KR20230165166A - Fhir 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법 및 시스템 - Google Patents
Fhir 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법 및 시스템 Download PDFInfo
- Publication number
- KR20230165166A KR20230165166A KR1020230160472A KR20230160472A KR20230165166A KR 20230165166 A KR20230165166 A KR 20230165166A KR 1020230160472 A KR1020230160472 A KR 1020230160472A KR 20230160472 A KR20230160472 A KR 20230160472A KR 20230165166 A KR20230165166 A KR 20230165166A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- health care
- fhir
- information
- resource
- Prior art date
Links
- 230000036541 health Effects 0.000 title claims abstract description 200
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000032683 aging Effects 0.000 claims description 39
- 230000000694 effects Effects 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 17
- 238000010801 machine learning Methods 0.000 claims description 14
- 238000005259 measurement Methods 0.000 claims description 11
- 230000003920 cognitive function Effects 0.000 claims description 10
- 230000008433 psychological processes and functions Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 32
- 201000010099 disease Diseases 0.000 description 32
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 32
- 238000013499 data model Methods 0.000 description 26
- 238000012360 testing method Methods 0.000 description 24
- 238000007726 management method Methods 0.000 description 22
- 230000002068 genetic effect Effects 0.000 description 19
- 238000003745 diagnosis Methods 0.000 description 18
- 239000003814 drug Substances 0.000 description 18
- 229940079593 drug Drugs 0.000 description 18
- 238000011282 treatment Methods 0.000 description 18
- 238000012545 processing Methods 0.000 description 13
- 238000002255 vaccination Methods 0.000 description 12
- 206010020751 Hypersensitivity Diseases 0.000 description 10
- 238000001356 surgical procedure Methods 0.000 description 9
- 230000007815 allergy Effects 0.000 description 8
- 238000012795 verification Methods 0.000 description 8
- 208000026935 allergic disease Diseases 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 208000015181 infectious disease Diseases 0.000 description 7
- 238000007689 inspection Methods 0.000 description 6
- 230000008520 organization Effects 0.000 description 6
- 230000003863 physical function Effects 0.000 description 6
- 238000004393 prognosis Methods 0.000 description 6
- 230000035622 drinking Effects 0.000 description 5
- 238000002649 immunization Methods 0.000 description 5
- 230000003053 immunization Effects 0.000 description 5
- 230000000391 smoking effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 208000035473 Communicable disease Diseases 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000003862 health status Effects 0.000 description 3
- 239000004480 active ingredient Substances 0.000 description 2
- 208000030961 allergic reaction Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 230000001149 cognitive effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000955 prescription drug Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 229960005486 vaccine Drugs 0.000 description 2
- 206010002091 Anaesthesia Diseases 0.000 description 1
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 208000031226 Hyperlipidaemia Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000001145 Metabolic Syndrome Diseases 0.000 description 1
- 201000000690 abdominal obesity-metabolic syndrome Diseases 0.000 description 1
- 230000037005 anaesthesia Effects 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000003205 diastolic effect Effects 0.000 description 1
- 238000009509 drug development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000005182 global health Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000002483 medication Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000002547 new drug Substances 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 230000002980 postoperative effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000036642 wellbeing Effects 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
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
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
Abstract
개인 맞춤형 건강 관리 서비스 제공 시스템에서 수행되는 FHIR 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법은 FHIR(Fast Healthcare Interoperability Resources) 서버에서 복수의 개인 맞춤형 건강 관리 서비스 중 하나의 개인 맞춤형 건강 관리 서비스에 맞는 소스 데이터 셋(source data set)을 제공받는 단계와 상기 FHIR 서버에서 상기 소스 데이터 셋을 상기 복수의 개인 맞춤형 건강 관리 서비스 중 하나의 개인 맞춤형 건강 관리 서비스에 맞도록 상호운용성 가지는 제1 변환 데이터 셋으로 변환하는 단계를 포함한다.
Description
본 발명은 보건 의료 서비스에 관한 것으로서, 더 구체적으로는 FHIR 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법 및 시스템에 대한 것이다.
기존의 보건 의료 데이터는 상호 운용성이 없기 때문에 이러한 상호운용성이 없는 보건 의료 데이터를 기초로 통계 학습과 같은 분석을 수행하여 다수의 사용자를 포함하는 특정 집단 또는 국내의 전체 인구(Population)를 대상으로 질병 예측등과 같은 보건 의료 서비스 또는 개인 맞춤형 건강 관리 서비스를 제공하는 데에는 근본적으로 한계가 있다.
기존 연구에서는 의료정보교류를 위해 병원 내 전자의무기록(Electronic Medical Record, EMR) 시스템을 표준화하여 통합하려는 시도가 많았으나 여전히 의료정보의 주체가 병원이라는 한계점이 있었고, 더구나 이미 개발된 전자의무기록(EMR) 시스템을 표준화하는 과정에서는 막대한 비용이 발생하는 문제점이 있었다.
개인이 직접 스마트 헬스 디바이스를 이용하여 자신의 생체정보를 측정하고 건강상태를 확인할 수 있는 시대가 열림에 따라 자가건강관리에 대한 수요가 증가하고 있으며, 이는 특정 병원에만 있는 환자 개인건강기록의 공유와 보다 질 좋은 건강 정보에 대한 요구 증가로 이어지고 있다.
의료정보에 대한 접근 통제권을 기존 병·의원이 아닌 개인 또는 환자에게 줌으로써 개인 또는 환자 중심의 보건 의료 서비스 환경이 마련되도록 하여 개인 또는 환자 중심의 건강정보 공유 시스템을 통해 병·의원 중심으로 제공되고 있는 기존의 보건 의료서비스 환경을 개인 또는 환자 중심으로 전환하는 패러다임을 제시함으로써 새로운 헬스케어 서비스 생태계를 구축할 필요가 있다.
또한, 최근 질병 예측등과 같은 보건 의료 서비스 또는 개인 맞춤형 건강 관리 서비스를 제공하기 위해서는 상호운용성이 보장되는 양질의 보건 의료 데이터를 확보하여 양질의 보건 의료 데이터를 기초로 기계학습 또는 통계 학습등 다양한 분석을 수행하여 질병 예측등의 보건 의료 서비스 또는 개인 맞춤형 건강 관리 서비스를 제공할 필요가 있다. 상기와 같은 문제점을 해결하기 위해 본 발명의 목적은 의미적 상호운용성 가지는 표준-예를 들어 양질의 환자 정보를 담고 있는 FHIR(Fast Healthcare Interoperability Resources)- 기반으로 구현하고자 하는 개인 맞춤형 건강 관리 서비스에 맞는 모듈별로 변환된 데이터 셋을 이용하여 빅데이터를 구성하여 보건 의료 서비스 또는 개인 맞춤형 건강 관리 서비스를 제공하기 위한 FHIR 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법 및 시스템을 제공하는 것이다.
또한 본 발명의 목적은 맞춤형 건강 관리 서비스에 사용되는 전자의무기록(Electronic Medical Record, EMR), 유전자 정보, 환자 생산 건강데이터(Patients Generated Health Data, PGHD) 및/또는 건강 데이터의 사회적 결정 요인(SDOH; Social Determinants of Health Data)를 포함하는 소스 데이터 셋을 수집하여 의미적 상호운용성 가지는 표준-예를 들어 양질의 환자 정보를 담고 있는 FHIR(Fast Healthcare Interoperability Resources) 표준-을 기반으로 리소스(Resources)를 프로파일링하여 구현하고자하는 개인 맞춤형 건강 관리 서비스에 맞춘 데이터 셋으로 변환하여 다양한 새로운 개인 맞춤형 건강 관리 서비스 제공 방법 및 시스템을 제공하는 것이다.
본 발명의 일실시예에 따르면, 개인 맞춤형 건강 관리 서비스 제공 시스템에서 수행되는 FHIR 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법은 양질의 보건의료 데이터를 생성하기 위하여 상호운용성 가지는 FHIR(Fast Healthcare Interoperability Resources) 표준을 근거로 양질의 보건 의료 데이터를 확보하는 단계, 상기 확보된 양질의 보건 의료 데이터를 근거로 기계 학습을 수행하는 단계 및 상기 기계 학습을 통하여 신체 기능(Physical Function), 인지 기능(Cognitive Function), 심리적 기능(Psychological Function), 역할 활동(Role activities) 및 사회적 기능(Social Function)에서 사용자 본인의 특성과 비슷한 사람들의 양질의 보건 의료 데이터를 그룹핑하여 보관하고, 상기 그룹핑하여 보관된 양질의 보건 의료 데이터를 사용하여 상기 사용자 본인이 속하는 특정 지역 또는 특정 집단(population)에서 상기 신체 기능(Physical Function), 인지 기능(Cognitive Function), 심리적 기능(Psychological Function), 역할 활동(Role activities) 및 사회적 기능(Social Function)에서 상기 사용자 본인의 노화 정도가 어느 수준에 있는지를 평가하여, 상기 평가된 사용자의 노화 정도를 보험회사에 제공하여 상기 사용자의 노화 정도가 개선 또는 악화되는 경우 보험료를 조정하도록 하는 단계를 포함할 수 있다.
개인 맞춤형 건강 관리 서비스 제공 시스템에서 수행되는 FHIR 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법은 상기 사용자의 노화 정도를 판단하기 위한 노화 측정 기초 데이터를 수집하는 단계를 더 포함할 수 있다.
상기 노화 측정 기초 데이터는 사용자의 일상 활동 로그(daily activity log) 데이터를 포함할 수 있다.
한편, FHIR(Fast Healthcare Interoperability Resources) 표준 기반 개인 맞춤형 건강 관리 서비스 제공 시스템은 양질의 보건의료 데이터를 생성하기 위하여 상호운용성을 가지는 FHIR 표준을 근거로 양질의 보건 의료 데이터를 확보하는 서버 및 사용자의 노화 정도를 판단하기 위한 노화 측정 기초 데이터를 수집하는 장치를 포함하되, 상기 서버는 기계 학습을 통하여 신체 기능(Physical Function), 인지 기능(Cognitive Function), 심리적 기능(Psychological Function), 역할 활동(Role activities) 및 사회적 기능(Social Function)에서 사용자 본인의 특성과 비슷한 사람들의 양질의 보건 의료 데이터를 그룹핑하여 보관하고, 상기 그룹핑하여 보관된 양질의 보건 의료 데이터를 사용하여 상기 사용자 본인이 속하는 특정 지역 또는 특정집단(population)에서 상기 신체 기능(Physical Function), 인지 기능(Cognitive Function), 심리적 기능(Psychological Function), 역할 활동(Role activities) 및 사회적 기능(Social Function)에서 상기 사용자 본인의 노화 정도가 어느 수준에 있는지를 평가하여, 상기 평가된 사용자의 노화 정도를 보험회사에 제공하여 상기 사용자의 노화 정도가 개선 또는 악화되는 경우 보험료를 조정하는 기능을 포함할 수 있다.
상기 노화 측정 기초 데이터는 사용자의 일상 활동 로그 (daily activity log) 데이터를 포함할 수 있다.
본 발명의 실시 예들에 따른 FHIR 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법 및 시스템은 기존 전자의무기록(EMR) 시스템을 그대로 사용하되, 의료기관의 진료 데이터인 전자의무기록(EMR), 수집 디바이스를 통해 개인 또는 환자로부터 수집되는 환자 생산 건강데이터(Patients Generated Health Data, PGHD)와 같은 공유되는 보건 의료 데이터 자체를 국제의료표준 기술인 FHIR 표준 데이터 형태로 변환해줌으로써 전체 전자의무기록(EMR) 시스템 통합 비용을 결과적으로 감소시킬 수 있다.
또한, 본 발명의 실시 예들에 따른 FHIR 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법 및 시스템은 환자 생산 건강데이터(PGHD)를 수집하여 의료정보에 대한 접근통제권을 환자 개인에게 줌으로써 환자 중심의 의료서비스 환경이 마련될 수 있도록 할 수 있다.
또한, 본 발명의 실시 예들에 따른 FHIR 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법 및 시스템은 양질의 보건 의료 데이터를 빅데이터를 구성하여 양질의 보건 의료 데이터를 근거로 다양한 분석(기계학습, 통계 분석등)을 수행함으로써 다수의 사용자를 포함하는 특정 집단 또는 국내의 전체 인구(Population)를 대상으로 질병 예측등의 보건 의료 서비스를 제공할 수 있다.
또한, 본 발명의 실시 예들에 따른 FHIR 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법 및 시스템은 FHIR 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법은 FHIR 표준 기반으로 양질의 보건 의료 데이터를 수집해 빅데이터를 구성하여 기계학습을 통해 특정 질환별, 연령별 환자, 특정 지역, 특정집단(population), 또는 전체 인구(Population)를 대상으로 질병 예측등의 보건 의료 서비스를 제공, 본인이 속한 특정 지역, 특정집단(population), 또는 전체 인구(Population)에서 노화 정도가 어느 수준에 있는지를 분석해 질병 예후 관점에서 서비스하고, 이를 보험회사에 제공하여 노화 정도가 개선/악화되는 경우 보험료를 조정하도록 하여 보험과 연계된 서비스 제공할 수 있다.
또한, 본 발명의 실시 예들에 따른 FHIR 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법 및 시스템은 FHIR 표준 기반으로 구현하고자하는 환자 맞춤형 건강 정보 제공 서비스에 맞는 보건 의료 데이터 셋으로 변환하여 빅데이터를 구성하여 기계학습을 통해 특정 질환별 또는 연령별 코호트(Cohort) 참여 대상 환자(1030), 특정 지역, 특정집단(population), 또는 전체 인구(Population)를 대상으로 질병 예측등의 보건 의료 서비스 또는 환자 맞춤형 건강 관리 서비스를 제공하고, 환자 본인이 속한 특정 지역, 특정집단(population), 또는 전체 인구(Population)에서 노화 정도가 어느 수준에 있는지를 분석해 질병 예후 관점에서 서비스하고, 이를 보험회사에 제공하여 노화 정도가 개선/악화되는 경우 보험료를 조정하도록 하여 보험과 연계된 서비스 제공할 수 있다.
또한, 본 발명의 실시 예들에 따른 FHIR 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법 및 시스템은 맞춤형 건강 관리 서비스에 사용되는 전자의무기록(Electronic Medical Record, EMR), 유전자 정보, 환자 생산 건강데이터(Patients Generated Health Data, PGHD) 및/또는 건강 데이터의 사회적 결정 요인(SDOH; Social Determinants of Health Data)를 포함하는 소스 데이터 셋을 송수신 모듈을 통하여 수집하여 FHIR 표준을 기반으로 리소스(Resources)를 프로파일링하여 구현하고자하는 개인 맞춤형 건강 관리 서비스에 맞춘 데이터 셋으로 변환하여 다양한 새로운 개인 맞춤형 건강 관리 서비스를 제공할 수 있다.
도 1은 본 발명의 일실시예에 따른 FHIR 표준 기반으로 보건의료 데이터의 질 관리 기반의 개인 맞춤형 건강 관리 서비스 제공 방법을 설명하기 위한 순서도이다.
도 2는 공통데이터모델(CDM; Common Data Model) 기반으로 보건의료 데이터의 질 관리 기반의 보건 의료 서비스 제공 시스템을 설명하기 위한 개념도이다.
도 3는 보건의료 데이터의 질 관리 기반의 보건 의료 서비스를 설명하기 위한 개념도이다.
도 4는 본 발명의 일 실시예에 따른 FHIR 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법을 설명하기 위한 순서도이다.
도 5는 본 발명의 일 실시예에 따른 FHIR 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법을 수행하기 위한 개인 맞춤형 건강 관리 서비스 제공 시스템의 개념도이다.
도 6은 도 5의 개인 맞춤형 건강 관리 서비스 제공 시스템의 블록도이다.
도 7은 도 5의 개인 맞춤형 건강 관리 서비스 제공 시스템의 기존 서비스와의 연동과 신규 서비스 창출을 설명하기 위한 개념도이다.
도 8은 도 5의 개인 맞춤형 건강 관리 서비스 제공 시스템의 폐쇄형 플랫폼과의 연동과 신규 개인 맞춤형 건강 관리 서비스의 예를 설명하기 위한 개념도이다.
도 9는 본 발명의 일 실시예에 따른 환자 맞춤형 약물 진단 치료 서비스를 설명하기 위한 개념도이다.
도 10은 본 발명의 다른 실시예에 따른 환자 맞춤형 건강 정보 제공 서비스를 설명하기 위한 개념도이다.
도 11은 도 10의 설문에 대한 FHIR 프로파일링 코드의 샘플을 예시한 것이다.
도 12는 본 발명의 일실시예에 따른 소스 데이터 셋 중 유전 정보의 일예로서 유전체 검사 결과 보고서를 나타낸 도면이다.
도 13a 및 13b는 도 12의 유전체 검사 결과 보고서의 필수 필드(Required Fields)의 세부 컨텐츠를 나타낸 표이다.
도 14는 도 12의 유전체 검사 결과 보고서의 선택적 필드(Optional Fields)의 세부 컨텐츠를 나타낸 표이다.
도 15는 도 12의 유전체 검사 결과 보고서의 필수 필드(Required Fields)에 대한 FHIR 프로파일링 리소스 구조를 나타낸 개념도이다.
도 16은 도 12의 유전체 검사 결과 보고서의 선택적 필드(Optional Fields)에 대한 FHIR 프로파일링 리소스 구조를 나타낸 개념도이다.
도 17 내지 도 21은 FHIR 리소스 검증 도구의 실행 화면이다.
도 22는 본 발명의 일실시예 따른 유전체 프로파일링 다이어그램이다.
도 23은 본 발명의 일 실시예에 따른 질병 관리 서비스를 설명하기 위한 개념도이다.
도 24는 본 발명의 일실시예에 따른 소스 데이터 셋 중 EMR 데이터의 일예로서 환자 진료 기록 요약지(Care Record Summary)의 기본 정보(Header) 항목을 나타낸 표이다.
도 25a 및 25b는 본 발명의 일실시예에 따른 소스 데이터 셋 중 EMR 데이터의 일예로서 환자 진료 기록 요약지(Care Record Summary)의 진료 정보(Body) 항목을 나타낸 표이다.
도 26a 및 26b는 본 발명의 일실시예에 따른 소스 데이터 셋 중 EMR 데이터의 일예로서 환자 진료 기록 요약지(Care Record Summary)의 기본 정보(Header) 항목에 대한 데이터를 FHIR 리소스 프로파일링하기 위한 매핑 테이블이다.
도 27a 내지 27c는 본 발명의 일실시예에 따른 소스 데이터 셋 중 EMR 데이터의 일예로서 환자 진료 기록 요약지(Care Record Summary)의 진료 정보(Body) 항목에 대한 데이터를 FHIR 리소스 프로파일링하기 위한 매핑 테이블이다.
도 28은 본 발명의 일실시예에 따른 소스 데이터 셋 중 EMR 데이터의 일예로서 환자 진료 기록 요약지(Care Record Summary) FHIR 생성기 라이브러리(FHIR Generator Library)의 패키지 구조를 나타낸 도면이다.
도 29a 및 도 29b는 본 발명의 일실시예에 따른 소스 데이터 셋 중 EMR 데이터의 일예로서 환자 진료 기록 요약지(Care Record Summary) FHIR 리소스를 생성하기 위한 Header_Section 패키지 포함 클래스와 Body_Section 패키지 포함 클래스의 정의를 예시로 나타낸 도면이다.
도 30a 내지 도 30d는 본 발명의 일실시예에 따른 소스 데이터 셋 중 EMR 데이터의 일예로서 환자 진료 기록 요약지(Care Record Summary) 프로파일링 다이어그램이다.
도 2는 공통데이터모델(CDM; Common Data Model) 기반으로 보건의료 데이터의 질 관리 기반의 보건 의료 서비스 제공 시스템을 설명하기 위한 개념도이다.
도 3는 보건의료 데이터의 질 관리 기반의 보건 의료 서비스를 설명하기 위한 개념도이다.
도 4는 본 발명의 일 실시예에 따른 FHIR 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법을 설명하기 위한 순서도이다.
도 5는 본 발명의 일 실시예에 따른 FHIR 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법을 수행하기 위한 개인 맞춤형 건강 관리 서비스 제공 시스템의 개념도이다.
도 6은 도 5의 개인 맞춤형 건강 관리 서비스 제공 시스템의 블록도이다.
도 7은 도 5의 개인 맞춤형 건강 관리 서비스 제공 시스템의 기존 서비스와의 연동과 신규 서비스 창출을 설명하기 위한 개념도이다.
도 8은 도 5의 개인 맞춤형 건강 관리 서비스 제공 시스템의 폐쇄형 플랫폼과의 연동과 신규 개인 맞춤형 건강 관리 서비스의 예를 설명하기 위한 개념도이다.
도 9는 본 발명의 일 실시예에 따른 환자 맞춤형 약물 진단 치료 서비스를 설명하기 위한 개념도이다.
도 10은 본 발명의 다른 실시예에 따른 환자 맞춤형 건강 정보 제공 서비스를 설명하기 위한 개념도이다.
도 11은 도 10의 설문에 대한 FHIR 프로파일링 코드의 샘플을 예시한 것이다.
도 12는 본 발명의 일실시예에 따른 소스 데이터 셋 중 유전 정보의 일예로서 유전체 검사 결과 보고서를 나타낸 도면이다.
도 13a 및 13b는 도 12의 유전체 검사 결과 보고서의 필수 필드(Required Fields)의 세부 컨텐츠를 나타낸 표이다.
도 14는 도 12의 유전체 검사 결과 보고서의 선택적 필드(Optional Fields)의 세부 컨텐츠를 나타낸 표이다.
도 15는 도 12의 유전체 검사 결과 보고서의 필수 필드(Required Fields)에 대한 FHIR 프로파일링 리소스 구조를 나타낸 개념도이다.
도 16은 도 12의 유전체 검사 결과 보고서의 선택적 필드(Optional Fields)에 대한 FHIR 프로파일링 리소스 구조를 나타낸 개념도이다.
도 17 내지 도 21은 FHIR 리소스 검증 도구의 실행 화면이다.
도 22는 본 발명의 일실시예 따른 유전체 프로파일링 다이어그램이다.
도 23은 본 발명의 일 실시예에 따른 질병 관리 서비스를 설명하기 위한 개념도이다.
도 24는 본 발명의 일실시예에 따른 소스 데이터 셋 중 EMR 데이터의 일예로서 환자 진료 기록 요약지(Care Record Summary)의 기본 정보(Header) 항목을 나타낸 표이다.
도 25a 및 25b는 본 발명의 일실시예에 따른 소스 데이터 셋 중 EMR 데이터의 일예로서 환자 진료 기록 요약지(Care Record Summary)의 진료 정보(Body) 항목을 나타낸 표이다.
도 26a 및 26b는 본 발명의 일실시예에 따른 소스 데이터 셋 중 EMR 데이터의 일예로서 환자 진료 기록 요약지(Care Record Summary)의 기본 정보(Header) 항목에 대한 데이터를 FHIR 리소스 프로파일링하기 위한 매핑 테이블이다.
도 27a 내지 27c는 본 발명의 일실시예에 따른 소스 데이터 셋 중 EMR 데이터의 일예로서 환자 진료 기록 요약지(Care Record Summary)의 진료 정보(Body) 항목에 대한 데이터를 FHIR 리소스 프로파일링하기 위한 매핑 테이블이다.
도 28은 본 발명의 일실시예에 따른 소스 데이터 셋 중 EMR 데이터의 일예로서 환자 진료 기록 요약지(Care Record Summary) FHIR 생성기 라이브러리(FHIR Generator Library)의 패키지 구조를 나타낸 도면이다.
도 29a 및 도 29b는 본 발명의 일실시예에 따른 소스 데이터 셋 중 EMR 데이터의 일예로서 환자 진료 기록 요약지(Care Record Summary) FHIR 리소스를 생성하기 위한 Header_Section 패키지 포함 클래스와 Body_Section 패키지 포함 클래스의 정의를 예시로 나타낸 도면이다.
도 30a 내지 도 30d는 본 발명의 일실시예에 따른 소스 데이터 셋 중 EMR 데이터의 일예로서 환자 진료 기록 요약지(Care Record Summary) 프로파일링 다이어그램이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등을 포함하는 용어가 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재 항목들의 조합 또는 복수의 관련된 기재 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부한 도면들을 참조하여 본 발명에 바람직한 실시 예를 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어 도면 부호에 상관없이 동일하거나 대응하는 구성요소는 동일한 참조번호를 부여하고 이에 대해 중복되는 설명은 생략하기로 한다.
HL7(Health Level 7)은 이기종 의료정보시스템간 정보 호환이 가능하도록 표준을 제정하기 위해 1987년에 조직된 표준화 기구 또는 의료정보의 전자적 교환에 대한 표준이다.
HL7은 글로벌 헬스 데이터의 상호운용성(interoperablility)를 향상시키기 위해 헬스 데이터의 전자 정보 교환, 통합, 공유, 추출을 위한 통합 프레임워크와 관련된 표준을 제정한다. HL7은 1980년대 후반부터 의료정보교환을 위한 V2 메시지, V3 RIM(Reference Information Model), CDA(Clinical Document Architecture)등을 개발하였다.
FHIR(Fast Healthcare Interoperability Resources)은 HL7에서 헬스케어 시스템 또는 서비스의 상호운용성 보장을 위해 개발 중인 차세대 의료정보표준 플랫폼으로 전자 의료 정보를 교환하기 위한 목적을 지니며 의료 환경에서 다루어지는 다양한 정보들을 리소스(Resource) 형태로 구현하고 이를 이용하여 다양한 의료정보 간 상호 운용성을 보장하는 표준이다.
HL7 FHIR는 최근의 모바일, 클라우드, 사물인터넷 등의 정보통신 기술의 변화에 대응하기 위해 2011년 7월에 처음 제안되었다.
FHIR의 주요 특징으로는 의료인보다는 구현 및 개발자에게 초점을 두고 있다는 점과 의료현장에서 발생하는 일반적인 시나리오 즉, 유즈케이스를 쉽고 빠르게 구현함을 목표로 한다는 점이다. 또한 최신 웹 기술을 수용하고 있으며, 상호운용성 향상을 위해 사람의 가독성을 중요하게 생각한다. 그리고, 메시징, 문서 교환 등의 기존 패러다임 및 아키텍처를 지원한다.
FHIR 리소스(Resource)는 FHIR의 컴포넌트 모듈로 데이터 교환을 위한 의료정보의 단위로서, 표준을 기반으로 다양한 의료 정보를 조합하거나 분리하여 추출이 가능한 정형화된 모듈이다.
HL7의 7이 OSI 7계층의 애플리케이션(Application) 계층을 의미하기 때문에 관련 표준은 대체로 최상위 계층인 애플리케이션 계층에서 운용된다.
FHIR은 HL7 메시징 서비스 V2 메시지, V3 RIM, CDA와 같은 HL7의 이전 데이터 형식 표준을 기반으로 그들의 장점을 극대화하여 구성하였으며, 해당 버전들과 모두 호환되며, 모바일, 클라우드, 사물인터넷등 다양한 환경에 유연하게 적용이 가능하다. FHIR은 구현의 편리성과 데이터의 무결성을 보장하며 의료기기 애플리케이션 간의 데이터 교환을 위한 메커니즘을 제공하기 위해서 생성된다.
FHIR은 RESTful 스타일(Style) 방식으로 데이터를 세부적으로 교환할 수 있으며, DAF(Data Access Framework)는 HL7 FHIR, C-CDA 및 기준 IHE 표준을 활용하여 전자건강기록(EHR; Electronic Health Record) 또는 타 시스템의 데이터 사용도 표준에 의거하여 이용 가능하다.
전자의무기록(Electronic Medical Record, EMR)이란 기존의 종이챠트로 관리되던 의무기록 관리 방식에 IT 기술을 접목하여 병원에서 발생하는 의료정보를 일체의 수정없이 모두 전산화하는 의료정보시스템을 지칭한다. 즉, 의료기관에서 환자를 진료하면서 발생되는 모든 형태의 의료정보-건강상태, 병력, 검사결과, 문진내용, 진술문, 처방/처치내역, 약물반응, 입/퇴원기록 등을 기존의 종이 차트에서 관리하던 내용 그대로 전산화시키는 것이다.
환자 생산 건강데이터(Patients Generated Health Data, PGHD)는 환자가 자발적으로 생산한 건강데이터로서 예를 들어 건강에 대한 이력이나 생체 데이터, 생활습관 등이 모두 여기에 속하며, 환자가 약을 제대로 먹는지, 환자의 습관은 무엇인지를 처방 데이터, 유전자 데이터로부터는 알 수 없지만 환자 생산 건강데이터(PGHD)로부터 파악할 수 있다.
최근 환자 생산 건강데이터(PGHD)는 헬스케어 분야에서 병원에서 측정하는 데이터에는 한계가 있기 때문에 중요성이 크다. 환자가 몇 달에 한 번 정도 병원을 방문해 측정하는 데이터는 극히 일부분만 측정할 수 있지만 환자 생산 건강데이터(PGHD)는 환자 정보 대부분을 반영할 수 있기 때문에 중요하다.
이하, 본 발명의 실시예들에 따른 FHIR 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법 및 시스템에 대해 설명한다.
도 1은 본 발명의 일실시예에 따른 FHIR 표준 기반으로 보건의료 데이터의 질 관리 기반의 개인 맞춤형 건강 관리 서비스 제공 방법을 설명하기 위한 순서도이다.
도 1을 참조하면, 먼저, 양질의 보건의료 데이터를 생성하기 위하여 의미적 상호운용성 가지는 FHIR(Fast Healthcare Interoperability Resources) 표준을 근거로 양질의 보건 의료 데이터를 확보한다(단계 S110).
그 다음, 확보된 양질의 보건 의료 데이터를 근거로 다양한 학습(기계학습, 통계 학습)을 수행한다(단계 S120). 확보된 양질의 보건 의료 데이터를 이용하여 기계 학습을 통하여 사용자 본인의 특성과 비슷한 사람들을 그룹핑하여 보관할 수 있다.
상기 학습을 통해 예측 결과 또는 기본적 지식을 획득한다(단계 S113). 상기 기본적 지식은 소정의 의료 행위 또는 처치, 예후 등을 포함할 수 있다. 보험/비용, 기본적 지식(처치, 예후등)도 질의를 통하여 원하는 결과를 얻을 수 있도록 보건의료 데이타와 상기 획득한 기본적 지식을 함께 저장하여 관리한다.
본인이 속한 특정 지역/집단 또는 전체 인구(Population)에서 노화 정도가 어느 수준에 있는지를 분석해 이를 보험회사에 제공하여 노화 정도가 개선/악화되는 경우 보험료를 조정하도록 하여 보험과 연계된 서비스 제공할 수 있다.
상기 확보된 양질의 데이터와 기본적 지식을 묶어서 통합적으로 저장하여 관리함으로써 통합적으로 활용한다(단계 S140)
전술한 방법에 따라서, 징후(Sympton), 처치내용등의 병원의 CRS(Care Report Summary)를 모아서 데이터 분석(기계학습, 통계 학습)이 가능하며, '나'라는 특성과 비슷한 사람들을 그룹핑하고, 이러한 분석후 보건 의료 서비스(질병 예측등)를 제공할 수 있다.
따라서, FHIR 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법은 FHIR 표준 기반으로 양질의 보건 의료 데이터를 수집해 빅데이터를 구성하여 기계학습을 통해 특정 질환별, 연령별 환자, 특정 지역, 특정집단(population), 또는 전체 인구(Population)를 대상으로 질병 예측등의 보건 의료 서비스를 제공, 본인이 속한 특정 지역, 특정집단(population), 또는 전체 인구(Population)에서 노화 정도가 어느 수준에 있는지를 분석해 질병 예후 관점에서 서비스하고, 이를 보험회사에 제공하여 노화 정도가 개선/악화되는 경우 보험료를 조정하도록 하여 보험과 연계된 서비스 제공할 수 있다.
상기 본인이 속한 특정 지역/집단 또는 전체 인구(Population)에서 노화 정도가 어느 수준에 있는지를 분석하는 구체적인 방법에 대해서 이하 설명한다. 수집 디바이스를 통하여 노화 측정 기초 데이터를 수집하여 노화 정도를 복수개의 영역- 예를 들어 신체 기능(Physical Function), 인지 기능(Cognitive Function), 심리적 기능(Psychological Function)(260), 역할 활동(Role activities), 사회적 기능(Social Function)의 5개 영역-별로 분석하고 평가한다. 수집 디바이스는 밴드형, 손목 시계형, 안경형, 의복형과 같은 사용자의 신체의 일부에 착용가능한 다양한 형태의 웨어러블 디바이스, 스마트 폰 또는 별도의 전용 단말을 포함할 수 있다.
상기 노화 측정 기초 데이터는 사용자의 일상 활동 로그(daily activity log) 데이터를 포함할 수 있다.
상기 5개 영역 중 신체 기능(Physical Function)은 자기 관리(self-care), 이동성(mobility) 및/또는 신체 활동(physical activity)을 포함할 수 있다.
상기 인지 기능(Cognitive Function)은 기억력(memory) 및/또는 인지처리능력(또는 인지 과정)(cognitive processing)을 포함할 수 있다.
상기 심리적 기능(Psychological Function)은 불안(anxiety), 스트레스(stress), 우울증(depression) 및/또는 정신적 건강(spiritual wellbeing)을 포함할 수 있다.
상기 역할 활동(Role activities)은 일(work) 및/또는 가정 관리(household management)를 포함할 수 있다.
상기 사회적 기능(Social Function)은 개인적 상호교류(personal interaction), 친밀감(intimacy), 및/또는 공동체 상호작용(community interaction)을 포함할 수 있다.
상기 사회적 기능(Social Function)은 사용자의 사회적 공동체(social community)-예를 들어 급식 프로그램, 봉사 프로그램, 종교 프로그램등-를 통한 사회적 활동을 나타내며, 예를들어 사용자가 사회적 공동체 활동도를 FHIR 설문으로 평가할 수 있다.
도 2는 공통데이터모델(CDM; Common Data Model) 기반으로 보건의료 데이터의 질 관리 기반의 보건 의료 서비스 제공 시스템을 설명하기 위한 개념도이고, 도 3는 보건의료 데이터의 질 관리 기반의 보건 의료 서비스를 설명하기 위한 개념도이다.
공통데이터모델(CDM; Common Data Model)은 여러 기관에 흩어져 있는 데이터를 공통된 형태로 제공하는 다국적 의료 빅데이터 모델로, 의료기관이 보유한 빅데이터의 구조를 실제 연구에 활용할 수 있도록 표준화하고, 이를 공유할 수 있도록 연계·교류하는 사업이다.
공통데이터모델(CDM)은 의료 데이터 표준 기술로 원 데이터를 제공하는 게 아니라 익명화해 연구자나 기업에 필요한 통계 데이터만 공유하며, 개인 식별정보가 없어 강력한 개인정보 보호 가능하다.
다수 병원의 다수 환자들의 의료데이터를 공통데이터모델(CDM)로 전환시켜 익명화해 연구자나 기업에 필요한 통계 데이터만 공유할 수 있다. 공통데이터모델(CDM)은 정형 데이터 분석뿐 아니라 최근 정형데이터에서 비정형데이터 모델을 확장하고 있으며, 국가 차원에서 보건의료 데이터 분석 기반 틀로 사용되고 있다.
병원으로부터의 제공된 전자의무기록(EMR)을 FHIR 표준을 이용하여 표준화된 데이터로 변환하고 공통데이터모델(CDM)과 결합하여 구현함으로써 특정한 보건 의료 서비스의 목적에 맞게 표준화된 데이터에 근거한 스마트 헬스 케어 서비스를 제공할 수 있다.
도 2를 참조하면, 복수의 공통데이터모델인 CDM 1(210-1), CDM 1(210-1), CDM 2(210-2), CDM 3(210-3), CDM 4(210-4), ??, CDM m(210-m), ??, CDM n(210-n)을 기초로 분산형 보건 의료 통합데이터망을 구축할 수 있다.
도 3을 참조하면, 도 2와 같은 분산형 보건 의료 통합데이터망 구축을 통해 임상 연구에서 필요한 양질의 보건의료 빅데이터-예를 들어, 전자 의무 기록(EMR)(310), 국가 보건 의료 데이터 베이스(320), 유전정보(330), 환자 생산 건강 데이터(PGHD), 지리 정보 시스템(GIS)(350), 의료 영상(360)-를 개인정보 유출의 위험 없이 특정 집단 또는 전체 인구(Population)를 대상으로 안전하고 빠르게 제공할 수 있다.
도 4는 본 발명의 일 실시예에 따른 FHIR 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법을 설명하기 위한 순서도이다.
도 5는 본 발명의 일 실시예에 따른 FHIR 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법을 수행하기 위한 개인 맞춤형 건강 관리 서비스 제공 시스템의 개념도이다. 도 6은 도 5의 개인 맞춤형 건강 관리 서비스 제공 시스템의 블록도이고, 도 7은 도 5의 개인 맞춤형 건강 관리 서비스 제공 시스템의 기존 서비스와의 연동과 신규 서비스 창출을 설명하기 위한 개념도이고, 도 8은 도 5의 개인 맞춤형 건강 관리 서비스 제공 시스템의 폐쇄형 플랫폼과의 연동과 신규 개인 맞춤형 건강 관리 서비스의 예를 설명하기 위한 개념도이다.
이하, 도 4 내지 도 8을 참조하여 본 발명의 일 실시예에 따른 FHIR 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법을 설명한다.
도 5 및 도 6을 참조하면, 개인 맞춤형 건강 관리 서비스 제공 시스템(500)은 FHIR 서버(510), 공통데이터모델(CDM; Common Data Model) 처리부(520) 및 빅 데이터 서버(530)을 포함한다.
FHIR 서버(510)는 송수신 모듈(미도시)을 통하여 소스 데이터 셋(550)과 연동되며, FHIR 서버(510)는 FHIR(Fast Healthcare Interoperability Resources) 기반 데이터 모듈을 포함한다.
상기 FHIR 표준 기반 복수의 데이터 모듈은 소스 데이터 셋(550)을 복수의 개인 맞춤형 건강 관리 서비스 중 구현하고자하는 개인 맞춤형 건강 관리 서비스에 맞도록 상호운용성 가지는 제1 변환 데이터 셋(515)을 제공하기 위해 구성될 수 있다. 구체적으로, 상기 FHIR 표준 기반 복수의 데이터 모듈은 복수의 개인 맞춤형 건강 관리 서비스 중 구현하고자하는 개인 맞춤형 건강 관리 서비스에 맞도록 상호운용성 가지는 전자의무기록(Electronic Medical Record, EMR) 모듈(512), 유전 정보 모듈(514), 환자 생산 건강데이터(Patients Generated Health Data, PGHD) 모듈(516) 및/또는 건강 데이터의 사회적 결정 요인(SDOH; Social Determinants of Health Data) 모듈(518)를 포함할 수 있다.
도 7에 도시된 바와 같이, 개인 맞춤형 건강 관리 서비스 제공 시스템은 맞춤형 건강 관리 서비스에 사용되는 소스 데이터 셋(550)을 송수신 모듈을 통하여 수집하여 FHIR 표준을 기반으로 리소스(Resources)를 프로파일링하여 구현하고자하는 개인 맞춤형 건강 관리 서비스에 맞춘 데이터 셋으로 변환하여 새로운 개인 맞춤형 건강 관리 서비스를 제공할 수 있다.
FHIR 서버는 FHIR 표준의 적어도 하나의 리소스(Resources)를 프로파일링하여 전술한 FHIR 표준 기반 복수의 데이터 모듈을 제공하고자하는 개인 맞춤형 건강 관리 서비스에 맞도록 소스 데이터 셋(550)을 상호운용성 가지는 제1 변환 데이터 셋(515)을 제공할 수 있다.
소스 데이터 셋(550)은 전자의무기록(Electronic Medical Record, EMR)(552), 유전자 정보(554), 환자 생산 건강데이터(Patients Generated Health Data, PGHD)(556) 및/또는 건강 데이터의 사회적 결정 요인(SDOH; Social Determinants of Health Data)(558)를 포함할 수 있다.
전자의무기록(EMR)은 의료기관에서 환자를 진료하면서 발생되는 모든 형태의 의료정보-건강상태, 병력, 검사결과, 문진내용, 진술문, 처방/처치내역, 약물반응, 입/퇴원기록 등을 기존의 종이 차트에서 관리하던 내용 그대로 전산화시킨 데이터를 포함할 수 있다.
환자 생산 건강데이터(PGHD)(556)는 환자 또는 개인이 생성한 건강 관련 데이터이다. 환자 생산 건강데이터(PGHD)(556)는 IT 기술의 발전에 따라 사물인터넷(IoT) 디바이스등에 의해 획득이 가능해진 개인이 생성한 데이터를 포함할 수 있다.
건강 데이터의 사회적 결정 요인(SDOH)(558)은 사람이 태어나서 자라고 살아가며 일하고 늙어가는 조건들을 의미할 수 있다(“The social determinants of health are the conditions in which people are born, grow, live, work and age). 건강 데이터의 사회적 결정 요인(SDOH)(558)은 개인이 선택하지 못하는 외부 조건(개인의 성별, 언어, 사회/정치적 요건, 기후/환경 등)에 초점을 맞춘 것이다.
상기 적어도 하나의 리소스를 프로파일링하는 것은 상기 FHIR 표준을 만족하는지 아닌지 확인하면서 프로파일링(profiling)을 수행하는 것을 포함한다. 여기서, 상기 리소스는 데이터 포맷 및 요소들을 포함하며, 데이터의 단위이고 행동(Behavior)이나 의미(Meaning) 단위로 나누어질 수 있다. 리소스는 상기 개인 맞춤형 건강 관리 서비스를 구현하는 시스템에서 리소스 식별자(ID)로 고유하게 식별될 수 있다. 리소스에 대한 구체적인 내용은 후술한다.
공통데이터모델(CDM) 처리부는 복수의 공통데이터모델(CDM) 1(520-1), 공통데이터모델(CDM) 2(520-2), ?? 공통데이터모델(CDM) N(520-N)을 포함할 수 있다.
여기서, 공통데이터모델(CDM) 처리부는 필수적인 구성은 아니며 선택적인 구성이 될 수 있으며, FHIR 서버에서 제공되는, 개인 맞춤형 건강 관리 서비스에 맞도록 소스 데이터 셋(550)을 FHIR 표준 기반으로 상호운용성 가지는, 제1 변환 데이터 셋(515)은 빅 데이터 서버로 제공되어 처리될 수 있다.
도 4를 참조하면, 복수의 개인 맞춤형 건강 관리 서비스 중 구현하고자하는 개인 맞춤형 건강 관리 서비스에 맞는 소스 데이터 셋(source data set)(550)을 FHIR 서버(510)에서 제공받는다(단계 S410).
FHIR 서버(510)에서 상기 제공받은 소스 데이터 셋(550)을 복수의 개인 맞춤형 건강 관리 서비스 중 구현하고자하는 개인 맞춤형 건강 관리 서비스에 맞도록 상호운용성 가지는 제1 변환 데이터 셋(515)을 생성해 공통데이터모델(CDM; Common Data Model) 처리부(520)로 제공한다(S420).
공통데이터모델(CDM) 처리부(520)는 제1 변환 데이터 셋(515)을 공통데이터모델(CDM)로 전환시켜 제2 변환 데이터 셋(525)을 생성해 빅 데이터 서버(530)으로 제공한다(S430).
빅 데이터 서버(530)는 공통데이터모델(CDM)로 전환된 제2 변환 데이터 셋(525)에 기초하여 복수의 개인 맞춤형 건강 관리 서비스 중 구현하고자하는 개인 맞춤형 건강 관리 서비스를 제공한다(S440). 상기 제2 변환 데이터 셋은 변환 전자의무기록(EMR), 변환 유전자 정보, 변환 환자 생산 건강데이터(PGHD) 및 변환 건강 데이터의 사회적 결정 요인(SDOH) 중 적어도 하나를 포함할 수 있다.
전술한 바와 같이, 공통데이터모델(CDM) 처리부에서의 제1 변환 데이터 셋(515)을 공통데이터모델(CDM)로 전환시켜 제2 변환 데이터 셋(525)을 생성하는 동작은 필수적인 구성은 아니며 선택적인 구성이 될 수 있으며, FHIR 서버에서 제공되는, 개인 맞춤형 건강 관리 서비스에 맞도록 소스 데이터 셋(550)을 FHIR 표준 기반으로 상호운용성 가지는, 제1 변환 데이터 셋(515)은 빅 데이터 서버로 제공되어 처리될 수도 있다. 즉, 빅 데이터 서버(530)는 제1 변환 데이터 셋(515)에 기초하여 복수의 개인 맞춤형 건강 관리 서비스 중 구현하고자하는 개인 맞춤형 건강 관리 서비스를 제공할 수 있다.
도 8에 도시된 바와 같이, 개인 맞춤형 건강 관리 서비스 제공 시스템은 소스 데이터 셋(550)을 송수신 모듈을 통하여 수집하여 제공하려는 개인 맞춤형 건강 관리 서비스 제공에 맞는 변환 전자의무기록(EMR), 변환 유전자 정보, 변환 환자 생산 건강데이터(PGHD) 및 변환 건강 데이터의 사회적 결정 요인(SDOH) 중 적어도 하나를 생성하여 개인 맞춤형 건강 관리 서비스를 제공할 수 있다. 개인 맞춤형 건강 관리 서비스 제공 시스템은 폐쇄된 건강 관리 서비스 플랫폼(810)과 연동하여 동작 할 수 있다. 폐쇄된 건강 관리 서비스 플랫폼(810)은 전자의무기록(EMR)을 소스 데이터로 수집하여 특정 병원에서 건강 관리 서비스를 제공하되 타 병원과는 독립적으로 폐쇄적으로 운영된다.
도 9는 본 발명의 일 실시예에 따른 환자 맞춤형 약물 진단 치료 서비스를 설명하기 위한 개념도이다.
도 9를 참조하면, 환자 맞춤형 약물 진단 치료 서비스 제공 시스템(500a)은 환자 맞춤형 약물 진단 치료 서비스를 구현하기 위해 필요한 소스 데이터로서 FHIR 표준 기반 데이터 모듈을 거쳐 변환된 변환 전자의무기록(EMR)(852), 변환 유전자 정보(854), 변환 환자 생산 건강데이터(PGHD)(856) 및 변환 건강 데이터의 사회적 결정 요인(SDOH)(858)를 포함하는 제2 변환 데이터 셋(525) 중에서 변환된 EMR 데이터(852)와 변환된 유전체 정보(854)를 이용할 수 있다. 또는, 변환 전자의무기록(EMR)(852), 변환 유전자 정보(854), 변환 환자 생산 건강데이터(PGHD)(856) 및 변환 건강 데이터의 사회적 결정 요인(SDOH)(858)은 FHIR 표준 기반 데이터 모듈 및 공통데이터모델(CDM) 처리부(520)를 거쳐서 변환될 수도 있다.
환자 맞춤형 약물 진단 치료 서비스 제공 시스템(500a)은 의료기관(910)으로부터의 특정 환자에 대한 환자 맞춤형 약물 진단,치료 서비스를 요청하기 위하여 특정 환자에 대한 약물 예측 요청(912)를 수신하여 상기 변환된 EMR 데이터(952)와 변환된 유전체 정보(954)를 이용해 상기 약물 예측 요청(912)에 대한 응답(922)를 생성하여 의료기관(910)에 제공한다. 의료기관(910)은 병원, 제약사를 포함할 수 있다. 약물 예측 요청(912)에 대한 응답(922)은 특정 환자의 유전체 정보에 맞는 약물 진단,치료를 위한 정보를 포함할 수 있다.
도 10은 본 발명의 다른 실시예에 따른 환자 맞춤형 건강 정보 제공 서비스를 설명하기 위한 개념도이다.
도 10을 참조하면, 고혈압/고지혈/당뇨등 특정 질환별 또는 연령별 코호트(Cohort), 코호트(Cohort) 참여 대상 환자(1030), 특정집단(population)의 환자가 보고하는 성과, 설문, 징후등의 각종 결과(1020)를 FHIR 표준 기반 항목(1040)으로 취합되어 FHIR 서버(500)에 제공될 수 있다. 상기 각종 결과(1020)는 전술한 환자 생산 건강데이터(PGHD)(556)에 포함될 수 있다.
코호트(Cohort)는 같은 지역에 거주하는 등 동일한 통계 인자를 가진 집단을 의미한다. 코호트사업은 질병관리본부 국립보건운영원이 지역별 대학병원 등을 통해 사업에 참가하는 지역 대상자들에게 영양평가·성인병 검진·체성분 분석·대사증후군 판정 등 소정 주기-예를 들어 2년-마다 건강검진을 실시하는 사업으로 한국인 유전체역학조사사업의 일환이다.
또한 FHIR 표준 기반 유전 정보(1060)는 취합되어 FHIR 서버(500)에 제공될 수 있다.
또한 특정집단(population)의 건강 정보(health information, 1050)는 취합되어 FHIR 서버(500)에 제공될 수 있다.
또한 복수의 병원(1010-1, ??, 1010-n)의 전자의무기록(EMR) 데이터(552)는 FHIR 서버(500)에 제공될 수 있다.
FHIR 서버(500)는 전술한 바와 같이 FHIR 표준 기반 데이터 모듈을 통하여 상기 제공된 각종 결과(1020), FHIR 표준 기반 유전 정보(1060), 전자의무기록(EMR) 데이터를 변환하여 다양한 개인 맞춤형 건강 관리 서비스를 제공하기 위한 변환 데이터 셋을 제공할 수 있다.
또는, FHIR 서버(500)는 전술한 바와 같이 FHIR 표준 기반 데이터 모듈, 공통데이터모델(CDM) 처리부(520)를 통하여 상기 제공된 각종 결과(1020), FHIR 표준 기반 유전 정보(1060), 전자의무기록(EMR) 데이터를 변환하여 다양한 개인 맞춤형 건강 관리 서비스를 제공하기 위한 변환 데이터 셋을 제공할 수 있다.
도 11은 도 10의 설문에 대한 FHIR 프로파일링 코드의 샘플을 예시한 것이다. 설문 조사후 통계처리 후 종료하는 것이 아니라 설문 조사 결과를 모아서 도 11에 도시된 바와 같이 예를들어 종교 모임에 참석했는지에 대한 설문(1110)을 FHIR 프로파일링 코드화하여 처리할 수 있다.
빅데이터 서버(530)는 도 5 내지 도 8에서 설명한 FHIR 서버(500), FHIR 기반 데이터 모듈, 및/또는 CDM 처리 모듈(520)을 통하여 FHIR 표준 기반으로 구현하고자하는 환자 맞춤형 건강 정보 제공 서비스에 맞는 보건 의료 데이터 셋으로 변환하여 빅데이터를 구성하여 기계학습을 통해 특정 질환별 또는 연령별 코호트(Cohort) 참여 대상 환자(1030), 특정 지역, 특정집단(population), 또는 전체 인구(Population)를 대상으로 질병 예측등의 보건 의료 서비스 또는 환자 맞춤형 건강 관리 서비스를 제공하고, 환자 본인이 속한 특정 지역, 특정집단(population), 또는 전체 인구(Population)에서 노화 정도가 어느 수준에 있는지를 분석해 질병 예후 관점에서 서비스하고, 이를 보험회사에 제공하여 노화 정도가 개선/악화되는 경우 보험료를 조정하도록 하여 보험과 연계된 서비스 제공할 수 있다.
도 12는 본 발명의 일실시예에 따른 소스 데이터 셋 중 유전 정보의 일예로서 유전체 검사 결과 보고서를 나타낸 도면이다. 도 12의 유전체검사결과 보고서는 ISO/TS 20428 문서에서 정의하는 유전체검사 결과보고서의 구조를 예시적으로 나타낸 것이다.
도 12를 참조하면, 전체 유전체 검사 결과지는 요약(Summary) 부분(1210)과 세부 컨텐츠(Detailed contents) 부분(1250)으로 나뉜다. 전체 유전체 검사 결과지의 요약(Summary) 부분은 세부 컨텐츠(Detailed contents)의 내용을 요약적으로 표현하는 부분으로 대부분의 내용이 세부 컨텐츠(Detailed contents)와 겹치기 때문에 세부 컨텐츠(Detailed contents)의 항목들을 사용하여 FHIR 리소스로 표현할 수 있다. 세부 필드(Detailed Field)의 내용도 핵심적인 정보를 나타내는 필수 필드(Required Field, 1252)와 부가적인 정보를 나타내는 선택적 필드(Optional Field, 1254) 두 부분으로 나뉜다. 필수 필드(Required Field)에서 유전체와 직접적으로 관련된 정보를 표현할 수 있으며, 선택적 필드(Optional Field)에서는 유전체와 간접적으로 연관이 있는 정보들을 나타낼 수 있다.
이하, 도 13a 내지 도 16을 통해서 유전체 검사 결과 보고서를 FHIR 리소스를 통해 표현하는 과정을 설명한다.
도 13a 및 13b는 도 12의 유전체 검사 결과 보고서의 필수 필드(Required Fields)의 세부 컨텐츠를 나타낸 표이다. 도 13a 및 13b는 ISO/TS 20428에서 정의하는 세부 컨텐츠(Detailed contents)의 필수 필드(Required Field)를 나타낸다. 각각의 항목들은 그 데이터의 특성에 따라 다른 표현방식을 가진다. 특정한 질병의 명칭을 나타내는 경우 LOINC, HGVS, HL7 V3 Code System과 같은 용어 코드시스템을 통하여 나타내고 Data and time 항목과 Specimen information처럼 표준으로 표현할 수 있는 항목은 ISO 표준을 통해 나타낼 수 있다. 그 외에 소견이나 서술해야 하는 항목의 경우 TEXT값을 통해 표현할 수 있다. 소견의 경우도 몇 가지 상황으로 나눠질 수 있는 경우는 Enumeration 타입을 정의하여 표현할 수 있다.
도 14는 도 12의 유전체 검사 결과 보고서의 선택적 필드(Optional Fields)의 세부 컨텐츠를 나타낸 표이다. 필수 필드(Required Field)에서 유전체와 직접적으로 관련된 정보를 표현한다면, 선택적 필드(Optional Field)에서는 유전체와 간접적으로 연관이 있는 정보들을 나타낼 수 있다.
도 15는 도 12의 유전체 검사 결과 보고서의 필수 필드(Required Fields)에 대한 FHIR 프로파일링 리소스 구조를 나타낸 개념도이다.
도 15를 참조하면, 필수 필드(Required Field)에 대한 데이터 항목을 FHIR 리소스에 대응 시킬 수 있다. FHIR 표준에서 각각의 컨택스트(Context)에 적합한 데이터 항목을 정의하고 있지만 ISO/TS 20428을 기준으로 만든 것이 아니기 때문에 이를 좀 더 정확하게 표현하기 위해 확장(Extension) 요소 타입을 생성하여 표현할 수 있다.
도 15에서 가장 핵심적인 정보인 유전체 검사 결과 정보를 포함하여 대부분의 정보는 시퀀스(Sequence) 리소스(1580)를 통해 표현하고, 나머지 정보는 ClinicalImpression 리소스(1520), Observation 리소스(1540), Patient 리소스(1560), Practitioner 리소스(1570)를 통해 표현할 수 있다.
도 16은 도 12의 유전체 검사 결과 보고서의 선택적 필드(Optional Fields)에 대한 FHIR 프로파일링 리소스 구조를 나타낸 개념도이다.
도 16을 참조하면, 전체 리소스는 Sequence 리소스(1650)와 FamilyMemberHistory 리소스(1630)로 구성된다. Sequence 리소스(1650)는 필수 필드(Required Field)에서 Sequence 리소스(1580)와 같은 타입의 리소스이다. 추가적인 정보가 있을 때, 기존 리소스에 선택적 필드(Optional Field) 정보를 추가하여 전송한다고 가정한다. 그리고 FamilyMemberHistory 리소스(1630)에는 가족에 대한 기록과 환자의 의료 기록에 대한 정보를 저장하도록 한다.
도 17 내지 도 21은 FHIR 리소스 검증 도구의 실행 화면이다.
도 17을 참조하면, 좌측 상단에 검증(validate)할 리소스 파일(Resource file)를 선택할 수 있는 버튼(1710)과 오른쪽 상단에 구조 정의(Structuredefinition)을 선택할 수 있는 버튼(1720)이 있다. 그리고 각각의 버튼 아래에는 리소스의 내용과 구조 정의(Structuredefinition)의 내용을 확인할 수 있는 텍스트 영역(TextArea)(1712, 1722)가 있다. 화면 아래쪽에는 검증 결과를 표시하는 텍스트 영역(TextArea)(1732)와 검증을 수행하는 검증(validate) 버튼(1730)이 있다.
Select Resource file 버튼(1710)을 누르면 도 18의 창(1810)이 나타나며, 도 18의 창(1810)에서 파일을 선택하면 도 19의 화면과 같이 리소스의 경로가 오른쪽 텍스트 영역(TextArea)(1910)에, 리소스의 내용이 아래의 텍스트 영역(TextArea)(1912)에 표시된다.
전술한 리소스를 선택하는 것과 같은 방법으로 구조 정의(Structuredefinition)(1720)을 선택해 주면 도 20과 같은 화면이 표시된다. 이때, 검증하고자 하는 리소스에 해당하는 구조 정의(Structuredefinition)을 선택하는 경우, 만약 제대로 검증하고자 하는 리소스와 구조 정의(Structurdefinition)이 다르면 오류가 발생될 수 있다.
도 20의 하단의 검증(Validate) 버튼(1730)을 누르면 검증이 실행되고 내부적으로 검증 대상 리소스 파일에 있는 각각의 요소들을 구조 정의(StructureDefinition)에서 범위, 개수 등을 지정한 형태로 저장되어 있는지 확인한다. 검증 성공 시 도 21의 화면과 같이 검증 결과를 표시하는 텍스트 영역(TextArea)(1732)에 Success 메시지가 표시된다.
검증 실패 시 에러 메시지와 함께 Fail 메시지가 표시될 수 있다. 아래의 Patient 리소스를 검증하는 과정에서 Name element의 값이 제대로 들어가 있지 않는 경우 에러가 발생될 수 있다. 이외에도 리소스가 잘못된 경우나 타입, 필요한 인자 값이 적절히 들어가 있지 않을 시에 오류 메시지를 통해 리소스의 잘못 된 부분은 확인할 수 있도록 구현할 수 있다.
도 22는 본 발명의 일실시예 따른 유전체 프로파일링 다이어그램이다.
도 22를 참조하면, 유전체 프로파일링 다이어그램은 필수 필드(Required Field)에는 문서 정보(Bundle 또는 Document information)(1510) 리소스, ClinicalImpression 리소스(1520), Observation 리소스(1540), Patient 리소스(1560), Practitioner 리소스(1570), 시퀀스(Sequence) 리소스(1580)를 포함하며, 선택적 필드(Optional Field)에는 FamilyMemberHistory 리소스(1630)를 포함한다.
문서 정보(Bundle)(1510) 리소스는 ClinicalImpression 리소스(1520), Observation 리소스(1540), Patient 리소스(1560), Practitioner 리소스(1570), 시퀀스(Sequence) 리소스(1580), FamilyMemberHistory 리소스(1630)와 연결된다.
예를 들어, Patient 리소스(1560)는 검사를 받으러 온 환자에 대한 리소스이며, Practitioner 리소스(1570)는 실제 검사를 수행하는 기관에 대한 리소스이고, ClinicalImpression 리소스(1520)는 검사하는 과정의 의사의 소견, 인상, 추측, 의심, 무슨 생각으로 유전자 검사를 했는지에 대한 리소스이고, 시퀀스(Sequence) 리소스(1580)는 유전자 검사 결과를 담고 있는 리소스이며, FamilyMemberHistory 리소스(1630)는 검사를 받으러 온 환자의 가계도상의 할아버지, 할머니등의 병력에 대한 리소스이다.
도 23은 본 발명의 일 실시예에 따른 질병 관리 서비스를 설명하기 위한 개념도이다.
도 23을 참조하면, 질병 관리 서비스 제공 시스템(500b)은 질병 관리 서비스를 구현하기 위해 필요한 소스 데이터로서 FHIR 표준 기반 데이터 모듈을 거쳐 변환된 변환 전자의무기록(EMR)(852), 변환 유전자 정보(854), 변환 환자 생산 건강데이터(PGHD)(856) 및 변환 건강 데이터의 사회적 결정 요인(SDOH)(858)를 포함하는 제2 변환 데이터 셋(525) 중에서 변환된 EMR 데이터(852)를 이용할 수 있다. 변환 전자의무기록(EMR)(852), 변환 유전자 정보(854), 변환 환자 생산 건강데이터(PGHD)(856) 및 변환 건강 데이터의 사회적 결정 요인(SDOH)(858)은 FHIR 표준 기반 데이터 모듈 및 공통데이터모델(CDM) 처리부(520)를 거쳐서 변환될 수도 있다.
질병 관리 서비스 제공 시스템(500b)은 복수의 의료기관(2310-1, 2310-2, ??2310-N)으로부터의 특정 환자에 대한 진료 기록(2312)을 수신하여 소스 EMR 데이터를 생성하거나 소스 EMR 데이터를 업데이트하여 변환된 EMR 데이터(852)를 생성하여 환자 진료 기록(2312)을 제공한 의료기관에 환자 병력 히스토리를 제공한다. 의료기관(2310-1, 2310-2, ??2310-N)은 병원 또는 신약 개발에 전술한 질병 관리 서비스를 적용하기 위한 제약사를 포함할 수 있다.
이하, 도 24 내지 도 30d를 통해서 환자 진료 기록 요약지(Care Record Summary)를 FHIR 리소스를 통해 표현하는 과정을 설명한다.
환자 진료 기록 요약지(Care Record Summary; CRS)는 의료인이 생성한 진료기록부 전체 또는 일부의 내용을 환자의 진료목적으로 의료인 간에 교환하기 위한 서식이다. 환자 진료 기록 요약지 서식은 기본정보(Header) 항목과 진료정보(Body) 항목으로 구성되며, 세부 내용은 도 24와 도 25a, 도 25b에 기재된 바와 같다.
도 24는 본 발명의 일실시예에 따른 소스 데이터 셋 중 EMR 데이터의 일예로서 환자 진료 기록 요약지(Care Record Summary)의 기본 정보(Header) 항목을 나타낸 표이다. 도 24를 참조하면, 환자 진료 기록 요약지(Care Record Summary)의 기본 정보(Header) 항목은 문서 정보(2410), 환자 정보(2420), 의료기관 정보(2430), 진료의(2440) 및 문서 작성자(2450)를 포함한다.
도 25a 및 25b는 본 발명의 일실시예에 따른 소스 데이터 셋 중 EMR 데이터의 일예로서 환자 진료 기록 요약지(Care Record Summary)의 진료 정보(Body) 항목을 나타낸 표이다. 도 25a 및 도25b를 참조하면, 환자 진료 기록 요약지(Care Record Summary)의 진료 정보(Body) 항목은 진단 내역(2510), 약물 처방 내역(2520), 병리 검사 결과(2530), 수술 내역(2540), 알러지 및 부작용(2550), 예방 접종 내역(2560), 생체 신호 및 상태(2570), 흡연 상태(2580), 음주 상태(2590)를 포함한다.
도 26a 및 26b는 본 발명의 일실시예에 따른 소스 데이터 셋 중 EMR 데이터의 일예로서 환자 진료 기록 요약지(Care Record Summary)의 기본 정보(Header) 항목에 대한 데이터를 FHIR 리소스 프로파일링하기 위한 매핑 테이블이다.
예를 들어, 문서 정보(Bundle 또는 Document Information)(2410) 항목의 세부 항목인 임상 문서명, 임상 문서코드, 문서 ID, 의뢰 번호, 문서 타입은 Bundle로 시작하는 리소스를 이용하여 표현될 수 있다. 예를 들어, 환자 정보(Patient)(2410) 항목의 세부 항목인 환자 ID, 성명, 생년월일, 환자 성별코드 명칭, 환자 성별 코드, 주소, 진료 구분 코드 명칭, 진료 구분 코드는 Patient로 시작하는 리소스를 이용하여 표현될 수 있다.
카디널리티(Cardinality)(2670)는 해당 세부 항목이 필수적으로 있어야 하는 정도를 표시하며, 1..1은 0..1에 비하여 필수적으로 있어야 하는 항목이다.
FHIR 필수 항목으로는 문서 정보(2410)의 문서 타입 세부 항목을 포함할 수 있다.
도 27a 내지 27c는 본 발명의 일실시예에 따른 소스 데이터 셋 중 EMR 데이터의 일예로서 환자 진료 기록 요약지(Care Record Summary)의 진료 정보(Body) 항목에 대한 데이터를 FHIR 리소스 프로파일링하기 위한 매핑 테이블이다.
예를 들어, 진단 내역(Condition)(2510)의 세부 항목인 리소스 식별 코드, 진단 일자, 상병명, 상병 코드, 대상 환자 리소스 아이디(resource id)는 Condition으로 시작하는 리소스를 이용하여 표현될 수 있다.
예를 들어, 예방 접종 내역(2560)의 세부 항목인 접종 일자, 예방 접종명, 예방 접종 코드, 백신명, 접종 차수, 상태 코드는 Immunization으로 시작하는 리소스를 이용하여 표현될 수 있다.
카디널리티(Cardinality)(2770)는 해당 세부 항목이 필수적으로 있어야 하는 정도를 표시하며, 1..1은 0..1에 비하여 필수적으로 있어야 하는 항목이다.
FHIR 필수 항목으로는 진단 내역(2510)의 대상 환자 리소스 아이디, 수술 내역(2540)의 환자 리소스 아이디, 환자 상태, 알러지 및 부작용(2550)의 환자 리소스 아이디, 예방 접종 내역(2560)의 상태 코드 세부 항목을 포함할 수 있다.
도 28은 본 발명의 일실시예에 따른 소스 데이터 셋 중 EMR 데이터의 일예로서 환자 진료 기록 요약지(Care Record Summary) FHIR 생성기 라이브러리(FHIR Generator Library)의 패키지 구조를 나타낸 도면이다.
도 28을 참조하면, 환자 진료 기록 요약지(CRS) 패키지 안에 기본 정보 생성을 위한 Header_Section(2810) 패키지와 진료 정보 생성을 위한 Body_Section(2820) 패키지를 포함하고 각 클래스(class)별로 공통적인 기능을 포함하는 BaseResouce 클래스(2830)와 리소스 생성에 필요한 용어를 정의한 Terminology 클래스(2840)를 포함한다. BaseResouce 클래스(2830)는 각 클래스(class)별로 공통적인 기능을 포함하며, FHIR 리소스(Resource)를 생성하는 클래스의 부모 클래스가 되는 클래스이며, 기본적으로 FHIR 리소스를 다루기 위한 공통적인 메서드를 정의하며, 각각의 클래스에서 상속(Inherit)하여 사용될 수 있다.
이하, 환자 진료 기록 요약지(CRS) 패키지의 Header_Section(2810) 패키지와 Body_Section(2820) 패키지에 대해 설명한다.
<Header_Section 패키지 포함 클래스>
① DocumentInfo
- 문서정보를 정의하는 클래스.
- Bundle 리소스를 통해 CRS 문서의 문서정보(임상문서명, 임상문서코드, 문서ID, 의뢰번호)를 정의.
- addResource()함수를 통해 다른 리소스(Resource)를 Bundle 리소스(resource)에 포함시킬 수 있음.
②PatientInfo
- 환자정보를 정의하는 클래스.
- Patient 리소스를 통해 CRS 문서의 환자정보(환자id, 성명, 생년월일, 환자성별코드명칭, 환자성별코드, 연락처, 주소, 진료구분코드, 진료구분코드명칭)를 정의.
③PractitionerInfo
- 진료의 정보를 정의하는 클래스.
- Practitioner 리소스를 통해 CRS 문서의 의료진 정보(의료진성명, 의료진면허번호, 의료진 연락처, 진료과명, 진료과코드)를 정의.
④OrganizationInfo
- 의료기관 정보를 정의하는 클래스.
- Organization 리소스를 통해 CRS 문서의 의료기관 정보(의료기관 식별번호, 요양기관기호, 요양기관명, 요양기관 연락처, 주소)를 정의.
⑤DocumentWriterInfo
- 문서작성자 정보를 정의하는 클래스.
- Person 리소스를 통해 CRS 문서의 문서작성자 정보(문서작성자 ID, 문서작성자 성명, 문서작성자 연락처)를 정의.
<Body_Section 패키지 포함 클래스>
①AllergyInfo
*- 환자 알러지 및 부작용 정보를 정의하는 클래스.
- AllergyIntolerance 리소스를 통해 CRS 문서의 환자 알러지 및 부작용 정보(등록일자, 알러지요인, 알러지요인 코드, 알러지명, 반응)를 정의.
②DiagnosisInfo
- 진단 내역 정보를 정의하는 클래스.
- Condition 리소스를 통해 CRS 문서의 진단내역(진단일자, 상병명, 상병코드)을 정의.
③DrinkInfo
- 음주상태 정보를 정의하는 클래스.
- Observation 리소스를 통해 CRS 문서의 음주상태(음주상태코드 명칭, 음주상태코드)를 정의.
④ImmunizationInfo
- 예방접종내역 정보를 정의하는 클래스.
- Immunization 리소스를 통해 CRS 문서의 예방접종내역(접종일자, 예방접종명, 예방접종코드, 백신명, 접종차수)을 정의.
⑤InfectionInfo
- 법정 전염성 감염병 정보를 정의하는 클래스.
- 리소스를 통해 CRS 문서의 법정 전염성 감염병 정보(발병일자, 진단일자, 감염병명, 신고일, 환자분류, 확진검사결과, 입원여부, 추정감염지역)를 정의.
⑥MedicationInfo
- 약물처방내역 정보를 정의하는 클래스.
- 리소스를 통해 CRS 문서의 약물처방내역 정보(처방일시, 처방약품명, 처방약품코드, 주성분명, 주성분코드, 용량, 복용단위, 횟수, 투여기간, 용법)를 정의.
⑦ProcedureInfo
- 수술내역 정보를 정의하는 클래스.
- 리소스를 통해 CRS 문서의 수술내역 정보(수술일자, 수술명, 수술코드, 수술후 진단명, 마취종류)를 정의.
⑧SmokeInfo
- 흡연상태 정보를 정의하는 클래스.
- 리소스를 통해 CRS 문서의 흡연상태 정보(흡연상태코드 명칭, 흡엽상태코드)를 정의.
⑨TestResultInfo
- 검사결과정보를 정의하는 클래스.
- 리소스를 통해 CRS 문서의 검사결과정보(검사일시, 검사항목명, 검사항목코드, 검사명, 검사결과값, 참고치)를 정의.
⑩VitalsignInfo
- 생체신호 및 상태 정보를 정의하는 클래스.
- 리소스를 통해 CRS 문서의 생체신호 및 상태 정보(측정일자, 키, 몸무게, 혈압(확장기), 혈압(수축기), 체온)를 정의.
도 29a 및 도 29b는 본 발명의 일실시예에 따른 소스 데이터 셋 중 EMR 데이터의 일예로서 환자 진료 기록 요약지(Care Record Summary) FHIR 리소스를 생성하기 위한 Header_Section 패키지 포함 클래스와 Body_Section 패키지 포함 클래스의 정의를 예시로 나타낸 도면이다.
도 30a 내지 도 30d는 본 발명의 일실시예에 따른 소스 데이터 셋 중 EMR 데이터의 일예로서 환자 진료 기록 요약지(Care Record Summary) 프로파일링 다이어그램이다.
도 30a 내지 도 30d를 참조하면, 환자 진료 기록 요약지(Care Record Summary) 프로파일링 다이어그램은 기본 정보 항목(Header_Section)에는 문서 정보(Bundle 또는 Document information)(1510) 리소스, 환자(Patient) 리소스(2420), 진료의(Practitioner) 리소스(2440), 의료 기관(Organization) 리소스(2430), 문서 생성자(DocumentWriter) 리소스(2450)를 포함하며, 진료 정보 항목(Body_Section)에는 진단 내역(Diagnosis result) 리소스(2510), 감염 정보 리소스(Infection Information)(2512), 알러지 반응(Allergy reaction) 리소스(2550), 처치 또는 수술 내역(Procedure Information) 리소스(2540), 약물 처방 내역(Drug Prescription history) 리소스(2520), 예방 접종 정보(Immunization Information) 리소스(2560), 생체 신호 및 상태(Vital signs) 리소스(2522)를 포함한다.
환자 진료 기록 요약지(Care Record Summary) 프로파일링을 위한 문서 정보(Bundle 또는 Document Information)(2410) 리소스는 환자(Patient) 리소스(2420), 진료의(Practitioner) 리소스(2440), 의료 기관(Organization) 리소스(2430), 문서 생성자(DocumentWriter) 리소스(2450), 약물 처방 내역(Drug Prescription history) 리소스(2520), 예방 접종 정보(Immunization Information) 리소스(2560), 생체 신호 및 상태(Vital signs) 리소스(2522)와 연결된다.
Patient 리소스(2420)는 질병 관리 서비스의 대상이 되는 환자에 대한 리소스이며, Practitioner 리소스(1570)는 실제 검사를 수행하는 기관에 대한 리소스이고, Organization 리소스(2430)는 의료 기관에 대한 리소스이며, DocumentWriter 리소스(2450)는 문서 작성자에 대한 리소스이다.
예를 들어, Patient 리소스(2420)는 문서 정보(2410) 리소스외의 또 다른 문서의 진단 결과를 포함하는 진단 내역(Diagnosis result) 리소스(2510), 감영 정보를 포함하는 감염 정보 리소스(Infection Information)(2512), 조영제등에 대한 사망등의 알러지 반응과 같은 알러지 반응(Allergy reaction) 리소스(2550), 병원내의 수술 내역 정보를 가지는 처치 또는 수술 내역(Procedure Information) 리소스(2540)와 연결되어 각 리소스로부터 해당 정보를 제공받아 환자(Patient)에 대한 정보를 구성할 수 있다.
이상 본 발명의 다수의 실시 예가 기술되었다. 그럼에도 불구하고, 전술한 설명은 예시를 위한 것이며 다음의 청구항들의 범위에 의해 정의되는 본 발명의 범위를 한정하는 것이 아니다. 따라서 다른 실시 예들이 다음 청구항들의 범위 내에 있을 수 있으며, 다양한 변형이 본 발명의 범위를 벗어남 없이 만들어질 수 있다. 부가적으로, 전술된 단계들의 일부는 순서 독립적이므로 기술된 것과 다른 순서로 수행될 수 있다.
Claims (5)
- 양질의 보건의료 데이터를 생성하기 위하여 상호운용성 가지는 FHIR(Fast Healthcare Interoperability Resources) 표준을 근거로 양질의 보건 의료 데이터를 확보하는 단계;
상기 확보된 양질의 보건 의료 데이터를 근거로 기계 학습을 수행하는 단계; 및
상기 기계 학습을 통하여 인지 기능(Cognitive Function), 심리적 기능(Psychological Function), 역할 활동(Role activities) 및 사회적 기능(Social Function)의 영역에서 사용자 본인의 특성과 비슷한 사람들의 양질의 보건 의료 데이터를 그룹핑하여 보관하고,
상기 그룹핑하여 보관된 양질의 보건 의료 데이터를 사용하여 상기 사용자 본인이 속하는 특정 지역 또는 특정집단(population)에서 상기 인지 기능(Cognitive Function), 심리적 기능(Psychological Function), 역할 활동(Role activities) 및 사회적 기능(Social Function)의 영역에서 상기 사용자 본인의 노화 정도가 어느 수준에 있는지를 평가하여,
상기 평가된 사용자의 노화 정도를 보험회사에 제공하여 상기 사용자의 노화 정도가 개선 또는 악화되는 경우 보험료를 조정하도록 하는 단계를 포함하는 FHIR 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법. - 제1항에 있어서,
상기 사용자의 노화 정도를 판단하기 위한 노화 측정 기초 데이터를 수집하는 단계를 더 포함하는 것을 특징으로 하는 FHIR 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법. - 제2항에 있어서,
상기 노화 측정 기초 데이터는 사용자의 일상 활동 로그(daily activity log) 데이터를 포함하는 것을 특징으로 하는 FHIR 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법. - FHIR(Fast Healthcare Interoperability Resources) 표준 기반 개인 맞춤형 건강 관리 서비스 제공 시스템으로서,
양질의 보건의료 데이터를 생성하기 위하여 상호운용성을 가지는 FHIR 표준을 근거로 양질의 보건 의료 데이터를 확보하는 서버; 및
사용자의 노화 정도를 판단하기 위한 노화 측정 기초 데이터를 수집하는 장치를 포함하되,
상기 서버는
기계 학습을 통하여 인지 기능(Cognitive Function), 심리적 기능(Psychological Function), 역할 활동(Role activities) 및 사회적 기능(Social Function)의 영역에서 상기 사용자 본인의 특성과 비슷한 사람들의 양질의 보건 의료 데이터를 그룹핑하여 보관하고, 상기 그룹핑하여 보관된 양질의 보건 의료 데이터를 사용하여 상기 사용자 본인이 속하는 특정 지역 또는 특정집단(population)에서 상기 인지 기능(Cognitive Function), 심리적 기능(Psychological Function), 역할 활동(Role activities) 및 사회적 기능(Social Function)의 영역에서 상기 사용자 본인의 노화 정도가 어느 수준에 있는지를 평가하여,
상기 평가된 사용자의 노화 정도를 보험회사에 제공하여 상기 사용자의 노화 정도가 개선 또는 악화되는 경우 보험료를 조정하는 기능을 포함하는 FHIR 표준 기반 개인 맞춤형 건강 관리 서비스 제공 시스템. - 제4항에 있어서,
상기 노화 측정 기초 데이터는 사용자의 일상 활동 로그 (daily activity log) 데이터를 포함하는 FHIR 표준 기반 개인 맞춤형 건강 관리 서비스 제공 시스템.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190092873 | 2019-07-31 | ||
| KR20190092873 | 2019-07-31 | ||
| KR1020190162892A KR20210015584A (ko) | 2019-07-31 | 2019-12-09 | Fhir 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법 및 시스템 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190162892A Division KR20210015584A (ko) | 2019-07-31 | 2019-12-09 | Fhir 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법 및 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230165166A true KR20230165166A (ko) | 2023-12-05 |
Family
ID=74561045
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190162892A KR20210015584A (ko) | 2019-07-31 | 2019-12-09 | Fhir 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법 및 시스템 |
| KR1020230160472A KR20230165166A (ko) | 2019-07-31 | 2023-11-20 | Fhir 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법 및 시스템 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190162892A KR20210015584A (ko) | 2019-07-31 | 2019-12-09 | Fhir 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법 및 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (2) | KR20210015584A (ko) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102629014B1 (ko) * | 2021-02-15 | 2024-01-25 | (주)씨앤텍시스템즈 | 의료 키워드 검색 및 매핑 기능 제공장치 및 방법 |
| CN114171205A (zh) * | 2021-11-26 | 2022-03-11 | 北京金山云网络技术有限公司 | 医疗数据处理方法、装置以及数字模型编辑器 |
| KR20230099550A (ko) | 2021-12-27 | 2023-07-04 | 주식회사 메디블록 | 블록체인 네트워크를 기반으로 의료 데이터를 검증하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체 |
-
2019
- 2019-12-09 KR KR1020190162892A patent/KR20210015584A/ko not_active Application Discontinuation
-
2023
- 2023-11-20 KR KR1020230160472A patent/KR20230165166A/ko not_active Application Discontinuation
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210015584A (ko) | 2021-02-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gradus et al. | Prediction of sex-specific suicide risk using machine learning and single-payer health care registry data from Denmark | |
| Arditi et al. | Computer‐generated reminders delivered on paper to healthcare professionals: effects on professional practice and healthcare outcomes | |
| Yarnell et al. | Association between immigrant status and end-of-life care in Ontario, Canada | |
| Recalde et al. | Data resource profile: the information system for research in primary care (SIDIAP) | |
| Mort et al. | Prescribing potentially inappropriate psychotropic medications to the ambulatory elderly | |
| Linder et al. | Electronic health record use and the quality of ambulatory care in the United States | |
| Polisena et al. | Home telehealth for chronic obstructive pulmonary disease: a systematic review and meta-analysis | |
| González et al. | The epidemiology of major depression and ethnicity in the United States | |
| Bourgeois et al. | Patients treated at multiple acute health care facilities: quantifying information fragmentation | |
| Hamilton et al. | Potentially inappropriate medications defined by STOPP criteria and the risk of adverse drug events in older hospitalized patients | |
| Lau et al. | Hospitalization and death associated with potentially inappropriate medication prescriptions among elderly nursing home residents | |
| KR20230165166A (ko) | Fhir 표준 기반 개인 맞춤형 건강 관리 서비스 제공 방법 및 시스템 | |
| Davis et al. | Changing trends and allergens in the patch test standard series: a Mayo Clinic 5-year retrospective review, January 1, 2001, through December 31, 2005 | |
| D’Amore et al. | The promise of the CCD: challenges and opportunity for quality improvement and population health | |
| WO2005122033A1 (ja) | 医療総合情報装置及び医療総合情報システム | |
| Karyotaki et al. | Association of task-shared psychological interventions with depression outcomes in low-and middle-income countries: a systematic review and individual patient data meta-analysis | |
| EP3306501A1 (en) | A computer apparatus and method to identify healthcare resources used by a patient of a medical institution | |
| Kristianson et al. | Data extraction from a semi-structured electronic medical record system for outpatients: a model to facilitate the access and use of data for quality control and research | |
| McGee | How to include patient-reported outcome measures in clinical trials | |
| US20170046487A1 (en) | Biomedical research database development and uses | |
| Guerard et al. | The influence of respondent characteristics on the validity of self‐reported survey responses | |
| Hobensack et al. | Social risk factors are associated with risk for hospitalization in home health care: a natural language processing study | |
| Garies et al. | Primary care EMR and administrative data linkage in Alberta, Canada: describing the suitability for hypertension surveillance | |
| Hicks | The potential of claims data to support the measurement of health care quality | |
| Kaloyanova et al. | Addressing data quality in healthcare |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A111 | Divisional application filed after appeal phase [split application] | ||
| E902 | Notification of reason for refusal |