KR102578043B1 - 메디컬 자료 관리 시스템, 관리 방법 및 이를 위한 프로그램 - Google Patents

Abstract

본 발명은 메디컬 자료 관리 시스템, 관리 방법 및 이를 위한 프로그램에 관한 것으로, 보다 상세하게는 메디컬 자료를 디지털화시켜 관리하기 위한 메디컬 자료 관리 시스템 및 관리 방법에 관한 것으로, 머신러닝 알고리즘을 이용하여 메디컬 자료의 포맷을 분석하고 데이터를 추출하는 자료 분석부, 상기 자료 분석부로부터 추출된 데이터를 저장하는 데이터 저장부, 상기 추출된 데이터 및 상기 분석된 포맷을 이용하여 상기 메디컬 자료와 상응하는 디지털 자료를 생성하는 디지털 자료 생성부를 포함하는 메디컬 자료 관리 시스템 및 이를 이용한 관리 방법을 제공한다.

Description

메디컬 자료 관리 시스템, 관리 방법 및 이를 위한 프로그램 {A SYSTEM, A METHOD AND A PROGRAM FOR MANAGING MEDICAL DOCUMENTS}

본 발명은 메디컬 자료 관리 시스템, 관리 방법 및 이를 위한 프로그램에 관한 것으로, 보다 상세하게는 메디컬 자료를 디지털화시켜 관리하기 위한 메디컬 자료 관리 시스템, 관리 방법 및 이를 위한 프로그램에 관한 것이다.

정보 통신 기술이 발전함에 따라 EMR(Electronic Medical System), PACS(Picture Archiving and Communication System), OCS(Order Communication System) 등을 이용한 전산화된 병원 정보 시스템(Hospital Information System; HIS)의 도입이 활발하게 이루어지고 있다. 따라서, 의료 기관에서 생성되는 다양한 의료 기록은 디지털 데이터 형태로 관리 및 유통이 이루어지며, 스마트 헬스케어 산업 분야에서 다양한 목적으로 널리 활용되고 있다.

최근 디지털 의료 영상기기, 전산 입력 장치 등이 널리 이용됨에 따라, 대부분의 메디컬 자료(medical document)가 디지털 데이터로 생산되므로 이를 전산화하여 저장 관리하는 것이 용이하다. 다만, 종래의 메디컬 자료는 X-ray 필름, 수기로 작성된 진료 차트 등과 같이 페이퍼 형태로 이루어진 경우가 많다. 따라서, 종래의 메디컬 자료를 전산화하는 과정은 관리자가 각 자료를 개별적으로 입력해야하는 어려움이 있고, 입력 과정에서 발생하는 오류로 인한 신뢰도 저하의 문제가 있다.
(특허문헌 1) KR20090083319A

본 발명은 상기한 문제점을 해결하기 위한 것으로, 종래의 메디컬 자료를 디지털 자료로 변환하여 관리하되, 디지털 자료로의 변환이 용이하고 변환된 자료의 신뢰도를 향상시킬 수 있는 메디컬 자료 관리 시스템, 관리 방법 및 이를 위한 프로그램을 제공하기 위함이다.

상기한 목적을 달성하기 위해, 본 발명은, 머신러닝 알고리즘을 이용하여, 메디컬 자료의 포맷을 분석하고 데이터를 추출하는 자료 분석부, 상기 자료 분석부로부터 추출된 데이터를 저장하는 데이터 저장부, 상기 추출된 데이터 및 상기 분석된 포맷을 이용하여 상기 메디컬 자료와 상응하는 디지털 자료를 생성하는 디지털 자료 생성부를 포함하는 메디컬 자료 관리 시스템을 제공한다.

여기서, 상기 추출되는 데이터는 복수의 텍스트 데이터를 포함하고, 상기 자료 분석부는 상기 머신러닝 알고리즘을 이용하여 상기 추출된 복수의 텍스트 데이터의 상관 관계를 분석하고, 상기 데이터 저장부는 상기 복수의 데이터를 상기 분석된 상관 관계에 근거하여 저장할 수 있다.

예를 들어, 상기 자료 분석부는 상기 복수의 텍스트 데이터를 추출하되, 적어도 하나의 항목 데이터 및 상기 항목 데이터에 상응하는 밸류 데이터로 구분하여 추출하고, 상기 데이터 저장부는 상기 항목 데이터 및 상기 항목 데이터에 상응하는 밸류 데이터를 연관시켜 저장할 수 있다.

자료 분석부는, 상기 메디컬 자료 중 이미지 영역 또는 텍스트 영역을 구분하여 인식하는 제1 분석모듈, 상기 제1 분석모듈에 의해 구분된 이미지 데이터 또는 텍스트 데이터를 추출하여 인식하는 제2 분석모듈, 상기 제2 분석모듈을 통해 추출된 이미지 데이터 또는 텍스트 데이터 간의 상관 관계를 분석하는 제3 분석모듈을 포함할 수 있다.

그리고, 상기 자료 분석부에서 분석된 메디컬 자료의 포맷과 상응하는 템플레이트를 생성하는 템플레이트 생성부를 더 포함하고, 상기 디지털 자료 생성부는 상기 메디컬 자료의 포맷과 상응하는 템플레이스 상에 상기 추출된 데이터를 배치하여 디지털 자료를 생성할 수 있다. 여기서, 상기 템플레이트는 상기 메디컬 자료에 포함된 텍스트 데이터 또는 이미지 데이터의 위치 및 사이즈에 대한 정보를 포함한다.

한편, 상기 디지털 자료 생성부에서 생성된 상기 디지털 자료 및 상기 메디컬 자료를 사용자에게 표시할 수 있도록 구성되는 표시부를 더 포함할 수 있다. 상기 표시부는 사용자가 상기 메디컬 자료 및 상기 디지털 자료를 비교하여 열람하는 것이 가능하도록 상기 메디컬 자료 및 상기 디지털 자료를 표시할 수 있다.

그리고, 사용자가 상기 표시부를 통해 표시된 상기 디지털 자료의 오류를 수정하기 위한 입력부를 더 포함하고, 상기 데이터 저장부는 상기 메디컬 자료의 기 저장된 데이터를 상기 사용자에 의해 수정된 데이터로 저장하도록 구성된다.

나아가, 입력부를 통해 사용자가 수정한 데이터를 이용하여 재훈련 데이터를 생성하는 재훈련 데이터 생성부를 더 포함하고, 상기 자료 분석부의 머신러닝 알고리즘은 상기 재훈련 데이터 생성부에서 생성된 재훈련 데이터를 이용하여 재훈련될 수 있다.

그리고, 서로 상이한 포맷을 갖는 복수의 템플레이트를 저장한 템플레이트 저장부를 더 포함하고, 상기 디지털 자료 생성부는, 사용자의 요청에 따라, 상기 복수의 템플레이트 중 선택된 템플레이트의 포맷에 따른 디지털 자료를 생성하는 것도 가능하다.

상기한 본 발명의 목적은, 머신러닝 알고리즘을 이용하여 메디컬 자료의 포맷 및 데이터를 분석하는 단계, 상기 메디컬 자료로부터 분석된 데이터를 저장하는 단계, 상기 분석된 포맷 및 추출된 데이터를 이용하여 상기 메디컬 자료와 상응하는 디지털 자료를 생성하는 단계를 포함하는 메디컬 자료 관리 방법에 의해서도 달성될 수 있으며, 이를 실행할 수 있도록 구성된 매체에 저장되거나 내려받기 가능한 컴퓨터 프로그램에 의해서도 달성될 수 있다.

본 발명에 의할 경우, 머신러닝 알고리즘을 이용하여 기존의 레거시 자료를 용이하게 디지털 자료로 변환하는 것이 가능하고, 이로 인해 기존에 활용이 어렵던 자료들을 스마트 헬스케어 서비스를 제공하기 위한 데이터로서 활용할 수 있는 장점이 있다.

또한, 본 발명에 의할 경우, 디지털화된 자료는 다양한 양식으로 변환되어 제공됨으로서 자료의 활용성이 높을 뿐 아니라, 사용자가 수정한 변환 오류 정보를 이용하여 머신러닝 알고리즘을 재훈련시켜 학습 능력을 강화시킴으로서 자동 변환 기능의 신뢰도를 향상시킬 수 있다.

도 1은 본 발명의 일 실시예에 따른 메디컬 자료 관리 시스템 및 주변 장치를 도시한 도면,
도 2는 본 실시예에 따른 메디컬 자료 관리 시스템의 구성을 구체적으로 도시한 블록도,
도 3은 도 2의 자료 분석부의 하위 구성을 도시한 블록도,
도 4는 메디컬 자료 및 이에 상응하는 템플레이트를 도시한 도면,
도 5는 상이한 템플레이트를 이용하여 생성된 디지털 자료의 모습을 도시한 도면,
도 6은 표시부에 표시된 메디컬 자료 및 디지털 자료의 모습을 도시한 도면이고,
도 7은 본 실시예에 따른 메디컬 자료의 관리 방법을 도시한 순서도이다.

이하에서는 도면을 참고하여 본 발명의 실시예에 따른 메디컬 자료 관리 시스템 및 관리 방법을 구체적으로 설명한다. 아래의 설명에서 각 구성요소의 위치 관계는 원칙적으로 도면을 기준으로 설명한다. 도면은 설명의 편의를 위해 발명의 구조를 단순화하거나, 필요시 과장하여 표시될 수 있다. 다만, 본 발명이 이에 한정되는 것은 아니며, 이 이외에도 각종 장치를 부가하거나, 변경 또는 생략하여 실시할 수 있음은 물론이다.

도 1은 본 발명의 일 실시예에 따른 메디컬 자료 관리 시스템 및 주변 장치를 도시한 도면이다.

메디컬 자료 관리 시스템(1)은 메디컬 자료(medical document)를 저장하고 관리하는 시스템이다. 여기서, 메디컬 자료라 함은, 의료 기관에서 생성되거나, 의료 서비스와 관련하여 생성되는 다양한 자료를 의미하며, 문진 자료, 진료 기록, 처방 자료, 검사 자료, 수납 자료 등 다양한 자료를 포함할 수 있다. 이러한 메디컬 자료는 텍스트, 이미지 또는 둘 모두를 포함하는 형태의 자료일 수 있다.

메디컬 자료는 디지털화된 자료 및 디지털화되지 않은 자료를 모두 포함하는 것으로 해석될 수 있다. 디지털 자료라 함은, 자료에 포함된 텍스트 또는 이미지 정보가 각각 디지털 데이터로 구성되거나, 인식가능한 자료를 의미한다. 디지털 의료 기기 및 전산 입력 장치의 보급으로, 최근의 메디컬 자료는 디지털 자료 형태로 생성되어 관리되는 것이 일반적이다. 반면, 레거시 장치로부터 생산되거나, 수기로 작성된 진료 차트와 같은 과거의 메디컬 자료는, 디지털화 되지 않은 형태로 보관 및 관리되고 있다. 물론, 종래의 페이퍼 형태의 메디컬 자료를 스캔하여 이미지 파일 형태로 관리되는 경우도 있으나, 스캔된 파일에 포함된 텍스트 정보 또는 이미지 정보가 개별적인 디지털 데이터로서 인식되지는 않는 점에서 이 또한 디지털화되지 않은 자료에 해당한다.

본 실시예에 따른 메디컬 자료 관리 시스템은(1), 이러한 디지털화 되지 않은 메디컬 자료를 디지털 자료로 변환하여 관리하도록 구성된다. 본 시스템에 의할 경우, 디지털화되지 않은 종래의 메디컬 자료를 디지털 데이터로 저장하여 관리될 수 있으며, 이로 인해 다양한 스마트 헬스케어 서비스에 종래의 의료 데이터를 활용하는 것이 가능하다.

다만, 이하에서 본 시스템을 설명함에 있어 종래의 메디컬 자료를 변환되는 특징을 중심으로 설명할 수 있도록, 앞으로 언급되는 '메디컬 자료'는 전술한 디지털화 되지 않은 상태의 메디컬 자료에 국한된 의미로 해석될 수 있다.

도 1에 도시된 바와 같이, 본 시스템(1)은 각종 외부 기기, 외부 서버 및 외부의 데이터 베이스 등과 통신 인터페이스(미도시)를 통해 연결될 수 있다. 일 예로서, 본 시스템(1)은 스캔 장치, 검사 장치, EMR 시스템, 외부 데이터 베이스 등의 외부 장치(2)로부터, 저장 및 관리 대상이 되는 메디컬 자료를 제공받을 수 있다. 그리고, 본 시스템(1)은 제공된 자료를 디지털 데이터로 변환하여 외부 서버, 데이터 베이스 같은 외부 시스템(3)으로 전송할 수 있다.

도 2는 본 실시예에 따른 메디컬 자료 관리 시스템의 구성을 구체적으로 도시한 블록도이다. 이하에서는, 도 2를 참조하여, 본 실시예에 따른 메디컬 자료 관리 시스템(1)에 대해 보다 구체적으로 설명한다.

도 2에 도시된 바와 같이, 본 시스템(1)은 서버(10) 및 사용자 단말(20)을 포함한다. 서버(10)는 메디컬 자료를 디지털 자료로 변환 생성하기 위한 각종 연산을 수행하고, 관련 자료, 데이터 등을 저장하는 구성이다. 서버(10)는 의료 기관의 원내 서버를 이용할 수 있으며, 클라우드 상에서 연산 및 저장이 이루어지는 클라우드 서버를 이용하는 것도 가능하다. 또는, 서버를 구성하는 구성 요소 중 일부가 클라우드 상에서 구현되도록 구성되는 것도 가능하다. 사용자 단말(20)은 메디컬 자료 및 디지털 자료를 사용자에게 표시하고, 사용자가 각종 정보 및 명령을 입력하는 구성이며, PC, 넷북, 태블릿 PC, 스마트폰 등 디스플레이 모듈을 포함하는 다양한 전자 장치를 이용할 수 있다.

다만, 도 2에서는 서버와 사용자 단말이 별도의 장치로서 구성되어 있으나 이에 한정되는 것은 아니며, 도 2의 서버가 사용자 단말에 구비된 프로세서 및 메모리로 구성됨으로써, 서버와 사용자 단말이 하나의 장치로서 구현되는 것도 가능하다.

도 2에 도시된 바와 같이, 서버(10)는, 메디컬 자료 저장부(110), 자료 분석부(120), 데이터 저장부(130), 디지털 자료 생성부(140), 템플레이트 생성부(150), 템플레이트 저장부(160) 및 재훈련 데이터 생성부(170) 등의 구성요소를 포함한다. 각 구성요소는 서버(10)에 구비되는 메모리 및 프로세서를 이용하여 구성되며, 이하에서 설명하는 각각의 동작을 수행하도록 다양한 방식으로 설계될 수 있다.

우선, 메디컬 자료 저장부(110)는 메디컬 자료가 저장된 구성으로, 적어도 하나의 메모리를 포함하여 구성될 수 있다. 여기서, 메디컬 자료는 본 시스템에 의해 디지털 변환되는 대상이 되는 자료로서, 종래의 페이퍼 자료를 스캔하거나 촬영한 이미지 파일 형태의 자료일 수 있다. 이러한 메디컬 자료는 별도의 스캔 장치, 촬영 장치, EMR 서버 등과 같은 외부 장치 및 외부 시스템으로부터 제공되어, 메디컬 자료 저장부(110)에 저장된다.

자료 분석부(120)는 메디컬 자료 저장부(110)에 저장된 자료를 분석하기 위한 구성으로, 프로세서 및 메모리 등을 이용하여 구성된다. 자료 분석부(120)는 디지털화되지 않은 메디컬 자료의 포맷을 분석하고 메디컬 자료에 포함된 데이터를 추출하여 분석한다.

이러한 자료 분석부(120)는 머신 러닝 알고리즘을 이용하여 자동적으로 메디컬 자료를 분석하도록 구성된다. 머신 러닝은 인공지능의 한 분야로, 대량의 데이터를 이용하여 알고리즘을 학습시키고, 학습된 알고리즘을 이용하여 주어진 데이터에 대해 분석 및 예측을 수행하는 기술이다. 본 실시예의 자료 분석부(120)는 머신 러닝 기술에 의해 학습된 적어도 하나 이상의 알고리즘을 포함하며, 이를 이용하여 메디컬 자료의 포맷과 포함된 데이터를 추출하고 분석한다. 이러한 알고리즘은 분석 목적에 따라 심층 신경망(deep neural network), 합성곱 신경망(convolutional neural network), 순환 신경망(recurrent neural network) 등 다양한 딥러닝 알고리즘 모델을 이용하여 다양하게 설계될 수 있으며, 마련된 학습 데이터를 이용하여 이미 학습된 상태로 이용된다.

도 3은 도 2의 자료 분석부의 하위 구성을 도시한 블록도이다. 자료 분석부(120)는, 일 예로서, 도 3에 도시된 바와 같이, 제1 분석 모듈(121), 제2 분석 모듈(122), 제3 분석 모듈(123)을 포함할 수 있다. 각 분석 모듈은 별도의 머신러닝 알고리즘을 포함하며, 이러한 알고리즘에 기초하여 메디컬 자료를 순차적으로 분석한다.

우선, 제1 분석 모듈(121)은 메디컬 자료의 포맷을 분석하는 모듈이다. 메디컬 자료는, 자료의 종류 및 생산 주체에 따라, 다양한 포맷을 갖는다. 예를 들어, 표와 텍스트만으로 구성된 자료일 수 있고, 이미지와 텍스트를 포함하는 자료일 수도 있으며, 텍스트 및 이미지의 배치 및 사이즈 또한 자료에 따라 각각 상이할 수 있다.

따라서, 제1 분석 모듈(121)은 기 훈련된 알고리즘을 이용하여 분석 대상이 되는 메디컬 자료의 포맷을 분석한다. 이를 통해, 해당 메디컬 자료의 텍스트 영역, 이미지 영역, 표 영역 등을 각각 구분하고, 각 영역의 위치 및 크기 등을 분석한다. 나아가, 메디컬 자료의 텍스트 문자의 크기, 폰트, 배열 패턴 등에 대한 정보를 분석할 수 있다. 이러한 알고리즘은 다양한 종류의 장치로부터 제공되는 다수의 자료를 학습 데이터로 학습시키거나, 명암비 변화에 따른 데이터 영역의 식별 훈련 데이터를 이용하여 학습되는 등 다양한 방식으로 학습될 수 있다.

그리고, 제2 분석 모듈(122)은 제1 분석 모듈에 의해 분석된 포맷 정보에 근거하여, 각 영역의 데이터를 추출하여 인식하는 모듈이다. 예를 들어, 메디컬 자료 중 텍스트 영역은 텍스트 인식 알고리즘을 이용하여 해당 영역의 텍스트 데이터를 추출하고 이를 인식한다. 그리고, 이미지 영역은 이미지 인식 알고리즘을 이용하여 해당 영역의 이미지 데이터를 추출하여 이를 인식한다.

전술한 텍스트 인식 알고리즘은, 텍스트 데이터를 추출하고 이를 인식하는데 있어, 텍스트 인식률이 향상되도록 학습된 알고리즘일 수 있다. 또한, 이미지 인식 알고리즘은 양호한 품질의 이미지 데이터를 획득할 수 있도록, 해상도를 높이고 노이즈를 제거하도록 학습된 알고리즘일 수 있다. 이러한 알고리즘은 타 분야에서 이용되는 텍스트/이미지 인식 알고리즘을 이용하는 것도 가능하나, 본 실시예에서는 메디컬 자료에 특화된 학습 데이터를 이용하여 학습된 알고리즘을 이용한다. 예를 들어, 텍스트 인식 알고리즘은 메디컬 자료에서 사용 빈도가 높거나, 의료 분야에서 주로 사용되는 용어를 학습 데이터로 하여 학습될 수 있다. 또한, 이미지 인식 알고리즘은, 병변 정보와 같은 의료 이미지의 주요 정보가 훼손되지 않도록 가공하거나, 의료기기에서 주로 나타나는 노이즈 인자를 용이하게 제거하도록 학습될 수 있다.

제2 분석 모듈(122)은 텍스트 인식 알고리즘 및 이미지 인식 알고리즘을 각각 단수로 구비되는 것도 가능하나, 복수의 알고리즘을 구비하고 이 중 분석되는 메디컬 자료의 종류에 따라 적합한 알고리즘을 택일하여 분석을 수행하도록 구성될 수도 있다. 예를 들어, 메디컬 자료의 포맷 분석 결과, 자료의 크기, 자료의 명칭, 포함된 이미지 등에 근거하여 메디컬 자료의 카테고리(예를 들어, 진료 과목, 자료 유형, 자료가 생산된 장치 종류 등)를 결정하고, 해당 카테고리에 적합한 알고리즘을 선택하여 분석을 진행하는 것도 가능하다.

그리고, 제3 분석 모듈(123)은 추출된 복수의 텍스트 데이터 사이, 또는 복수의 이미지 데이터 사이, 또는 텍스트 데이터와 이미지 데이터 사이의 상관 관계를 분석하는 모듈이다. 예를 들어, 제2 분석 모듈을 통해 추출된 복수의 텍스트 중 일부는 항목 데이터이고 다른 일부는 해당 항목에 대한 밸류 데이터로서, 추출된 데이터 사이의 상관 관계가 존재한다. 또는, 추출된 텍스트 데이터 중 일부는 추출된 이미지 데이터의 촬영 부위, 촬영 파라미터 등을 의미하는 등 추출된 데이터간의 상관 관계가 존재한다.

따라서, 제3 분석 모듈(123)은, 데이터 사이의 위치 관계, 각 항목에 대한 밸류 데이터 표시 방식 등 다양한 정보를 이용하여 학습된 알고리즘을 이용하며, 이를 통해 추출된 데이터 간의 상관 관계를 분석한다. 이로 인해, 추출된 데이터가 개별적으로 인식되어 관리되는 것이 아니라, 메디컬 자료에 포함된 정보의 종합적인 의미를 파악하는 것이 가능하다.

한편, 도 3에서는 도시되지 않았으나, 자료 분석부(120)는 부가적으로 제4 분석 모듈을 더 포함하는 것도 가능하다. 제4 분석 모듈은, 제1 내지 3 분석 모듈을 통해 분석된 데이터에 근거하여, 분석 대상인 메디컬 자료에는 포함되지 않은 추가 분석을 진행하는 모듈이다. 일 예로, 제4 분석 모듈은, 추출된 이미지 데이터에 기초하여 자동 진단 알고리즘을 통해 이상 조직의 위치를 검출하는 분석 모듈일 수 있다. 또는, 추출된 검사 정보에 기초하여 환자의 상태 정보를 분석하고 카테고리화(예를 들어, 고혈압 위험군 여부) 하는 분석 모듈일 수도 있다. 이러한 제4 분석 모듈은 목적에 따라 다양하게 구성할 수 있으며, 시스템에 구비된 다양한 알고리즘 중 사용자의 선택 및 요청에 따라 원하는 알고리즘을 선택하여 필요한 정보를 도출하기 위한 분석을 수행할 수 있다. 이처럼, 제4 분석 모듈을 이용하는 경우, 기존 자료를 단순히 디지털 데이터로 변환하는 과정에서, 해당 데이터를 이용하여 사용자가 원하는 추가적인 분석까지 수행할 수 있는 장점이 있다.

전술한 자료 분석부(120)는, 다양한 머신 러닝 알고리즘을 이용하여 메디컬 자료로부터 자료의 포맷, 텍스트 데이터, 이미지 데이터 및 이들의 상관 관계 등의 정보를 획득한다. 다만, 이상에서는 일 예로서 제1 내지 제4 분석 모듈을 포함하는 자료 분석부를 설명하고 있으나, 이는 설명의 편의를 위한 것으로 이에 한정되는 것은 아니다. 전술한 예에서 각 분석 모듈에서 분석되는 대상이 별도의 알고리즘에 의해 독립적으로 분석되는 것이 아니라, 각 분석이 병렬적으로 진행되거나 또는 서로 연계되어 순서가 변형되거나 반복되는 방식으로 알고리즘을 구성할 수도 있고, 하나의 통합 알고리즘을 통해 분석되도록 구성되는 것도 가능하다.

다시, 도 2를 중심으로 설명하면, 데이터 저장부(130)는 전술한 자료 분석부(120)를 통해 획득된 각종 데이터를 저장하는 구성이다. 구체적으로, 데이터 저장부(130)에 저장되는 데이터는, 분석 대상이 된 메디컬 자료에 포함된 텍스트 데이터 및 이미지 데이터 등을 포함한다. 이때, 텍스트 데이터 및 이미지 데이터는 메디컬 자료에 표시된 위치 정보를 포함하여 저장될 수 있으며, 데이터 간 상관 관계가 반영된 데이터 구조로 저장될 수 있다(예를 들어, 복수의 텍스트 데이터 중 항목 데이터 및 이에 대한 밸류 데이터는 데이터 구조 등을 이용하여 서로 연관되도록 저장). 또한, 자료 분석부의 분석 과정을 통해 얻어지는 정보(예를 들어, 인식된 텍스트 데이터에 대한 인식 예상 성공률 등) 또한 각 데이터에 연관되어 저장되는 것도 가능하며, 제4 분석 모듈 등을 통해 추가적으로 획득되는 분석 정보 또한 데이터 저장부에 저장될 수 있다.

이러한 데이터 저장부(130)는 복수의 메모리를 포함하여 구성되며, 분석된 메디컬 자료에 포함된 각종 정보가 디지털 데이터 형태로 저장된다. 이에 의해, 메디컬 자료에 포함된 정보를 디지털 데이터로서 관리 및 활용하는 것이 가능하고, 이를 이용하여 상응하는 디지털 자료를 생성한다.

한편, 템플레이트 생성부(150)는 분석되는 메디컬 자료의 포맷과 상응하는 템플레이트를 생성하는 구성이다. 템플레이트는 아래에서 설명하는 디지털 자료의 포맷을 구성하는 것으로, 디지털 자료 상에 표시되는 텍스트 데이터, 이미지 데이터 등의 위치 및 사이즈 등의 정보를 포함한다. 이하에서는, 도 4를 참조하여, 템플레이트 생성부에서 생성되는 템플레이트에 대해 구체적으로 설명한다.

도 4의 a는 분석 대상이 된 메디컬 자료의 일 예를 도시한 것이고, 도 4의 b는 해당 메디컬 자료의 포맷에 상응하는 템플레이트를 도시한 것이다. 전술한 자료 분석부(120)에서 도 4의 a의 메디컬 자료의 포맷 등에 대한 분석이 이루어지면, 분석된 정보는 템플레이트 생성부(150)로 제공된다. 그리고, 템플레이트 생성부(150)는 이에 근거하여 도 4의 b와 같이 메디컬 자료와 동일한 포맷의 템플레이트를 생성한다.

생성된 템플레이트는, 텍스트 영역 또는 이미지 영역의 위치 및 크기, 각 영역에 위치하는 데이터의 항목, 텍스트 문자의 크기, 폰트, 표시 방식 등의 정보를 포함할 수 있다. 일 예로, 도 4의 b의 경우, 템플레이트 중앙에 이미지 데이터 영역(a)이 위치하고, 이미지 영역의 상측에는 환자 정보 및 촬영 일시에 대한 텍스트 데이터 영역(b1, b2)이 위치하며, 이미지 영역의 하측에는 이미지 정보, 촬영 조건, 자료 인덱스 정보에 대한 텍스트 데이터 영역(b3, b4, b5)이 위치하는 정보를 포함한다. 나아가, 각 영역에서 데이터가 표시되는 방식 및 배치 등에 대한 정보를 포함할 수 있다. 따라서, 디지털 자료 생성시, 디지털 저장부에 저장된 데이터를, 템플레이트에 포함된 조건에 맞게 템플레이트 상에 표시함으로써, 분석 대상인 메디컬 자료와 동일한 형태의 디지털 자료를 생성하는 것이 가능하다.

템플레이트 생성부(150)는, 분석 대상인 메디컬 자료에 상응하는 템플레이트가 시스템 상에 저장되지 않은 경우에, 선택적으로 템플레이트 생성 단계를 수행하며, 후술할 템플레이트 저장부(160)가 해당 템플레이트를 저장하고 있는 경우 템플레이트 생성 단계를 생략한다.

다시, 도 2를 중심으로 설명하면, 템플레이트 저장부(160)는 서로 상이한 포맷을 갖는 복수의 템플레이트를 저장하는 구성으로, 메모리를 포함하여 구성된다. 저장된 템플레이트는 전술한 템플레이트 생성부에서 생성된 템플레이가 제공되어 누적적으로 저장된 것일 수도 있고, 외부에서 제공되거나 사용자가 제작한 템플레이트일 수 있다. 템플레이트 저장부(160)는 분석된 메디컬 자료에 상응하는 템플레이트 또는 사용자가 선택한 템플레이트를 디지털 자료 생성부로 제공한다.

디지털 자료 생성부(140)는, 전술한 단계를 통해 추출된 데이터 및 분석된 포맷을 이용하여 디지털 자료를 생성하는 구성으로, 프로세서 및 메모리를 이용하여 구성될 수 있다. 디지털 자료 생성부(140)는 템플레이트 저장부(160)로부터 해당 포맷의 템플레이트를 제공받고, 데이터 저장부(130)로부터 해당 메디컬 자료에서 획득된 각종 데이터를 제공받는다. 그리고, 제공된 템플레이트 상에 해당하는 데이터를 (템플레이트에 포함된 정책에 따라) 배치 및 표시하여 디지털 자료를 생성한다.

이러한 구성에 의해, 분석 대상인 메디컬 자료에 상응하는 디지털 자료가 생성되며, 디지털 자료로서 저장 및 관리가 이루어진다. 이러한 디지털 자료는 전술한 바와 같이 포함된 정보가 각각의 디지털 데이터로 인식될 수 있다. 따라서, 변환 전 메디컬 자료와 달리, 일부 데이터를 수정하거나, 일부 데이터만을 선택적으로 발췌하고 가공하는 것이 가능하며, 나아가 포함된 데이터들을 다양한 스마트 헬스케어 서비스 산업에 활용하는 것이 가능하다

이러한 디지털 자료는 메디컬 자료와 동일한 포맷을 갖고 동일한 정보를 포함하는 형태로 생성될 수 있다. 또는, 메디컬 자료 분석 과정에서 획득된 추가적인 정보(예를 들어, 텍스트 인식 예상 성공률, 이미지 데이터 자동 진단 소견 등)를 더 포함할 수 있다. 다만, 이외에도, 디지털 자료 생성부는 메디컬 자료의 포맷과 상이한 다양한 포맷의 디지털 자료를 생성하는 것도 가능하다.

도 5는 상이한 템플레이트를 이용하여 생성된 디지털 자료의 모습을 도시한 도면이다. 도 5에 도시된 바와 같이, 사용자가 템플레이트 저장부에 저장된 다양한 종류의 템플레이트 중 원하는 것을 선택하면, 디지털 자료 생성부(140)는 선택된 템플레이트를 이용하여 디지털 자료를 생성한다. 이 경우, 분석 대상이 된 메디컬 자료와 동일한 내용을 포함하되, 메디컬 자료와는 상이한 포맷을 갖는 디지털 자료가 생성된다(도 4의 a와 비교). 이를 이용하는 경우, 다양한 포맷으로 작성된 동종의 메디컬 자료(예를 들어, 다른 제조사의 검사 장비에서 촬영된 검사기록, 상이한 진료기관에서 작성된 진료 차트 등)를 동일한 포맷의 디지털 자료로 양식을 통일시켜 관리할 수 있는 장점이 있다.

다시, 도 2를 중심으로 설명하면, 본 시스템의 사용자 단말(20)은, 메디컬 자료 또는 디지털 자료를 표시하는 표시부(210) 및 사용자가 시스템에 명령 및 정보를 입력하기 위한 입력부(220)를 포함한다. 이러한 사용자 단말(20)은, 서버(10)와 연결되어 서버에 저장된 다양한 자료를 제공받고, 사용자로부터 입력되는 다양한 정보 및 지시 사항을 서버(10)로 전달한다. 사용자는 사용자 단말(20)을 통해 저장된 자료를 열람하는 것이 가능하고, 자료를 가공 또는 수정하거나, 자료의 관리 및 유통에 관한 다양한 작업을 지시할 수 있다.

전술한 바와 같이, 표시부(210)는 적어도 하나의 디스플레이 장치를 포함하며, 사용자는 표시부(210)를 통해 디지털 변환된 디지털 자료를 열람할 수 있다. 여기서, 표시되는 디지털 자료는 디지털 자료 생성부에서 생성된 자료로서, 전술한 바와 같이 디지털화되지 않은 메디칼 자료 대비, 해상도가 개선된 이미지를 포함할 수 있으며, 자료 분석 과정에서 얻어진 부가적인 정보(예를 들어, 영상 중 이상 병변 위치, 환자 카테로기 분류 결과, 예상되는 텍스트 인식률 등)를 포함할 수 있다. 또한, 분석 대상에 포함된 정보를 사용자가 원하는 포맷의 자료로 열람하는 것도 가능하다(도 5의 설명 참조).

나아가, 본 실시예의 표시부(210)는 메디컬 자료와 이에 상응하는 디지털 자료를 비교하여 열람하는 것이 가능하도록 표시된다. 디지털 자료는 자료 분석부(120)의 머신러닝 알고리즘에 의해 자동적으로 인식되어 생성되므로, 알고리즘의 인식 정확도에 따라 인식 에러나 오류 정보가 포함될 수 있다. 따라서, 사용자는 디지털 자료 열람시 원본이 되는 메디컬 자료와 비교하여 확인함으로써, 정확한 정보를 인식하는 것이 가능하며, 나아가 디지털 자료에 포함된 에러 또는 정보 오류를 정정할 수 있다.

도 6은 표시부에 표시된 메디컬 자료 및 디지털 자료의 모습을 도시한 도면이다. 일 예로, 표시부는 하나의 화면을 분할하여 일측에는 디지털화되지 않은 메디컬 자료(스캔된 이미지)를 표시하고(도 6에서 좌측 화면), 다른 일측에는 디지털 자료 생성부에 의해 생성된 디지털 자료가 표시된다(도 6에서 우측 화면). 따라서, 사용자는 메디컬 자료와 디지털 자료를 동시에 확인하면서 열람하는 것이 가능하다. 다만, 이는 일 예이며, 토글 키(toggle key) 등을 이용한 화면 전환 요청에 의해, 표시부 상에 메디컬 자료와 디지털 자료가 번갈아가며 표시되는 등 다양하게 변형하여 실시할 수 있다. 또는, 메디컬 자료(스캔된 이미지) 및 디지털 자료가 각각 별도의 레이어를 형성하여 상기 표시부 상에 서로 중첩 표시되고, 사용자가 각각의 레이어의 투명도를 조절하며 겹쳐진 두 자료를 비교하며 열람할 수 있도록 실시하는 것도 가능하다.

한편, 사용자 단말(20)은 사용자가 원하는 정보 또는 명령을 입력하기 위한 입력부(220)를 더 포함한다. 입력부(220)는 키보드, 마우스 등의 다양한 입력 인터페이스 장치로 구성될 수 있다. 사용자는 전술한 바와 같이, 표시부(210)를 통해 메디컬 자료와 디지털 자료를 비교 확인하면서, 입력부(220)를 통해 디지털 자료에 대한 평가 정보를 입력할 수 있다. 이때, 디지털 데이터는 자료 분석시 데이터 인식 예상 성공률에 대한 정보를 표시할 수 있으며, 예상 성공률이 낮은 데이터는 디지털 자료 상에 강조 표시되어, 사용자는 해당 데이터를 쉽게 식별하여 평가할 수 있다.

일 예로, 비교 확인 결과, 디지털 자료의 정보가 정확하다고 판단되면, 사용자는 해당 디지털 자료에 대해 변환되 데이터 정보가 정확하다는 확인 소견을 입력부(220)를 통해 입력할 수 있다. 이 경우, 해당 디지털 자료에 대한 확인 소견은 데이터 저장부(130)에 함께 저장되어 관리될 수 있다.

다른 예로서, 비교 확인 결과, 디지털 자료가 에러 또는 오류 정보를 포함하고 있다고 확인되면, 입력부(220)를 통해 해당 디지털 자료의 에러 또는 오류 정보 포함 사실을 입력할 수 있다. 이 경우, 본 시스템(1)은 자료 분석부에 해당 메디컬 자료를 재분석하도록 지시하고, 재분석된 데이터에 근거하여 디지털 자료를 새롭게 생성할 수 있다.

또는, 비교 확인 결과 디지털 자료가 에러 또는 오류 정보를 포함한 것으로 확인되면, 사용자는 메디컬 자료를 통해 확인된 정확한 데이터를 표시부(210)에 표시된 디지털 자료 상에 직접 입력하여 수정 및 보완을 수행할 수 있다. 이 경우, 해당 디지털 자료는 사용자가 입력한 데이터에 의해 수정되며, 수정된 데이터는 데이터 저장부로 전달되어 해당 자료에 대한 데이터가 수정된 데이터로 변경/업데이트 되어 저장/관리될 수 있다.

나아가, 이와 같이 사용자가 디지털 자료에 대해 수정한 정보는, 본 시스템의 머신러닝 알고리즘을 재훈련시키기 위한 재훈련데이터로 활용되는 것도 가능하다. 변환된 디지털 자료에 수정 사항이 존재하는 것은, 자료 분석부(120)에서 이용한 머신러닝 알고리즘이 추가적으로 학습될 여지가 있다는 것을 의미한다. 따라서, 서버의 재훈련 데이터 생성부(170)(도 2 참조)는 사용자가 입력부를 통해 수정한 데이터를 이용하여 재훈련 데이터를 생성하고, 자료 분석부(120)의 각 분석 모듈은 추가된 재훈련 데이터를 이용하여 알고리즘(예를 들어, 제2 분석 모듈의 알고리즘)을 재훈련시켜 디지털 변환시 인식 성공률 및 정확성을 향상시킬 수 있다.

도 7은 본 실시예에 따른 메디컬 자료의 관리 방법을 도시한 순서도이다. 이하에서는, 도 7을 참조하여, 본 실시예에 따른 메디컬 자료 관리 시스템을 이용한 관리 방법을 구체적으로 설명한다.

우선, 본 시스템(1)의 메디컬 자료 저장부에 분석 대상이 되는 메디컬 자료가 제공된다. 제공되는 메디컬 자료는 디지털화되지 않은 스캔된 파일 형태일 수 있다. 이러한 메디컬 자료는 외부 장치, 외부 서버 또는 외부 저장장치에 의해 제공될 수 있다.

그리고, 사용자의 선택 등에 의해 분석대상이 되는 메디컬 자료가 결정되면, 본 시스템의 머신러닝 알고리즘을 이용하여 해당 메디컬 자료에 대한 자동 분석 단계가 진행된다.

우선, 메디컬 자료의 포맷을 분석하는 단계를 수행한다(S10). 이는 자료 분석부(120)의 제1 분석 모듈(121)에 의해 수행될 수 있으며, 이를 통해 해당 메디컬 자료의 데이터 영역, 해당 영역의 데이터 특성 등 자료의 포맷과 관련된 다양한 정보를 분석한다.

또한, 메디컬 자료의 데이터를 추출하고 분석하는 단계를 수행한다(S20). 본 단계는 자료 분석부(120)의 제2 분석 모듈(122) 및 제3 분석 모듈(123)에 의해 수행될 수 있다. 구체적으로, 제2 분석 모듈(122)은 분석된 포맷 정보에 근거하여, 각 영역의 데이터를 추출하여 인식하며, 제3 분석 모듈(123)은 추출/인식된 데이터 간의 상관 관계를 분석할 수 있다.

전술한 단계를 통해, 본 시스템은 분석 대상이 되는 메디컬 자료의 양식, 포함된 정보, 정보간 상관 관계에 대한 전체적인 분석이 이루어질 수 있다. 여기서, 제1 내지 제3 분석 모듈은 각각 적어도 하나의 머신러닝 알고리즘을 포함할 수 있으며, 구체적으로 하나의 분석 모듈은 사용 가능한 복수의 알고리즘을 포함하고 자료의 특성을 고려하여 선택된 알고리즘을 이용하여 자료 분석을 수행할 수 있다. 다만, 전술한 S10 단계 및 S20 단계가 순차적으로 진행되는 것에 한정되는 것은 아니며, 병렬적으로 진행되거나 또는 각 분석 단계가 서로 유기적으로 연관된 형태로 분석이 이루어질 수 있다.

한편, 메디컬 자료에 대한 분석을 통해 데이터가 추출되면, 해당 자료에 대한 데이터를 데이터 저장부(130)에 저장하는 단계가 진행된다(S30). 본 단계를 통해 디지털화되지 않은 메디컬 자료에 포함된 각종 정보가 디지털 데이터 형태로 저장되어 관리될 수 있다.

이후, 분석된 메디컬 자료에 상응하는 디지털 자료를 생성하는 단계를 수행한다(S40). 본 단계는 메디컬 자료의 포맷과 동일한 템플레이트 상에, 데이터 저장부(130)에 저장된 해당 메디컬 자료의 데이터를 위치시키는 방식으로 이루어질 수 있다.

본 단계에서, 디지털 자료를 생성하기 위한 템플레이트는, 템플레이트 저장부(160)에 저장된 템플레이트 중에서 선택될 수 있다. 다만, 템플레이트 저장부에 해당 포맷의 템플레이트가 저장되지 않은 경우, 템플레이트 생성부(150)가 자료 분석부에서 분석된 자료의 포맷 정보에 근거하여 상응하는 템플레이트를 생성하고, 이를 이용하여 디지털 자료를 생성할 수 있다.

다만, 본 단계에서 생성되는 디지털 자료는 분석 대상과 상응하는 포맷 이외에도 사용자가 원하는 템플레이트를 이용하여 상이한 포맷을 갖도록 생성되는 것도 가능하다.

생성된 디지털 자료는 단말(20)의 표시부로 제공되어, 표시부(210)를 통해 사용자에게 표시된다(S50). 따라서, 사용자는 해당 메디커 자료를 디지털 자료 형태로 열람하며, 다양한 방식으로 가공 및 편집하여 이용할 수 있다. 이때, 비교 열람이 가능하도록, 표시부 상에는 원본 메디컬 자료와 변환된 디지털 자료가 동시에 또는 교대로 표시되도록 구성될 수 있다.

그리고, 사용자는 표시부를 통해 메디컬 자료와 디지털 자료를 확인하는 과정에서, 디지털 자료의 에러 또는 오류 정보를 발견하는 경우, 입력부(220)를 통해 디지털 자료의 일부 데이터를 수정하는 단계를 진행할 수 있다(S60). 수정된 데이터는 데이터 저장부에 업데이트 되며, 관리되는 데이터의 정확성을 향상시킬 수 있다.

나아가, 재훈련 데이터 생성부(170)는 전술한 단계에서 사용자가 수정한 데이터 정보를 이용하여 재훈련 데이터를 생성하고, 이를 이용하여 분석 모듈의 알고리즘을 재훈련하는 단계를 수행할 수 있다(S70). 이러한 단계를 통해 본 시스템을 통한 디지털 변환시 오류 발생 가능성을 낮춰, 시스템의 신뢰도를 향상시킬 수 있다.

이상에서 설명한 본 실시예에 따른 메디컬 자료 관리 시스템 및 관리 방법에 의할 경우, 디지털화되지 않은 종래의 메디컬 자료를 머신러닝 알고리즘을 이용하여 자동적으로 디지털 변환하는 것이 가능하다. 이 경우, 개별적인 입력 작업 없이 용이하게 변환하는 것이 가능하며, 사용자의 수정 정보를 이용하여 알고리즘을 지속적으로 재학습시켜 분석 성능을 강화시킴으로써 디지털 데이터 변환의 정확성을 향상시킬 수 있다. 또한, 종래의 메디컬 자료를 디지털화하여 저장 및 관리함으로써 사용자의 니즈 및 용도에 따라 다양하게 가공 및 편집하여 사용하는 것이 가능하고, 이러한 데이터를 진료 활동을 비롯한 다양한 의료 서비스에 활용할 수 있다.

이상에서 설명한 본 실시예에 따른 메디컬 자료 관리 방법은, 본 시스템에 구비되는 적어도 하나의 프로세서들이 각 단계를 수행하도록 시스템의 각종 구성요소를 제어하는 방식으로 구현될 수 있다.

또한, 이상에서 설명한 본 실시예에 따른 메디컬 자료 관리 방법은, 전자 장치에 결합/설치되어 실행되기 위한 프로그램(어플리케이션 포함)으로 구현될 수 있다. 즉, 상기 프로그램을 전자 장치에 설치하고 실행함으로써, 전술한 메디컬 자료 관리 시스템 및 관리 방법을 구현하는 것이 가능하다. 따라서, 본 발명은 이러한 프로그램(매체에 저장되거나, 내려받기 가능한 프로그램) 또는 이러한 프로그램을 저장한 매체에 의해서도 구현될 수 있다.

이러한 프로그램은, 전자 장치가 프로그램을 읽어 들여 프로그램으로 구현된 상기 방법들을 실행시키기 위해, 전자 장치의 연산장치가 읽어들일 수 있는 프로그램 언어로 코드화된 코드를 포함할 수 있다. 이러한 코드는 상기 방법들을 실행하는 필요한 기능들을 정의한 함수 등과 관련된 기능적인 코드(Functional Code)를 포함할 수 있고, 상기 기능들을 단말의 연산장치가 소정의 절차대로 실행시키는데 필요한 실행 절차 관련 제어 코드를 포함할 수 있다.

또한, 이러한 프로그램이 저장되는 매체는, 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상기 저장되는 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있지만, 이에 제한되지 않는다. 예를 들어, 상기 프로그램은 전자 장치가 접속할 수 있는 다양한 웹 서버 상의 다양한 기록 매체에 저장될 수 있다. 또한, 상기 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장될 수 있음을 밝혀둔다.

이상, 본 발명의 일 실시예에 대해 상세하게 기술하였으나, 본 발명이 상기 실시예에 한정되는 것은 아니다. 본 발명이 속하는 기술 분야에 대해 통상의 지식을 가진 사람이면, 첨부된 청구범위에 정의된 본 발명의 기술적 특징의 범위를 벗어나지 않으면서 본 발명을 여러 가지로 변형 또는 변경하여 실시할 수 있음은 밝혀둔다.

1 : 메디컬 자료 관리 시스템, 10 : 서버
20 : 사용자 단말 120 : 자료 분석부
140 : 디지털 자료 생성부 150 : 템플레이트 생성부
160 : 템플레이트 저장부 210 : 표시부

Claims (17)

1. 머신러닝 알고리즘을 이용하여, 비디지털화된 메디컬 자료의 포맷을 분석하고 데이터를 추출하는 자료 분석부;
   상기 자료 분석부로부터 추출된 데이터를 저장하는 데이터 저장부;
   상기 추출된 데이터 및 상기 분석된 포맷을 이용하여 상기 메디컬 자료와 상응하는 디지털 자료를 생성하는 디지털 자료 생성부;
   상기 디지털 자료 생성부에서 생성된 상기 디지털 자료 및 상기 메디컬 자료를 사용자에게 표시할 수 있도록 구성되는 표시부;
   사용자가 상기 표시부를 통해 표시된 상기 디지털 자료의 오류를 수정하기 위한 입력부; 및
   상기 자료 분석부에서 제공되는 정보에 근거하여, 분석된 메디컬 자료의 포맷과 상응하는 템플레이트를 자동적으로 생성하는 템플레이트 생성부를 포함하고,
   상기 디지털 자료 생성부는 상기 템플레이트 생성부에서 생성된 상기 템플레이트 상에 상기 추출된 데이터를 배치하여 디지털 자료를 생성하고,
   상기 표시부에 표시되는 디지털 자료는 상기 표시부에 표시되는 메디컬 자료와 동일한 포맷을 갖는 것을 특징으로 하는 메디컬 자료 관리 시스템.
2. 제1항에 있어서,
   상기 추출되는 데이터는 복수의 텍스트 데이터를 포함하고,
   상기 자료 분석부는 상기 머신러닝 알고리즘을 이용하여 상기 추출된 복수의 텍스트 데이터의 상관 관계를 분석하고,
   상기 데이터 저장부는 상기 복수의 데이터를 상기 분석된 상관 관계에 근거하여 저장하는 메디컬 자료 관리 시스템.
3. 제1항에 있어서,
   상기 자료 분석부는 복수의 텍스트 데이터를 추출하되, 적어도 하나의 항목 데이터 및 상기 항목 데이터에 상응하는 밸류 데이터로 구분하여 추출하고,
   상기 데이터 저장부는 상기 항목 데이터 및 상기 항목 데이터에 상응하는 밸류 데이터를 연관시켜 저장하는 메디컬 자료 관리 시스템.
4. 제1항에 있어서, 상기 자료 분석부는,
   상기 메디컬 자료 중 이미지 영역 또는 텍스트 영역을 구분하여 인식하는 제1 분석모듈;
   상기 제1 분석모듈에 의해 구분된 이미지 데이터 또는 텍스트 데이터를 추출하여 인식하는 제2 분석모듈;
   상기 제2 분석모듈을 통해 추출된 이미지 데이터 또는 텍스트 데이터 간의 상관 관계를 분석하는 제3 분석모듈을 포함하는 메디컬 자료 관리 시스템.
5. 삭제
6. 제1항에 있어서,
   상기 템플레이트는 상기 메디컬 자료에 포함된 텍스트 데이터 또는 이미지 데이터의 위치 및 사이즈에 대한 정보를 포함하는 메디컬 자료 관리 시스템.
7. 제1항에 있어서,
   상기 표시부는 사용자가 상기 메디컬 자료 및 상기 디지털 자료를 비교하여 열람하는 것이 가능하도록 상기 메디컬 자료 및 상기 디지털 자료를 표시하는 메디컬 자료 관리 시스템.
8. 제7항에 있어서,
   상기 데이터 저장부는 상기 메디컬 자료의 기 저장된 데이터를 상기 사용자에 의해 수정된 데이터로 저장하는 메디컬 자료 관리 시스템.
9. 제8항에 있어서,
   상기 입력부를 통해 사용자가 수정한 데이터를 이용하여 재훈련 데이터를 생성하는 재훈련 데이터 생성부를 더 포함하고,
   상기 자료 분석부의 머신러닝 알고리즘은 상기 재훈련 데이터 생성부에서 생성된 재훈련 데이터를 이용하여 재훈련되는 메디컬 자료 관리 시스템.
10. 제1항에 있어서,
    서로 상이한 포맷을 갖는 복수의 템플레이트를 저장한 템플레이트 저장부를 더 포함하고,
    상기 디지털 자료 생성부는, 사용자의 요청에 따라, 상기 복수의 템플레이트 중 선택된 템플레이트의 포맷에 따른 디지털 자료를 생성하는 메디컬 자료 관리 시스템.
11. 자료 분석부에서 머신러닝 알고리즘을 이용하여 디지털화 되지 않은 메디컬 자료의 포맷 및 데이터를 분석하는 단계;
    데이터 저장부가 상기 메디컬 자료로부터 분석된 데이터를 저장하는 단계;
    디지털 자료 생성부가 상기 분석된 포맷 및 추출된 데이터를 이용하여 상기 메디컬 자료와 상응하는 디지털 자료를 생성하는 단계,
    단말의 표시부가 상기 디지털 자료 생성 단계에서 생성된 상기 디지털 자료 및 상기 메디컬 자료를 사용자에게 표시하는 단계; 및
    상기 단말은, 상기 표시부를 통해 표시된 상기 디지털 자료의 오류를 수정하기 위한 수정 데이터 정보를 사용자로부터 입력부를 통해 입력받는 단계;를 포함하고,
    상기 자료 분석부에서 제공되는 정보에 근거하여, 상기 분석된 메디컬 자료의 포맷과 상응하는 템플레이트를 자동적으로 생성하는 단계를 더 포함하고,
    상기 디지털 자료를 생성하는 단계는 상기 생성된 템플레이트 상에 상기 분석된 메디컬 자료의 데이터를 배치하여 디지털 자료를 생성하고,
    상기 디지털 자료 및 상기 메디컬 자료를 사용자에게 표시하는 단계에서 상기 표시부에 표시되는 상기 디지털 자료는 상기 표시부에 표시되는 상기 메디컬 자료와 동일한 포맷을 갖는 것을 특징으로 하는 메디컬 자료의 관리 방법.
12. 제11항에 있어서,
    상기 데이터를 분석하는 단계는 상기 메디컬 자료에 포함된 복수의 텍스트 데이터를 추출하고 상기 추출된 텍스트 데이터 간의 상관 관계를 분석하고,
    상기 데이터를 저장하는 단계는 상기 추출된 복수의 텍스트 데이터를 상기 분석된 상관 관계에 근거하여 저장하는 메디컬 자료 관리 방법.
    
    
13. 제12항에 있어서, 상기 데이터를 분석하는 단계는,
    상기 메디컬 자료 중 이미지 데이터 영역 또는 텍스트 데이터 영역을 구분하여 인식하는 단계;
    상기 구분된 데이터 영역의 이미지 데이터 또는 텍스트 데이터를 추출하여 인식하는 단계; 및
    상기 추출된 이미지 데이터 또는 텍스트 데이터 간의 상관 관계를 분석하는 단계를 포함하는 메디컬 자료의 관리 방법.
14. 삭제
15. 제11항에 있어서,
    상기 표시부는 상기 사용자가 메디컬 자료 및 상기 디지털 자료를 비교하여 열람하는 것이 가능하도록 구성되는 메디컬 자료의 관리 방법.
16. 제15항에 있어서,
    상기 입력된 수정 데이터를 재훈련 데이터로 하여 상기 머신러닝 알고리즘을 재훈련하는 단계를 더 포함하는 메디컬 자료의 관리 방법.
17. 청구항 11항의 방법을 실행하기 위해 매체에 저장된 컴퓨터 프로그램.

Images