KR20230153674A - 임상 의사 결정의 방법 및 시스템 - Google Patents

Abstract

본 발명은 임상 의사 결정 방법으로서, 전자 차트에서, 환자를 진단 후 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.

Description

임상 의사 결정의 방법 및 시스템{METHOD AND SYSTEM FOR CLINICAL DECISION-MAKING}

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.

임상의사결정은 환자 정보와 근거(지식정보)를 통해 진단하여야 하고, 판단 주체가 사람이므로 인지의 오류가 있을 수 있고, 환자 또는 의사의 문화에 따른 편견이 있어, 오진이 있을 수 있는 우려가 있다.

대형 병원의 경우에는 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 의원에서는 의료사고의 부담감을 안고 있어 CDSS가 시급히 필요한 상황이다.

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.

그러나, 현존하는 의원급 CDSS는 약제의 복약 위험성을 알려주는데 한계가 있는 실정이다.

대한민국 등록특허공보 제10-2340588호 대한민국 등록특허공보 제10-2382272호 대한민국 특허출원 공개공보 제10-2013-0082033호

본 발명은 상기와 같은 문제점을 해결하기 위한 것으로서, 본 발명의 목적은 임상 의사 결정의 방법 및 시스템을 제공하기 위한 것이다.

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.

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.

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 제공할 수 있다.

본 발명의 상기 및 다른 목적과 이점은 바람직한 실시예를 설명한 하기의 설명으로부터 분명해질 것이다.

상기와 같은 목적을 달성하기 위한 본 발명의 일 실시예에 따른 임상 의사 결정 방법으로서, 전자 차트에서, 환자를 진단 후 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.

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.

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.

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 도면이다

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.

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.

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.

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.

도 1은 본 발명의 실시예에 따른 임상 의사 결정 시스템에 관한 개략도이다.

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.

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.

메디컬 클라우드 서버(120)는 환자를 진찰하며 상병, 처방 등을 수신하여 컴퓨터 판독가능한 프로그램(소프트웨어)로 구현된 CDSS 규칙 관리도구(130) 상의 규칙에 따라 임상 의사결정 지원정보를 전자 차트(110)에 반환할 수 있다.

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.

도 2는 본 발명의 실시예에 따른 규칙 관리에 관한 도면이다.

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.

항목(아이템)의 결과 타입은 Web, 빅데이터, 임상정보활용, 특수 등으로 나뉠 수 있다.

CDSS 규칙 관리도구(130)는 대상 처방, 상병코드 관리를 할 수 있다.

CDSS 규칙 관리도구(130)는 규칙 관리자가 접근가능한 프로그램으로서, 임상 의사결정을 위한 정보제공대상 항목을 관리할 수 있다.

성별, 나이, 처방코드, 상병코드 등의 자료를 미리 등록하여 관련된 자료를 제공함으로서 규칙 정확도를 높이고, 서버의 과부하를 낮출 수 있다.

예컨대, 대상 자료는 아래의 표에 기재된 것과 같다.

대상 자료 - 수가 코드 - 약가 코드 - 성분 코드 - 재료대 코드 - KCD8차 상병코드 - 성별 - 나이

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.

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.

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.

이에 따라, 컴퓨터는 스스로 분류 레이블을 만들어 내고 공간을 왜곡하고 데이터를 구분하는 과정을 반복하여 최적의 출력 값을 도출할 수 있다.

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.

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.

다만, 이는 본 발명에 적용 가능 구체적인 딥러닝 기법의 일 예시들에 불과하며, 실시예에 따라 다른 딥러닝 기법이 본 발명에 적용될 수도 있다.

도 4는 코드 마스터 관리에 관한 도면이다.

도 4에서 코드마스터 관리는 관리의 편의성을 위해 동일 처방군 또는 동일 약품군을 지정하여 일괄적으로 관리가 가능하도록 묶음 설정할 수 있다.

예를 들어, 행위 수가코드 묶음 관리, 약제코드, 성분코드 관리, 재료대 묶음 관리, KCD8차 상병코드 묶음관리 등을 할 수 있다.

도 5는 필요 임상정보 관리에 관한 도면이다.

선정된 대상 코드를 처방시 필요로 하는 임상정보를 등록할 수 있다.

*신체계측 - 체중 - 혈당 - BMI - 신장 - 혈압 - 나이 *검체검사 - AST - ALT - HbA1C - CR 필요시 추가가능 *알러지 - NSAID 필요시 추가가능 *기타 계산값 - EGFR - CCR

도 6은 선택적 처방 관련 설명 관리에 관한 도면이다.

모든 경우에 해당하는 처방관련 설명 관리하는 경우, 투약정보, 참고논문 등를 제공할 수 있다. 특정 조건에 해당하는 성명 관리하는 경우, 주의사항 등을 제공할 수 있다.

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.

도 7은 임상 의사 결정 방법에 관한 도면이다.

진료실에서 처방 입력과 동시에 API 서버로 자료를 전달할 수 있다.

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.

진료실 세부화면은 처방과 동시에 필요 임상정보 및 처방 주의사항을 생성하여 CARD 형태로 표현할 수 있다. 진료실 세부화면은 반응시간 1000ms 이하로 적절성 및 편의성 확보할 수 있다.

예를 들어, 필요 임상 정보로서, 로사탄정 처방 시 환자의 CR, EGFR 결과값 제공할 수 있고, 검사결과가 없는 경우, 검사 시행을 권장하는 메시지를 발생시키며, 검사결과가 허용치를 벗어나는 경우 컬러표기 및 코멘트 제공할 수 있다. 처방관련 설명으로서, 예컨대 로사탄정 처방 시 유의해야할 학술적 정보를 제공할 수 있다.

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 의사항 정보를 제공할 수 있다.

개인정보를 배제한 진료정보를 축적하고 딥러닝 하여 다양한 통계 데이터 제공할 수 있고, 질병에 따른 다빈도 처방, 가능한 부작용, 치료사례등의 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.

내시경, 초음파, 영상판독 등의 결과자료를 임상변수로 추가하고 이를 복합적으로 학습하여 신뢰성 높은 예상 판독결과 제공할 수 있다.

Hello100을 통해 환자에게 자신과 동일한 질병을 가진 환자군의 표준 치료계획을 제공하여 의사와 원활한 소통이 가능케 할 수 있다.

도 8은 진료에 적용하기 위한 방법에 관한 도면이다.

S810 단계에서, 환자를 진단 후 처방을 입력하면 실시간으로 처방 정보를 클라우드로 전송할 수 있다.

S820 단계에서, 클라우드에 수신한 처방정보와 관리자가 미리 입력해둔 규칙을 검색하여 연관된 규칙의 컨텐츠를 작성하여 회신할 수 있다.

S830 단계에서, 전자차트는 회신받은 컨텐츠를 CDSS 전용 뷰어화면으로 제공할 수 있다. 추가 정보 필요 시 컨텐츠 내에서 입력받은 후 클라우드에 재전송 후 S810 단계를 실행할 수 있다.

도 9는 처방정보를 저장하기 위한 방법에 관한 도면이다.

도 10은 CDSS를 계산하기 위한 방법에 관한 도면이다.

도 11은 임상 정보를 전송하기 위한 방법에 관한 도면이다

추가적으로, 본 발명에 따른 컴퓨터 프로그램은, 컴퓨터와 결합하여, 앞서 상술한 다양한 방법을 실행시키기 위하여 컴퓨터 판독가능 기록매체에 저장될 수 있다.

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.

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.

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.

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.

110: 촬영부
120: 피지컬 아트 분석부
130: 디지털화 처리부
140: NFT 처리부
150: 서버부

Claims (1)

1. 임상 의사 결정 방법으로서,
   전자 차트에서, 환자를 진단 후 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 단계
   를 포함하는 임상 의사 결정 방법.