KR20070120152A - 의료 데이터 분석 시스템 및 방법 - Google Patents

의료 데이터 분석 시스템 및 방법 Download PDF

Info

Publication number
KR20070120152A
KR20070120152A KR1020077023506A KR20077023506A KR20070120152A KR 20070120152 A KR20070120152 A KR 20070120152A KR 1020077023506 A KR1020077023506 A KR 1020077023506A KR 20077023506 A KR20077023506 A KR 20077023506A KR 20070120152 A KR20070120152 A KR 20070120152A
Authority
KR
South Korea
Prior art keywords
data
text string
medical data
instructions
identifier
Prior art date
Application number
KR1020077023506A
Other languages
English (en)
Inventor
프레드 이 마사리
스튜어트 로페즈
마이클 아이 리버맨
Original Assignee
제너럴 일렉트릭 캄파니
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 제너럴 일렉트릭 캄파니 filed Critical 제너럴 일렉트릭 캄파니
Publication of KR20070120152A publication Critical patent/KR20070120152A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G06F40/295—Named entity recognition
    • 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
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Medical Informatics (AREA)
  • Epidemiology (AREA)
  • Computational Linguistics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medicinal Chemistry (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

본 발명의 어떤 실시예들은 의료 데이터 처리 시스템 및 방법을 제공한다. 상기 방법은, 의료 데이터에서 텍스트 문자열을 식별하는 단계, 상기 텍스트 문자열들을 라이브러리로부터 표준화된 식별자들과 연관시키는 단계, 및 상기 텍스트 문자열과 연관된 상기 표준화된 식별자를 출력하는 단계를 포함한다. 일 실시예에서, 상기 텍스트 문자열들과 연관된 상기 표준화된 식별자들을 포함하는 레포트 및/또는 오더가 인쇄 및/또는 저장될 수 있다. 일 실시예에서, 상기 라이브러리는 상기 텍스트 문자열들을 수용하기 위하여 변형될 수 있다. 사용자 및/또는 소프트웨어 프로그램은, 예를 들면 상기 표준화된 식별자들을 상기 텍스트 문자열들과 연관시키기 위하여 상기 텍스트 문자열들을 검토하는데 이용될 수도 있다. 일 실시예에서, 상기 텍스트 문자열은 복수의 서브-문자열로 분해될 수도 있다. 그리하여, 표준화된 식별자는 각 서브-문자열과 연관되게 된다. 상기 표준화된 식별자들은, 예를 들면 수치값이다.

Description

의료 데이터 분석 시스템 및 방법{SYSTEM AND METHOD FOR PARSING MEDICAL DATA}
본 발명은 의료 데이터 분석에 관한 것이다. 특히, 약물 지시사항을 분석하는 시스템 및 방법에 관한 것이다.
통상적으로 병원은 병원 내의 여러 분과를 관리하기 위하여 컴퓨터 시스템을 활용하고 있고 각 환자에 관한 데이터가 여러 컴퓨퍼 시스템에 의하여 수집된다. 예를 들면, 환자는 흉부 초음파 검사(TTE)를 위하여 병원에 들어갈 수 있다. 환자에 관한 정보(예를 들면, 인구통계 및 보험)가 병원 정보 시스템(HIS)에 의해 획득될 수 있고 환자 기록부 상에 저장될 수 있다. 이 정보는 심장 내과 시스템 (보통 심혈관계 정보 시스템 또는 CVIS로서 알려져 있음)으로 전해질 수 있다. 통상적으로 CVIS는 어떤 한 회사의 제품이고 한편 HIS는 또 다른 회사의 제품이다. 그 결과, 두 시스템 사이의 데이터베이스가 서로 다를 수 있다. 또한, 정보 시스템들이 서로 다른 수준의 개별적 데이터를 포착/보유 및 전송할 수 있다. 환자 정보가 CVIS에 의해 일단 수신되면, 환자는 초음파 검사실에서의 TTE를 위하여 일정이 잡히게 된다. 다음, TTE가 초음파검사자에 의하여 실행된다. 영상 및 측정이 실행되고 CVIS 서버로 전송된다. 판독 의사 (예를 들면, 초음파 심장 검진 의사)가 검토 장소에 앉아서 환자의 TTE 검토를 실행한다. 그 때, 초음파 심장 검진 의사는 영상 및 측정값들을 검토를 시작하고 그 검토에 대한 완전한 의료 레포트를 만들어낸다. 초음파 심장 검진 의사가 의료 레포트를 완성시키면, 그 레포트는 CVIS로 전송되며, 레포트는 그곳에 저장되고 환자 확인 데이터를 통하여 환자와 연계된다. 이 완성된 의료 레포트는, 공적 데이터 조사를 위한 데이터 저장소로 전송될 수 있는 종류의 레포트의 일 예이다. 문서 자료 및/또는 처방전 등과 같은 약물 지시사항도 또한 전자적으로 생성될 수 있고 데이터 저장소에 보관될 수 있다.
오늘날, 의료 장치 제조자 및 제약 회사들에 있어, 그들의 제품의 실생활 활용에 대한 임상 데이터 수집 문제가 더욱 증가하고 있다. 환자의 의료 레포트가 컴퓨터화됨에 따라, 실생활 활용 데이터 획득 능력도 더욱 쉬워진다. 또한 더 많은 유용한 정보에 대하여, 데이터를 조합 및 분석하는 것이 더욱 쉬워진다.
의학 기술이 더욱 복잡 정교해짐에 따라, 임상적 분석도 또한 더욱 복잡 정교해질 것이다. 전자적으로 생성 및 저장되는 데이터 양이 증가한다. 임상 정보 시스템의 출현으로, 환자의 이력이 버튼 한번 누름에 의해 입수 가능해진다. 정보 접근성이 유리해지는 반면에, 임상 설정시에 시간이 부족하다. 의료 기술의 발전의 이점을 충분히 실현하기 위하여 임상 정보를 체계화 및 표준화할 필요성이 더욱 크다.
임상 정보 또는 화상-관련 정보가 체계화되어 있다 하더라도, 현행 시스템은 종종 당해 분야에서 1이상의 개업의에 의해 사용될 수 없는, 개발자에 의해 결정된 형식으로 데이터를 체계화하고 있다. 또한, 정보는 다른 환경에서 데이터 검색 및 사용에 적합하지 않은 형식으로 저장될 수도 있다. 그리하여 이해하고 활용하기에 더욱 쉬운 방식으로 데이터 및 지시사항을 구성할 필요가 있게 된다.
의사에 의해 씌여진 처방전은, 약물, 성상(formulation)(예를 들면, 물약, 정제, 캡술), 용량(예를 들면, 성상의 갯수), 용법(예를 들면, 경구용), 지속시간, 회수/간격, 및/또는 주의사항(예를 들면, 필요한 대로 또는 지시 대로) 등과 같은 정보를 포함한다. Logician® 등과 같은 전자 의료 레포트 시스템은, 약물, 형태, 양(예를 들면, 이부프렌 100 mg 정제) 등과 같은 정보를 표준화 및/또는 처리하지만, 처방전의 나머지 정보는 통상적으로 형식이 없다(예를 들면 무형식의 텍스트 문자열). 만일 어떤 정보가 알려진다면 다른 처방전 정보가 결정될 수 있다 (예를 들면, 알약의 수와 하루 당 먹어야 할 알약의 수는 지속시간을 제공한다). 따라서, 무형식의 처방 정보를 처리하는 시스템이 매우 필요하게 된다.
의료 기술 및 임상 시스템은, 예를 들면 전자 의료 레포트에서 처방을 지시하거나 약물을 기록하는 의사에 의해 이용된다. 3 부분의 지식 베이스는, 용량, 성상, 용법을 포함하여 환자가 구입할 약물의 목록을 완성시킨다. 그러나, 용량, 성상, 용법 정보를 아는 것 만으로는 충분하지 않다. 약물을 얼마나 자주 그리고 얼마나 많이 투여해야 하는지 아는 것이 중요하다. 이 정보 및 다른 정보가, 중요한 지시사항 또는 처방 의사에 의해 기입되는 "주의사항" 내에서 발견될 수 있다.
주의사항은 현재 표준화되어 있지 않고 의사마다 다르다. 그러나, 용량, 성상, 및 용법 등과 같은 정보는 통상적으로 표준화되어 있다. 그리하여, 의약을 관 리하기 위한 명백하고 분명하고 완전한 지시사항이 매우 필요하다. 또한, 주의사항을 판독 및 해석하기 위한 신뢰할만한 시스템이 매우 필요하다. 주의사항 해석에서 신뢰성 개선은 환자 안전을 위해 매우 중요하다. 주의사항에 대한 신뢰성 있는 판독 및 저장도 또한 환자 보호의 질을 향상시킨다. 주의사항 해석에서 오류의 감소는 또한 건강관리 공급자, 약국, 및 보험회사 등에 대한 비용을 절감시킬 수도 있다. 주의사항 해석에 대한 구조화된 데이터 획득은, 예를 들면 데이터 검색 및 결정 지지를 용이하게 한다.
전자 의료 기록 또는 레포트에서, 명확한 정보가 필요하지만, 많은 의사들은 그들이 데이터 및 지시사항을 입력함에 있어 지나치게 간결하고 구조화될 필요가 있는 시스템을 사용하지 않을 것이다. 많은 의사들은 자유로운 형태의 지시사항 작성을 선호한다. 따라서, 자연스러운 언어 및 구조화된 언어 사이에 조화를 이루는 시스템이 매우 필요하다. 또한, 통상적으로 사용되는 지시사항의 다수 변형예 뿐만 아니라, 단축 및 의학 전문 용어(예를 들면, "1 po qd" = "하루 1회 1정제 복용") 를 수용하는 것이 필요할 것이다. 이리하여, 잡다한 명령, 기록, 및 지시사항을 한정적, 개별적, 및 정량적 정보로 유효하고 효과적으로 변형시키기 위한 시스템이 매우 필요하다.
따라서, 약물 지시사항을 처리하기 위한 시스템 및 방법이 필요하다.
본 발명의 일실시예는 의료 데이터 처리 시스템 및 방법을 제공한다. 어떤 실시예들은, 예를 들면, 약물 오더에서 중요한 지시사항을 처리하기 위한 개선된 방법을 제공한다. 상기 방법은, 의료 데이터에 액세스하는 단계, 상기 의료 데이터로부터 중요한 지시사항을 포함하는 최소한 하나의 텍스트 문자열을 추출하는 단계, 및 상기 텍스트 문자열(들)의 각각과 최소한 하나의 식별자를 연관시키기 위하여 상기 텍스트 문자열(들)을 분석하는 단계를 포함한다. 상기 방법은 또한 상기 텍스트 문자열을 그 텍스트 문자열(들)의 각각에 대한 복수의 서브-문자열로 분해하는 단계를 포함한다. 일 실시예에서, 상기 분석 단계는 최소한 하나의 식별자를 각 서브-문자열과 연관시키는 단계를 포함한다. 또한, 사용자 및/또는 소프트웨어 프로그램은, 예를 들면, 상기 식별자(들)을 상기 텍스트 문자열(들) 각각과 연관시키기 위하여 상기 텍스트 문자열(들)을 검토할 수도 있다. 일 실시예에서, 상기 식별자들은, 예를 들면 수치값이다.
일실시예는 의료 데이터를 처리하기 위한 개선된 방법을 제공한다. 상기 방법은, 의료 데이터에서 텍스트 문자열을 식별하는 단계, 상기 텍스트 문자열들을 라이브러리로부터 표준화된 식별자들과 연관시키는 단계, 및 상기 텍스트 문자열과 연관된 상기 표준화된 식별자를 출력하는 단계를 포함한다. 일 실시예에서, 상기 텍스트 문자열들과 연관된 상기 표준화된 식별자들을 포함하는 레포트 및/또는 오더가 인쇄 및/또는 저장될 수 있다. 일 실시예에서, 상기 라이브러리는 상기 텍스트 문자열들을 수용하기 위하여 변형될 수 있다. 예를 들면, 텍스트 문자열이 이전에 보이지 않았다면, 상기 라이브러리는 변형될 수도 있고 그리고/또는 식별자를 상기 텍스트 문자열과 연관시키기 위해 대체될 수도 있다. 사용자 및/또는 소프트웨어 프로그램은, 예를 들면, 상기 표준화된 식별자들을 상기 텍스트 문자열들과 연관시키기 위하여 상기 텍스트 문자열들을 검토하는데 이용될 수도 있다. 일 실시예에서, 상기 텍스트 문자열은 복수의 서브-문자열로 분해될 수도 있다. 그리하여, 표준화된 식별자는 각 서브-문자열과 연관되게 된다. 상기 표준화된 식별자들은, 예를 들면 수치값이다. 일 실시예에서, 상기 텍스트 문자열은 중요한 약물 지시사항 또는 "주의사항"을 포함한다.
일실시예는 약물 지시사항들을 처리하기 위한 시스템을 제공한다. 상기 시스템은 의료 데이터를 포함하는 데이터 소스 및 상기 데이터 소스으로부터 데이터를 수신하는 데이터 프로세서를 포함하며, 그리고 어휘 목록에 따라 상기 데이터를 처리한다. 상기 데이터 프로세서는 상기 데이터를 세그먼트로 분해하고 상기 세그먼트들을 분석한다. 의료 데이터는, 예를 들면 약물 지시사항 및/또는 관찰 값들을 포함한다. 일 실시예에서, 데이터 프로세서는 상기 데이터를 중요한 지시사항들로 분해하고 상기 중요한 지시사항들을 분석한다. 상기 데이터 프로세서는, 예를 들면, 수치 식별자를 상기 세그먼트들의 각각과 연관시킬 수 있다.
일실시예는, 컴퓨터에 대한 일련의 지시사항들을 포함하는 컴퓨터-판독가능한 저장 매체를 포함한다. 상기 일련의 지시사항들은 의약 지시사항들로부터 중요한 지시사항을 포함하는 최소한 하나의 문자-숫자 조합의 문자열을 추출하는 추출 루틴을 포함한다. 상기 일련의 지시사항들은, 최소한 하나의 식별자를 최소한 하나의 문자-숫자 조합의 문자열과 연관시키기 위하여 최소한 하나의 문자-숫자 조합의 문자열을 분석하는 분석 루틴도 또한 포함한다.
도 1은 본 발명은 중요한 지시사항을 처리하기 위한 방법의 흐름도.
도 2는 본 발명의 실시예에 따라 관찰값 삭제에 대한 방법의 흐름도.
도 3은 본 발명의 실시예에 따라 사용되는 의료 데이터 및 지시사항을 처리하기 위한 데이터 처리 시스템을 설명하는 블록도.
전술한 요약 및 본 발명의 실시예들에 대한 이하의 상세한 설명은, 첨부 도면을 참조하면 더 잘 이해될 수 있을 것이다. 본 발명을 설명하기 위하여, 일부 실시예들이 도면에 도시된다. 그러나, 본 발명은 첨부 도면에 도시된 장치 및 수단에 한정되는 것은 아니다.
본 발명의 실시예들은 예를 들면 약물 오더에서 중요한 지시사항들 또는 "주의사항"을 처리한다. 단지 설명을 위하여, 주의사항들의 몇가지 예로는, "1 tab po qd" ("하루 1회 1정제씩 복용"), "10units sc qAm and 5 units sc qHS" ("매일 아침 피하주사 10유닛 및 취침전 피하주사 5유닛"), "two pills 2am and 2pm (total 80 mg/da" ("오전 2시 및 오후 2시에 2정 (전체 용량 1일 80mg)"), ".5-1mg every 4 to 6 hr prn" ("필요한 대로 4 내지 6시간 마다 0.5 내지 1 mg"), 및/또는 "1 daily except 1.5 tabs m-w-f" ("월, 수, 금요일에 1과 1/2 정제 외에 날마다 1정제")이 포함된다. 약물 오더 및 다른 텍스트 또는 데이터 문자열은, 텍스트에 포함된 주의사항 및 다른 정보를 표준화된 형식 또는 수치 형식으로 대치할 수 있도록 분석될 수 있다. 상기 형식은, 예를 들면 지시사항 또는 다른 데이터를 복수의 소 스 및/또는 사용자들 사이에서 전달, 저장, 조작, 및/또는 그밖에 처리될 수 있도록 한다.
일 실시예에서, 주의사항은, 예를 들면 전자 의료 레포트(EMRs), 광 문자 인식(OCR), 약물 오더 시스템, 데이터베이스, 컴퓨터화된 의사 오더 기입(CPOE), 및/또는 다른 전자 형식으로부터 획득될 수 있다. 일 실시예에서, 자동화된 메카니즘이, Logician® 등과 같은 전자 의료 기록 시스템, 또는 다른 데이터 소스로부터 수신된 주의사항을 추출하고, 그 주의사항을 나타내는 문자열을 Terminology server(용어 서버) 등과 같은 어휘 처리 서버로 보낸다. 일 실시예에서, 그 보내진 데이터는 취급 카운트를 포함한다. 상기 취급 카운트는, 예를 들면, 어떤 주의사항이 처리되어야 할지를 결정하는 데 사용될 수 있다. 상기 취급 카운트는 또한 복수의 주의사항들 사이에 분석 우선 순위를 결정하는 데 사용될 수도 있다. 일 실시예에서, 상기 어휘 처리 서버로의 최종 이송 이후에 수신된 문자열 만이, 최종 전송 및 현재 전송 사이의 기간 동안 취급 카운트로 보내진다. 도 1은 본 발명의 일 실시예에 따른 중요 지시사항들을 처리하기 위한 방법(100)에 대한 흐름도를 도시한다.
첫째, 단계(110)에서, 데이터는, 초기에 상기 용어 서버 또는 다른 어휘 서버에 수신되고, 진행중인 데이터 테이블에 배치된다. 자동 프로세스가, 새로 진행중인 테이블 기입사항 각각이 전에 있었던 것인지 아닌지를 결정한다 (예를 들면, 상기 테이블에서 데이터가 이미 처리된 어휘 테이블 또는 다른 데이터 구조 내에 존재하는지 어떤지를 결정한다). 상기 테이블 기입사항이 전에 조사되었던 것이라면, 이력 취급 카운트가 새로 수신된 카운트들에 의해 증가될 것이다. 상기 테이블 기입사항 (또는 기입사항들)이 전에 처리되지 않았다면, 새로 수신된 주의사항은 새로운 어휘 테이블 (예를 들면, "SIG(주의사항)")에 씌어지고 취급 카운트가 새로 갱신된다. 일 실시예에서, 상기 주의사항은 후속하는 처리에 사용될 주의사항 식별자("sig_id")가 부여된다. 삽입 트리거는, 주의사항 분석 테이블 내의 새로운 주의사항들 모두에 대해 상기 sig_id를 저장한 새 어휘 테이블 내에 존재한다 (예를 들면, "SIG TO PARSE(분석할 주의사항)"). 상기 주의사항 분석 테이블은 자동화된 분석 구동 메카니즘의 역할을 한다. 일 실시예에서, "SIG TO PARSE"는 주의사항, 상기 주의사항에 대응하는 코드, 및 취급 카운트를 포함한다. 일 실시예에서 상기 "주의사항 분석" 테이블은 sig_id 또는 코드를 포함하고, 상기 주의사항 및 취급 카운트는 다른 테이블(들)을 참조하여 입수할 수 있다.
다음, 단계(120)에서, 구동자로서 "SIG TO PARSE" 테이블을 사용하여, 아직 분석되지 않은 주의사항들이 새로운 어휘 테이블로부터 검색된다. 분석시 초기 단계는, 분석될 주의사항에 나타나는, 용량/용법 등과 같은, 중요한 임의의 새로운 단어 및/또는 어구를 식별하는 것을 시도해 보는 것이다. 용량/용법 어구는 숫자와 그 뒤를 따르는 용량/용법 "태그"로 구성된다. 상기 태그는, 예를 들면, 자체적으로 여백을 포함하고 있거나, 그리고/또는 추가의 여백-숫자-용량/용법 태그의 조합 형태로 뒤따를 수 있다. 단어 또는 어구들은, 예를 들면, 용량/용법, 용법, 간격, 지속시간, 표준, 표시, 및/또는 단어 중지 등을 포함하여 여러 가지 형태일 수 있 다. 예를 들면, "1 tab po qd"는 단어 "1 tab po" 및 "qd"를 포함한다. 새로운 용량/용법 어구는 용어 기술자 또는 다른 시스템에 의해 후속하는 해석을 위하여 주의사항 단어 테이블(예를 들면, "SIG WORD OR PHRASE(주의사항 단어 또는 어구)")에 씌어 진다.
일 실시예에서, 어구들은 다음과 같이 식별된다. 용량/용법 어구는 제1 수/유효-주의사항-uom(측정 단위)(numeric/valid-sig-uom) 조합을 검색함으로써 식별된다. "tab", "mg/d" 및 "p.o." 등과 같은 유효-주의사항-uom은 테이블(예를 들면, "SIG UOM")에 저장될 수 있다. 일 실시예에서, 문자열에서 uom 태그 다음에 오는 문자 다음에는 여백 또는 다른 구획문자가 온다. 어떤 실시예들에서는, 비-단위/uom 수와 결과적으로 그 다음의 실제-단위/uom 수가 발생하는 것을 처리하고자 한다. 일 실시예에서, 최초의 용량/용법 어구는, 예를 들면 2의 단어 카운트가 할당된다.
단계(130)에서, 일단 제1 용량/용법 어구가 식별되면, 그 제1 어구 뒤에 임의의 추가의 여백 용량/용법 어구가 결정된다. 예를 들면, 계속되는 용량/용법 어구가 최초의 어구와 연관될 수 있고, 상기 단어 카운트는 각각에 대하여, 예를 들면 2만큼 증가될 수 있다. 일단 비-여백의 용량/용법 문자들이 그 앞에 배치된 용량/용법 어구와 만나게 되면, 용량/용법 분석이 완성된다. 만약 결과하는 용량/용법 어구가 주의사항 단어 테이블 ("SIG WORD OR PHRASE(주의사항 단어 또는 어구)")에 존재하지 않으면, 추출된 어구는 "SIG WORD OR PHRASE"에, 예를 들면, "용량/용법"의 단어 형태로 저장된다.
그 다음, 단계(140)에서, 일단 "SIG WORD OR PHRASE"가 현재의 주의사항에서 발견되는 새로운 용량/용법 어구로 잠재적 증가되었다면, "SIG WORD OR PHRASE" 내에 포함된 청크(chunks: 단어 및/또는 어구들)들 중 (용량/용법 및 그밖의 것들) 어떤 청크가 분석될 현재의 주의사항 내에서 발생하는 지를 결정하도록 스캔이 실행된다. 예를 들면, "1 tab po qd"는 두개 청크를 포함하는데, "1 tab po"는 용량/용법 단어이고, "qd"는 간격 단어이다. 간격, 지속시간, 및 횟수 등과 같이, 어구 형태를 대표하는 미리 정의된 태그들 및 그 태그와 연관된 수치 데이터 둘다를 포함하는, 예를 들면 다른 어구들에 대해, 상기 결정은 반복될 것이다. 일 실시예에서, 이러한 탐색은 가장 긴 청크로부터 출발하여 내림차순으로 실행된다. 각 청크가 상기 주의사항에 내포되어 있는 것으로서 식별될 때, 만일 상기 청크가 상기 주의사항 내에 포함된 것으로서 이미 식별되고 상기 작업 테이블에 이미 씌어진 임의의 청크와 중복되지 않는다면, 상기 청크는 주의사항 분석 작업 테이블(예를 들면, "SIG PARSE(주의사항 분석)")에 씌어진다.
가장 긴 청크를 제일 먼저 처리하고, 더 짧은 청크가 더 긴 청크와 중복될 때 오버레이들을 식별함으로써, 처리과정은, 가장 길고, 그리고 아마도 가장 가치 있는 청크에 초점이 맞춰질 것이다. 일 실시예에서, 더 긴 청크를 압도하지 못하는 청크들만 상기 주의사항 분석 작업 테이블에 씌어진다. 단계(150)에서, 일단 주의사항 내에서 어떤 청크가 발생하는지 식별하는 스캔이 완성되고 그 결과가 상기 작업 테이블 내에 저장되면, 현재 주의사항에 대한 연관된 열이 "SIG TO PARSE"로부터 삭제된다. 단계(160)에서, 상기 작업 테이블이 분석될 모든 주의사항에 대한 정 보를 가지고 있다면, 상기 테이블은 실행을 위하여 활발히 분석된다.
다음, 단계(170)에서, 주의사항 내에서 발생하는 청크들은 식별되어, 주의사항 내에서 어떤 단어 또는 어구가 발생하는지 기억하기 위하여 영구 테이블 내에 저장된다(예를 들면, "SIG SIGWORD"). 상기 작업 테이블, "SIG PARSE"는 이 과정을 위한 구동자이다. 상기 작업 테이블에서 최소한 한 열과 연관된 각 주의사항에 대하여, 하나의 sig_id/sigword_id 조합이 "SIG SIGWORD"에 저장된다. 일단 모든 식별된 청크들이 "SIG SIGWORD"에 포착되면, 원래 주의사항 중 어떤 나머지가 남아 있는지에 대한 결정을 위하여, 상기 청크 서브문자열이 상기 연관된 주의사항 문자열의 영상으로부터 삭제된다. 나머지는 여백과 특수문자와는 다른 임의의 문자(들)이다. 어떤 나머지가 남아 있다면, 상기 나머지 문자열은, 이후의 평가 및 "SIG WORD OR PHRASE"로의 잠재적인 수작업의 청크 추가를 위하여 나머지 데이터 구조 내에 저장된다. 일단 "SIG SIGWORD" 기록이 주어진 주의사항에 대해 형성되었다면, 상기 연관된 열이 상기 작업 테이블로부터 삭제된다.
단계(180)에서, 일단 "SIG SIGWORD" 기록이 관심있는 주의사항에 대해 형성되었다면, 그 주의사항은 상기 주의사항의 전체 의미를 결정하기 위하여 "재구성"되어야 한다. 즉, 주의사항과 연관된 "버킷" 데이터 또는 값-추가된 속성들은, 상기 주의사항 내에 포함된 것으로서 또한 이들 개개의 단어 또는 어구와 연관되는 상기 값-추가된 속성들을 결합시키는 것으로서 식별되는 어떤 청크를 기준으로 하여 결정된다. 상기 주의사항 재구성 단계 동안, 비즈니스 논리 또는 재구성 규칙이 가해질 수 있어서, 구성 단어 또는 어구 각각에 의하여 부여된 값-부가의 데이터가 다른 구성 단어 또는 어구 각각에 의하여 부여된 값-부가의 데이터과 모순되지 않는다는 것을 보증할 수 있게 된다. 상기 "SIG SIGWORD" 테이블은 상기 재구성 처리과정 동안 구동자일 수 있다.
일 실시예에서, 재구성 규칙들은, 예를 들면 이하의 사항들을 포함할 수 있다. 첫째, 결과로서 생기는 주의사항 테이블에서 이미 나타나지 않는 주의사항들을 발생시킨다 (예를 들면, "RECONSTRUCTED SIG"). 주의사항들에 대해, 용어기술자 (Terminology Specialist) 또는 다른 검증 시스템에 의하여 분석 및 승인된 것으로서 표시된, 구성이 되는 주의사항 단어들로 재구성된다 (예를 들면, status=1003). 재구성은, 예를 들면, 1)용량/용법, 2)용법, 3)간격, 4)지속기간, 5)주의사항 단어 데이터 구조 내 단어 형태에 의해 식별된 바와 같은 다른 처방 정보를 기초로 하여 실행된다.
어떤 실시예에서, 소프트웨어 및/또는 레포트 작성 플래그들은 주의사항 또는 다른 데이터를 기초로 하여 설정될 수 있다. 예를 들면, 만약 고/저 용량, 고/저 간격, 또는 고/저 지속시간 값이 재설정 처리과정 동안 이미 식별되었고, 후속하는 주의사항 단어가 상충하는 고/저 용량, 간격 또는 지속시간 및/또는 상충하는 고/저 용량 단위 값과 연관된다면, "complex_sig" 플래그가 설정될 수 있으며 어떤 다른 부킷 값들도 주의사항용으로 존속되지 않는다. 그 다음, 상기 complex_sig 플래그는, 예를 들면 기술자 및/또는 시스템에 의해 분리되어 처리될 수도 있다. 일 실시예에서, 만약 용법 정보가 "용법" 형태의 주의사항 단어를 통하여 공급되고 어떤 저 용량 정보도 상기 주의사항과 연관되어 있지 않다면 ("용량/용법" 정보도 표 시하지 않는다면), 예를 들면 저 용량 값은 1로 설정되고 저용량 단위는 "EA"로 설정된다.
일 실시예에서, 만약 상기 주의사항과 연관된 주의사항 단어가 "prn_flag"라면, 상기 플래그는 "필요한 대로"라는 지시사항을 의미한다. 만약 prn_flag = "Y"라면, 결과하는 주의사항에 대한 prn_flag ="Y"이다. 만약 주의사항과 연관된 어떤 주의사항 단어가 "as_directed_flag(지시_대로_플래그)" = "Y"를 포함한다면, 결과하는 주의사항에 대한 as_directed_flag = "Y"이다.
만약 저 간격이 식별되었으나, 저 용량도 저 용량 단위 값도 설정되지 않았고, 상기 주의사항과 연관된 주의사항 단어가 "용량/용법" 형태가 아니고 분석후 나머지가 남아있지 않으면, 예를 들면 저_용량은 1로 설정되고 저_용량_단위는 "EA"로 설정된다. 만약 고 간격이 식별되었으나, 고 용량도 고 용량 단위 값도 설정되지 않았고, 상기 주의사항과 연관된 주의사항 단어가 "용량/용법" 형태가 아니고 분석후 나머지가 남아있지 않으면, 예를 들면 고_용량은 1로 설정되고 고_용량_단위는 "EA"로 설정된다.
다른 플래그는, 예를 들면 "am_flag", "midday_flag", 또는 "pm_flag" 등과 같이 날짜 플래그인 시간, 주의사항이 분석된 것을 나타내는 분석 완성 플래그, 주의사항 전부 또는 일부가 재분석되어 져야 할 것을 나타내는 재분석 플래그, 및/또는 주의사항 분석 상태를 나타내는 상태 플래그 등을 포함할 수 있다. 주의사항 나머지 문자열은 주의사항 분석 동안 처리되지 않은 데이터를 포함하여 생성될 수도 있다.
그 다음, 단계(190)에서, 결과하는 재구성된 열은 결과하는 주의사항 테이블(예를 들면, "RECONSTRUCTED SIG")에 씌어진다. 일 실시예에서, 만약 복잡한_주의사항_플래그 값이 설정되면, 복잡한_주의사항 플래그가 씌어질 열에 설정되고, 추가의 처리과정이 상기 주의사항에 관하여 실행될 수 있다. 일 실시예에서, 재구성된 주의사항이 레포트 작성 데이터베이스 등과 같은 데이터베이스에 씌여질 수 있고, 약물 지시사항 레포트, 진단/치료 레포트, 및/또는 임상 시험 레포트 등과 같은 1이상의 레포트를 작성하는데 사용된다. 예를 들면, 약물의 1일 투약량, 및/또는 약물의 추정 투여 횟수에 대한 레포트들을 작성할 수 있다.
따라서, 어떤 실시예들은, 예를 들면 주의사항에 대하여 처방전, 레포트 또는 다른 서류에서 분석하는 시스템을 제공한다. 주의사항 전체가 테이블에 씌어져, 용어 기술자 또는 용어 소프트웨어에 의해 검사될 수 있다. 선택적으로, 주의사항은 단어 및/또는 어구(청크)로 나누어질 수 있다. 이전에 분석된 단어 및/또는 어구가 식별될 수도 있다. 이전에 분석되지 않았던 중요한 단어 및/또는 어구가, 기술자 및/또는 소프트웨어에 의한 식별을 위하여 테이블 내에 씌여질 수 있다. 코드 값 등과 같은 값들이, 기술자 및/또는 소프트웨어에 의해 청크로 할당될 수 있다. 알려지지 않은 주의사항 청크의 테이블로부터 이전에 분석된 청크들을 삭제하는 것은, 사람 및/또는 소프트웨어 프로그램이 평가하는 양을 감소시킨다.
예를 들면, 상기 시스템은 약물에 대한 용량 및 용법을 나타내는 텍스트를 배치시킨다. 상기 시스템은, 상기 텍스트의 전부 또는 일부가 이전에 평가되고 코드를 할당받았는지 어떤지를 결정하기 위하여 텍스트를 검사한다. 상기 텍스트의 최소한 일부가 이전에 평가되지 않았다면, 그 시스템은, 수치를, 용량 및 용법 정보 뿐만 아니라 간격정보 및 다른 정보와 연관시키기 위하여 텍스트를 처리한다. 즉, 주의사항들은 청크들로 나누어진다. 사람 및/또는 시스템은 상기 청크의 의미를 결정한다. 그 다음, 상기 시스템은, 상기 지시사항의 전체 의미를 확인하기 위하여 상기 처리과정에서 비즈니스 논리를 적용하여, 주의사항 전체를 재구성한다.
따라서, 어떤 실시예에서, 상기 주의사항 처리 시스템은 적응 시스템이다. 즉, 상기 시스템이 더 많은 정보를 알수록 시스템이 처리하는 정보는 더 적어진다. 또한, 상기 시스템은, 더 융통성 있고 더욱 빠른 처리 시스템을 제공하기 위하여 청크에 대하여 유사어들을 활용할 수 있다.
일 실시예에서, 오프라인 데이터베이스 등과 같은 데이터베이스가 전자 의료 기록으로부터 분리되어 작성될 수 있다. 상기 데이터베이스는, 예를 들면, 연구 및 양질의 레포트 작성을 위하여 사용될 수도 있다. 주의사항 처리과정은, 예를 들면 실시간 또는 대체로 실시간에 실행될 수도 있고, 그리고/또는 이후 시간에 실행될 수도 있다. 처리된 지시사항은, 예를 들면 전자 의료 기록에 저장될 수 있다. 그 다음, 전자 의료 기록은 처방을 위하여 약국으로 보내질 수 있다. 처리된 주의사항들은, 예를 들면 빠진 정보를 완성시키는데 그리고/또는 처방전 보충 정보를 결정하는데 사용될 수 있다.
일 실시예에서, 의사는 주의사항을 단순화 및 표준화하는 명령의 메뉴를 제공받을 수 있다. 예를 들면, 표준의, 통상적으로 인용되는 명령들을 사용함으로써, 상기 시스템은 표준 목록 또는 어휘 목록에서 발견되지 않는 명령들을 처리하기만 하면 될 수도 있다.
일 실시예에서, 정보는, 안전을 위하여 처방전 형식을 액세스하는데 사용될 수도 있다. 의사 및 제약회사에 가이드라인이 잘 이해될 수 있도록 하기 위하여 방편이 설치될 수도 있다. 예를 들면, 보호 및/또는 안전의 질에 관하여 통계가 생성될 수도 잇다. 또한, 어떤 실시예들은 약학의 결과물 연구를 제공하는데 사용될 수 있다. 환자 정보의 데이터베이스를 참조함으로써, 치료의 효율성이 평가될 수도 있다. 분석 데이터는, 예를 들면 안전 관계를 평가하는 데 사용될 수 있고, 일정한 용량 및 약제로 인한 부작용을 감소시킬 수 있다.
그러한 분석은 또한 임상 시험 데이터를 체계화 및 분석하기 위하여 장래에 적용될 수도 있다. 일 실시예에서, 의사는 임상 시험에서 약물을 처방할 때, 미리 결정된 지시사항 목록으로부터 선택할 수 있다. 그리하여, 상기 시험에서 더욱 엄격히 제어할 수 있고 변화가 적어질 수 있다.
일 실시예에서, 처방전으로부터의 데이터 및 다른 임상 시험 데이터가 수집될 수 있고 임상 시험을 신속히 처리하는데 사용될 수 있다. 다수의 고객/환자들로부터의 데이터가 추출 및 결집될 수 있다. 보호된 정보는 삭제될 수 있다 (즉, 환자의 불-식별 또는 익명). 환자 집단이 분석을 위하여 한정될 수도 있다. 환자 시험 데이터를 포함하는 데이터베이스가 의심될 수도 있다. 익명의 식별 태그를 가지는 데이터가 추출되고 임상 시험의 식별 정보 전체 또는 일부와 재-연관될 수 있다. 데이터가 복수의 소스로부터 결집될 수 있고, 익명화되어, 제약회사에 팔릴 수 있다. 임상 시험 신규모집, 데이터 처리, 및 분석이, 하나의 시스템 및/또는 하나 의 위치에 집중될 수 있다. 실험실 데이터, 영상, 주, 및 다른 정보가 통합 및 처리될 수 있다. 이력, 인적 사항, 유전 정보 및 다른 정보가 이동되어 전자 의료 기록에 통합될 수 있다. 이리하여, 임상 시험 처리가 능률적일 수 있게 된다.
일 실시예에서, 의료 레포트 또는 다른 서류에서의 관찰 값들이 처리될 수 있다. 예를 들면, Logician® 의료 데이터 테이블 등과 같은 의료 레포트 테이블이 검사 의사 또는 다른 의료 기술자로부터 획득된 1이상의 관찰값들을 포함할 수 있다. 상기 관찰값 (예를 들면, "obs" 또는 "obsvalue") 필드는, 예를 들면 무-형식 필드일 수 있다. 어떤 체계에서, 테이블 데이터로부터의 무-형식의 관찰값 필드가, 예를 들면 스타 체계(Star schema)에서 관찰값 데이터가 관찰 사실 테이블에 로드될 때 수치값으로 변환된다. 관찰 항목은 "수정"되거나 분석될 수 있고, 수치 데이터를 관찰 데이터와 연관시키기 위하여 레포트 작성 데이터베이스에 로드될 수 있다.
도 2는 본 발명의 실시예에 따른 관찰값 수정에 대한 방법(200)의 흐름도를 도시한다. 일 실시예에서, 방법(300)은 이하의 단계와 관계한다. 첫째, 단계(210)에서, 수정되어야 하는 관찰값이 식별된다. 식별작업은, 예를 들면 고객 요청에 의하여 시작될 수 있고 아니면 자동으로 식별될 수도 있다. 그 다음, 단계(220)에서, 예를 들면, 관찰값 저장 테이블로부터의 데이터는 임상 배경을 가진 누군가에 의하여 높은 수준에서 분석되고, 그리고 표준 측정 단위, 선택적 측정 단위, 및 용인 범위가 결정된다. 선택적으로, 소프트웨어 프로그램이 관찰값 저장 테이블로부터의 데이터를 분석하기 위하여 사용될 수 있다. 다음, 단계(230)에서, 제어 테이블이 제공된 정보를 기초로 하여 설정된다.
그 다음, 단계(240)에서, 테스트 실행이 원래의 문자열 및 추가 분석을 위하여 테스트 테이블에 대해 수정된 문자열을 쓰고, "명확한 수정" 퍼센티지가 결정된다. 관찰값은, 예를 들면 4개의 버킷이 될 것이다. 예를 들면, "-1"의 결과는, 시스템이 그 필드를 수정할 수 없었고 그 값은 어떤 수치 정보도 포함하지 않는다는 것을 나타낸다. 예를 들면, "-2"의 결과는, 시스템이 그 필드를 수정할 수 없었고 수치값은 인식될 수 없는 수치 단위로 발견되었다는 것을 나타낸다. 예를 들면, "-3"의 결과는, 그 필드가 수정되었으나, 유도된 수치값은 용인 범위 외에 있다는 것을 나타낸다. "값"의 결과는, 예를 들면 필드가, 상기 관찰값에 대해 정의된 표준 측정 단위에 의하여 표현된, 수치값에 대해 수정되었다는 것을 나타낸다.
그 다음, 단계(250)에서, 제어 정보 (범위, 추가의 측정 단위 등)가, 필요하다면 고쳐지고, 테스트가 재실행된다. 단계(260)에서, 일단 제어 정보가 충분히 형성되면, 데이터가 관찰 사실 테이블에 로드된다.
도 3은 본 발명의 실시예에 따라 사용되는 의료 데이터 및 지시사항을 처리하기 위한 데이터 처리 시스템(300)을 설명한다. 상기 시스템(300)은 데이터 소스(310), 데이터 프로세서(320), 및 출력(330)을 포함한다. 상기 데이터 소스(310), 데이터 프로세서(320), 및 출력(330)은, 상기 데이터 소스(310), 데이터 프로세서(320), 및 출력(330) 중의 1이상을 상호 연결시키는 유선 또는 무선 연결을 경유하여 통신될 수도 있다. 상기 데이터 소스(310), 데이터 프로세서(320), 및 /또는 출력(330)은 개별적 유닛으로 구체화될 수 있고, 그리고/또는 다양한 조합으로 결합될 수도 있다. 예를 들면, 컴퓨터가 상기 데이터 소스(310), 데이터 프로세서(320), 및 출력(330)을 수용할 수 있다.
데이터 소스(310)는 의료 기록(전자적 또는 OCR 페이퍼), 텍스트 파일, 또는 다른 의료 데이터 등과 같은 데이터를 포함할 수 있다. 데이터 프로세서(320)는, 상기 데이터 소스(310)로부터의 데이터를 수신하는 소프트웨어 및/또는 하드웨어 처리 유닛이다. 상기 데이터 프로세서(320)는 데이터를 분석하고 상기 데이터를 세그먼트 또는 "청크"로 분해할 수 있다. 그 다음, 상기 데이터 프로세서(320)는, 예를 들면 어휘 목록 및/또는 규칙 또는 표준의 집합에 따라 데이터 전체 또는 부분을 분석, 수정, 또는 그밖에 처리한다. 상기 데이터 프로세서(320)는 소프트웨어 프로그램 및/또는 사용자로부터의 지시사항에 따라 데이터를 처리한다. 예를 들면, 기술자는, 데이터에서 주의사항을 분석하기 위하여 상기 데이터 프로세서(320)를 설정할 수 있다. 선택적으로, 또는 추가로, 기술자는, 데이터에서 관찰값들을 분석하기 위하여 상기 데이터 프로세서(320)를 설정할 수 있다. 일 실시예에서, 상기 데이터 프로세서(320)는 식별자 또는 분석된 데이터와 연관될 값들의 라이브러리를 포함한다. 상기 라이브러리는, 예를 들면 사용자 및/또는 소프트웨어 갱신에 의하여 갱신되거나 대체될 수 있다.
상기 데이터 프로세서(320)가 상기 데이터 소스(310)로부터 데이터를 처리한 후에, 상기 데이터 프로세서(320)는 그 처리된 데이터를 출력(330)으로 전송한다. 상기 출력(330)은, 예를 들면 프린터, 메모리, 및/또는 전송 또는 저장 장치를 포 함한다. 예를 들면, 상기 출력(330)은, (예를 들면, 전자 의료 기록 데이터베이스에) 처리된 데이터를 저장할 수 있고, 그리고/또는 인쇄된 출력물(예를 들면, 처방전)을 생성할 수 있다.
따라서, 어떤 실시예들은 임상 정보 시스템에서 데이터를 분석하기 위한 시스템 및 방법을 제공한다. 어떤 실시예들은, 예를 들면, 레포트 작성, 처리, 및 임상 진단/치료를 위한 임상 정보 시스템에 의해 사용가능한 형식으로 데이터를 변환시킨다. 어휘는 텍스트 문자열을 개념들로 변환하는데 사용될 수 있다. 데이터는 보호되어야 하는 건강 정보를 수정할 수도 있다. 단어들은 의미상 구성성분이 되는 개념으로 형성될 수 있다. 정크 데이터는, 예를 들면 미처리 데이터보다는 개념을 이용하여 제거될 수 있다.
어떤 실시예들은 주의사항을 의미있는 수 또는 사실들로 변환시킨다. 문자열이 분석되고 부분들로 분해된다. 수치상 중요성이 있는 문자열의 부분들이 식별된다. 다음, 상기 문자열은 상기 주의사항을 요약하도록 재구성된다. 그리하여, 약물 또는 처방전 지시사항이 해석될 수 있다.
어떤 실시예들은 보통의 언어로부터 보호 정보 없는 임상 개념으로 변환시킨다. 어떤 실시예들은 변환을 위한 자동 시스템을 제공한다. 예를 들면, 상기 시스템은, 환자의 중요한 불평사항을 평가하고, 그 다음 더 쉬운 처리 및 해석을 위하여 불평을 의료 개념에 대응시킨다.
어떤 실시예들은 의료 데이터를 수정하여, 무형식의 관찰값 필드를 수치값으로 변환시킨다. 어떤 실시예들은, 관찰값 언어를 레포트 작성용 관찰 용어들로 수 정하기 위하여 관찰 용어 어휘집을 형성한다. 어떤 실시예들은, 관찰 사실 테이블에 데이트를 로딩하기 전에 정보가 충분히 형성될 수 있도록 하기 위하여, 원 문자열과 수정된 문자열을 비교한다. 그리하여, 무형식 텍스트 문자열은 하나의 특별한 값 또는 특별한 값의 집합으로 묘사될 수 있다. 무형식 텍스트 값은, 무형식 문자열로부터 정의된 정보를 더 많이 추출하도록 처리된다.
본 발명은 어떤 실시예들을 참조로 하여 기술되었으나, 당업자는, 본 발명의 범위로부터 이탈됨 없이, 여러가지 변화가 만들어질 수 있고 등가물로 대체될 수 있음을 알 수 있을 것이다. 또한, 본 발명의 범위로부터 이탈됨 없이 특별한 상황 또는 제재들을 본 발명의 내용에 적응시키는 많은 변형예가 만들어질 수 있다. 그렇기 때문에, 본 발명은 기술된 실시예에 특별히 한정되지 않으나, 다만 본 발명은 수반되는 청구범위에 속하는 모든 실시예를 포함할 것이다.

Claims (19)

  1. 약물 오더에서의 중요한 지시사항 처리 방법에 있어서,
    의료 데이터에 액세스하는 단계와,
    상기 의료 데이터로부터 중요한 지시사항을 포함하는 최소한 하나의 텍스트 문자열을 추출하는 단계와,
    최소한 하나의 식별자를 상기 최소한 하나의 텍스트 문자열과 연관시키기 위하여 상기 최소한 하나의 텍스트 문자열을 분석하는 단계를 포함하는
    약물 오더에서의 중요한 지시사항 처리 방법.
  2. 제 1항에 있어서,
    상기 최소한 하나의 텍스트 문자열을 상기 최소한 하나의 텍스트 문자열의 각각에 대한 복수의 서브-문자열로 분해하는 단계를 더 포함하는
    약물 오더에서의 중요한 지시사항 처리 방법.
  3. 제 2항에 있어서,
    상기 분석 단계는, 하나의 식별자를 각 서브-문자열과 연관시키는 단계를 더 포함하는
    약물 오더에서의 중요한 지시사항 처리 방법.
  4. 제 1항에 있어서,
    상기 분석 단계는, 상기 최소한 하나의 식별자를 상기 최소한 하나의 텍스트 문자열 각각과 연관시키기 위하여 상기 최소한 하나의 텍스트 문자열을 검토하는 단계를 더 포함하는
    약물 오더에서의 중요한 지시사항 처리 방법.
  5. 제 4항에 있어서,
    사용자 및 소프트웨어 프로그램 중 최소한 하나는, 상기 최소한 하나의 식별자를 상기 최소한 하나의 텍스트 문자열 각각과 연관시키기 위하여 상기 최소한 하나의 텍스트 문자열을 검토하는
    약물 오더에서의 중요한 지시사항 처리 방법.
  6. 제 1항에 있어서,
    상기 최소한 하나의 식별자는 수치값을 포함하는
    약물 오더에서의 중요한 지시사항 처리 방법.
  7. 의료 데이터 처리 방법에 있어서,
    의료 데이터에서 텍스트 문자열을 식별하는 단계와,
    상기 텍스트 문자열을 라이브러리로부터 표준화된 식별자들과 연관시키는 단 계와,
    상기 텍스트 문자열과 연관된 상기 표준화된 식별자를 출력하는 단계를 포함하는
    의료 데이터 처리 방법.
  8. 제 7항에 있어서,
    상기 출력단계는 상기 텍스트 문자열과 연관된 상기 표준화된 식별자를 포함하는 레포트 및 오더 중 최소한 하나에 인쇄하는 단계를 포함하는
    의료 데이터 처리 방법.
  9. 제 7항에 있어서,
    상기 출력단계는 상기 텍스트 문자열과 연관된 상기 표준화된 식별자를 포함하는 레포트 및 오더 중 최소한 하나에 저장하는 단계를 포함하는
    의료 데이터 처리 방법.
  10. 제 7항에 있어서,
    상기 텍스트 문자열을 수용하도록 상기 라이브러리를 수정하는 단계를 포함하는
    의료 데이터 처리 방법.
  11. 제 7항에 있어서,
    사용자 및 소프트웨어 프로그램 중 최소한 하나는, 표준화된 식별자를 상기 텍스트 문자열과 연관시키기 위하여 상기 텍스트 문자열들을 검토하는
    의료 데이터 처리 방법.
  12. 제 7항에 있어서,
    상기 텍스트 문자열을 복수의 서브-문자열로 분해하는 단계를 더 포함하는
    의료 데이터 처리 방법.
  13. 제 12항에 있어서,
    상기 연관시키는 단계는, 표준화된 식별자를 각 서브-문자열과 연관시키는 단계를 더 포함하는
    의료 데이터 처리 방법.
  14. 제 7항에 있어서,
    상기 표준화된 식별자는 수치값을 포함하는
    의료 데이터 처리 방법.
  15. 제 7항에 있어서,
    상기 텍스트 문자열은 중요한 약물 지시사항을 포함하는
    의료 데이터 처리 방법.
  16. 약물 지시사항 처리 시스템에 있어서,
    의약 데이터를 포함하는 데이터 소스와,
    상기 데이터 소스으로부터 데이터를 수신하고, 그리고 어휘 목록에 따라 상기 데이터를 처리하는 데이터 프로세서를 포함하되,
    상기 데이터 프로세서는 상기 데이터를 세그먼트들로 분해하고 상기 세그먼트들을 분석하는
    의료 데이터 처리 시스템.
  17. 제 16항에 있어서,
    상기 의료 데이터는 약물 지시사항을 포함하는
    약물 지시사항 처리 시스템.
  18. 제 16항에 있어서,
    상기 데이터 프로세서는 상기 데이터를 중요한 지시사항들로 분해하고 상기 중요한 지시사항들을 분석하는
    약물 지시사항 처리 시스템.
  19. 제 16항에 있어서,
    상기 데이터 프로세서는 수치 식별자를 상기 세그먼트들 각각과 연관시키는
    약물 지시사항 처리 시스템.
KR1020077023506A 2005-04-15 2006-04-12 의료 데이터 분석 시스템 및 방법 KR20070120152A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US11/107,695 US7657521B2 (en) 2005-04-15 2005-04-15 System and method for parsing medical data
US11/107,695 2005-04-15

Publications (1)

Publication Number Publication Date
KR20070120152A true KR20070120152A (ko) 2007-12-21

Family

ID=37024574

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020077023506A KR20070120152A (ko) 2005-04-15 2006-04-12 의료 데이터 분석 시스템 및 방법

Country Status (7)

Country Link
US (1) US7657521B2 (ko)
EP (1) EP1875382A2 (ko)
JP (1) JP2008537227A (ko)
KR (1) KR20070120152A (ko)
CN (1) CN101198952A (ko)
IL (1) IL186516A0 (ko)
WO (1) WO2006113298A2 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102386414B1 (ko) * 2020-11-10 2022-04-15 이희영 임상시험의 위반사항 보고 장치 및 방법

Families Citing this family (53)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10796801B2 (en) * 2006-02-13 2020-10-06 David G. Silverman Method and system for assessing, quantifying, coding and communiicating patient's health and perioperative risk
US7533089B2 (en) * 2006-06-27 2009-05-12 International Business Machines Corporation Hybrid approach for query recommendation in conversation systems
WO2008035286A2 (en) * 2006-09-22 2008-03-27 Koninklijke Philips Electronics N.V. Advanced computer-aided diagnosis of lung nodules
US20080228700A1 (en) 2007-03-16 2008-09-18 Expanse Networks, Inc. Attribute Combination Discovery
JP5154832B2 (ja) * 2007-04-27 2013-02-27 株式会社日立製作所 文書検索システム及び文書検索方法
US20090043752A1 (en) 2007-08-08 2009-02-12 Expanse Networks, Inc. Predicting Side Effect Attributes
US7979288B2 (en) * 2007-10-12 2011-07-12 Southwest Research Institute Automated interpretation of medical prescription text
US7953746B1 (en) * 2007-12-07 2011-05-31 Google Inc. Contextual query revision
US9864838B2 (en) * 2008-02-20 2018-01-09 Medicomp Systems, Inc. Clinically intelligent parsing
US8200509B2 (en) 2008-09-10 2012-06-12 Expanse Networks, Inc. Masked data record access
US7917438B2 (en) * 2008-09-10 2011-03-29 Expanse Networks, Inc. System for secure mobile healthcare selection
US20100082371A1 (en) * 2008-10-01 2010-04-01 General Electric Company, A New York Corporation Patient Document Privacy And Disclosure Engine
US8554579B2 (en) 2008-10-13 2013-10-08 Fht, Inc. Management, reporting and benchmarking of medication preparation
US8386519B2 (en) 2008-12-30 2013-02-26 Expanse Networks, Inc. Pangenetic web item recommendation system
US8108406B2 (en) 2008-12-30 2012-01-31 Expanse Networks, Inc. Pangenetic web user behavior prediction system
US8255403B2 (en) 2008-12-30 2012-08-28 Expanse Networks, Inc. Pangenetic web satisfaction prediction system
US8463554B2 (en) 2008-12-31 2013-06-11 23Andme, Inc. Finding relatives in a database
US8751495B2 (en) * 2009-09-29 2014-06-10 Siemens Medical Solutions Usa, Inc. Automated patient/document identification and categorization for medical data
WO2011143405A1 (en) * 2010-05-12 2011-11-17 The General Hospital Corporation System and method for queried patient abstract
US9767095B2 (en) * 2010-05-21 2017-09-19 Western Standard Publishing Company, Inc. Apparatus, system, and method for computer aided translation
US8620806B2 (en) * 2011-07-13 2013-12-31 Mastercard International Incorporated Merchant data cleansing in clearing record
CN104011711B (zh) * 2011-12-27 2018-06-01 皇家飞利浦有限公司 文本分析系统
WO2013112894A1 (en) * 2012-01-27 2013-08-01 The Regents Of The University Of California Methods and systems for managing patient data
US10380320B2 (en) * 2012-02-03 2019-08-13 Passport Health Communications, Inc. Data restructuring for consistent formatting
US8935155B2 (en) * 2012-09-14 2015-01-13 Siemens Aktiengesellschaft Method for processing medical reports
US9375079B2 (en) 2012-10-26 2016-06-28 Baxter Corporation Englewood Work station for medical dose preparation system
JP6059354B2 (ja) 2012-10-26 2017-01-11 バクスター・コーポレーション・イングルウッドＢａｘｔｅｒ Ｃｏｒｐｏｒａｔｉｏｎ Ｅｎｇｌｅｗｏｏｄ 医学的用量調製システムのための画像収集の改善
US9324111B2 (en) 2012-12-07 2016-04-26 Passport Health Communications, Inc. 271 embedded alerts
GB2518192A (en) * 2013-09-13 2015-03-18 Vivago Oy An arrangement and a method for creating a synthesis from numerical data and textual information
US10311536B1 (en) * 2014-02-27 2019-06-04 Walgreen Co. System and method for automating pharmacy processing of electronic prescriptions
WO2015164209A1 (en) * 2014-04-25 2015-10-29 Mayo Foundation For Medical Education And Research Enhancing reading accuracy, efficiency and retention
JP2015219726A (ja) * 2014-05-16 2015-12-07 シャープ株式会社 情報処理装置、情報処理システム、情報処理方法および情報処理プログラム
US11043291B2 (en) 2014-05-30 2021-06-22 International Business Machines Corporation Stream based named entity recognition
US11107574B2 (en) 2014-09-30 2021-08-31 Baxter Corporation Englewood Management of medication preparation with formulary management
CN106462579B (zh) * 2014-10-15 2019-09-27 微软技术许可有限责任公司 为选定上下文构造词典
WO2016065352A1 (en) * 2014-10-24 2016-04-28 Baxter Corporation Englewood Automated exchange of healthcare information for fulfillment of medication doses
WO2016090091A1 (en) 2014-12-05 2016-06-09 Baxter Corporation Englewood Dose preparation data analytics
EP3800610A1 (en) 2015-03-03 2021-04-07 Baxter Corporation Englewood Pharmacy workflow management with integrated alerts
WO2016161137A1 (en) * 2015-04-01 2016-10-06 Abbvie Inc. Systems and methods for generating longitudinal data profiles from multiple data sources
US10402435B2 (en) * 2015-06-30 2019-09-03 Microsoft Technology Licensing, Llc Utilizing semantic hierarchies to process free-form text
CN105868526B (zh) * 2016-02-24 2018-05-08 上海市儿童医院 基于鲁棒张量保持的儿童社区获得性肺炎数据处理系统及方法
US10224026B2 (en) * 2016-03-15 2019-03-05 Sony Corporation Electronic device, system, method and computer program
US10679008B2 (en) * 2016-12-16 2020-06-09 Microsoft Technology Licensing, Llc Knowledge base for analysis of text
US10169325B2 (en) * 2017-02-09 2019-01-01 International Business Machines Corporation Segmenting and interpreting a document, and relocating document fragments to corresponding sections
US10176889B2 (en) 2017-02-09 2019-01-08 International Business Machines Corporation Segmenting and interpreting a document, and relocating document fragments to corresponding sections
JP7421218B2 (ja) * 2017-07-21 2024-01-24 フンダシオ オスピタル ウニベルシタリ バル デブロン－インスティテュート デ レセルカ 子宮内膜癌のマーカとしてのａｇｒｉｎ
CN108320781B (zh) * 2018-03-15 2022-05-06 中国人民解放军总医院 一种基于语音的医疗报告生成方法及装置
WO2020109177A1 (en) * 2018-11-26 2020-06-04 Algotec Systems Ltd. System and method for matching medical concepts in radiological reports
US11055490B2 (en) 2019-01-22 2021-07-06 Optum, Inc. Predictive natural language processing using semantic feature extraction
US11495337B1 (en) 2019-12-12 2022-11-08 Allscripts Software, Llc Computing system for full textual search of a patient record
WO2021152022A1 (en) * 2020-01-30 2021-08-05 Medicus Ai Gmbh System and method for processing measurement data
US20220261538A1 (en) * 2021-02-17 2022-08-18 Inteliquet, Inc. Skipping natural language processor
CN112800187B (zh) * 2021-04-14 2021-06-29 北京金山云网络技术有限公司 数据映射方法、医学文本数据映射方法、装置及电子设备

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4918604A (en) * 1988-10-03 1990-04-17 Medco Containment Services, Inc. Prescription drug depiction and labeling system
WO1995000914A1 (en) * 1993-06-28 1995-01-05 Scott & White Memorial Hospital And Scott, Sherwood And Brindley Foundation Electronic medical record using text database
JP3445394B2 (ja) * 1993-12-17 2003-09-08 ゼロックス・コーポレーション 少なくとも二つのイメージセクションの比較方法
US5664109A (en) * 1995-06-07 1997-09-02 E-Systems, Inc. Method for extracting pre-defined data items from medical service records generated by health care providers
US6182029B1 (en) * 1996-10-28 2001-01-30 The Trustees Of Columbia University In The City Of New York System and method for language extraction and encoding utilizing the parsing of text data in accordance with domain parameters
US6082776A (en) * 1997-05-07 2000-07-04 Feinberg; Lawrence E. Storing personal medical information
US6137911A (en) * 1997-06-16 2000-10-24 The Dialog Corporation Plc Test classification system and method
WO1999017223A1 (en) * 1997-09-30 1999-04-08 Ihc Health Services, Inc. Aprobabilistic system for natural language processing
US6128620A (en) * 1999-02-02 2000-10-03 Lemed Inc Medical database for litigation
US6633819B2 (en) * 1999-04-15 2003-10-14 The Trustees Of Columbia University In The City Of New York Gene discovery through comparisons of networks of structural and functional relationships among known genes and proteins
US6542902B2 (en) * 2000-03-24 2003-04-01 Bridge Medical, Inc. Method and apparatus for displaying medication information
US20020073138A1 (en) * 2000-12-08 2002-06-13 Gilbert Eric S. De-identification and linkage of data records
US20020082868A1 (en) * 2000-12-27 2002-06-27 Pories Walter J. Systems, methods and computer program products for creating and maintaining electronic medical records
US6889190B2 (en) * 2001-01-25 2005-05-03 Rodan Enterprises, Llc Hand held medical prescription transcriber and printer unit
CA2464374A1 (en) * 2001-11-02 2003-05-15 R. Bharat Rao Patient data mining for cardiology screening
US20030105638A1 (en) * 2001-11-27 2003-06-05 Taira Rick K. Method and system for creating computer-understandable structured medical data from natural language reports
US7257531B2 (en) * 2002-04-19 2007-08-14 Medcom Information Systems, Inc. Speech to text system using controlled vocabulary indices
WO2004034217A2 (en) * 2002-10-08 2004-04-22 Omnicare, Inc. System for assimilating and using pharmacy data
US20040122787A1 (en) * 2002-12-18 2004-06-24 Avinash Gopal B. Enhanced computer-assisted medical data processing system and method
US20050234740A1 (en) * 2003-06-25 2005-10-20 Sriram Krishnan Business methods and systems for providing healthcare management and decision support services using structured clinical information extracted from healthcare provider data
US7478033B2 (en) * 2004-03-16 2009-01-13 Google Inc. Systems and methods for translating Chinese pinyin to Chinese characters
US7783476B2 (en) * 2004-05-05 2010-08-24 Microsoft Corporation Word extraction method and system for use in word-breaking using statistical information

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102386414B1 (ko) * 2020-11-10 2022-04-15 이희영 임상시험의 위반사항 보고 장치 및 방법

Also Published As

Publication number Publication date
WO2006113298A3 (en) 2007-02-22
CN101198952A (zh) 2008-06-11
US7657521B2 (en) 2010-02-02
US20060235881A1 (en) 2006-10-19
WO2006113298A2 (en) 2006-10-26
IL186516A0 (en) 2008-01-20
JP2008537227A (ja) 2008-09-11
EP1875382A2 (en) 2008-01-09

Similar Documents

Publication Publication Date Title
US7657521B2 (en) System and method for parsing medical data
US20190006027A1 (en) Automatic identification and extraction of medical conditions and evidences from electronic health records
CN109346145B (zh) 一种药物不良反应的主动监测方法和系统
US9740665B2 (en) Systems and methods for processing patient information
Zhou et al. Using Medical Text Extraction, Reasoning and Mapping System (MTERMS) to process medication information in outpatient clinical notes
US6778994B2 (en) Pharmacovigilance database
US8725538B2 (en) Automated processing of electronic medical data for insurance and disability determinations
US20170277856A1 (en) Healthcare risk extraction system and method
US8600772B2 (en) Systems and methods for interfacing with healthcare organization coding system
US20130066903A1 (en) System for Linking Medical Terms for a Medical Knowledge Base
US20020082868A1 (en) Systems, methods and computer program products for creating and maintaining electronic medical records
Brown et al. Evaluation of the quality of information retrieval of clinical findings from a computerized patient database using a semantic terminological model
AU2015213399A1 (en) System for automated analysis of clinical text for pharmacovigilance
WO1995000914A1 (en) Electronic medical record using text database
CA2705175C (en) Systems and methods for generating subsets of electronic healthcare-related documents
RU2697764C1 (ru) Итерационное построение разделов истории болезни
WO2018169795A1 (en) Interoperable record matching process
JP4955197B2 (ja) レセプトファイル生成システム
Zelingher et al. Categorization of free-text problem lists: an effective method of capturing clinical data.
JP2004348271A (ja) 治験データ出力装置、治験データ出力方法及び治験データ出力プログラム
Babre Medical coding in clinical trials
US10586616B2 (en) Systems and methods for generating subsets of electronic healthcare-related documents
Xu et al. An automated approach to calculating the daily dose of tacrolimus in electronic health records
Roy et al. Processing of ADRs
Dietrich Ad Hoc Information Extraction in a Clinical Data Warehouse with Case Studies for Data Exploration and Consistency Checks

Legal Events

Date Code Title Description
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid