result), not generating a card if the card result (Cds_result) is inquired; and if the card result (Cds_result) is not inquired, calculating the clinical decision-making result; Determining an item type (item_type), if the item type (item_type) is '00', generating JSON including a URL; and when the item type (item_type) is '02', determining the item type (item_type) including the step of inquiring the CDS element description (cds_element_description) and generating the JSON element (Element JSON); And querying the CDS description (cds_description) and generating a description JSON (Description JSON); A step of generating card list JSON may be further included.
일 실시예에 의하면, 전자 차트에, 로사탄정 처방 시 환자의 CR, EGFR 결과값을 제공하는 단계; 및 검사결과가 없는 경우 검사 시행을 권장하는 메시지를 출력하는 단계; 를 더 포함하고, 전자 차트는 검사 결과 허용치를 벗어나는 경우 컬러 표기 및 코멘트 메시지를 디스플레이하도록 구성되고, 코멘트 메시지는, 로사탄정 100밀리그램은 (1) 크레아티닌청소율 20~50mL/min: 초회량 조절은 필요하지 않다. (2) 크레아티닌청소율 < 20mL/min과 투석 중인 환자: 초회량은 이 약으로서 1일 1회 25mg을 권장한다는 메시지를 포함할 수 있다.According to one embodiment, providing the patient's CR, EGFR result values when prescribing losartan tablets on an electronic chart; and if there is no test result, outputting a message recommending test execution; Further, the electronic chart is configured to display a color mark and a comment message if the test result is out of tolerance, and the comment message is: (1) Creatinine clearance 20-50mL/min: initial dose adjustment is required don't (2) Patients on dialysis with creatinine clearance < 20 mL/min: The initial dose may include a message recommending 25 mg once a day as this drug.
본 발명의 실시예에 따르면, 우선 환자의 임상정보(Vital, 검체검사, 판독결과, 기왕력, 알러지, 가족력 등)를 기반으로 한 환자 맞춤형 지식기반 정보를 제공하고, 과정을 통해 클라우드로 수집되는 의원 진료자료와 검진기록을 기반으로 분석, 학습하여 비지식기반 정보를 제공하여 차별화된 서비스를 제공할 수 있다.According to an embodiment of the present invention, first of all, the patient's clinical information (vital, sample test, reading result, history, allergy, family history, etc.) Differentiated services can be provided by providing non-knowledge-based information through analysis and learning based on medical data and examination records.
환자를 진찰하며 상병, 처방 등을 입력 시 실시간으로 처방정보를 클라우드 서버에 전달 후 서버에서 처리된 임상 의사결정 지원정보를 반환함으로써 필수로 필요한 임상정보가 발생하면 차트와 통신하여 그 값을 전달받아 환자 맞춤형 자료로 처방의 안정성을 계산하여 실시간으로 정보를 제공하여, 처방에 있어서 안전 장치를 마련할 수 있다.When a patient is examined and a disease, prescription, etc. is entered, the prescription information is delivered to the cloud server in real time and the clinical decision support information processed by the server is returned. When necessary clinical information occurs, it communicates with the chart and receives the value By calculating the stability of prescription with patient-specific data and providing information in real time, it is possible to prepare a safety device in prescription.
도 1은 본 발명의 실시예에 따른 임상 의사 결정 시스템에 관한 개략도이다.
도 2는 본 발명의 실시예에 따른 규칙 관리에 관한 도면이다.
도 3은 인공 신경망의 기본적인 개념을 간단히 나타낸 도면이다.
도 4는 코드 마스터 관리에 관한 도면이다.
도 5는 필요 임상정보 관리에 관한 도면이다.
도 6은 선택적 처방 관련 설명 관리에 관한 도면이다.
도 7은 임상 의사 결정 방법의 블록도이다.
도 8은 진료에 적용하기 위한 방법에 관한 도면이다.
도 9는 처방정보를 저장하기 위한 방법에 관한 도면이다.
도 10은 CDSS를 계산하기 위한 방법에 관한 도면이다.
도 11은 임상 정보를 전송하기 위한 방법에 관한 도면이다1 is a schematic diagram of a clinical decision-making system according to an embodiment of the present invention.
2 is a diagram related to rule management according to an embodiment of the present invention.
3 is a diagram briefly illustrating the basic concept of an artificial neural network.
4 is a diagram relating to code master management.
5 is a diagram related to management of necessary clinical information.
6 is a diagram related to management of descriptions related to optional prescriptions.
7 is a block diagram of a clinical decision-making method.
8 is a diagram related to a method for application in medical treatment.
9 is a diagram of a method for storing prescription information.
10 is a diagram of a method for calculating CDSS.
11 is a diagram of a method for transmitting clinical information.
이하, 본 발명의 실시예와 도면을 참조하여 본 발명을 상세히 설명한다. 이들 실시예는 오로지 본 발명을 보다 구체적으로 설명하기 위해 예시적으로 제시한 것일 뿐, 본 발명의 범위가 이들 실시예에 의해 제한되지 않는다는 것은 당업계에서 통상의 지식을 가지는 자에 있어서 자명할 것이다.Hereinafter, the present invention will be described in detail with reference to embodiments and drawings of the present invention. These examples are only presented as examples to explain the present invention in more detail, and it will be apparent to those skilled in the art that the scope of the present invention is not limited by these examples. .
또한, 달리 정의하지 않는 한, 본 명세서에서 사용되는 모든 기술적 및 과학적 용어는 본 발명이 속하는 기술 분야의 통상의 기술자에 의해 통상적으로 이해되는 바와 동일한 의미를 가지며, 상충되는 경우에는, 정의를 포함하는 본 명세서의 기재가 우선할 것이다.In addition, unless otherwise defined, all technical and scientific terms used herein have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs, and in case of conflict, including definitions The description herein will take precedence.
도면에서 제안된 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다. 그리고, 어떤 부분이 어떤 구성 요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에서 기술한 "부"란, 특정 기능을 수행하는 하나의 단위 또는 블록을 의미한다.In order to clearly explain the proposed invention in the drawings, parts irrelevant to the description are omitted, and similar reference numerals are attached to similar parts throughout the specification. And, when a certain component is said to "include", this means that it may further include other components without excluding other components unless otherwise stated. Also, a “unit” described in the specification means one unit or block that performs a specific function.
각 단계들에 있어 식별부호(제1, 제2, 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 실시될 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 실시될 수도 있고 실질적으로 동시에 실시될 수도 있으며 반대의 순서대로 실시될 수도 있다.In each step, the identification code (first, second, etc.) is used for convenience of description, and the identification code does not describe the order of each step, and each step does not clearly describe a specific order in context. It may be performed differently from the order specified above. That is, each step may be performed in the same order as specified, may be performed substantially simultaneously, or may be performed in the reverse order.
도 1은 본 발명의 실시예에 따른 임상 의사 결정 시스템에 관한 개략도이다. 1 is a schematic diagram of a clinical decision-making system according to an embodiment of the present invention.
본 발명의 실시예에 따른 임상 의사 결정 시스템은 의원에 있는 통신 가능하게 연결된 전자 차트(110), 메디컬 클라우드 서버(120), CDSS 규칙 관리도구(130), 및 CDSS 규칙 관리도구(130)에 대한 관리자(140)를 포함할 수 있다.The clinical decision-making system according to an embodiment of the present invention relates to an
의원에 있는 통신 가능하게 연결된 전자 차트(110)는 통신 가능하게 연결되는 컴퓨팅 장치일 수 있으며, 메디컬 클라우드 서버(120)를 향해 환자를 진찰하며 상병, 처방 등을 입력 값으로 전송하고, 이에 응답하여 처방 정보를 수신하여 의원의 의사에게 정보를 전달할 수 있다. 예를 들어, 퍼스널 컴퓨터, 노트북, 태블릿, 스마트폰, 전자 차트 등일 수 있다.The communicatively connected
메디컬 클라우드 서버(120)는 서버 장치로서, 의사가 진찰한 환자의 상병, 처방 등에 관한 정보를 수신하여 컴퓨터 판독가능한 프로그램(소프트웨어)로 구현된 CDSS 규칙 관리도구(130) 상의 규칙에 따라 임상 의사결정 지원정보를 전자 차트(110)에 반환할 수 있다.The
CDSS 규칙 관리도구(130)는 CDSS 규칙을 관리하도록 구성되고, 관리자(140)에 의해 규칙 등이 조정되거나, 인공지능을 통해 규칙이 자동적으로 수정 내지 변경될 수 있다.The CDSS
의원에서 의사가 환자를 진찰하며 상병, 처방 등을 입력 시 실시간으로 처방정보를 클라우드에 전달 후 서버에서 처리된 임상 의사결정 지원정보를 반환함. 필수로 필요한 임상정보가 발생하면 차트와 통신하여 그 값을 전달받아 환자 맞춤형 자료로 처방의 안정성을 계산하여 실시간으로 정보를 제공할 수 있다.When a doctor examines a patient at a clinic and inputs a disease or prescription, the prescription information is delivered to the cloud in real time, and then the clinical decision-making support information processed by the server is returned. When necessary clinical information occurs, it communicates with the chart and receives the value, calculates the stability of prescription with patient-specific data, and provides information in real time.
도 2는 본 발명의 실시예에 따른 규칙 관리에 관한 도면이다. 2 is a diagram related to rule management according to an embodiment of the present invention.
임상 의사 결정 시스템에서 규칙은 환자의 임상 데이터와 표준 치료법을 기반으로 만들어진 규칙이며, 정해진 규칙에 따라 제공되는 항목(위험 알림, 정보검색, 처방 결정 지원정보 등)을 저장한 것이다.Rules in the clinical decision-making system are rules made based on patient clinical data and standard treatments, and items (risk notification, information retrieval, prescription decision support information, etc.) provided according to the set rules are stored.
항목(아이템)의 결과 타입은 Web, 빅데이터, 임상정보활용, 특수 등으로 나뉠 수 있다.The result type of the item (item) can be divided into Web, big data, clinical information utilization, and special.
CDSS 규칙 관리도구(130)는 대상 처방, 상병코드 관리를 할 수 있다.The CDSS
CDSS 규칙 관리도구(130)는 규칙 관리자가 접근가능한 프로그램으로서, 임상 의사결정을 위한 정보제공대상 항목을 관리할 수 있다.The CDSS
성별, 나이, 처방코드, 상병코드 등의 자료를 미리 등록하여 관련된 자료를 제공함으로서 규칙 정확도를 높이고, 서버의 과부하를 낮출 수 있다. By pre-registering data such as gender, age, prescription code, disease code, etc. and providing related data, it is possible to increase rule accuracy and reduce server overload.
예를 들어, 아스틴정은 항히스타민 및 항알러지약으로서, 아젤라스틴염산염의 성분으로 구성되어 있고, 슈다페드정은 비염약으로서, 슈도에페드린염산염의 성분으로 구성되어 있다. For example, Astin tablets are antihistamine and anti-allergic drugs, and are composed of azelastine hydrochloride, and Sudafed tablets are rhinitis drugs, and are composed of pseudoephedrine hydrochloride.
KCD는 한국표준질병사인분류로서, 의무기록자료, 사만원인통계조사 등 질병이환 및 사망자료를 그 성질의 유사성에 따라 체계적으로 유형화한 것이다. 2022년 기준, 2021. 1. 1 시행 제8차 개정 한국표준질병사인분류를 따르고 있고, 이를 "KCD 8차 상병코드"라고 한다. 예를 들어, C코드는 악성종양(암), D코드는 양성 종양, S코드는 상해, Q코드는 선천성 질병, P코드는 출생전후기 질병을 분류할 수 있다.KCD is the Korean Standard Classification of Causes of Disease, which systematically categorizes disease morbidity and death data, such as medical records and cause-cause statistics, according to their similarities in nature. As of 2022, it follows the 8th revised Korea Standard Classification of Diseases, which took effect on January 1, 2021, and is called the "KCD 8th Disease Code". For example, a C code can classify a malignant tumor (cancer), a D code a benign tumor, an S code an injury, a Q code a congenital disease, and a P code a perinatal disease.
예컨대, 대상 자료는 아래와 같다. For example, the target data is as follows.
- 수가 코드 - number code
- 약가 코드 - Drug price code
- 성분 코드 - Ingredient Code
- 재료대 코드 - Material cost code
- KCD8차 상병코드 - KCD 8th corporal code
- 성별 - gender
- 나이 - age
도 3은 임상 의사 결정 시스템에 적용되는 인공지능에 관한 인공 신경망의 기본적인 개념을 간단히 나타낸 도면이다.도 3에 도시된 바와 같이, 인공 신경망(artificial neural network; ANN)은 입력 층, 출력 층, 그리고 위 입력 층과 출력 층 사이에 적어도 하나 이상의 중간 층(또는 은닉 층, hidden layer)을 포함하는 계층 구조로 구성될 수 있다. 딥러닝 알고리즘은, 이와 같은 다중 계층 구조에 기반하여, 층간 활성화 함수(activation function)의 가중치를 최적화(optimization)하는 학습을 통해 결과적으로 신뢰성 높은 결과를 도출할 수 있다.FIG. 3 is a schematic diagram showing the basic concept of an artificial neural network for artificial intelligence applied to a clinical decision-making system. As shown in FIG. 3, an artificial neural network (ANN) includes an input layer, an output layer, and It may be composed of a hierarchical structure including at least one intermediate layer (or hidden layer) between the input layer and the output layer. The deep learning algorithm, based on such a multi-layered structure, can derive highly reliable results through learning to optimize the weight of an activation function between layers.
본 발명에 적용 가능 딥러닝 알고리즘은, 심층 신경망(deep neural network; DNN), 합성곱 신경망(convolutional neural network; CNN), 순환 신경망(recurrent neural network; RNN) 등을 포함할 수 있다.Deep learning algorithms applicable to the present invention may include a deep neural network (DNN), a convolutional neural network (CNN), a recurrent neural network (RNN), and the like.
심층 신경망(deep neural network; DNN)은 기본적으로 기존 ANN 모델 내 중간 층(또는 은닉 층)을 많이 늘려서 학습의 결과를 향상시키는 것을 특징으로 한다. 일 예로, 위 DNN은 2개 이상의 중간 층을 이용하여 학습 과정을 수행하는 것을 특징으로 한다.A deep neural network (DNN) is basically characterized by improving the result of learning by increasing a lot of intermediate layers (or hidden layers) in an existing ANN model. As an example, the above DNN is characterized by performing a learning process using two or more intermediate layers.
이에 따라, 컴퓨터는 스스로 분류 레이블을 만들어 내고 공간을 왜곡하고 데이터를 구분하는 과정을 반복하여 최적의 출력 값을 도출할 수 있다.Accordingly, the computer can derive an optimal output value by repeating the process of generating classification labels, distorting space, and classifying data by itself.
컨볼루션 신경망(convolutional neural network; CNN)은, 기존의 데이터에서 지식을 추출하여 학습 과정이 수행되는 기법과 달리, 데이터의 특징을 추출하여 특징들의 패턴을 파악하는 구조를 갖는 것을 특징으로 한다. 위 CNN은 컨볼루션(convolution) 과정과 풀링(pooling) 과정을 통해 수행될 수 있다. 다시 말해, 위 CNN은 컨볼루션 층과 풀링 층이 복합적으로 구성된 알고리즘을 포함할 수 있다. 여기서, 컨볼루션 층에서는 데이터의 특징을 추출하는 과정(일명, 컨볼루션 과정)이 수행된다. 위 컨볼루션 과정은 데이터에 각 성분의 인접 성분들을 조사해 특징을 파악하고 파악한 특징을 한 장으로 도출하는 과정으로써, 하나의 압축 과정으로써 파라미터의 개수를 효과적으로 줄일 수 있다. 풀링 층에서 컨볼루션 과정을 거친 레이어의 사이즈를 줄여주는 과정(일명, 풀링 과정)이 수행된다. 위 풀링 과정은 데이터의 사이즈를 줄이고 노이즈를 상쇄시키고 미세한 부분에서 일관적인 특징을 제공할 수 있다. 일 예로, 위 CNN은 정보 추출, 문장 분류, 얼굴 인식 등 여러 분야에 활용될 수 있다.A convolutional neural network (CNN) is characterized by having a structure in which a pattern of features is identified by extracting features of data, unlike existing techniques in which a learning process is performed by extracting knowledge from data. The above CNN may be performed through a convolution process and a pooling process. In other words, the above CNN may include an algorithm complexly composed of a convolution layer and a pooling layer. Here, in the convolution layer, a process of extracting features of data (aka convolution process) is performed. The above convolution process is a process of examining the adjacent components of each component in the data, identifying characteristics, and deriving the identified characteristics into a single sheet. As a single compression process, the number of parameters can be effectively reduced. In the pooling layer, a process of reducing the size of the layer that has undergone the convolution process (aka pooling process) is performed. The above pooling process can reduce the size of data, cancel noise, and provide consistent features in fine parts. For example, the above CNN can be used in various fields such as information extraction, sentence classification, and face recognition.
순환 신경망(recurrent neural network; RNN)은 반복적이고 순차적인 데이터(sequential data) 학습에 특화된 인공 신경망의 한 종류로써 내부에 순환구조를 갖는 것을 특징으로 한다. 위 RNN은 위 순환 구조를 이용하여 과거의 학습 내용에 가중치를 적용하여 현재 학습에 반영함으로써, 현재의 학습과 과거의 학습 간 연결을 가능하게 하고 시간에 종속된다는 특징을 갖는다. 위 RNN은 기존의 지속적이고 반복적이며 순차적인 데이터 학습의 한계를 해결한 알고리즘으로써, 음성 웨이브폼을 파악하거나 텍스트의 앞 뒤 성분을 파악하는 등에 활용될 수 있다.A recurrent neural network (RNN) is a type of artificial neural network specialized in learning repetitive and sequential data and is characterized by having a recurrent structure therein. The above RNN uses the above circular structure to apply weights to past learning contents and reflect them to current learning, enabling a connection between current learning and past learning, and has the characteristic of being dependent on time. The above RNN is an algorithm that solves the limitations of existing continuous, iterative, and sequential data learning, and can be used to identify speech waveforms or to identify the front and back components of text.
다만, 이는 본 발명에 적용 가능 구체적인 딥러닝 기법의 일 예시들에 불과하며, 실시예에 따라 다른 딥러닝 기법이 본 발명에 적용될 수도 있다.However, these are only examples of specific deep learning techniques applicable to the present invention, and other deep learning techniques may be applied to the present invention according to embodiments.
도 4는 코드 마스터 관리에 관한 도면이다. 4 is a diagram relating to code master management.
도 4에서 코드마스터 관리는 관리의 편의성을 위해 동일 처방군 또는 동일 약품군을 지정하여 일괄적으로 관리가 가능하도록 묶음 설정할 수 있다.In FIG. 4 , the code master management can be grouped to enable collective management by designating the same prescription group or the same drug group for management convenience.
예를 들어, 행위 수가코드 묶음 관리, 약제코드, 성분코드 관리, 재료대 묶음 관리, KCD8차 상병코드 묶음관리 등을 할 수 있다.For example, it is possible to manage bundles of fee codes for acts, management of drug codes and ingredient codes, management of bundles for ingredients, and bundle management of KCD 8th disease codes.
도 5는 필요 임상정보 관리에 관한 도면이다.5 is a diagram related to management of necessary clinical information.
선정된 대상 코드를 처방시 필요로 하는 임상정보를 등록할 수 있다.Clinical information required when prescribing the selected target code can be registered.
<신체 데이터><Body data>
*신체계측*physical measurement
- 체중 - weight
- 혈당 - blood sugar
- BMI -BMI
- 신장 - kidney
- 혈압 - Blood pressure
- 나이 - age
*검체검사* Specimen test
- AST -AST
- ALT -ALT
- HbA1C -HbA1C
- CR -CR
필요시 추가가능 Can be added if needed
*알러지*allergy
- NSAID - NSAIDs
필요시 추가가능 Can be added if necessary
*기타 계산값*Other calculations
- EGFR(Epidermal growth factor receptor; 표피성장인자수용체) - EGFR (Epidermal growth factor receptor)
- CCR(creatinine clearance; 크레아티닌청소율) - CCR (creatinine clearance; creatinine clearance)
수식을 활용하여 참고치를 벗어나는 값일 경우 코멘트 메시지를 송신하여 전자 차트(110)에 해당 코멘트 메시지를 디스플레이할 수 있다. 도 6은 선택적 처방 관련 설명 관리에 관한 도면이다. If the value exceeds the reference value by using a formula, a comment message may be transmitted and the comment message may be displayed on the
모든 경우에 해당하는 처방관련 설명 관리하는 경우, 투약정보, 참고논문 등를 제공할 수 있다. 특정 조건에 해당하는 성명 관리하는 경우, 주의사항 등을 제공할 수 있다.In the case of managing prescription-related explanations applicable to all cases, medication information, reference thesis, etc. can be provided. In case of managing names corresponding to specific conditions, precautions, etc. can be provided.
검사결과 또는, 성별, 나이, 신체 계측 수치에 따라 환자에 적절한 처방 가이드를 입력가능하다. 계산식을 활용하여 어떤 조건이라도 활용이 가능하도록 설계할 수 있다. 투약정보, 참고논문, 주의사항 등 적절한 임상결정을 할 수 있도록 맞춤형 자료를 의사에게 제공 가능할 수 있다.It is possible to input a prescription guide appropriate for the patient according to test results or gender, age, and body measurements. It can be designed to be used under any condition by using a calculation formula. It may be possible to provide doctors with customized data such as medication information, reference papers, and precautions so that they can make appropriate clinical decisions.
예를 들어, 로사탄정을 투약하는 경우, 일 1회 25mg으로 감량을 권장한다는 코멘트 메시지를 디스플레이할 수 있다.For example, in the case of administering losartan tablets, a comment message indicating that a reduction in dose to 25 mg once a day is recommended may be displayed.
도 7은 임상 의사 결정 방법에 관한 도면이다. 7 is a diagram of a clinical decision-making method.
진료실에서 처방 입력과 동시에 API 서버로 자료를 전달할 수 있다.Data can be transmitted to the API server at the same time as prescription input in the clinic room.
CDSS 프로세스를 거쳐 필요한 임상정보가 존재하는 경우 컨텐츠 작성 후 자료를 회신하여 CARD 형식으로 전자차트에 표현하여 실시간으로 처방한 항목에 대한 환자의 개인별 임상정보와 관련 자료를 진료의에게 제공할 수 있다.If necessary clinical information exists after going through the CDSS process, the content is created, the data is returned, and expressed on the electronic chart in CARD format, so that the patient's individual clinical information and related data for the prescribed items can be provided to the doctor in real time.
진료실 세부화면은 처방과 동시에 필요 임상정보 및 처방 주의사항을 생성하여 카드(CARD) 형태로 표현할 수 있다. 진료실 세부화면은 반응시간 1000ms 이하로 적절성 및 편의성 확보할 수 있다.The detailed screen of the clinic can be expressed in the form of a card (CARD) by generating necessary clinical information and prescription notes at the same time as prescription. The detailed screen of the treatment room can secure appropriateness and convenience with a response time of 1000 ms or less.
예를 들어, 필요 임상 정보로서, 로사탄정 처방 시 환자의 CCR, EGFR 결과값 제공할 수 있고, 검사결과가 없는 경우, 검사 시행을 권장하는 메시지를 발생시키며, 검사결과가 허용치를 벗어나는 경우 컬러 표기 및 코멘트 메시지를 For example, as necessary clinical information, the patient's CCR and EGFR result values can be provided when prescribing losartan tablet, and if there is no test result, a message recommending test execution is generated, and if the test result is out of tolerance, color marking and comment message
제공할 수 있다. 처방관련 설명으로서, 예컨대 로사탄정 처방 시 유의해야할 학술적 정보를 제공할 수 있다.can provide As a prescription-related explanation, for example, it can provide academic information to be aware of when prescribing losartan tablets.
1. 경고
임부에게 레닌-안지오텐신-알도스테론계(RAAS)에 직접 작용하는 약물들의 투여시, 태아 및 신생아에게 손상 및 사망까지도 일어날 수 있다. 양수과소증의 발생은 태아의 폐 형성 저하증 및 골격 기형과 관련이 있을 수 있다. 신생아에게 나타날 가능성이 있는 부작용은 두개골 형성 저하증, 무뇨증, 저혈압, 신부전과 사망 등을 포함한다. 임신이 확인되면 가능한 빨리 이 약을 중단해야 한다 (7. ‘임부 및 수유부에 대한 투여’항 참조)
2. 다음 환자에는 투여하지 말 것.
1) 이 약 또는 이 약의 구성성분에 과민반응 환자
2) 임부 또는 임신하고 있을 가능성이 있는 여성
3) 중증의 간장애 환자
4) 유전성 혈관부종 환자이거나, ACE억제제 혹은 안지오텐신Ⅱ수용체 차단제 치료시 혈관부종의 병력이 있는 환자
5) 원발고알도스테론증 환자
6) 이 약은 유당을 함유하고 있으므로, 갈락토오스 불내성(galactose intolerance), Lapp 유당분해효소 결핍증(Lapp lactase deficiency) 또는 포도당-갈락토오스 흡수장애(glucose-galactose malabsorption) 등의 유전적인 문제가 있는 환자에게는 투여하면 안 된다.(유당함유 제제에 한함)
7) 당뇨병이나 중등도~중증의 신장애 환자(사구체여과율 <60mL/min/1.73m2)에서 알리스키렌 함유제제와의 병용Precautions for use
1. Warning
Administration of drugs that act directly on the renin-angiotensin-aldosterone system (RAAS) to pregnant women can cause damage and even death to the fetus and newborn. The occurrence of oligohydramnios may be associated with fetal pulmonary hypoplasia and skeletal malformations. Possible side effects in neonates include cranial hypoplasia, anuria, hypotension, renal failure and death. If pregnancy is confirmed, this drug should be discontinued as soon as possible (see
2. Do not administer to the following patients.
1) Patients with hypersensitivity to this drug or its components
2) Women who are pregnant or may be pregnant
3) Patients with severe hepatic impairment
4) Patients with hereditary angioedema or a history of angioedema during treatment with ACE inhibitors or angiotensin II receptor blockers
5) Patients with primary hyperaldosteronism
6) Since this drug contains lactose, it should be administered to patients with genetic problems such as galactose intolerance, Lapp lactase deficiency or glucose-galactose malabsorption. (Limited to products containing lactose)
7) Concomitant use with aliskiren-containing agents in patients with diabetes or moderate to severe renal impairment (glomerular filtration rate <60mL/min/1.73m2)
처방에 관련한 필수 임상정보를 자동으로 노출하여 편의성 확보할 수 있고, 환자별 맞춤 데이터 제공 및 판정 기능을 활용한 진료 안정성 확보할 수 있으며, 관련지식, 논문 등 의학적 지식을 제공할 수 있고, 환자 개개인의 알러지, 기왕력, 가족력을 활용하여 보다 높은 수준의 약물 상호작용, 부작용, 처치 및 투약 주의사항 정보를 제공할 수 있다.개인정보를 배제한 진료정보를 축적하고 딥러닝 하여 다양한 통계 데이터 제공할 수 있고, 질병에 따른 다빈도 처방, 가능한 부작용, 치료 사례 등의 정보를 제공하여 치료 방법의 결정을 제안 및 지원할 수 있다. 또한, 자연어 분석을 통해 차트를 학습하여 환자의 표현에 따른 다빈도 질병 판단하고, 지역적, 시기적, 계절적인 변수와의 데이터를 결합하여 다각도의 통계를 제공할 수 있다.Convenience can be secured by automatically exposing essential clinical information related to prescriptions, and treatment stability can be secured by providing customized data for each patient and using a judgment function. It can provide a higher level of drug interaction, side effects, treatment, and medication precautions by utilizing allergy, medical history, and family history. Various statistical data can be provided by accumulating medical information excluding personal information and deep learning. , It can suggest and support the decision of treatment method by providing information such as frequent prescription according to disease, possible side effects, and treatment cases. In addition, charts can be learned through natural language analysis to determine frequent diseases according to patient expressions, and statistics can be provided from various angles by combining data with regional, seasonal, and seasonal variables.
내시경, 초음파, 영상판독 등의 결과자료를 임상변수로 추가하고 이를 복합적으로 학습하여 신뢰성 높은 예상 판독결과 제공할 수 있다.It is possible to provide highly reliable expected reading results by adding result data such as endoscopy, ultrasound, and image reading as clinical variables and learning them in a complex way.
Hello100(진료접수 관련 애플리케이션)을 통해 환자에게 자신과 동일한 질병을 가진 환자군의 표준 치료계획을 제공하여 의사와 원활한 소통이 가능케 할 수 있다.Through Hello100 (a medical application related to medical treatment), patients can be provided with a standard treatment plan for a group of patients with the same disease as themselves, enabling smooth communication with doctors.
도 8은 진료에 적용하기 위한 방법에 관한 도면이다. 8 is a diagram related to a method for application in medical treatment.
S810 단계에서, 환자를 진단 후 처방을 입력하면 실시간으로 처방 정보를 클라우드로 전송할 수 있다.In step S810, if a patient is diagnosed and a prescription is entered, prescription information may be transmitted to the cloud in real time.
S820 단계에서, 클라우드에 수신한 처방정보와 관리자가 미리 입력해둔 규칙을 검색하여 연관된 규칙의 컨텐츠를 작성하여 회신할 수 있다.In step S820, the prescription information received from the cloud and the rule entered in advance by the manager may be searched for, and the contents of the related rule may be prepared and returned.
S830 단계에서, 전자차트는 회신받은 컨텐츠를 CDSS 전용 뷰어 화면으로 제공할 수 있다. 추가 정보 필요 시 컨텐츠 내에서 입력받은 후 클라우드에 재전송 후 S810 단계를 실행할 수 있다.In step S830, the electronic chart may provide the returned content as a viewer screen dedicated to CDSS. If additional information is required, it is possible to execute step S810 after receiving the input in the content and retransmitting it to the cloud.
도 9는 처방정보를 저장하기 위한 방법에 관한 도면이다. 9 is a diagram of a method for storing prescription information.
S910 단계에서, 데이터를 수신할 수 있다.In step S910, data may be received.
전자 차트에 처방 정보를 입력하는 단계 이전에, 환자에 관한 접수 정보를 입력하는 단계, 환자에 관한 상병 정보를 입력하는 단계를 더 포함할 수 있다. Prior to the step of inputting prescription information into the electronic chart, the step of inputting reception information about the patient and the step of inputting disease information about the patient may be further included.
S920 단계에서, 환자의 접수 정보(Hp_recept)를 입력할 수 있다.In step S920, patient reception information (Hp_recept) may be input.
2차 작업 진행 시에, 환자에 관한 접수 정보를 입력하는 단계는 접수 정보에서 증상 키워드를 추출하는 단계를 포함할 수 있고, 증상 키워드를 추출하는 단계는, 환자가 증상에 관한 복수의 증상 체크 박스 중 선택된 체크 박스에 관련된 키워드를 추출하는 단계를 포함할 수 있다.During the secondary operation, the step of inputting registration information about the patient may include extracting symptom keywords from the registration information, and extracting the symptom keywords may include checking a plurality of symptom checkboxes related to the patient's symptoms. and extracting keywords related to the selected checkboxes.
S930 단계에서, 환자의 상병 정보(Hp_diag)를 입력할 수 있다.In step S930, disease information (Hp_diag) of the patient may be input.
S940 단계에서, 처방 정보(Hp_order)를 입력할 수 있다. 처방 정보는 의사가 환자에 대한 본인의 지식을 기반으로 결정한 CDSS가 적용되기 전에 1차적인 처방 정보라고 할 수 있다. 후술하는 CDSS의 도움을 받아 처방전이 수정될 수 있다.In step S940, prescription information (Hp_order) may be input. Prescribing information can be referred to as primary prescribing information before CDSS, which is determined by a doctor based on his/her knowledge of the patient, is applied. Prescriptions can be modified with the help of the CDSS described below.
도 10은 CDSS를 계산하기 위한 방법에 관한 도면이다. 10 is a diagram of a method for calculating CDSS.
S1010 단계에서, 해당 처방 정보가 데이터베이스에 있는지 여부를 판단할 수 있다(Query1).In step S1010, it may be determined whether corresponding prescription information exists in the database (Query1).
S1020 단계에서, 종료를 하고 결과 2(Result2)를 출력한다.In step S1020, it ends and outputs result 2 (Result2).
S1021 단계에서, 건강 CDSS 보고(Hp_cdss_report) 이전 기록이 없는 경우, S1022 단계에서, 건강 CDSS 보고(Hp_cdss_report)를 입력한다. 이 경우, 재처방일경우 계산하지 않는다.In step S1021, if there is no previous record of the health CDSS report (Hp_cdss_report), in step S1022, the health CDSS report (Hp_cdss_report) is input. In this case, re-prescription is not counted.
S1023 단계에서, 요소 리스트(Element_list) 컬럼 값이 존재하는지 여부를 판단한다.In step S1023, it is determined whether an element list (Element_list) column value exists.
요소 리스트(Element_list) 컬럼 값이 존재하는 경우, S1024 단계에서, 건강 요소(Hp_element)를 조회하여 원하는 결과(Result)가 있는 경우, 해당 결과 데이터 복사한다. 요소 리스트(Element_list) 컬럼 값이 존재하지 않는 경우, S1027 단계에서, 종래의 결과인 결과 1(Result 1)의 카드 리스트를 생성한다.If the element list (Element_list) column value exists, in step S1024, the health element (Hp_element) is searched, and if there is a desired result (Result), the corresponding result data is copied. If the element list (Element_list) column value does not exist, in step S1027, a card list of result 1 (Result 1), which is a conventional result, is generated.
S1024 단계에서, 데이터를 복사한 이후에, S1025 단계에서, 요소 리스트(Element_list)의 필요한 데이터가 1개라도 없는지 여부를 판단한다.In step S1024, after copying the data, in step S1025, it is determined whether there is even one piece of necessary data in the element list (Element_list).
S1024 단계를 구체적으로 살펴보면, S1024-1 단계에서, 건강 요소(Hp_element)에서 이미 입력된 요소(element)를 조회한다(Query2). 이는 동일조건 element 있을 경우 이를 재활용하기 위함이다. S1024-2 단계에서, 입력된 요소(element)가 존재한다고 판단할 수 있다. S1024-3 단계에서, 건강 요소(Hp_element)를 입력할 수 있다. 예를 들어, 건강 요소(Hp_element)는 환자 번호(hosp_no), 영수증 번호(receipt_no), 아이템 번호(item_no), 및 임상 의사 결정 요소(element_cd)를 포함할 수 있다.Looking at step S1024 in detail, in step S1024-1, an element already entered in the health element (Hp_element) is queried (Query2). This is to reuse if there is an element with the same condition. In step S1024-2, it may be determined that the input element exists. In step S1024-3, a health factor (Hp_element) may be input. For example, the health element (Hp_element) may include a patient number (hosp_no), a receipt number (receipt_no), an item number (item_no), and a clinical decision-making element (element_cd).
필요한 데이터가 1개라도 없다면, S1026 단계에서, 결과 1(Result1)의 리턴아이템들(returnitems)을 생성한다. 필요한 데이터가 1개라도 있다면, S1027 단계에서, 종래의 결과인 결과 1(Result 1)의 카드 리스트를 생성한다.If there is not even one required data, in step S1026, return items of result 1 (Result1) are generated. If there is even one necessary data, in step S1027, a card list of result 1 (Result 1), which is a conventional result, is generated.
S1021 단계에서, 건강 CDSS 보고(Hp_cdss_report) 이전 기록이 있는 경우, S1027 단계에서, 종래의 결과인 결과 1(Result 1)의 카드 리스트를 생성한다.In step S1021, if there is a previous record of the health CDSS report (Hp_cdss_report), in step S1027, a card list of
S1030 단계에서, 결과 1(Result 1)로 종료하거나, 카드를 생성하지 않음으로 인해 아이템이 없으면 결과 2(Result2)로 종료한다.In step S1030, it ends with result 1 (Result 1), or if there is no item due to not generating a card, it ends with result 2 (Result2).
S1027 단계를 구체적으로 살펴보면, S1052 단계에서, 요소(Element) 데이터를 조회할 수 있다(Query3). S1052 단계에서, 임상 의사 결정 결과를 조회 및 계산할 수 있다(Query4). 임상 의사 결정 결과가 조회되는 경우, S1056 단계에서 카드를 생성하지 않는다. 임상 의사 결정 결과가 조회되지 않는 경우, 임상 의사 결정 결과를 계산한다. S1058 단계에서, 아이템 타입(item type)을 판단할 수 있다.Looking at step S1027 in detail, at step S1052, element data can be retrieved (Query3). In step S1052, the clinical decision-making result may be inquired and calculated (Query4). When the clinical decision-making result is inquired, a card is not generated in step S1056. If the clinical decision-making result is not queried, the clinical decision-making result is calculated. In step S1058, an item type may be determined.
S1060 단계에서, 아이템 타입(item_type)이 '00'인 경우(S1150), URL을 포함한 JSON을 생성할 수 있다. 여기서, JSON(제이슨; JavaScript Object Notation)은 속성-값 쌍(attribute-value pairs), 배열 자료형(array data types) 또는 기타 모든 시리얼화 가능한 값(serializable value) 또는 "키-값 쌍"으로 이루어진 데이터 오브젝트를 전달하기 위해 인간이 읽을 수 있는 텍스트를 사용하는 개방형 표준 포맷이다.In step S1060, if the item type (item_type) is '00' (S1150), JSON including URL may be generated. Here, JSON (JavaScript Object Notation) is data consisting of attribute-value pairs, array data types, or any other serializable value or “key-value pair”. It is an open standard format that uses human readable text to convey objects.
아이템 타입(item_type)이 '02'인 경우(S1070), CDS 요소 설명(cds_element_description)을 조회하고, JSON 요소(Element JSON)을 생성할 수 있다(S1072), 그 다음, CDS 설명(cds_description)을 조회하고, 설명 JSON(Description JSON)을 생성할 수 있다(S1074). 전자 차트에서 디스플레이될 컨텐츠는 결과 1(Result1)의 카드 리스트 및 설명 JSON(Description JSON)을 포함할 수 있다.If the item type (item_type) is '02' (S1070), a CDS element description (cds_element_description) may be retrieved and a JSON element (Element JSON) may be created (S1072), and then the CDS description (cds_description) may be retrieved. And, description JSON (Description JSON) can be generated (S1074). Content to be displayed on the electronic chart may include a card list and description JSON of result 1 (Result1).
S1060 단계 또는 S1074 단계 이후에, S1080 단계에서 카드 리스트 JSON을 생성할 수 있다.After step S1060 or step S1074, card list JSON may be generated in step S1080.
도 11은 임상 정보를 전송하기 위한 방법에 관한 도면이다. 11 is a diagram of a method for transmitting clinical information.
S1110 단계에서, 입력 데이터를 수신할 수 있다. 예를 들어, 입력 데이터는 필요 임상정보 관리 데이터일 수 있다. 예를 들어, 신체계측으로서 체중, 혈당, BMI, 신장, 혈압, 및 나이 등을 포함할 수 있고, 검체검사로서 AST, ALT, HbA1C, 및 CR 등을 포함할 수 있고, 알러지로서 NSAID(nonsteroidal antiinflammatory drug)를 포함할 수 있다. 한편, 기타 계산값으로서 EGFR, CCR 등을 포함할 수 있다.In step S1110, input data may be received. For example, the input data may be necessary clinical information management data. For example, weight, blood sugar, BMI, height, blood pressure, and age may be included as body measurements, AST, ALT, HbA1C, and CR may be included as sample tests, and NSAID (nonsteroidal antiinflammatory) as allergy drugs) may be included. Meanwhile, other calculated values may include EGFR, CCR, and the like.
S1120 단계에서, 건강 요소(Hp_element)를 입력할 수 있다.In step S1120, a health element (Hp_element) may be input.
여기서, 건강 요소(Hp_element)는 도 9에서 S920 단계에서 환자의 접수정보(Hp_receipt), S930 단계에서 환자의 상병정보, 및 S925 단계에서 증상 키워드(hp_symp_keyword)를 포함할 수 있다.Here, the health element (Hp_element) may include the patient's reception information (Hp_receipt) in step S920 in FIG. 9, the patient's disease information in step S930, and the symptom keyword (hp_symp_keyword) in step S925.
S1130 단계에서, Result1의 카드 리스트를 생성할 수 있다.In step S1130, a card list of Result1 may be generated.
S1130 단계는, 건강 요소(Hp_element)에 관한 데이터를 조회하는 단계, 카드 결과(Cds_result)를 조회하고 계산하는 단계, 즉 카드 결과(Cds_result)가 조회된다면 카드를 생성하지 않고(S1146 단계), 카드 결과(Cds_result)가 조회되지 않는다면 임상 의사 결정 결과를 계산한다. 아이템 타입(item_type)을 결정하는 단계를 포함할 수 있다.Step S1130 is a step of inquiring data about the health factor (Hp_element), inquiring and calculating the card result (Cds_result), that is, if the card result (Cds_result) is inquired, no card is generated (step S1146), and the card result If (Cds_result) is not queried, the clinical decision-making result is calculated. It may include determining an item type (item_type).
아이템 타입(item_type)이 '00'인 경우(S1150), URL을 포함한 JSON을 생성할 수 있다.When the item type (item_type) is '00' (S1150), JSON including URL may be generated.
아이템 타입(item_type)이 '02'인 경우(S1160), CDS 요소 설명(cds_element_description)을 조회하고, JSON 요소(Element JSON)을 생성할 수 있다(S1162). 그 다음, CDS 설명(cds_description)을 조회하고, 설명 JSON(Description JSON)을 생성할 수 있다(S1164).When the item type (item_type) is '02' (S1160), a CDS element description (cds_element_description) may be retrieved and a JSON element (Element JSON) may be created (S1162). Then, the CDS description (cds_description) may be retrieved and description JSON (Description JSON) may be generated (S1164).
S1170 단계에서 카드 리스트 JSON을 생성할 수 있다. In step S1170, card list JSON may be generated.
도 12는 전자 차트(110)의 디스플레이에 관한 일 실시예이다.12 is an embodiment related to the display of the
도 12의 전자 차트(110)의 CDSS 화면(1210)은 필요임상정보(1220) 및 처방관련 설명(1230)을 포함할 수 있다. The
예를 들어, 필요임상정보(1220)는 로사탄정 처방 시 환자의 CR, EGFR 결과값을 제공하고, 검사결과가 없는 경우 검사 시행을 권장하는 메시지를 출력할 수 있고, 전자 차트(110)는 검사 결과 허용치를 벗어나는 경우 컬러 표기 및 코멘트 메시지를 디스플레이할 수 있다. 일 예로서, 로사탄정 100밀리그램은 (1) 크레아티닌청소율 20~50mL/min: 초회량 조절은 필요하지 않다. (2) 크레아티닌청소율 < 20mL/min과 투석 중인 환자: 초회량은 이 약으로서 1일 1회 25mg을 권장한다는 메시지가 전자 차트(110) 상에 디스플레이될 수 있다.For example, the necessary
예를 들어, 처방관련 설명(1230)은 로사탄정 처방 시 유의하여야 할 학술적 정보를 함께 제공할 수 있다. For example, the prescription-related
추가적으로, 본 발명에 따른 컴퓨터 프로그램은, 컴퓨터와 결합하여, 앞서 상술한 다양한 방법을 실행시키기 위하여 컴퓨터 판독가능 기록매체에 저장될 수 있다.Additionally, the computer program according to the present invention, combined with a computer, may be stored in a computer readable recording medium in order to execute the various methods described above.
전술한 프로그램은, 컴퓨터가 프로그램을 읽어 들여 프로그램으로 구현된 위 방법들을 실행시키기 위하여, 컴퓨터의 프로세서(CPU)가 위 컴퓨터의 장치 인터페이스를 통해 읽힐 수 있는 C, C++, JAVA, 기계어 등의 컴퓨터 언어로 코드화된 코드(Code)를 포함할 수 있다. 이러한 코드는 위 방법들을 실행하는 필요한 기능들을 정의한 함수 등과 관련된 기능적인 코드(Functional Code)를 포함할 수 있고, 위 기능들을 위 컴퓨터의 프로세서가 소정의 절차대로 실행시키는데 필요한 실행 절차 관련 제어 코드를 포함할 수 있다. 또한, 이러한 코드는 위 기능들을 위 컴퓨터의 프로세서가 실행시키는데 필요한 추가 정보나 미디어가 위 컴퓨터의 내부 또는 외부 메모리의 어느 위치(주소 번지)에서 참조되어야 하는지에 대한 메모리 참조관련 코드를 더 포함할 수 있다. 또한, 위 컴퓨터의 프로세서가 위 기능들을 실행시키기 위하여 원격(Remote)에 있는 어떠한 다른 컴퓨터나 서버 등과 통신이 필요한 경우, 코드는 위 컴퓨터의 통신 모듈을 이용하여 원격에 있는 어떠한 다른 컴퓨터나 서버 등과 어떻게 통신해야 하는지, 통신 시 어떠한 정보나 미디어를 송수신해야 하는지 등에 대한 통신 관련 코드를 더 포함할 수 있다.The above-mentioned program is a computer language such as C, C++, JAVA, machine language, etc. It may include a code coded as . These codes may include functional codes related to functions defining necessary functions for executing the above methods, and include control codes related to execution procedures necessary for the processor of the above computer to execute the above functions according to a predetermined procedure. can do. In addition, these codes may further include memory reference related code for additional information or media required to execute the above functions by the processor of the above computer from which location (address address) of the computer's internal or external memory should be referenced. there is. In addition, if the processor of the above computer needs to communicate with any other remote computer or server in order to execute the above functions, the code can use the communication module of the above computer to communicate with any other remote computer or server. It may further include communication-related codes for whether to communicate, what kind of information or media to transmit/receive during communication, and the like.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.Steps of a method or algorithm described in connection with an embodiment of the present invention may be implemented directly in hardware, implemented in a software module executed by hardware, or implemented by a combination thereof. A software module may include random access memory (RAM), read only memory (ROM), erasable programmable ROM (EPROM), electrically erasable programmable ROM (EEPROM), flash memory, hard disk, removable disk, CD-ROM, or It may reside in any form of computer readable recording medium well known in the art to which the present invention pertains.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다.Although the embodiments of the present invention have been described with reference to the accompanying drawings, those skilled in the art to which the present invention pertains can be implemented in other specific forms without changing the technical spirit or essential features of the present invention. you will be able to understand
따라서, 본 문서에 개시된 실시예들은 본 문서에 개시된 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 문서에 개시된 기술 사상의 범위가 한정되는 것은 아니다. 본 문서에 개시된 기술 사상의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 문서의 권리범위에 포함되는 것으로 해석되어야 할 것이다.Therefore, the embodiments disclosed in this document are not intended to limit the technical idea disclosed in this document, but to explain, and the scope of the technical idea disclosed in this document is not limited by these embodiments. The scope of protection of technical ideas disclosed in this document should be interpreted according to the scope of the following claims, and all technical ideas within the equivalent scope should be construed as being included in the scope of rights of this document.
110: 전자 차트
120: 메디컬 클라우드 서버
130: CDSS 규칙 관리도구110: electronic chart
120: medical cloud server
130: CDSS rule management tool
Claims (5)
상기 전자 차트(110)에 의해, 의사에 의해 입력되는 환자에 관한 접수 정보를 획득하는 단계 - 상기 환자에 관한 접수 정보는, 상기 의사가 진찰한 환자의 상병 정보, 처방 정보, 알러지 정보, 기왕력 정보, 가족력 정보, 상기 환자가 증상에 관한 복수의 증상 체크 박스 중 선택된 체크 박스를 포함함 -;
상기 전자 차트에 의해, 상기 환자에 관한 접수 정보를 상기 메디컬 클라우드 서버(120)에 전송하는 단계;
상기 메디컬 클라우드 서버(120)에 의해, 상기 접수 정보에서 증상 키워드를 추출하는 단계 - 상기 증상 키워드를 추출하는 단계는 상기 복수의 증상 체크 박스 중 상기 선택된 체크 박스에 관련된 키워드를 추출하는 단계를 포함함 -;
상기 메디컬 클라우드 서버(120)에 의해, 상기 메디컬 클라우드 서버(120)에서 수신한 처방 정보를 포함하는 환자에 관한 접수 정보와 관리자가 미리 입력해둔 규칙을 검색하여 연관된 규칙의 컨텐츠를 작성하여 회신하는 단계; 및
상기 전자 차트(110)에서, 회신받은 컨텐츠를 CDSS 전용 뷰어 화면으로 디스플레이하는 단계
를 포함하고,
상기 연관된 규칙의 컨텐츠는, 상기 처방이 로사탄정인 경우, 환자의 CCR(creatinine clearance; 크레아티닌청소율) 및 EGFR(Epidermal growth factor receptor; 표피성장인자수용체) 결과값을 포함하고,
상기 임상 의사 결정 시스템의 상기 메디컬 클라우드 서버(120)는 상기 환자의 CCR 및 EGFR을 포함하는 상기 결과값을 상기 전자 차트(110)에 제공할 수 있고, 상기 처방이 검사결과가 없는 경우, 검사 시행을 권장하는 메시지를 상기 전자 차트(110)에 전송하고,
상기 전자 차트(110)에서, 상기 환자가 상기 CCR(크레아티닌청소율)이 20mL/min 미만이고 투석 중인 환자인 경우, 초회량은 이 약으로서 1일 1회 25mg을 권장한다는 메시지를 디스플레이되도록 구성되는, 임상 의사 결정 방법.An electronic chart 110, which is a computing device in a clinic, a medical cloud server 120 communicatively connected to the electronic chart 110, and implemented as a computer readable program communicatively connected to the medical cloud server 120 A clinical decision-making method performed by a clinical decision-making system including a CDSS rule management tool 130, comprising:
Obtaining reception information about the patient input by a doctor through the electronic chart 110 - The reception information about the patient includes disease information, prescription information, allergy information, and history information of the patient examined by the doctor , family history information, the patient includes a check box selected from among a plurality of symptom check boxes relating to symptoms -;
transmitting reception information about the patient to the medical cloud server 120 by means of the electronic chart;
Extracting a symptom keyword from the reception information by the medical cloud server 120 - Extracting the symptom keyword includes extracting a keyword related to the selected check box among the plurality of symptom check boxes. -;
Retrieving, by the medical cloud server 120, the reception information about the patient including the prescription information received from the medical cloud server 120 and the rule entered in advance by the manager, creating and replying the content of the associated rule ; and
In the electronic chart 110, displaying the returned content on a CDSS-only viewer screen
including,
The content of the related rule includes the patient's CCR (creatinine clearance; creatinine clearance rate) and EGFR (Epidermal growth factor receptor; epidermal growth factor receptor) result values when the prescription is losartan tablet,
The medical cloud server 120 of the clinical decision-making system may provide the result values including the patient's CCR and EGFR to the electronic chart 110, and if the prescription has no test result, the test is performed. Sending a message recommending to the electronic chart 110,
In the electronic chart 110, if the patient has a CCR (creatinine clearance rate) of less than 20mL/min and is on dialysis, the initial dose is 25mg once a day as this drug. Configured to display a message, Clinical decision-making methods.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220057931A KR102484681B1 (en) | 2022-05-11 | 2022-05-11 | Method and system for clinical decision-making |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220057931A KR102484681B1 (en) | 2022-05-11 | 2022-05-11 | Method and system for clinical decision-making |
Publications (1)
Publication Number | Publication Date |
---|---|
KR102484681B1 true KR102484681B1 (en) | 2023-01-06 |
Family
ID=84923922
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020220057931A KR102484681B1 (en) | 2022-05-11 | 2022-05-11 | Method and system for clinical decision-making |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102484681B1 (en) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101066246B1 (en) | 2009-02-26 | 2011-09-20 | 서울대학교산학협력단 | Clinical Decision Support System and method thereby |
KR101295613B1 (en) | 2010-03-30 | 2013-08-12 | 서울대학교산학협력단 | Implementing method for clinical decision support systems of heathcare knowledge with numerous clinical process |
KR20150073569A (en) * | 2013-12-23 | 2015-07-01 | (주)솔트웍스 | Integration System for Medical systems for the hospitals and method thereof, Utilization services support system of Integration System for Medical systems for the hospitals and method thereof |
KR101547193B1 (en) * | 2014-10-06 | 2015-09-04 | (주)솔트웍스 | Clinical decision support system devices and method thereof |
KR101612635B1 (en) | 2014-12-12 | 2016-04-14 | 경희대학교 산학협력단 | Clinical decision support system and method for evidence adaption using external resources |
KR20170063880A (en) * | 2014-10-29 | 2017-06-08 | 에프. 호프만-라 로슈 아게 | Biomarkers for risk prediction of mortality |
-
2022
- 2022-05-11 KR KR1020220057931A patent/KR102484681B1/en active IP Right Grant
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101066246B1 (en) | 2009-02-26 | 2011-09-20 | 서울대학교산학협력단 | Clinical Decision Support System and method thereby |
KR101295613B1 (en) | 2010-03-30 | 2013-08-12 | 서울대학교산학협력단 | Implementing method for clinical decision support systems of heathcare knowledge with numerous clinical process |
KR20150073569A (en) * | 2013-12-23 | 2015-07-01 | (주)솔트웍스 | Integration System for Medical systems for the hospitals and method thereof, Utilization services support system of Integration System for Medical systems for the hospitals and method thereof |
KR101547193B1 (en) * | 2014-10-06 | 2015-09-04 | (주)솔트웍스 | Clinical decision support system devices and method thereof |
KR20170063880A (en) * | 2014-10-29 | 2017-06-08 | 에프. 호프만-라 로슈 아게 | Biomarkers for risk prediction of mortality |
KR101612635B1 (en) | 2014-12-12 | 2016-04-14 | 경희대학교 산학협력단 | Clinical decision support system and method for evidence adaption using external resources |
Non-Patent Citations (3)
Title |
---|
Barry M. Brenner 외, N Engl J Med, 2001.09.20., Vol.345, pp.861-869. * |
Cheng-Yi Yang 외, JMIR MEDICAL INFORMATICS, 2018.01.19., Vol.6, No.1, pp.1-13.* * |
Shibasaki Y 외, Hypertension, 2001.09.01., Vol.38, pp.367-372. * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ali et al. | A systematic literature review of artificial intelligence in the healthcare sector: Benefits, challenges, methodologies, and functionalities | |
WO2022041729A1 (en) | Medication recommendation method, apparatus and device, and storage medium | |
Burlina et al. | Use of deep learning for detailed severity characterization and estimation of 5-year risk among patients with age-related macular degeneration | |
US11664097B2 (en) | Healthcare information technology system for predicting or preventing readmissions | |
US20210193320A1 (en) | Machine-learning based query construction and pattern identification for hereditary angioedema | |
Boyle et al. | Use of electronic health records to support smoking cessation | |
US20070156032A1 (en) | Electronic disease management system | |
US10423758B2 (en) | Computer system and information processing method | |
JP5977898B1 (en) | BEHAVIOR PREDICTION DEVICE, BEHAVIOR PREDICTION DEVICE CONTROL METHOD, AND BEHAVIOR PREDICTION DEVICE CONTROL PROGRAM | |
US20070027710A1 (en) | Method and system for automatically processing and evaluating medical data | |
US11996200B2 (en) | Method, apparatus, and computer readable media for artificial intelligence-based treatment guidance for the neurologically impaired patient who may need neurosurgery | |
KR101565331B1 (en) | Analyzing system for medical informations using patterns and the method thereof | |
CN116434899A (en) | Health record information platform establishment method based on multi-source data | |
Nabi et al. | Machine learning approach: Detecting polycystic ovary syndrome & it's impact on bangladeshi women | |
CN112598090B (en) | Method, device, equipment and system for health portrait | |
Muthukumar et al. | RETRACTED ARTICLE: KYP modeling architecture for cardiovascular diseases and treatments in healthcare institutions | |
KR102484681B1 (en) | Method and system for clinical decision-making | |
Zhao et al. | Construction of guideline-based decision tree for medication recommendation | |
CN109522331A (en) | Compartmentalization various dimensions health data processing method and medium centered on individual | |
US11243972B1 (en) | Data validation system | |
CN115545955B (en) | Method and device for detecting abnormal data in medical archive data and electronic equipment | |
KR20230153674A (en) | Method and system for clinical decision-making | |
Najjar | An Electronic Health Records Interoperability Model Among Hebron Hospitals In Palestine | |
US20230099249A1 (en) | Automated data-based provision of a patient-specific medical action recommendation | |
Goh | Data mining for precision medicine in clinical decision support systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |