WO2025110409A1 - 임상 의사 결정 지원 시스템 제공 방법 및 이를 수행하는 서버 - Google Patents

임상 의사 결정 지원 시스템 제공 방법 및 이를 수행하는 서버 Download PDF

Info

Publication number
WO2025110409A1
WO2025110409A1 PCT/KR2024/012138 KR2024012138W WO2025110409A1 WO 2025110409 A1 WO2025110409 A1 WO 2025110409A1 KR 2024012138 W KR2024012138 W KR 2024012138W WO 2025110409 A1 WO2025110409 A1 WO 2025110409A1
Authority
WO
WIPO (PCT)
Prior art keywords
medical
treatment
providing
support system
data
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
PCT/KR2024/012138
Other languages
English (en)
French (fr)
Inventor
윤해룡
유태현
이규복
전명준
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Industry Academic Cooperation Foundation of Yonsei University
Original Assignee
Industry Academic Cooperation Foundation of Yonsei University
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 Industry Academic Cooperation Foundation of Yonsei University filed Critical Industry Academic Cooperation Foundation of Yonsei University
Publication of WO2025110409A1 publication Critical patent/WO2025110409A1/ko
Anticipated expiration legal-status Critical
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • 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
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • 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
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines

Definitions

  • the present invention relates to a method for providing a clinical decision support system and a server performing the same.
  • a clinical decision support system is a system that combines the characteristics of each patient with a computerized knowledge base to provide information optimized for diagnosis and treatment, thereby assisting clinical decision-making during treatment.
  • CDSS doctors can receive help in deciding whether to perform tests or procedures on patients, or whether to administer medication.
  • the final diagnosis of the patient is determined by the subjective opinion of the doctor.
  • a comprehensive diagnosis is made based on variables and data such as the doctor's experience and knowledge, the patient's physical and economic situation, and therefore, different tests, procedures, treatments, and medications may be administered to one patient.
  • a method is required to help clinicians make final diagnoses by predicting and providing various judgments of doctors on the same patient data through CDSS.
  • a technology has been disclosed that uses a deep learning model that has learned accumulated data on a specific disease to predict the occurrence or possibility of a clinical event (e.g., disease, accident, death) that may occur to a patient (hereinafter referred to as an 'individual') and provides this to a clinical physician (hereinafter referred to as 'medical staff') through a CDSS.
  • a clinical event e.g., disease, accident, death
  • the inventors of the present invention developed a method that can help medical staff provide the best medical treatment to a subject by synthesizing the opinions of several medical staff interpreting clinical information about the subject.
  • the inventors of the present invention have constructed a method to collect the history of judgments (e.g., examinations, procedures, treatments, medications) of multiple medical staffs on the same individual, and learn the judgments of the medical staffs using statistical mathematical formulas, machine learning, artificial neural networks, or reinforcement learning, thereby obtaining a treatment guide that is the same as what multiple medical staffs actually diagnosed based on a single medical data.
  • judgments e.g., examinations, procedures, treatments, medications
  • the inventors of the present invention have configured a method to provide a rapid diagnosis service by providing a CDSS user interface that can intuitively check medical information defined as a treatment guide of multiple medical professionals.
  • the method is a method for providing a clinical decision support system implemented by a processor, and is configured to include a step of acquiring medical data including a diagnosis history of an individual, a step of inputting the medical data into each of a plurality of medical information providing models learned to determine a treatment guide using the medical data as an input, and a step of determining a plurality of treatment guides for the individual, and a step of providing a user interface including the plurality of treatment guides for the individual.
  • the step of acquiring the medical data further includes a step of determining, based on the diagnosis history, one type of treatment guide to be provided to the subject among consultation, examination, prescription, treatment, procedure and surgery, and the step of determining the plurality of treatment guides may further include a step of inputting the medical data into each of a plurality of medical information providing models corresponding to the types of the treatment guides.
  • the step of determining the plurality of treatment guides may be a step of determining the treatment guide including whether to perform at least one medical act among consultation, examination, prescription, treatment, procedure, and surgery of the subject.
  • the step of providing the user interface may be a step of providing a user interface that further includes whether or not the at least one medical act is performed, and the type or degree of treatment depending on whether or not the at least one medical act is performed.
  • the method may further include a step of acquiring a plurality of medical data sets including different diagnosis and treatment histories for the same individual in a single clinical subject, and a step of generating a plurality of medical information providing models configured to determine a treatment guide by using the medical data as input based on each of the plurality of medical data sets.
  • the step of providing the user interface may further include the step of generating a recommended treatment guide by combining treatment guides determined using two or more medical information providing models among the plurality of medical information providing models.
  • the medical data may be data obtained from an EHR (Electronic Health Record) including at least one of an EMR (Electronic Medical Record), an OCS (Order Communication System) and a PACS (Picture Archiving and Communication System) of the subject.
  • EHR Electronic Health Record
  • EMR Electronic Medical Record
  • OCS Organic Communication System
  • PACS Physical Archiving and Communication System
  • a clinical decision support system providing server includes a communication interface, a memory, and a processor operably connected to the communication interface and the memory, and the processor is configured to obtain medical data including a diagnosis history of an individual, input the medical data into each of a plurality of medical information providing models trained to determine a treatment guide using the medical data as an input, and determine a plurality of treatment guides for the individual, and provide a user interface including the plurality of treatment guides for the individual.
  • the present invention can help medical staff make the optimal diagnosis for an individual by providing multiple treatment guides for one individual. For example, in addition to whether surgery or a procedure is performed, it can provide the necessity of consultation or examination, and the type or degree of treatment or prescription, thereby expanding the scope of interpretation of medical staff's diagnosis.
  • the present invention collects the history of judgments (e.g., examinations, procedures, and medication administration) of multiple medical staff for the same individual, and learns the judgments of the medical staff using a mathematical formula based on statistics, machine learning, an artificial neural network, or reinforcement learning, thereby obtaining an accurate treatment guide that is the same as the diagnosis made by the medical staff.
  • judgments e.g., examinations, procedures, and medication administration
  • the present invention can intuitively provide necessary information to medical staff by displaying multiple treatment guides that can be provided to a subject on a single screen as medical data is input.
  • FIG. 1 is a block diagram of a clinical decision support system according to one embodiment of the present invention.
  • FIG. 2 is a block diagram showing the configuration of a medical device according to one embodiment of the present invention.
  • FIG. 3 is a block diagram showing the configuration of a server providing a clinical decision support system according to one embodiment of the present invention.
  • FIG. 4 is a schematic flowchart of a method for providing a clinical decision support system according to one embodiment of the present invention.
  • FIG. 5 is a schematic diagram illustrating a method for establishing a medical information provision model according to one embodiment of the present invention.
  • FIGS. 6A and 6B are exemplary diagrams of interface screens representing a clinical decision support system according to one embodiment of the present invention.
  • FIGS. 7a, 7b, 7c, 8a, 8b, and 8c are tables showing evaluation results for a medical information provision model according to one embodiment of the present invention.
  • the expressions "have,” “can have,” “include,” or “may include” indicate the presence of a given feature (e.g., a numerical value, function, operation, or component such as a part), but do not exclude the presence of additional features.
  • the expressions "A or B,” “at least one of A and/or B,” or “one or more of A or/and B” can include all possible combinations of the listed items.
  • “A or B,” “at least one of A and B,” or “at least one of A or B” can all refer to (1) including at least one A, (2) including at least one B, or (3) including both at least one A and at least one B.
  • first,” “second,” “first,” or “second,” etc. used in this document can describe various components, regardless of order and/or priority, and are only used to distinguish one component from another, but do not limit the components.
  • a first user device and a second user device can represent different user devices, regardless of order or priority.
  • a first component can be referred to as a second component, and similarly, a second component can also be referred to as a first component.
  • a component e.g., a first component
  • another component e.g., a second component
  • the component can be directly coupled to the other component, or can be connected via another component (e.g., a third component).
  • a component e.g., a first component
  • another component e.g., a second component
  • no other component e.g., a third component
  • a processor configured (or set) to perform A, B, and C can mean a dedicated processor (e.g., an embedded processor) to perform those operations, or a generic-purpose processor (e.g., a CPU or an application processor) that can perform those operations by executing one or more software programs stored in a memory device.
  • a dedicated processor e.g., an embedded processor
  • a generic-purpose processor e.g., a CPU or an application processor
  • subject used in this specification may mean any subject for which a treatment guide is to be provided based on medical data including a diagnosis history.
  • the subject may be a patient, and the diagnosis history may be a diagnosis history for various parts of the patient's body.
  • the subject disclosed in this specification may include all mammals including humans.
  • the subject is defined as a "patient” among "humans” who has a diagnosis history.
  • the term "medical information provision model" used in this specification may be a model learned to determine a treatment guide by inputting medical data of an individual.
  • the medical data is data including the diagnosis history of the individual, and may be obtained from an EHR (Electronic Medical Record), which includes at least one of an OCS (Order Communication System), and a PACS (Picture Archiving and Communication System).
  • the medical data may include the individual's identification data (e.g., age, gender, genetics, vaccination status), prescription data (e.g., medications taken, allergies), examination data (e.g., medical history), and image data (e.g., radiology images).
  • the treatment guide may be understood as data indicating whether to perform a certain medical procedure on the individual, or the probability of performing the medical procedure. For example, depending on the current diagnosis history, a treatment guide may be provided indicating whether to perform any one of a specific consultation, examination, prescription, treatment, procedure, and surgery on the individual. In addition, the treatment guide may be defined differently for each medical subject.
  • the medical information provision model can be established using supervised learning and unsupervised learning.
  • the artificial intelligence model may be composed of at least one model or two or more ensemble models among VGG net, R, DenseNet based on CNN (Convolutional Neural Network), FCN (Fully Convolutional Network) with encoder-decoder structure, SegNet, DeconvNet, DeepLAB V3+, U-net (deep neural network), SqueezeNet, Alexnet, ResNet18, MobileNet-v2, GoogLeNet, Resnet50, Resnet101, Inception-v3, or a model based on RNN (Recurrent Neural Network), depending on the type of medical data.
  • the medical information provision model may be a model comprising one or a combination of a mathematical model learned based on statistics, a machine learning model, an artificial neural network model, and a reinforcement learning model.
  • FIG. 1 is a block diagram of a clinical decision support system according to one embodiment of the present invention.
  • the clinical decision support system (1000) may be a system that can support clinical decisions by providing treatment guides to medical staff treating patients through a clinical decision support system (CDSS).
  • CDSS clinical decision support system
  • a clinical decision support system (1000) may include a medical device (100) that provides a treatment guide, a clinical decision support system providing server (200) (hereinafter referred to as a 'decision server') that provides a treatment guide, and a medical database (300) that stores various types of data of an entity necessary to provide a treatment guide.
  • the medical device (100) is a device that can obtain medical data of an individual and display a treatment guide, and may include a smartphone, a tablet PC (personal computer), a laptop, and a PC.
  • the medical device (100) can input medical data through examination or obtain medical data through a medical database (300).
  • the medical data can include individual identification data (e.g., age, gender, genetics, vaccination status), prescription data (e.g., medications taken, allergies), examination data (e.g., medical history), and image data (e.g., imaging images).
  • the medical device (100) may request a treatment guide from the decision-making server (200) based on the acquired medical data. Specifically, the medical device (100) may receive multiple treatment guides from the decision-making server (200) by making a request to inquire whether to perform any one of the medical actions of consultation, examination, prescription, treatment, procedure, and surgery on the subject together with the medical data.
  • the present invention is not limited thereto, and multiple treatment guides may be provided simply by transmitting the medical data to the decision-making server (200).
  • the medical device (100) may display a user interface screen (10) including a plurality of treatment guides from the decision-making server (200).
  • the user interface screen (10) may include individual identification data (11) and a plurality of treatment guides (12) determined through a plurality of medical information providing models.
  • the medical device (100) may provide a plurality of treatment guides obtained through a plurality of medical information providing models instead of providing a single result data obtained through a single prediction model, thereby reducing uncertainty in treatment actions for medical personnel in a medical field where there is no clear answer.
  • the decision server (200) generates multiple medical information provision models and may include a general-purpose computer, a laptop, a data server, a web server, etc. as a server capable of providing CDSS to a medical device (100). Specifically, the decision server (200) may determine multiple treatment guides for a single piece of medical data through multiple medical information provision models.
  • the decision server (200) may generate a plurality of medical information providing models to provide a treatment guide to the medical staff device (100) through the CDSS. Specifically, the decision server (200) may obtain a plurality of medical data sets including different diagnosis and treatment histories for the same individual in a single clinical subject through the treatment database (300). The decision server (200) may generate medical information providing models having different configurations based on the history of diagnosing and treating an individual in different directions. In other words, the decision server (200) may generate a plurality of medical information providing models configured to determine a treatment guide by inputting medical data based on each of the plurality of medical data sets.
  • the decision server (200) may provide a user interface including a plurality of treatment guides.
  • the user interface may include, as a plurality of treatment guides, whether to perform at least one medical act among consultation, examination, prescription, treatment, procedure, and surgery of an individual, and the type and degree of treatment according to whether to perform the act.
  • the decision server (200) may go beyond listing a plurality of treatment guides determined through a plurality of medical information provision models on the user interface and generate a recommended treatment guide that combines two or more treatment guides and provide the same through the user interface.
  • the decision server (200) may provide a web/app application that can provide treatment guides using multiple medical information provision models through the CDSS to the medical device (100).
  • the decision server (200) may provide a web browser that can be accessed by the medical device (100), or may provide an application or program that can be installed on the medical device (100).
  • the treatment database (300) can store various medical data about the individual.
  • the treatment database (300) can be an EHR (Electronic Health Record) that uses EMR (Electronic Medical Record), OCS (Order Communication System), and PACS (Picture Archiving and Communication System) stored in each hospital as data sources. That is, the treatment database (300) can store the diagnosis history of multiple individuals, and for example, the treatment database (300) can include the individual's age, gender, medical history, diagnosis, medication, treatment plan, vaccination date, allergy presence, imaging medical images, etc.
  • the clinical decision support system (1000) can provide meaningful data helpful for diagnosis rather than providing result values using a single diagnosis model by generating and using multiple medical information providing models.
  • FIG. 2 is a block diagram showing the configuration of a medical device according to one embodiment of the present invention.
  • the medical device (100) may include a memory interface (110), one or more processors (120), and a peripheral interface (130). Various components within the medical device (100) may be connected by one or more communication buses or signal lines.
  • the memory interface (110) is connected to the memory (150) and can transmit various data to the processor (120).
  • the memory (150) can include at least one type of storage medium among a flash memory type, a hard disk type, a multimedia card micro type, a card type memory (for example, an SD or XD memory, etc.), a RAM, an SRAM, a ROM, an EEPROM, a PROM, a network storage, a cloud, and a blockchain database.
  • the memory (150) may store at least one of an operating system (151), a communication module (152), a graphical user interface module (GUI) (153), a sensor processing module (154), a telephone module (155), and an application (156).
  • the operating system (151) may include instructions for processing basic system services and instructions for performing hardware operations.
  • the communication module (152) may communicate with at least one of other devices, computers, and servers.
  • the graphical user interface module (GUI) (153) may process a graphical user interface.
  • the sensor processing module (154) may process sensor-related functions (e.g., processing voice input received using one or more microphones (192).
  • the telephone module (155) may process telephone-related functions.
  • the application module (156) may perform various functions of a user application, such as electronic messaging, web browsing, media processing, navigation, imaging, and other processing functions. Additionally, the medical device (100) can store one or more software applications (156-1, 156-2) associated with one type of service (e.g., an application for providing CDSS) in the memory (150).
  • one type of service e.g., an application for providing CDSS
  • the memory (150) may store various data for providing treatment guides for an individual through the CDSS. Specifically, the memory (150) may store identification data of the individual, medical data such as EMR, OCS, PACS for each individual, and data configuring a user interface screen including multiple treatment guides.
  • the memory (150) may store a digital assistant client module (157) (hereinafter, DA client module), and thereby store instructions for performing client-side functions of the digital assistant and various user data (158) (e.g., user-customized vocabulary data, preference data, user's electronic address book, to-do list, shopping list, and other data).
  • DA client module digital assistant client module
  • user data e.g., user-customized vocabulary data, preference data, user's electronic address book, to-do list, shopping list, and other data.
  • the DA client module (157) can obtain the user's voice input, text input, touch input, and/or gesture input through various user interfaces (e.g., I/O subsystem (140)) provided in the medical device (100).
  • user interfaces e.g., I/O subsystem (140)
  • the DA client module (157) can output data in audiovisual and tactile forms.
  • the DA client module (157) can output data consisting of a combination of at least two or more of voice, sound, notification, text message, menu, graphic, video, animation, and vibration.
  • the DA client module (157) can communicate with a digital assistant server (not shown) using a communication subsystem (180).
  • the DA client module (157) may collect additional information about the surroundings of the medical device (100) from various sensors, subsystems, and peripheral devices to construct a context associated with the user input.
  • the DA client module (157) may provide context information along with the user input to the digital assistant server to infer the user's intent.
  • the context information that may accompany the user input may include sensor information, such as lighting, ambient noise, ambient temperature, images of the surroundings, videos, etc.
  • the context information may include the physical state of the medical device (100) (e.g., device orientation, device position, device temperature, power level, speed, acceleration, motion patterns, cellular signal strength, etc.).
  • the context information may include information related to the software state of the medical device (100) (e.g., processes running on the medical device (100), installed programs, past and present network activity, background services, error logs, resource usage, etc.).
  • the memory (150) may include additional or deleted instructions, and further, the medical device (100) may include additional configurations other than those illustrated in FIG. 2, or may exclude some configurations.
  • the processor (120) can control the overall operation of the medical device (100) and execute various commands to implement a user interface capable of displaying multiple treatment guides by driving an application or program stored in the memory (150).
  • the processor (120) may correspond to a computational device such as a CPU (Central Processing Unit) or an AP (Application Processor).
  • the processor (120) may be implemented in the form of an integrated chip (IC) such as a SoC (System on Chip) in which various computational devices such as an NPU (Neural Processing Unit) are integrated.
  • IC integrated chip
  • SoC System on Chip
  • the processor (120) may control various operations for implementing a CDSS (Clinical Decision Support System). Specifically, the processor (120) may obtain medical data input from medical staff, and obtain medical data on a specific individual from a medical database (300). The processor (120) may request a treatment guide including medical data from the decision-making server (200) through the CDSS, and may receive and display a user interface screen including a plurality of treatment guides from the decision-making server (200). For example, the processor (120) may display a plurality of treatment guides indicating whether to perform at least one medical act among consultation, examination, prescription, treatment, procedure, and surgery of the individual, along with the type or degree of treatment according to whether to perform, on the user interface screen.
  • whether to perform and the type and degree thereof may be displayed in various forms such as text, an image, or a graph.
  • the peripheral interface (130) can be connected to various sensors, subsystems, and peripheral devices to provide data so that the medical device (100) can perform various functions.
  • the function performed by the medical device (100) is performed by the processor (120).
  • the peripheral interface (130) can receive data from a motion sensor (160), a light sensor (light sensor) (161), and a proximity sensor (162), through which the medical device (100) can perform orientation, light, and proximity detection functions, etc.
  • the peripheral interface (130) can receive data from other sensors (163) (positioning system-GPS receiver, temperature sensor, biometric sensor), through which the medical device (100) can perform functions related to the other sensors (163).
  • the medical device (100) may include a camera subsystem (170) connected to a peripheral interface (130) and an optical sensor (171) connected thereto, which enables the medical device (100) to perform various photographing functions, such as taking pictures and recording video clips.
  • the medical device (100) may include a communication subsystem (180) connected to a peripheral interface (130).
  • the communication subsystem (180) may be comprised of one or more wired/wireless networks and may include various communication ports, radio frequency transceivers, and optical transceivers.
  • the medical device (100) includes an audio subsystem (190) coupled to the peripheral interface (130), the audio subsystem (190) including one or more speakers (191) and one or more microphones (192), such that the medical device (100) can perform voice-activated functions, such as speech recognition, voice replication, digital recording, and telephony.
  • the audio subsystem (190) including one or more speakers (191) and one or more microphones (192), such that the medical device (100) can perform voice-activated functions, such as speech recognition, voice replication, digital recording, and telephony.
  • the medical device (100) may include an I/O subsystem (140) coupled to the peripheral interface (130).
  • the I/O subsystem (140) may control a touch screen (143) included in the medical device (100) via a touch screen controller (141).
  • the touch screen controller (141) may detect a user's contact and movement or cessation of contact and movement using any one of a plurality of touch sensing technologies, such as capacitive, resistive, infrared, surface acoustic wave technology, proximity sensor array, etc.
  • the I/O subsystem (140) may control other input/control devices (144) included in the medical device (100) via other input controller(s) (142).
  • the other input controller(s) (142) may control one or more buttons, rocker switches, thumb-wheels, infrared ports, USB ports, and pointer devices such as a stylus.
  • the medical device (100) can provide not only simple data such as diagnosis history and recommendations for an individual to the medical staff through CDSS, but also provide multiple treatment guides, thereby helping to make an optimal diagnosis for the individual.
  • a medical information provision model will be established with reference to FIGS. 3 to 6b, and a decision server (200) that provides multiple treatment guides to a medical staff device (100) will be described.
  • FIG. 3 is a block diagram showing the configuration of a server providing a clinical decision support system according to one embodiment of the present invention.
  • the decision server (200) may include a communication interface (210), a memory (220), an I/O interface (230), and a processor (240), and each component may communicate with each other through one or more communication buses or signal lines.
  • the communication interface (210) can be connected to the medical device (100) and the medical database (300) via a wired/wireless communication network to exchange data.
  • the communication interface (210) can receive a request for providing a treatment guide including medical data on an individual from the medical device (100), and can transmit a user interface including a plurality of treatment guides to the medical device (100).
  • the communication interface (210) can receive medical data on an individual from the medical database (300) according to a request from the medical device (100), and can also receive medical data for establishing and updating a medical information provision model.
  • a communication interface (210) that enables transmission and reception of such data includes a communication port (211) and a wireless circuit (212), wherein the wired communication port (211) may include one or more wired interfaces, for example, Ethernet, a universal serial bus (USB), FireWire, etc.
  • the wireless circuit (212) may transmit and receive data with an external device via an RF signal or an optical signal.
  • the wireless communication may use at least one of a plurality of communication standards, protocols, and technologies, for example, GSM, EDGE, CDMA, TDMA, Bluetooth, Wi-Fi, VoIP, Wi-MAX, or any other suitable communication protocol.
  • the memory (220) can store various data used in the decision server (200).
  • the memory (220) can store identification data of the medical device (100) and identification data of the object.
  • the memory (220) can store a plurality of medical prediction models and learning data used to learn the same (e.g., a medical data set including diagnosis and treatment history).
  • the memory (220) may include a volatile or nonvolatile storage medium capable of storing various data, commands, and information.
  • the memory (220) may include at least one type of storage medium among a flash memory type, a hard disk type, a multimedia card micro type, a card type memory (e.g., an SD or XD memory, etc.), a RAM, an SRAM, a ROM, an EEPROM, a PROM, a network storage storage, a cloud, and a blockchain database.
  • the memory (220) may store configurations of at least one of an operating system (221), a communication module (222), a user interface module (223), and one or more applications (224).
  • An operating system (221) may include various software components and drivers to control and manage general system operations (e.g., memory management, storage device control, power management, etc.) and may support communication between various hardware, firmware, and software components.
  • embedded operating systems such as LINUX, UNIX, MAC OS, WINDOWS, VxWorks, etc.
  • general system operations e.g., memory management, storage device control, power management, etc.
  • general system operations e.g., memory management, storage device control, power management, etc.
  • the communication module (223) can support communication with other devices through the communication interface (210).
  • the communication module (220) can include various software components for processing data received by the wired communication port (211) or wireless circuit (212) of the communication interface (210).
  • the user interface module (223) can receive a user's request or input from a keyboard, touch screen, microphone, etc. through an I/O interface (230) and provide a user interface on the display.
  • the application (224) may include a program or module configured to be executed by one or more processors (240).
  • the application for providing multiple treatment guides using multiple medical information provision models may be implemented on a server farm.
  • the I/O interface (230) can connect at least one of input/output devices (not shown) of the decision server (200), such as a display, a keyboard, a touch screen, and a microphone, to the user interface module (223).
  • the I/O interface (230) can receive user input (e.g., voice input, keyboard input, touch input, etc.) together with the user interface module (223) and process a command according to the received input.
  • the processor (240) is connected to a communication interface (210), a memory (220), and an I/O interface (230) to control the overall operation of the decision server (200), and can perform various commands to provide various types of treatment guides on a CDSS (clinical decision support system) through an application or program stored in the memory (220).
  • a communication interface 210
  • a memory 220
  • an I/O interface 230
  • CDSS clinical decision support system
  • the processor (240) may correspond to a computational device such as a CPU (Central Processing Unit) or an AP (Application Processor).
  • the processor (240) may be implemented in the form of an integrated chip (IC) such as a SoC (System on Chip) in which various computational devices are integrated.
  • the processor (240) may include a module for calculating an artificial neural network model such as an NPU (Neural Processing Unit).
  • the processor (240) may provide multiple treatment guides based on medical data on the CDSS, as described below with reference to FIG. 4.
  • Fig. 4 is a schematic flowchart of a method for providing a clinical decision support system according to one embodiment of the present invention.
  • Fig. 4 reference is also made to the symbols of the devices in Fig. 6.
  • the processor (240) can obtain input data including the diagnosis history of the subject (S110). Specifically, the processor (240) can obtain identification data or medical data of the subject together with a request for providing a treatment guide for the subject from the medical device (100) through the communication interface (210). If only the identification data is received, the processor (240) can obtain medical data including the diagnosis history of the subject based on the identification data of the subject from the medical database (300).
  • the processor (240) may obtain medical data from an Electronic Health Record (EHR) including at least one of an Electronic Medical Record (EMR), an Order Communication System (OCS), and a Picture Archiving and Communication System (PACS).
  • EHR Electronic Health Record
  • EMR Electronic Medical Record
  • OCS Order Communication System
  • PACS Picture Archiving and Communication System
  • the medical data may include individual identification data (e.g., age, gender, genetics, immunization status), prescription data (e.g., medications taken, allergies), examination data (e.g., medical history), and imaging data (e.g., radiological images).
  • kidney biopsy a kidney biopsy can be performed according to the following result interpretation indicators.
  • Hematuria (hematuria) 1) Presence of visible red blood cells or red blood cell casts accompanied by an increase in Scr (Serum creatinine) level or proteinuria Proteinuria (proteinuria) 1) Multiple proteinuria measurements >1 g/d without clear overlapping comorbidities; 2) Proteinuria >3 g/d in the absence of diabetes or abrupt increase in proteinuria despite diabetes; 3) Proteinuria ⁇ 3 g/d, elevated Scr level without clear overlapping comorbidities such as diabetes or hypertension AKI (Acute kidney injury)(Acute kidney injury) 1) In the setting of ATI (Acute tubular injury), if the damage persists despite reversal of the cause or Scr does not return to baseline within 7-14 days from the onset of the injury; 2) If the injury is not resolved despite removal of the drug that is the main factor in the presumed AIN situation; CKD (Chronic kidney disease)(Chronic kidney disease) 1) Newly developed hematuria or proteinuri
  • a medical information provision model that predicts the medical staff's diagnosis can be generated by learning the diagnosis and treatment history of multiple medical staff based on the medical data of a single individual.
  • FIG. 5 is a schematic diagram for explaining a method for establishing a medical information provision model according to one embodiment of the present invention.
  • the processor (240) can obtain multiple sets of medical data including different diagnosis and treatment histories for the same individual in one medical subject. That is, in the present invention, when medical data (21) including diagnosis history for an individual (e.g., basic examination data of an individual obtained through EMR data (21-1), OCS data (21-2), PACS data (21-3)) is provided to medical staff, multiple sets of medical data (22) including diagnosis and treatment histories for the individual can be obtained.
  • medical data (21) including diagnosis history for an individual e.g., basic examination data of an individual obtained through EMR data (21-1), OCS data (21-2), PACS data (21-3)
  • the processor (240) can generate multiple medical information providing models (23) configured to determine treatment guides based on each of multiple medical data sets by inputting medical data. That is, the processor (240) can obtain accurate treatment guides, such as those diagnosed by medical staff, by generating multiple medical information providing models that have learned the experiences of medical staff.
  • the present invention is not limited thereto, and multiple medical information providing models (23) can be generated and provided in advance.
  • the processor (240) may input medical data into each of the plurality of medical information providing models that have been trained to determine treatment guides by inputting medical data, and determine multiple treatment guides for the individual (S120).
  • the treatment guide may be understood as data indicating whether to perform a certain medical procedure on the individual, or the probability of performing the medical procedure.
  • the processor (240) may determine the type of any one of the treatment guides to be provided to the individual among consultation, examination, prescription, treatment, procedure, and surgery, based on the diagnosis history.
  • the processor (240) may distinguish the type of treatment guide by treatment subject, based on the current diagnosis history, which of the specific consultation, examination, prescription, treatment, procedure, and surgery is necessary for the individual.
  • the processor (240) may input medical data into each of the plurality of medical information providing models corresponding to the distinguished types, and determine multiple treatment guides. For example, the processor (240) may determine a treatment guide that includes whether to perform at least one of the consultation, examination, prescription, treatment, procedure, and surgery on the individual.
  • the processor (240) may provide a user interface including a plurality of treatment guides for the object (S130). Specifically, the processor (240) may provide a user interface including whether at least one medical procedure is performed and the type or degree of treatment depending on whether it is performed to the medical device (100).
  • the processor (240) may combine multiple treatment guides determined using two or more medical information providing models among multiple medical information providing models. For example, if the type of treatment guide corresponds to whether or not to perform surgery, and if it is determined to perform surgery in at least two or more treatment guides among the multiple medical information providing models, the processor (240) may provide 'performing surgery' as a recommended treatment guide as the treatment guide. Meanwhile, the number of medical information providing models that determine the recommended treatment guide may be determined by an administrator or a medical staff device (100).
  • FIGS. 6a and 6b are exemplary diagrams of interface screens representing a clinical decision support system according to one embodiment of the present invention.
  • the processor (240) may provide a user interface screen (30) for providing a plurality of treatment guides to the medical staff device (100).
  • the user interface screen (30) may include a plurality of areas in which a diagnosis history can be checked together with the identification data (31) of the individual.
  • the diagnosis history may be classified by treatment subject (32) and may include a treatment timeline (33) and the results of tests (34) performed on a selected date.
  • the user interface screen (30) may include a graphic object (35) in which a new diagnosis history can be input by the medical staff and a graphic object (36) for requesting a treatment guide from the decision-making server (200).
  • the processor (240) may provide a treatment guide such as FIG. 6b to the user interface screen (30).
  • the treatment guide may include a plurality of treatment guides (37) obtained through each of a plurality of medical information provision models, and may include a recommended treatment guide (38) that combines two or more treatment guides.
  • the plurality of treatment guides (37) may display not only whether a medical act is performed but also the accuracy of the treatment guide prediction as a numerical value.
  • the present invention is not limited thereto, and a user interface screen such as FIG. 6b may be provided by being integrated into the user interface screen of FIG. 6a.
  • a decision-making server (200) according to one embodiment of the present invention has been described. According to the present invention, multiple treatment guides that can be provided to a subject are displayed on a single screen through an interface provided by the decision-making server (200), thereby intuitively providing necessary information to medical staff.
  • FIGS. 7a, 7b, 7c, 8a, 8b, and 8c are tables showing evaluation results for a medical information provision model according to one embodiment of the present invention.
  • the evaluations for the medical information provision models of FIGS. 7a, 7b, 7c, 8a, 8b, and 8c were learned and performed under the conditions below.
  • the medical information provision model was trained based on the training data of 6,171 patients (75%) out of a total of 8,228 patients, the validation data of 411 patients (5%), and the test set data of the remaining 1,646 patients (20%), and the results were verified based on the test set data.
  • the medical information providing model learned using the medical data set of the present invention determines a treatment guide by inputting previously stored medical data, and the ROC values are 0.967, 0.976, and 0.839, respectively, confirming that the medical information providing model has a high predictive ability.
  • the medical information providing model generated by the decision-making server (200) can provide the same results as those actually diagnosed by medical staff using the medical data set.
  • the predictive ability of the recommended treatment guide is as follows.
  • the ROC values are 0.973 and 0.957, respectively, confirming that the medical information providing models have a high enough predictive ability to provide the optimal treatment guide to the individual.

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • Bioethics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

본 발명은, 임상 의사 결정 지원 시스템 제공 방법으로서, 개체의 진단 이력이 포함된 의료 데이터를 획득하는 단계, 의료 데이터를 입력으로 하여 치료 가이드를 결정하도록 학습된 복수의 의료 정보 제공 모델 각각에, 상기 의료 데이터를 입력하여 상기 개체에 대한 복수의 치료 가이드를 결정하는 단계 및 상기 개체에 대한 상기 복수의 치료 가이드를 포함하는 사용자 인터페이스를 제공하는 단계를 포함하도록 구성된다.

Description

임상 의사 결정 지원 시스템 제공 방법 및 이를 수행하는 서버
본 발명은 임상 의사 결정 지원 시스템 제공 방법 및 이를 수행하는 서버에 관한 것이다.
임상의사결정지원 시스템(CDSS, Clinical Decision Support System)이란 진단과 치료에 최적화된 정보를 제공하기 위해 전산화된 지식 기반에 환자 개개인의 특징을 접목시켜 진료 시 임상적 의사결정을 돕기 위한 시스템이다. 의사는 CDSS를 통해서 환자에 대한 검사나, 시술의 시행 여부, 투약을 판단하는 데 있어 도움을 받을 수 있다.
그러나, CDSS를 이용한다 하더라도, 환자에 대한 최종적인 진단은 의사의 주관적인 소견에 의해 결정된다. 즉, 의사의 경험과 지식, 환자의 신체 및 경제적인 상황 등 변수 및 데이터들을 토대로 종합적인 진단이 이루어지는 바, 한 명의 환자에 대해서 서로 다른 검사, 시술, 처치, 투약이 이루어질 수 있다.
그에 따라, CDSS를 통해 동일한 환자 데이터에 대한 의사들의 다양한 판단을 예측하여 제공함으로써, 임상 의사에게 최종 진단에 도움을 주기 위한 방법이 요구된다.
발명의 배경이 되는 기술은 본 발명에 대한 이해를 보다 용이하게 하기 위해 작성되었다. 발명의 배경이 되는 기술에 기재된 사항들이 선행기술로 존재한다고 인정하는 것으로 이해되어서는 안 된다.
종래 특정 질병에 대한 누적 데이터를 학습한 딥러닝 모델을 이용하여 환자(이하, '개체'라 함)에게 발생 가능한 임상 사건(예. 질병, 사고, 사망)의 발생 여부 혹은 가능성을 예측하고, 이를 CDSS를 통해 임상 의사(이하, '의료진'이라 함)에게 제공하는 기술이 개시되었다.
그러나, 환자 개개인의 임상 정보가 각기 다르고 이와 연관된 질환의 다양성이 존재하기 때문에, 의료 분야에서 충분히 검증되지 않은 인공 지능 모형 모델의 개발은 실제 진단에 활용되기에 한계가 있다.
이에, 본 발명의 발명자들은 개체에 대한 임상 정보를 해석하는 여러 의료진들의 소견을 종합하여, 의료진으로 하여금 해당 개체에게 최선의 의료 행위를 제공할 수 있도록 도움을 줄 수 있는 방법을 개발하였다.
특히, 본 발명의 발명자들은 동일한 개체에 대한 복수의 의료진들의 판단(예. 검사, 시술, 처치, 투약) 이력을 수집하고, 통계를 기반으로 한 수학 공식, 기계학습, 인공신경망, 또는 강화학습을 사용하여 의료진의 판단을 학습함으로써, 하나의 의료 데이터를 기초로 복수의 의료진들이 실제로 진단한 것과 같은 치료 가이드를 획득할 수 있도록 방법을 구성하였다.
나아가, 본 발명의 발명자들은 복수의 의료진들의 치료 가이드로 정의되는 의료 정보를 직관적으로 확인할 수 있는 CDSS 사용자 인터페이스를 제공함으로써, 빠른 진단 서비스를 제공할 수 있도록 방법을 구성하였다.
본 발명의 과제들은 이상에서 언급한 과제들로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
전술한 바와 같은 과제를 해결하기 위하여 본 발명의 일 실시예에 따른 임상 의사 결정 지원 시스템 제공 방법이 제공된다. 상기 방법은, 프로세서에 의해 구현되는 임상 의사 결정 지원 시스템 제공 방법으로서, 개체의 진단 이력이 포함된 의료 데이터를 획득하는 단계, 의료 데이터를 입력으로 하여 치료 가이드를 결정하도록 학습된 복수의 의료 정보 제공 모델 각각에, 상기 의료 데이터를 입력하여 상기 개체에 대한 복수의 치료 가이드를 결정하는 단계 및 상기 개체에 대한 상기 복수의 치료 가이드를 포함하는 사용자 인터페이스를 제공하는 단계를 포함하도록 구성된다.
본 발명의 특징에 따르면, 상기 의료 데이터를 획득하는 단계는, 상기 진단 이력에 따라, 상담, 검사, 처방, 처치, 시술 및 수술 중 상기 개체에 제공될 어느 하나의 치료 가이드의 종류를 결정하는 단계를 더 포함하며, 상기 복수의 치료 가이드를 결정하는 단계는, 상기 치료 가이드의 종류에 대응되는 복수의 의료 정보 제공 모델 각각에 상기 의료 데이터를 입력하는 단계를 더 포함할 수 있다.
본 발명의 다른 특징에 따르면, 상기 복수의 치료 가이드를 결정하는 단계는, 상기 개체의 상담, 검사, 처방, 처치, 시술 및 수술 중 적어도 하나의 의료 행위에 대한 수행 여부를 포함하는 상기 치료 가이드를 결정하는 단계일 수 있다.
본 발명의 또 다른 특징에 따르면, 상기 사용자 인터페이스를 제공하는 단계는, 상기 적어도 하나의 의료 행위에 대한 수행 여부, 및 수행 여부에 따른 치료 종류 또는 정도를 더 포함하는 사용자 인터페이스를 제공하는 단계일 수 있다.
본 발명의 또 다른 특징에 따르면, 상기 의료 데이터를 획득하기 이전에, 어느 하나의 진료 과목에서 동일한 개체에 대한 상이한 진단 및 치료 이력을 포함하는 의료 데이터 세트를 복수 개 획득하는 단계 및 상기 복수 개의 의료 데이터 세트 각각을 기초로 의료 데이터를 입력으로 하여 치료 가이드를 결정하도록 구성된 복수의 의료 정보 제공 모델을 생성하는 단계를 더 포함할 수 있다.
본 발명의 또 다른 특징에 따르면, 상기 사용자 인터페이스를 제공하는 단계는, 상기 복수의 의료 정보 제공 모델 중 둘 이상의 의료 정보 제공 모델을 이용하여 결정된 치료 가이드를 조합하여 추천 치료 가이드를 생성하는 단계를 더 포함할 수 있다.
본 발명의 또 다른 특징에 따르면, 상기 의료 데이터는, 상기 개체의 EMR(Electronic Medical Record), OCS(Order Communication System) 및 PACS(Picture Archiving and Communication System) 중 적어도 하나를 포함하는 EHR(Electronic Health Record)로부터 획득되는 데이터일 수 있다.
전술한 바와 같은 과제를 해결하기 위하여 본 발명의 다른 실시예에 따른 임상 의사 결정 지원 시스템 제공 서버가 제공된다. 상기 서버는, 통신 인터페이스, 메모리 및 상기 통신 인터페이스 및 상기 메모리와 동작 가능하게 연결된 프로세서를 포함하고, 상기 프로세서는, 개체의 진단 이력이 포함된 의료 데이터를 획득하고, 의료 데이터를 입력으로 하여 치료 가이드를 결정하도록 학습된 복수의 의료 정보 제공 모델 각각에, 상기 의료 데이터를 입력하여 상기 개체에 대한 복수의 치료 가이드를 결정하고, 상기 개체에 대한 상기 복수의 치료 가이드를 포함하는 사용자 인터페이스를 제공하도록 구성된다.
기타 실시예의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명은 한 명의 개체에 대해서 복수 개의 치료 가이드를 제공함으로써, 의료진으로 하여금 개체에게 최적의 진단을 내릴 수 있도록 도움을 줄 수 있다. 예를 들어, 수술 및 시술의 수행 여부 외에도, 상담, 검사의 필요 여부, 처치, 처방의 종류나 정도를 함께 제공함으로써, 의료진 진단의 해석 폭을 넓혀줄 수 있다.
또한, 본 발명은 동일한 개체에 대한 복수의 의료진들의 판단(예. 검사, 시술, 처치 투약) 이력을 수집하고, 통계를 기반으로 한 수학 공식, 기계학습, 인공신경망, 또는 강화학습을 사용하여 의료진의 판단을 학습함으로써, 의료진이 진단한 것과 같은 정확한 치료 가이드를 얻을 수 있다.
또한, 본 발명은 의료 데이터를 입력함에 따라, 해당 개체에게 제공 가능한 복수 개의 치료 가이드가 하나의 화면에 표시됨으로써, 의료진에게 필요한 정보를 직관적으로 제공할 수 있다.
본 발명에 따른 효과는 이상에서 예시된 내용에 의해 제한되지 않으며, 더욱 다양한 효과들이 본 발명 내에 포함되어 있다.
도 1은 본 발명의 일 실시예에 따른 임상 의사 결정 지원 시스템의 블록도이다.
도 2는 본 발명의 일 실시예에 따른 의료진 디바이스의 구성을 나타낸 블록도이다.
도 3은 본 발명의 일 실시예에 따른 임상 의사 결정 지원 시스템 제공 서버의 구성을 나타낸 블록도이다.
도 4는 본 발명의 일 실시예에 따른 임상 의사 결정 지원 시스템 제공 방법에 대한 개략적인 순서도이다.
도 5는 본 발명의 일 실시예에 따른 의료 정보 제공 모델을 수립하는 방법을 설명하기 위한 개략도이다.
도 6a 및 도 6b는 본 발명의 일 실시예에 따른 임상 의사 결정 지원 시스템을 나타내는 인터페이스 화면의 예시도이다.
도 7a, 도 7b, 도 7c, 도 8a, 8b 및 도 8c는 본 발명의 일 실시예에 따른 의료 정보 제공 모델에 대한 평과 결과를 나타낸 표이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조부호가 사용될 수 있다.
본 문서에서, "가진다," "가질 수 있다," "포함한다," 또는 "포함할 수 있다" 등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.
본 문서에서, "A 또는 B," "A 또는/및 B 중 적어도 하나," 또는 "A 또는/및 B 중 하나 또는 그 이상" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. 예를 들면, "A 또는 B," "A 및 B 중 적어도 하나," 또는 "A 또는 B 중 적어도 하나"는, (1) 적어도 하나의 A를 포함, (2) 적어도 하나의 B를 포함, 또는(3) 적어도 하나의 A 및 적어도 하나의 B 모두를 포함하는 경우를 모두 지칭할 수 있다.
본 문서에서 사용된 "제1," "제2," "첫째," 또는 "둘째," 등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다. 예를 들면, 제1 사용자 기기와 제2 사용자 기기는, 순서 또는 중요도와 무관하게, 서로 다른 사용자 기기를 나타낼 수 있다. 예를 들면, 본 문서에 기재된 권리범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 바꾸어 명명될 수 있다.
어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "(기능적으로 또는 통신적으로) 연결되어((operatively or communicatively) coupled with/to)" 있다거나 "접속되어(connected to)" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 다른 구성요소(예: 제3 구성요소)가 존재하지 않는 것으로 이해될 수 있다.
본 문서에서 사용된 표현 "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, "~에 적합한(suitable for)," "~하는 능력을 가지는(having the capacity to)," "~하도록 설계된(designed to)," "~하도록 변경된(adapted to)," "~하도록 만들어진(made to)," 또는 "~ 를 할 수 있는(capable of)"과 바꾸어 사용될 수 있다. 용어 "~하도록 구성된(또는 설정된)"은 하드웨어적으로 "특별히 설계된(specifically designed to)" 것만을 반드시 의미하지 않을 수 있다. 대신, 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된)프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(generic-purpose processor)(예: CPU 또는 application processor)를 의미할 수 있다.
본 문서에서 사용된 용어들은 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 다른 실시예의 범위를 한정하려는 의도가 아닐 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 용어들은 본 문서에 기재된 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다. 본 문서에 사용된 용어들 중 일반적인 사전에 정의된 용어들은, 관련 기술의 문맥상 가지는 의미와 동일 또는 유사한 의미로 해석될 수 있으며, 본 문서에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 경우에 따라서, 본 문서에서 정의된 용어일지라도 본 문서의 실시예들을 배제하도록 해석될 수 없다.
본 발명의 여러 실시예들의 각각 특징들이 부분적으로 또는 전체적으로 서로 결합 또는 조합 가능하며, 당업자가 충분히 이해할 수 있듯이 기술적으로 다양한 연동 및 구동이 가능하며, 각 실시예들이 서로에 대하여 독립적으로 실시 가능할 수도 있고 연관 관계로 함께 실시 가능할 수도 있다.
본 명세서의 해석의 명확함을 위해, 이하에서는 본 명세서에서 사용되는 용어들을 정의하기로 한다.
본 명세서에서 사용되는 용어, "개체"는 진단 이력을 포함한 의료 데이터를 기초로 치료 가이드를 제공하고자 하는 모든 대상을 의미할 수 있다. 예를 들어, 개체는 환자일 수 있으며, 진단 이력은 환자 신체의 여러 부위에 대한 진단 이력일 수 있다. 본 명세서 내에 개시된 개체는, 사람을 포함한 모든 포유 동물을 포함할 수 있다. 다만, 본 발명에서는 설명의 편의를 위한 개체가 '사람' 중 진단 이력이 존재하는 '환자'인 것으로 정의한다.
본 명세서에서 사용되는 용어, "의료 정보 제공 모델"은 개체의 의료 데이터를 입력으로 하여 치료 가이드를 결정하도록 학습된 모델일 수 있다. 여기서, 의료 데이터는 개체의 진단 이력을 포함하는 데이터로서, EMR(Electronic Medical Record), OCS(Order Communication System) 및 PACS(Picture Archiving and Communication System) 중 적어도 하나를 포함하는 EHR(Electronic Health Record)로부터 획득될 수 있다. 구체적으로, 의료 데이터는 개체의 식별 데이터(예. 나이, 성별, 유전, 예방접종 상태), 처방 데이터(예. 복용 약물, 알레르기), 검사 데이터(예. 병력) 및 영상 데이터(예. 영상의학 이미지) 등을 포함할 수 있다. 또한, 여기서 치료 가이드는 개체에게 어떠한 의료 행위를 수행할 것인지 여부, 혹은 의료 행위를 수행할 확률을 나타내는 데이터로 이해될 수 있다. 예를 들어, 현재 진단 이력에 따라, 개체에게 특정한 상담, 검사, 처방, 처치, 시술 및 수술 중 어느 하나의 의료 행위를 수행할 것인지 여부를 치료 가이드로 제공할 수 있다. 또한, 치료 가이드는 진료 과목 별로 상이하게 정의될 수 있다.
다양한 실시예에서, 의료 정보 제공 모델은 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning)을 이용하여 수립될 수 있다. 또한, 인공지능 모델은 의료 데이터의 종류에 따라서, CNN (Convolutional Neural Network) 기반의 VGG net, R, DenseNet 및, encoder-decoder structure를 갖는 FCN (Fully Convolutional Network), SegNet, DeconvNet, DeepLAB V3+, U-net와 같은 DNN (deep neural network), SqueezeNet, Alexnet, ResNet18, MobileNet-v2, GoogLeNet, Resnet50, Resnet101, Inception-v3 중 적어도 하나의 모델 혹은 두 개 이상의 앙상블 모델로 구성되거나, RNN (Recurrent Neural Network) 기반의 모델로 구성될 수 있다.
다양한 실시예에서, 의료 정보 제공 모델은 통계를 기반으로 학습된 수학적 모델과 기계학습 모델, 인공신경망 모델, 및 강화학습 모델 중 어느 하나를 포함하거나 이들의 조합으로 구성된 모델일 수 있다.
도 1은 본 발명의 일 실시예에 따른 임상 의사 결정 지원 시스템의 블록도이다.
도 1을 참조하면, 임상 의사 결정 지원 시스템(1000)은 환자를 진료하는 의료진에게 임상의사결정지원 시스템(CDSS, Clinical Decision Support System)을 통해 치료 가이드를 제공하여 임상 의사의 결정을 지원할 수 있는 시스템일 수 있다.
임상 의사 결정 지원 시스템(1000)은 치료 가이드를 제공받는 의료진 디바이스(100), 치료 가이드를 제공하는 임상 의사 결정 지원 시스템 제공 서버(200)(이하, '의사 결정 서버'라고 함), 치료 가이드를 제공하기 위해서 필요한 개체의 각종 데이터들을 저장하는 의료 데이터베이스(300)를 포함할 수 있다.
의료진 디바이스(100)는 개체의 의료 데이터를 획득하고, 치료 가이드를 표시할 수 있는 디바이스로, 스마트폰, 태블릿 PC (Personal Computer), 노트북 및 PC 등을 포함할 수 있다.
의료진 디바이스(100)는 진찰을 통해 의료 데이터를 입력하거나, 의료 데이터베이스(300)를 통해 의료 데이터를 획득할 수 있다. 예를 들어, 의료 데이터는 개체의 식별 데이터(예. 나이, 성별, 유전, 예방접종 상태), 처방 데이터(예. 복용 약물, 알레르기), 검사 데이터(예. 병력) 및 영상 데이터(예. 영상의학 이미지) 등을 포함할 수 있다.
다양한 실시예에서, 의료진 디바이스(100)는 획득한 의료 데이터를 기초로 치료 가이드를 의사 결정 서버(200)에 요청할 수 있다. 구체적으로, 의료진 디바이스(100)는 의료 데이터와 함께 개체에 대한 상담, 검사, 처방, 처치, 시술 및 수술 중 어느 하나의 의료 행위의 수행 여부를 질의하는 요청을 함으로써, 의사 결정 서버(200)로부터 복수의 치료 가이드를 제공 받을 수 있다. 다만, 이에 제한되지 않으며, 의료 데이터를 의사 결정 서버(200)에 전달하는 동작만으로도 복수의 치료 가이드를 제공 받을 수도 있다.
다양한 실시예에서, 의료진 디바이스(100)는 의사 결정 서버(200)로부터 복수의 치료 가이드를 포함하는 사용자 인터페이스 화면(10)을 표시할 수 있다. 예를 들어, 사용자 인터페이스 화면(10)에는 개체의 식별 데이터(11), 및 복수의 의료 정보 제공 모델을 통해 결정된 복수의 치료 가이드(12)를 포함할 수 있다. 이와 같이, 의료진 디바이스(100)는 어느 하나의 예측 모델을 통해 얻어진 하나의 결과 데이터를 제공하는 것이 아니라, 복수의 의료 정보 제공 모델을 통해 얻어진 복수의 치료 가이드를 제공함으로써, 명확한 답이 존재하지 않는 의료 분야에서 의료진으로 하여금 치료 행위의 불확실성을 경감시켜줄 수 있다.
의사 결정 서버(200)는 복수의 의료 정보 제공 모델을 생성하며, 의료진 디바이스(100)로 CDSS을 제공할 수 있는 서버로 범용 컴퓨터, 랩톱, 데이터 서버, 및 웹 서버 등을 포함할 수 있다. 구체적으로, 의사 결정 서버(200)는 복수의 의료 정보 제공 모델을 통해 어느 하나의 의료 데이터에 대한 복수의 치료 가이드를 결정할 수 있다.
다양한 실시예에서, 의사 결정 서버(200)는 CDSS를 통해 의료진 디바이스(100)로 치료 가이드를 제공하기 위해 복수의 의료 정보 제공 모델을 생성할 수 있다. 구체적으로, 의사 결정 서버(200)는 치료 데이터베이스(300)를 통해 어느 하나의 진료 과목에서 동일한 개체에 대한 상이한 진단 및 치료 이력을 포함하는 의료 데이터 세트를 복수 개 획득할 수 있다. 의사 결정 서버(200)는 어느 한 명의 개체 대해서 서로 다른 방향으로 진단하고 치료한 이력을 기초로 서로 다른 구성의 의료 정보 제공 모델을 생성할 수 있다. 다시 말해서, 의사 결정 서버(200)는 복수 개의 의료 데이터 세트 각각을 기초로 의료 데이터를 입력으로 하여 치료 가이드를 결정하도록 구성된 복수의 의료 정보 제공 모델을 생성할 수 있다.
다양한 실시예에서, 의사 결정 서버(200)는 복수의 치료 가이드를 포함하는 사용자 인터페이스를 제공할 수 있다. 여기서, 사용자 인터페이스는 복수의 치료 가이드로서, 개체의 상담, 검사, 처방, 처치, 시술 및 수술 중 적어도 하나의 의료 행위에 대한 수행 여부, 및 수행 여부에 따른 치료 종류 및 정도를 포함할 수 있다. 의사 결정 서버(200)는 복수의 의료 정보 제공 모델을 통해 결정된 복수의 치료 가이드를 사용자 인터페이스에 나열하는 것에서 나아가, 둘 이상의 치료 가이드를 조합한 추천 치료 가이드를 생성하여, 이를 사용자 인터페이스를 통해 제공할 수 있다.
다양한 실시예에서, 의사 결정 서버(200)는 의료진 디바이스(100)로 CDSS를 통해 복수의 의료 정보 제공 모델을 이용한 치료 가이드를 제공할 수 있는 웹/앱 어플리케이션을 제공할 수 있다. 예를 들어, 의사 결정 서버(200)는 의료진 디바이스(100)로 접속 가능한 웹 브라우저를 제공하거나, 의료진 디바이스(100)에 설치 가능한 어플리케이션 또는 프로그램을 제공할 수 있다.
치료 데이터베이스(300)는 개체에 대한 각종 의료 데이터들을 저장할 수 있다. 예를 들어, 치료 데이터베이스(300)는 병원 각각에 저장된 EMR(Electronic Medical Record), OCS(Order Communication System) 및 PACS(Picture Archiving and Communication System) 를 데이터 소스로 하는 EHR(Electronic Health Record) 일 수 있다. 즉, 치료 데이터베이스(300)는 복수 개체의 진단 이력을 저장할 수 있으며, 예를 들어, 치료 데이터베이스(300)는 개체의 나이, 성별, 병력, 진단, 투약, 치료 계획, 예방 접종 날짜, 알레르기 유무, 영상 의학 이미지 등을 포함할 수 있다.
지금까지 본 발명의 일 실시예에 따른 임상 의사 결정 지원 시스템(1000)에 대하여 설명하였다. 본 발명에 따르면, 임상 의사 결정 지원 시스템(1000)은 복수의 의료 정보 제공 모델을 생성 및 이용함으로써, 하나의 진단 모델을 이용한 결과 값을 제공하는 것보다 진단에 도움이 되는 유의미한 데이터들을 제공할 수 있다.
이하에서는 도 2를 참조하여 치료 가이드를 제공받는 의료진 디바이스에 대해서 설명하도록 한다.
도 2는 본 발명의 일 실시예에 따른 의료진 디바이스의 구성을 나타낸 블록도이다.
도 2를 참조하면, 의료진 디바이스(100)는 메모리 인터페이스(110), 하나 이상의 프로세서(120) 및 주변 인터페이스(130)를 포함할 수 있다. 의료진 디바이스(100) 내의 다양한 컴포넌트들은 하나 이상의 통신 버스 또는 신호 라인에 의해 연결될 수 있다.
메모리 인터페이스(110)는 메모리(150)에 연결되어 프로세서(120)로 다양한 데이터를 전할 수 있다. 여기서, 메모리(150)는 플래시 메모리 타입, 하드디스크 타입, 멀티미디어 카드 마이크로 타입, 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램, SRAM, 롬, EEPROM, PROM, 네트워크 저장 스토리지, 클라우드, 블록체인 데이터베이스 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
다양한 실시예에서, 메모리(150)는 운영 체제(151), 통신 모듈(152), 그래픽 사용자 인터페이스 모듈(GUI)(153), 센서 처리 모듈(154), 전화 모듈(155) 및 애플리케이션(156) 중 적어도 하나 이상을 저장할 수 있다. 구체적으로, 운영 체제(151)는 기본 시스템 서비스를 처리하기 위한 명령어 및 하드웨어 작업들을 수행하기 위한 명령어를 포함할 수 있다. 통신 모듈(152)은 다른 하나 이상의 디바이스, 컴퓨터 및 서버 중 적어도 하나와 통신할 수 있다. 그래픽 사용자 인터페이스 모듈(GUI)(153)은 그래픽 사용자 인터페이스를 처리할 수 있다. 센서 처리 모듈(154)은 센서 관련 기능(예를 들어, 하나 이상의 마이크(192)를 이용하여 수신된 음성 입력을 처리함)을 처리할 수 있다. 전화 모듈(155)은 전화 관련 기능을 처리할 수 있다. 애플리케이션 모듈(156)은 사용자 애플리케이션의 다양한 기능들, 예컨대 전자 메시징, 웹 브라우징, 미디어 처리, 탐색, 이미징, 기타 프로세스 기능을 수행할 수 있다. 아울러, 의료진 디바이스(100)는 메모리(150)에 어느 한 종류의 서비스와 연관된 하나 이상의 소프트웨어 애플리케이션(156-1, 156-2)(예. CDSS 제공용 어플리케이션)을 저장할 수 있다.
다양한 실시예에서, 메모리(150)는 CDSS를 통해 개체에 대한 치료 가이드를 제공 받기 위한 각종 데이터를 저장할 수 있다. 구체적으로, 메모리(150)는 개체의 식별 데이터, 개체 별 EMR, OCS, PACS 등 의료 데이터, 복수의 치료 가이드를 포함한 사용자 인터페이스 화면을 구성하는 데이터를 저장할 수 있다.
다양한 실시예에서, 메모리(150)는 디지털 어시스턴트 클라이언트 모듈(157)(이하, DA 클라이언트 모듈)을 저장할 수 있으며, 그에 따라 디지털 어시스턴트의 클라이언트 측의 기능을 수행하기 위한 명령어 및 다양한 사용자 데이터(158)(예. 사용자 맞춤형 어휘 데이터, 선호도 데이터, 사용자의 전자 주소록, 할 일 목록, 쇼핑 리스트 등과 같은 기타 데이터)를 저장할 수 있다.
한편, DA 클라이언트 모듈(157)은 의료진 디바이스(100)에 구비된 다양한 사용자 인터페이스(예. I/O 서브시스템(140))를 통해 사용자의 음성 입력, 텍스트 입력, 터치 입력 및/또는 제스처 입력을 획득할 수 있다.
또한, DA 클라이언트 모듈(157)은 시청각적, 촉각적 형태의 데이터를 출력할 수 있다. 예를 들어, DA 클라이언트 모듈(157)은 음성, 소리, 알림, 텍스트 메시지, 메뉴, 그래픽, 비디오, 애니메이션 및 진동 중 적어도 둘 하나 이상의 조합으로 이루어진 데이터를 출력할 수 있다. 아울러, DA 클라이언트 모듈(157)은 통신 서브시스템(180)을 이용하여 디지털 어시스턴트 서버(미도시)와 통신할 수 있다.
다양한 실시예에서, DA 클라이언트 모듈(157)은 사용자 입력과 연관된 상황(context)을 구성하기 위하여 다양한 센서, 서브시스템 및 주변 디바이스로부터 의료진 디바이스(100)의 주변 환경에 대한 추가 정보를 수집할 수 있다. 예를 들어, DA 클라이언트 모듈(157)은 사용자 입력과 함께 상황 정보를 디지털 어시스턴트 서버에 제공하여 사용자의 의도를 추론할 수 있다. 여기서, 사용자 입력에 동반될 수 있는 상황 정보는 센서 정보, 예를 들어, 광(lighting), 주변 소음, 주변 온도, 주변 환경의 이미지, 비디오 등을 포함할 수 있다. 다른 예를 들어, 상황 정보는 의료진 디바이스(100)의 물리적 상태(예. 디바이스 배향, 디바이스 위치, 디바이스 온도, 전력 레벨, 속도, 가속도, 모션 패턴, 셀룰러 신호 강도 등)을 포함할 수 있다. 또 다른 예를 들어, 상황 정보는 의료진 디바이스(100)의 소프트웨어 상태에 관련된 정보(예. 의료진 디바이스(100)에서 실행 중인 프로세스, 설치된 프로그램, 과거 및 현재 네트워크 활동성, 백그라운드 서비스, 오류 로그, 리소스 사용 등)를 포함할 수 있다.
다양한 실시예에서, 메모리(150)는 추가 또는 삭제된 명령어를 포함할 수 있으며, 나아가 의료진 디바이스(100)도 도 2에 도시된 구성 외에 추가 구성을 포함하거나, 일부 구성을 제외할 수도 있다.
프로세서(120)는 의료진 디바이스(100)의 전반적인 동작을 제어할 수 있으며, 메모리(150)에 저장된 어플리케이션 또는 프로그램을 구동하여 복수의 치료 가이드를 표시할 수 있는 사용자 인터페이스를 구현하기 위한 다양한 명령들을 수행할 수 있다.
프로세서(120)는 CPU(Central Processing Unit)나 AP(Application Processor)와 같은 연산 장치에 해당할 수 있다. 또한, 프로세서(120)는 NPU(Neural Processing Unit)과 같은 다양한 연산 장치가 통합된 SoC(System on Chip)와 같은 통합 칩(Integrated Chip (IC))의 형태로 구현될 수 있다.
다양한 실시예에서, 프로세서(120)는 CDSS (임상 의사 결정 지원 시스템) 을 구현하기 위한 다양한 동작들을 제어할 수 있다. 구체적으로, 프로세서(120)는 의료진으로부터 입력되는 의료 데이터를 획득할 수 있으며, 의료 데이터베이스(300)로부터 특정 개체에 대한 의료 데이터를 획득할 수 있다. 프로세서(120)는 CDSS를 통해 의료 데이터를 포함하는 치료 가이드를 의사 결정 서버(200)로 요청할 수 있으며, 의사 결정 서버(200)로부터 복수의 치료 가이드를 포함하는 사용자 인터페이스 화면을 제공 받아 표시할 수 있다. 예를 들어, 프로세서(120)는 개체의 상담, 검사, 처방, 처치, 시술 및 수술 중 적어도 하나의 의료 행위에 대한 수행 여부를 나타내는 복수의 치료 가이드와 함께, 수행 여부에 따른 치료 종류 또는 정도를 사용자 인터페이스 화면에 표시할 수 있다. 여기서, 수행 여부 및 그에 따른 종류, 정도는 텍스트, 이미지, 또는 그래프 등 다양한 형태로 표시될 수 있다.
주변 인터페이스(130)는 다양한 센서, 서브 시스템 및 주변 디바이스와 연결되어, 의료진 디바이스(100)가 다양한 기능을 수행할 수 있도록 데이터를 제공해 줄 수 있다. 여기서, 의료진 디바이스(100)가 어떠한 기능을 수행한다는 것은 프로세서(120)에 의해 수행되는 것으로 이해될 수 있다.
주변 인터페이스(130)는 모션 센서(160), 조명 센서(광 센서)(161) 및 근접 센서(162)로부터 데이터를 제공받을 수 있으며, 이를 통해, 의료진 디바이스(100)는 배향, 광, 및 근접 감지 기능 등을 수행할 수 있다. 다른 예를 들어, 주변 인터페이스(130)는 기타 센서들(163)(포지셔닝 시스템-GPS 수신기, 온도 센서, 생체인식 센서)로부터 데이터를 제공받을 수 있으며, 이를 통해 의료진 디바이스(100)가 기타 센서들(163)과 관련된 기능들을 수행할 수 있다.
다양한 실시예에서, 의료진 디바이스(100)는 주변 인터페이스(130)와 연결된 카메라 서브시스템(170) 및 이와 연결된 광학 센서(171)를 포함할 수 있으며, 이를 통해 의료진 디바이스(100)는 사진 촬영 및 비디오 클립 녹화 등의 다양한 촬영 기능을 수행할 수 있다.
다양한 실시예에서, 의료진 디바이스(100)는 주변 인터페이스(130)와 연결된 통신 서브 시스템(180)을 포함할 수 있다. 통신 서브 시스템(180)은 하나 이상의 유/무선 네트워크로 구성되며, 다양한 통신 포트, 무선 주파수 송수신기, 광학 송수신기를 포함할 수 있다.
다양한 실시예에서, 의료진 디바이스(100)는 주변 인터페이스(130)와 연결된 오디오 서브 시스템(190)을 포함하며, 이러한 오디오 서브 시스템(190)은 하나 이상의 스피커(191) 및 하나 이상의 마이크(192)를 포함함으로써, 의료진 디바이스(100)는 음성 작동형 기능, 예컨대 음성 인식, 음성 복제, 디지털 녹음, 및 전화 기능 등을 수행할 수 있다.
다양한 실시예에서, 의료진 디바이스(100)는 주변 인터페이스(130)와 연결된 I/O 서브시스템(140)을 포함할 수 있다. 예를 들어, I/O 서브시스템(140)은 터치 스크린 제어기(141)를 통해 의료진 디바이스(100)에 포함된 터치 스크린(143)을 제어할 수 있다. 일 예로서, 터치 스크린 제어기(141)는 정전용량형, 저항형, 적외형, 표면 탄성파 기술, 근접 센서 어레이 등과 같은 복수의 터치 감지 기술 중 어느 하나의 기술을 사용하여 사용자의 접촉 및 움직임 또는 접촉 및 움직임의 중단을 검출할 수 있다. 다른 예를 들어, I/O 서브시스템(140)은 기타 입력 제어기(들)(142)를 통해 의료진 디바이스(100)에 포함된 기타 입력/제어 디바이스(144)를 제어할 수 있다. 일 예로서, 기타 입력 제어기(들)(142)은 하나 이상의 버튼, 로커 스위치(rocker switches), 썸 휠(thumb-wheel), 적외선 포트, USB 포트 및 스타일러스 등과 같은 포인터 디바이스를 제어할 수 있다.
지금까지 본 발명의 일 실시예에 따른 의료진 디바이스(100)에 대하여 설명하였다. 본 발명에 따르면, 의료진 디바이스(100)는 CDSS를 통해 개체에 대한 진단 이력, 권장 사항 등의 단순한 데이터만을 의료진에게 제공하는 것이 아니라, 복수의 치료 가이드를 제공함으로써, 개체에게 최적의 진단을 내릴 수 있도록 도움을 줄 수 있다.
이하에서는, 도 3 내지 도 6b를 참조하여 의료 정보 제공 모델을 수립하고, 의료진 디바이스(100)로 복수의 치료 가이드를 제공하는 의사 결정 서버(200)에 대하여 설명하도록 한다.
도 3은 본 발명의 일 실시예에 따른 임상 의사 결정 지원 시스템 제공 서버의 구성을 나타낸 블록도이다.
도 3을 참조하면, 의사 결정 서버(200)는 통신 인터페이스(210), 메모리(220), I/O 인터페이스(230) 및 프로세서(240)를 포함할 수 있으며, 각 구성은 하나 이상의 통신 버스 또는 신호 라인을 통해 서로 통신할 수 있다.
통신 인터페이스(210)는 유/무선 통신 네트워크를 통해 의료진 디바이스(100) 및 의료 데이터베이스(300)와 연결되어 데이터를 주고받을 수 있다. 예를 들어, 통신 인터페이스(210)는 의료진 디바이스(100)로부터 개체에 대한 의료 데이터를 포함하는 치료 가이드 제공 요청을 수신할 수 있으며, 의료진 디바이스(100)로 복수의 치료 가이드를 포함하는 사용자 인터페이스를 송신할 수 있다. 다른 예를 들어, 통신 인터페이스(210)는 의료진 디바이스(100)의 요청에 따라 의료 데이터베이스(300)로부터 개체의 의료 데이터를 수신할 수 있으며, 의료 정보 제공 모델을 수립 및 업데이트하기 위한 의료 데이터를 수신할 수도 있다.
한편, 이러한 데이터의 송수신을 가능하게 하는 통신 인터페이스(210)는 통신 포트(211) 및 무선 회로(212)를 포함하며, 여기 유선 통신 포트(211)는 하나 이상의 유선 인터페이스, 예를 들어, 이더넷, 범용 직렬 버스(USB), 파이어와이어 등을 포함할 수 있다. 또한, 무선 회로(212)는 RF 신호 또는 광학 신호를 통해 외부 디바이스와 데이터를 송수신할 수 있다. 아울러, 무선 통신은 복수의 통신 표준, 프로토콜 및 기술, 예컨대 GSM, EDGE, CDMA, TDMA, 블루투스, Wi-Fi, VoIP, Wi-MAX, 또는 임의의 기타 적합한 통신 프로토콜 중 적어도 하나를 사용할 수 있다.
메모리(220)는 의사 결정 서버(200)에서 사용되는 다양한 데이터를 저장할 수 있다. 예를 들어, 메모리(220)는 의료진 디바이스(100)의 식별 데이터, 개체의 식별 데이터를 저장할 수 있다. 다른 예를 들어, 메모리(220)는 복수의 의료 예측 모델 및 이를 학습하는데 사용된 학습 데이터들(예. 진단 및 치료 이력을 포함하는 의료 데이터 세트)을 저장할 수 있다.
다양한 실시예에서, 메모리(220)는 각종 데이터, 명령 및 정보를 저장할 수 있는 휘발성 또는 비휘발성 기록 매체를 포함할 수 있다. 예를 들어, 메모리(220)는 플래시 메모리 타입, 하드디스크 타입, 멀티미디어 카드 마이크로 타입, 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램, SRAM, 롬, EEPROM, PROM, 네트워크 저장 스토리지, 클라우드, 블록체인 데이터베이스 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
다양한 실시예에서, 메모리(220)는 운영 체제(221), 통신 모듈(222), 사용자 인터페이스 모듈(223) 및 하나 이상의 애플리케이션(224) 중 적어도 하나의 구성을 저장할 수 있다.
운영 체제(221)(예. LINUX, UNIX, MAC OS, WINDOWS, VxWorks 등의 내장형 운영 체제)는 일반적인 시스템 작업(예. 메모리 관리, 저장 디바이스 제어, 전력 관리 등)를 제어하고 관리하기 위한 다양한 소프트웨어 컴포넌트 및 드라이버를 포함할 수 있으며, 다양한 하드웨어, 펌웨어, 및 소프트웨어 컴포넌트 간의 통신을 지원할 수 있다.
통신 모듈(223)은 통신 인터페이스(210)를 통해 다른 디바이스와 통신을 지원할 수 있다. 통신 모듈(220)은 통신 인터페이스(210)의 유선 통신 포트(211) 또는 무선 회로(212)에 의해 수신되는 데이터를 처리하기 위한 다양한 소프트웨어 구성 요소들을 포함할 수 있다.
사용자 인터페이스 모듈(223)은 I/O 인터페이스(230)를 통해 키보드, 터치 스크린, 마이크 등으로부터 사용자의 요청 또는 입력을 수신하고, 디스플레이 상에 사용자 인터페이스를 제공할 수 있다.
애플리케이션(224)은 하나 이상의 프로세서(240)에 의해 실행되도록 구성되는 프로그램 또는 모듈을 포함할 수 있다. 여기서, 복수의 의료 정보 제공 모델을 이용한 복수의 치료 가이드를 제공하기 위한 애플리케이션은 서버 팜(server farm) 상에서 구현될 수 있다.
I/O 인터페이스(230)는 의사 결정 서버(200)의 입출력 디바이스(미도시), 예컨대 디스플레이, 키보드, 터치 스크린 및 마이크 중 적어도 하나를 사용자 인터페이스 모듈(223)과 연결할 수 있다. I/O 인터페이스(230)는 사용자 인터페이스 모듈(223)과 함께 사용자 입력(예. 음성 입력, 키보드 입력, 터치 입력 등)을 수신하고, 수신된 입력에 따른 명령을 처리할 수 있다.
프로세서(240)는 통신 인터페이스(210), 메모리(220) 및 I/O 인터페이스(230)와 연결되어 의사 결정 서버(200)의 전반적인 동작을 제어할 수 있으며, 메모리(220)에 저장된 애플리케이션 또는 프로그램을 통해 CDSS (임상 의사 결정 지원 시스템) 상에서 여러 종류의 치료 가이드를 제공하기 위한 다양한 명령들을 수행할 수 있다.
프로세서(240)는 CPU(Central Processing Unit)나 AP(Application Processor)와 같은 연산 장치에 해당할 수 있다. 또한, 프로세서(240)는 다양한 연산 장치가 통합된 SoC(System on Chip)와 같은 통합 칩(Integrated Chip (IC))의 형태로 구현될 수 있다. 또는 프로세서(240)는 NPU(Neural Processing Unit)과 같이 인공 신경망 모델을 계산하기 위한 모듈을 포함할 수 있다.
다양한 실시예에서, 프로세서(240)는 CDSS 상에서 의료 데이터를 기초로 하는 복수의 치료 가이드를 제공할 수 있으며, 이하 도 4를 참조하여 설명하도록 한다.
도 4는 본 발명의 일 실시예에 따른 임상 의사 결정 지원 시스템 제공 방법에 대한 개략적인 순서도이다. 도 4의 설명을 위해 도 6의 장치의 부호를 함께 참조한다.
프로세서(240)는 개체의 진단 이력이 포함된 입력 데이터를 획득할 수 있다(S110). 구체적으로, 프로세서(240)는 통신 인터페이스(210)를 통해 의료진 디바이스(100)로부터 개체에 대한 치료 가이드 제공 요청과 함께 개체의 식별 데이터 또는 의료 데이터를 획득할 수 있다. 만약, 식별 데이터만을 수신한 경우, 프로세서(240)는 의료 데이터베이스(300)에서 개체의 식별 데이터를 기초로 개체의 진단 이력이 포함된 의료 데이터를 획득할 수 있다.
다양한 실시예에서, 프로세서(240)는 의료 데이터는 EMR(Electronic Medical Record), OCS(Order Communication System) 및 PACS(Picture Archiving and Communication System) 중 적어도 하나를 포함하는 EHR(Electronic Health Record)로부터 의료 데이터를 획득할 수 있다. 구체적으로, 의료 데이터는 개체의 식별 데이터(예. 나이, 성별, 유전, 예방접종 상태), 처방 데이터(예. 복용 약물, 알레르기), 검사 데이터(예. 병력) 및 영상 데이터(예. 영상의학 이미지) 등을 포함할 수 있다.
이와 같이, 개체에 대한 의료 데이터는 다양한 종류의 데이터들을 포함한다. 개체의 질병을 진단하고, 치료하기 위해서는 이러한 데이터들의 해석이 중요하다. 예를 들어, 신장 조직검사의 경우, 아래와 같은 결과 해석 지표들에 따라 신장 조직검사를 수행할 수 있다.
Indications Comments
Hematuria
(혈뇨)		 1) Scr (Serum creatinine)(혈청 크레아티닌) 레벨 또는 단백뇨의 상승을 동반한 가시적혈구 또는 적혈구 원주의 존재
Proteinuria
(단백뇨)		 1) 명확한 중복 이환 없이 다수 측정된 단백뇨 > 1g/d;2) 당뇨병 없이 단백뇨 > 3g/d 또는 당뇨병이 있음에도 단백뇨의 급격한 증가;
3) 단백뇨 < 3g/d, 당뇨병이나 고혈압과 같은 명확한 중복 이환 없이 Scr 수치 상승
AKI
(Acute kidney injury)(급성 신장 손상)		 1) ATI (Acute tubular injury)(급성 세뇨관 손상) 설정에서 원인 반전에도 불구하고 지속적인 손상 또는 Scr이 손상 시작 7-14일에 기준선으로 돌아오지 않은 경우;
2) AIN 추정 상황에서 주 요인이 되는 약물 제거에도 불구하고 부상이 해결되지 않은 경우;
CKD
(Chronic kidney disease)(만성 신장 질환)		 1) 새롭게 발병한 혈뇨 또는 단백뇨 Scr 수치의 급격한 상승
그러나, 예를 들어, 급성 신장 손상의 경우, '지속적인 손상', '기준선으로의 복귀', '부상의 해결'과 같은 해석 지표는 수치 값이 명확하게 정의되어 있지 않으며, 정의될 수 없기 때문에, 의료진의 경험과 지식, 개체의 상황에 따라 엇갈릴 수 있다. 그에 따라, 본 발명에서는 어느 한 개체의 의료 데이터를 기반으로 여러 의료진들의 진단 및 치료 이력을 학습하여, 의료진의 진단을 예측하는 의료 정보 제공 모델을 생성할 수 있다.
관련하여, 도 5는 본 발명의 일 실시예에 따른 의료 정보 제공 모델을 수립하는 방법을 설명하기 위한 개략도이다.
도 5를 참조하면, 프로세서(240)는 어느 하나의 진료 과목에서 동일한 개체에 대한 상이한 진단 및 치료 이력을 포함하는 의료 데이터 세트를 복수 개 획득할 수 있다. 즉, 본 발명에서는 개체에 대한 진단 이력(예. EMR 데이터(21-1), OCS 데이터(21-2), PACS 데이터(21-3))를 통해 얻어진 개체의 기본 검사 데이터)을 포함한 의료 데이터(21)를 의료진에게 제공했을 때, 그에 대한 진단 및 치료 이력을 포함한 의료 데이터 세트(22)를 복수 개 획득할 수 있다.
프로세서(240)는 복수 개의 의료 데이터 세트 각각을 기초로 의료 데이터를 입력으로 하여 치료 가이드를 결정하도록 구성된 복수의 의료 정보 제공 모델(23)을 생성할 수 있다. 즉, 프로세서(240)는 의료진들의 경험을 학습한 복수의 의료 정보 제공 모델을 생성함으로써, 의료진이 진단한 것과 같은 정확한 치료 가이드를 획득할 수 있다. 그러나 이에 제한되지 않고, 복수의 의료 정보 제공 모델(23)은 미리 생성되어 제공될 수도 있다.
S110 단계 이후, 프로세서(240)는 의료 데이터를 입력으로 하여 치료 가이드를 결정하도록 학습된 복수의 의료 정보 제공 모델 각각에, 의료 데이터를 입력하여 개체에 대한 복수의 치료 가이드를 결정할 수 있다(S120). 여기서 치료 가이드는 개체에게 어떠한 의료 행위를 수행할 것인지 여부, 혹은 의료 행위를 수행할 확률을 나타내는 데이터로 이해될 수 있다. 이를 위해, 프로세서(240)는 진단 이력에 따라 상담, 검사, 처방, 처치, 시술 및 수술 중 개체에 제공될 어느 하나의 치료 가이드의 종류를 결정할 수 있다. 프로세서(240)는 현재 진단 이력에 따라, 개체에게 특정한 상담, 검사, 처방, 처치, 시술 및 수술 중 어느 것이 필요한 지, 진료 과목 별로 치료 가이드의 종류를 구분 지을 수 있다. 프로세서(240)는 구분된 종류에 대응되는 복수의 의료 정보 제공 모델 각각에 의료 데이터를 입력하여 복수의 치료 가이드를 결정할 수 있다. 예를 들어, 프로세서(240)는 개체의 상담, 검사, 처방, 처치, 시술 및 수술 중 적어도 하나의 의료 행위에 대한 수행 여부를 포함하는 치료 가이드를 결정할 수 있다.
S120 단계 이후, 프로세서(240)는 개체에 대한 복수의 치료 가이드를 포함하는 사용자 인터페이스를 제공할 수 있다(S130). 구체적으로, 프로세서(240)는 적어도 하나의 의료 행위에 대한 수행 여부와 함께 수행 여부에 따른 치료 종류 또는 정도를 포함한 사용자 인터페이스를 의료진 디바이스(100)로 제공할 수 있다.
다양한 실시예에서, 프로세서(240)는 복수의 의료 정보 제공 모델 중 둘 이상의 의료 정보 제공 모델을 이용하여 결정된, 복수의 치료 가이드를 조합할 수 있다. 예를 들어, 치료 가이드의 종류가 수술의 수행 여부에 대응되며, 복수의 의료 정보 제공 모델 중 적어도 둘 이상의 치료 가이드에서 수술을 진행하는 것으로 결정된 경우, 프로세서(240)는 치료 가이드로 '수술의 수행'을 추천 치료 가이드로 제공할 수 있다. 한편, 추천 치료 가이드를 결정하는 의료 정보 제공 모델의 개수는 관리자 또는 의료진 디바이스(100)를 통해 결정될 수 있다.
관련하여, 도 6a 및 도 6b는 본 발명의 일 실시예에 따른 임상 의사 결정 지원 시스템을 나타내는 인터페이스 화면의 예시도이다.
도 6a를 참조하면, 프로세서(240)는 복수의 치료 가이드를 제공하기 위한 사용자 인터페이스 화면(30)를 의료진 디바이스(100)로 제공할 수 있다. 사용자 인터페이스 화면(30)은 개체의 식별 데이터(31)와 함께 진단 이력을 확인할 수 있는 복수의 영역을 포함할 수 있다. 예를 들어, 진단 이력은 진료 과목(32) 별로 구분될 수 있으며, 진료 타임 라인(33)과 선택 일자에 수행된 검사 결과(34)를 포함할 수 있다. 아울러, 사용자 인터페이스 화면(30)은 의료진에 의해 새로운 진단 이력을 입력할 수 있는 그래픽 객체(35)와 의사 결정 서버(200)로 치료 가이드를 요청하는 그래픽 객체(36)를 포함할 수 있다.
만약, 사용자 인터페이스 화면(30)을 통해 특정 객체에 대한 치료 가이드를 요청하는 그래픽 객체(36)가 선택되면, 프로세서(240)는 사용자 인터페이스 화면(30)으로 도 6b와 같은 치료 가이드를 제공할 수 있다. 여기서, 치료 가이드는 복수의 의료 정보 제공 모델 각각을 통해 얻어진 복수의 치료 가이드(37)를 포함할 수 있으며, 둘 이상의 치료 가이드를 조합한 추천 치료 가이드(38)가 포함될 수도 있다. 아울러, 복수의 치료 가이드(37)는 의료 행위의 수행 여부 뿐만 아니라, 치료 가이드 예측의 정확도를 수치 값으로 표시할 수도 있다. 그러나, 이에 제한되지 않고, 도 6b와 같은 사용자 인터페이스 화면은 도 6a의 사용자 인터페이스 화면에 통합되어 제공될 수도 있다.
지금까지 본 발명의 일 실시예에 따른 의사 결정 서버(200)에 대하여 설명하였다. 본 발명에 따르면, 의사 결정 서버(200)가 제공하는 인터페이스를 통해 해당 개체에게 제공 가능한 복수 개의 치료 가이드가 하나의 화면에 표시됨으로써, 의료진에게 필요한 정보를 직관적으로 제공할 수 있다.
이하에서는, 도 7a 내지 도 8c를 참조하여 본 발명에서 이용되는 의료 정보 제공 모델의 평가 결과에 대하여 설명하도록 한다.
도 7a, 도 7b, 도 7c, 도 8a, 8b 및 도 8c는 본 발명의 일 실시예에 따른 의료 정보 제공 모델에 대한 평과 결과를 나타낸 표이다.도 7a, 도 7b, 도 7c, 도 8a, 8b 및 도 8c의 의료 정보 제공 모델에 대한 평가는 아래의 조건에서 학습되고 수행되었다.
구체적으로, 의료 정보 제공 모델은 전체 8228명의 환자 중에서 75% 인 6171 명의 환자가 training data, 5%인 411명이 Validation data, 나머지 20%인 1646명이 Test set data 기준으로 학습되었으며, 결과는 Test set data를 기준으로 검증되었다.
도 7a, 도 7b 및 도 7c를 참조하면, 본 발명의 의료 데이터 세트를 이용하여 학습한 의료 정보 제공 모델은 기 저장된 의료 데이터를 입력하여 치료 가이드를 결정함에 있어서, ROC 값은 각각 0.967, 0.976, 0.839로 의료 정보 제공 모델이 높은 예측 능력을 가지는 것을 확인할 수 있다. 즉, 의사 결정 서버(200)가 생성한 의료 정보 제공 모델은 의료 데이터 세트를 이용하여 의료진이 실제로 진단한 것과 같은 결과를 제공할 수 있다.
또한, 도 8a, 도 8b 및 도 8c를 참조하면, 각각 하나의 의료 정보 제공 모델, 두 개의 의료 정보 제공 모델, 세 개의 의료 정보 제공 모델에서 결정된 치료 가이드를 조합하였을 때, 추천 치료 가이드의 예측 능력이 다음과 같이 나타남을 확인할 수 있다. 둘 이상의 의료 정보 제공 모델을 조합하였을 때, ROC 값은 각각 0.973, 0.957로, 의료 정보 제공 모델이 개체에게 최적의 치료 가이드를 제공할 수 있을 만큼 높은 예측 능력을 가지는 것을 확인할 수 있다.
이상 첨부된 도면을 참조하여 본 발명의 일 실시예들을 더욱 상세하게 설명하였으나, 본 발명은 반드시 이러한 실시예로 국한되는 것은 아니고, 본 발명의 기술사상을 벗어나지 않는 범위 내에서 다양하게 변형 실시될 수 있다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (14)

  1. 프로세서에 의해 구현되는 임상 의사 결정 지원 시스템 제공 방법으로서,
    개체의 진단 이력이 포함된 의료 데이터를 획득하는 단계;
    의료 데이터를 입력으로 하여 치료 가이드를 결정하도록 학습된 복수의 의료 정보 제공 모델 각각에, 상기 의료 데이터를 입력하여 상기 개체에 대한 복수의 치료 가이드를 결정하는 단계; 및
    상기 개체에 대한 상기 복수의 치료 가이드를 포함하는 사용자 인터페이스를 제공하는 단계; 를 포함하는 임상 의사 결정 지원 시스템 제공 방법.
  2. 제1항에 있어서,
    상기 의료 데이터를 획득하는 단계는,
    상기 진단 이력에 따라, 상담, 검사, 처방, 처치, 시술 및 수술 중 상기 개체에 제공될 어느 하나의 치료 가이드의 종류를 결정하는 단계; 를 더 포함하며,
    상기 복수의 치료 가이드를 결정하는 단계는,
    상기 치료 가이드의 종류에 대응되는 복수의 의료 정보 제공 모델 각각에 상기 의료 데이터를 입력하는 단계; 를 더 포함하는 임상 의사 결정 지원 시스템 제공 방법.
  3. 제2항에 있어서,
    상기 복수의 치료 가이드를 결정하는 단계는,
    상기 개체의 상담, 검사, 처방, 처치, 시술 및 수술 중 적어도 하나의 의료 행위에 대한 수행 여부를 포함하는 상기 치료 가이드를 결정하는 단계인, 임상 의사 결정 지원 시스템 제공 방법.
  4. 제3항에 있어서,
    상기 사용자 인터페이스를 제공하는 단계는,
    상기 적어도 하나의 의료 행위에 대한 수행 여부, 및 수행 여부에 따른 치료 종류 또는 정도를 더 포함하는 사용자 인터페이스를 제공하는 단계인, 임상 의사 결정 지원 시스템 제공 방법.
  5. 제1항에 있어서,
    상기 의료 데이터를 획득하기 이전에,
    어느 하나의 진료 과목에서 동일한 개체에 대한 상이한 진단 및 치료 이력을 포함하는 의료 데이터 세트를 복수 개 획득하는 단계; 및
    상기 복수 개의 의료 데이터 세트 각각을 기초로 의료 데이터를 입력으로 하여 치료 가이드를 결정하도록 구성된 복수의 의료 정보 제공 모델을 생성하는 단계; 를 더 포함하는 임상 의사 결정 지원 시스템 제공 방법.
  6. 제1항에 있어서,
    상기 사용자 인터페이스를 제공하는 단계는,
    상기 복수의 의료 정보 제공 모델 중 둘 이상의 의료 정보 제공 모델을 이용하여 결정된 치료 가이드를 조합하여 추천 치료 가이드를 생성하는 단계; 를 더 포함하는 임상 의사 결정 지원 시스템 제공 방법.
  7. 제1항에 있어서,
    상기 의료 데이터는,
    상기 개체의 EMR(Electronic Medical Record), OCS(Order Communication System) 및 PACS(Picture Archiving and Communication System) 중 적어도 하나를 포함하는 EHR(Electronic Health Record)로부터 획득되는 데이터인, 임상 의사 결정 지원 시스템 제공 방법.
  8. 통신 인터페이스;
    메모리;
    상기 통신 인터페이스, 상기 메모리와 동작 가능하게 연결된 프로세서; 를 포함하고,
    상기 프로세서는,
    개체의 진단 이력이 포함된 의료 데이터를 획득하고, 의료 데이터를 입력으로 하여 치료 가이드를 결정하도록 학습된 복수의 의료 정보 제공 모델 각각에, 상기 의료 데이터를 입력하여 상기 개체에 대한 복수의 치료 가이드를 결정하고, 상기 개체에 대한 상기 복수의 치료 가이드를 포함하는 사용자 인터페이스를 제공하도록 구성되는, 임상 의사 결정 지원 시스템 제공 서버.
  9. 제8항에 있어서,
    상기 프로세서는,
    상기 진단 이력에 따라, 상담, 검사, 처방, 처치, 시술 및 수술 중 상기 개체에 제공될 어느 하나의 치료 가이드의 종류를 결정하도록 더 구성되며,
    상기 치료 가이드의 종류에 대응되는 복수의 의료 정보 제공 모델 각각에 상기 의료 데이터를 입력하여 상기 복수의 치료 가이드를 결정하도록 구성되는, 임상 의사 결정 지원 시스템 제공 서버.
  10. 제9항에 있어서,
    상기 프로세서는,
    상기 개체의 상담, 검사, 처방, 처치, 시술 및 수술 중 적어도 하나의 의료 행위에 대한 수행 여부를 포함하는 상기 치료 가이드를 결정하도록 구성되는, 임상 의사 결정 지원 시스템 제공 서버.
  11. 제10항에 있어서,
    상기 프로세서는,
    상기 적어도 하나의 의료 행위에 대한 수행 여부, 및 수행 여부에 따른 치료 종류 또는 정도를 더 포함하는 사용자 인터페이스를 제공하도록 구성되는, 임상 의사 결정 지원 시스템 제공 서버.
  12. 제8항에 있어서,
    상기 의료 데이터를 획득하기 이전에, 어느 하나의 진료 과목에서 동일한 개체에 대한 상이한 진단 및 치료 이력을 포함하는 의료 데이터 세트를 복수 개 획득하고,
    상기 복수 개의 의료 데이터 세트 각각을 기초로 의료 데이터를 입력으로 하여 치료 가이드를 결정하도록 구성된 복수의 의료 정보 제공 모델을 생성하도록 더 구성되는, 임상 의사 결정 지원 시스템 제공 서버.
  13. 제8항에 있어서,
    상기 프로세서는,
    상기 복수의 의료 정보 제공 모델 중 둘 이상의 의료 정보 제공 모델을 이용하여 결정된 치료 가이드를 조합하여 추천 치료 가이드를 생성하도록 구성되는 임상 의사 결정 지원 시스템 제공 서버.
  14. 제8항에 있어서,
    상기 의료 데이터는,
    상기 개체의 EMR(Electronic Medical Record), OCS(Order Communication System) 및 PACS(Picture Archiving and Communication System) 중 적어도 하나를 포함하는 EHR(Electronic Health Record)로부터 획득되는 데이터인, 임상 의사 결정 지원 시스템 제공 서버.
PCT/KR2024/012138 2023-11-20 2024-08-14 임상 의사 결정 지원 시스템 제공 방법 및 이를 수행하는 서버 Pending WO2025110409A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2023-0160278 2023-11-20
KR1020230160278A KR20250073845A (ko) 2023-11-20 2023-11-20 임상 의사 결정 지원 시스템 제공 방법 및 이를 수행하는 서버

Publications (1)

Publication Number Publication Date
WO2025110409A1 true WO2025110409A1 (ko) 2025-05-30

Family

ID=95826949

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2024/012138 Pending WO2025110409A1 (ko) 2023-11-20 2024-08-14 임상 의사 결정 지원 시스템 제공 방법 및 이를 수행하는 서버

Country Status (2)

Country Link
KR (1) KR20250073845A (ko)
WO (1) WO2025110409A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140066499A (ko) * 2012-11-23 2014-06-02 (주)솔트웍스 임상의사결정 지원시스템 및 그 방법
KR20170140757A (ko) * 2016-06-10 2017-12-21 한국전자통신연구원 임상 의사결정 지원 앙상블 시스템 및 이를 이용한 임상 의사결정 지원 방법
US20190034589A1 (en) * 2017-07-28 2019-01-31 Google Inc. System and Method for Predicting and Summarizing Medical Events from Electronic Health Records
KR20200069212A (ko) * 2018-12-06 2020-06-16 한국전자통신연구원 예측 장치들로부터 수신된 데이터를 앙상블하는 장치 및 이의 동작 방법
KR20230096506A (ko) * 2021-12-23 2023-06-30 가톨릭대학교 산학협력단 임상의사결정 지원 장치 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140066499A (ko) * 2012-11-23 2014-06-02 (주)솔트웍스 임상의사결정 지원시스템 및 그 방법
KR20170140757A (ko) * 2016-06-10 2017-12-21 한국전자통신연구원 임상 의사결정 지원 앙상블 시스템 및 이를 이용한 임상 의사결정 지원 방법
US20190034589A1 (en) * 2017-07-28 2019-01-31 Google Inc. System and Method for Predicting and Summarizing Medical Events from Electronic Health Records
KR20200069212A (ko) * 2018-12-06 2020-06-16 한국전자통신연구원 예측 장치들로부터 수신된 데이터를 앙상블하는 장치 및 이의 동작 방법
KR20230096506A (ko) * 2021-12-23 2023-06-30 가톨릭대학교 산학협력단 임상의사결정 지원 장치 및 방법

Also Published As

Publication number Publication date
KR20250073845A (ko) 2025-05-27

Similar Documents

Publication Publication Date Title
CN112005316A (zh) 用于健康护理协作空间的设备和方法
WO2022145782A2 (ko) 빅데이터 및 클라우드 시스템 기반 인공지능 응급의료 의사결정 및 응급환자 이송 시스템과 그 방법
WO2019182297A1 (ko) 임상실험 결과 예측 장치 및 방법
US11915831B2 (en) Learning filter for the detection of indicators in healthcare data
WO2016179885A1 (zh) 用户终端、专家平台及基于用户终端的专家会诊请求方法
WO2022225122A1 (ko) 환자 맞춤형 전자 문진 시스템, 문진용 단말 및 이를 이용한 문진 방법
WO2021194083A1 (ko) 환자의 이상 반응 예측 시스템
WO2020036207A1 (ja) 医療用情報処理システム、医療用情報処理装置、および医療用情報処理方法
KR20220101571A (ko) 빅데이터 기반 딥러닝 모델을 이용한 응급실 환자 진단 시스템 및 방법
WO2025234854A1 (ko) 멀티모달 거대언어모델을 활용한 의무 기록 자동 생성 장치 및 방법
US10674910B1 (en) ICU telemedicine system for varied EMR systems
US20230197218A1 (en) Method and system for detection of waste, fraud, and abuse in information access using cognitive artificial intelligence
Mohsin et al. A systematic review on the roles of remote diagnosis in telemedicine system: Coherent taxonomy, insights, recommendations, and open research directions for intelligent healthcare solutions
JP2020181342A (ja) 医用情報処理装置及び医用情報処理方法
WO2023210929A1 (ko) 의료데이터 전송방법 및 시스템
WO2020022825A1 (en) Method and electronic device for artificial intelligence (ai)-based assistive health sensing in internet of things network
KR20250073845A (ko) 임상 의사 결정 지원 시스템 제공 방법 및 이를 수행하는 서버
CN111370130B (zh) 医疗数据的实时处理方法及装置、存储介质、电子设备
WO2025110865A1 (ko) 임상 의사 결정 지원 시스템 제공 방법 및 장치
WO2022191412A1 (ko) 전자 장치 및 그 제어 방법
WO2023058990A1 (ko) 개인건강기록을 글로벌 빅데이터화하여 통합적으로 관리하는 서버 및 그 방법, 그 기록매체
WO2023096267A1 (ko) 당뇨병성 신증 추정 방법 및 장치
WO2021040200A1 (ko) 의료 정보 데이터를 송수신하기 위한 데이터 전송 시스템 및 데이터 전송 방법
KR20250148323A (ko) 선후관계 기반의 의료데이터 품질 평가 장치 및 방법
WO2025225852A1 (ko) 설명 가능한 인공 지능 알고리즘 기반의 주요 우울 장애에 대한 정보 제공 방법 및 이를 이용한 주요 우울 장애에 대한 정보 제공용 디바이스

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 24894306

Country of ref document: EP

Kind code of ref document: A1