KR101873926B1

KR101873926B1 - 빅데이터 기반 의료자문 서비스 제공 방법

Info

Publication number: KR101873926B1
Application number: KR1020170156420A
Authority: KR
Inventors: 김광호
Original assignee: 김광호
Priority date: 2017-11-22
Filing date: 2017-11-22
Publication date: 2018-07-04

Abstract

빅데이터 기반 의료자문 서비스 제공 방법이 제공되며, 의료자문 요청 단말로부터 의료비 산정을 위하여 전송되는 환자의 진료기록 데이터를 수신하는 단계, 수신된 진료기록 데이터를 파싱(Parsing)하여 진단명을 추출하고, 진단명으로부터 의료진단과, 의료진단부위 및 세부병명의 식별자를 도출하여 분류하는 단계, 수신된 진료기록 데이터에 포함된 적어도 하나의 영상식별정보를 추출하는 단계, 분류된 식별자 및 추출된 영상식별정보에 기반하여, 기 구축된 빅데이터로부터 기 설정된 유사도를 가지는 기준 데이터를 추출하는 단계, 추출된 기준 데이터에 기 매핑되어 저장된 자문 데이터를 출력하여 환자의 진료기록 데이터에 대한 자문 데이터를 생성하는 단계, 및 생성된 자문 데이터를 의료자문 요청 단말로 전송하는 단계를 포함한다.

Description

빅데이터 기반 의료자문 서비스 제공 방법{METHOD FOR PROVIDING MEDICAL COUNSELING SERVICE BETWEEN INSURANCE ORGANIZATION AND SPECIALIST BASED ON BIGDATA}

본 발명은 빅데이터 기반 의료자문 서비스 제공 방법에 관한 것으로, 빅데이터를 이용하여 의사와 보험사 간의 결탁이나 배척 또는 부정행위로 인한 편향된 결과를 배제하고 공정한 의료 자문 결과를 도출할 수 있는 방법을 제공한다.

의료 데이터는 병원이 구축하는 전자건강기록(EHR) 데이터와 보편화되고 있는 개인용 건강정보 측정장치들을 통해 축적되는 데이터를 중심으로 지속적으로 폭증하고 있다. 이러한 의료 빅데이터 분석을 통해, 의료비 절감과 공공의료 서비스 개선에 필요한 연구활동들이 활발히 진행되고 있다. 이러한 대규모 의료 빅데이터에 대한 효과적인 분석 처리를 위해서, 하둡 분산 파일 시스템 (HDFS)에 저장된 데이터에 대해 SQL 질의처리를 지원하며, 웹을 통해 인터랙티브하게 의료 빅데이터 분석을 수행할 수 있는 시스템이 요구된다.

이때, 의료 빅데이터를 이용하는 방법은 개인 맞춤형 통합 정보 서비스를 제공하는 방법으로 이루어지고 있다. 이와 관련하여, 선행기술인 한국등록특허 제10-1510600호(2015년04월08일 공고)에는 사용자의 계정에 의한 클라우드 접속이이루어지면, 입력정보와 의료기관 서버의 진료정보를 포함하는 대상자의 건강의료정보를 송수신하고, 대상자의 건강 위험도를 평가하고, 뇌졸중 위험을 예측하고, 비만 여부 및 개선 방안을 제공하며, 대사 증후군 관리를 통합적으로 수행하여 해당 정보를 제공하는 구성이 개시되어 있다.

다만, 빅데이터를 단순히 분류 및 클러스팅으로 패턴을 추출하여 유사한 자료를 통하여 대상자의 건강을 예측하는 방법만이 개시되어 있을 뿐, 보험사에서 보험료 산정을 위하여 의료 자문을 요청한 경우, 보험사와 의사 간의 결탁이나 배척 또는 부정행위로 그 결과가 상이하여 보험료 산정 기준에 오류가 발생하거나, 직원의 실수 또는 뇌물수수로 인한 불공정 거래가 발생한 경우를 제거할 수 있는 공정성있는 의료 자문 결과를 도출하는 방법은 전혀 개시되어 있지 않다.

본 발명의 일 실시예는, 의사와 클라이언트 간의 청탁이나 배척 또는 불공정 거래로 인한 편향된 의료 자문 결과를 없애고, 통계기반의 자문 결과로 자료의 객관성의 신뢰성을 재고할 수 있고, 자문 회신 및 처리 비용을 절감시킬 수 있고, 의료 급여 지급의 행정을 개선할 수 있으며, 자문 회신시 일반인에게 주석 서비스를 제공함으로써 고객의 감성 품질을 높일 수 있는, 빅데이터 기반 의료자문 서비스 제공 방법을 제공할 수 있다. 다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.

상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 일 실시예는, 의료자문 요청 단말로부터 의료비 산정을 위하여 전송되는 환자의 진료기록 데이터를 수신하는 단계, 수신된 진료기록 데이터를 파싱(Parsing)하여 진단명을 추출하고, 진단명으로부터 의료진단과, 의료진단부위 및 세부병명의 식별자를 도출하여 분류하는 단계, 수신된 진료기록 데이터에 포함된 적어도 하나의 영상식별정보를 추출하는 단계, 분류된 식별자 및 추출된 영상식별정보에 기반하여, 기 구축된 빅데이터로부터 기 설정된 유사도를 가지는 기준 데이터를 추출하는 단계, 추출된 기준 데이터에 기 매핑되어 저장된 자문 데이터를 출력하여 환자의 진료기록 데이터에 대한 자문 데이터를 생성하는 단계, 및 생성된 자문 데이터를 의료자문 요청 단말로 전송하는 단계를 포함한다.

전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 의사와 클라이언트 간의 청탁이나 배척 또는 불공정 거래로 인한 편향된 의료 자문 결과를 없애고, 통계기반의 자문 결과로 자료의 객관성의 신뢰성을 재고할 수 있고, 자문 회신 및 처리 비용을 절감시킬 수 있고, 의료 급여 지급의 행정을 개선할 수 있으며, 자문 회신시 일반인에게 주석 서비스를 제공함으로써 고객의 감성 품질을 높일 수 있다.

도 1은 본 발명의 일 실시예에 따른 빅데이터 기반 의료자문 서비스 제공 시스템을 설명하기 위한 도면이다.
도 2는 도 1의 시스템에 포함된 의료자문 서비스 제공 서버를 설명하기 위한 블록 구성도이다.
도 3은 본 발명의 일 실시예에 따른 빅데이터 기반 의료자문 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 도 1의 빅데이터 기반 의료자문 서비스 제공 시스템에 포함된 각 구성들 상호 간에 데이터가 송수신되는 과정을 나타낸 도면이다.
도 5는 본 발명의 일 실시예에 따른 빅데이터 기반 의료자문 서비스 제공 방법을 설명하기 위한 동작 흐름도이다.

아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

명세서 전체에서 사용되는 정도의 용어 "약", "실질적으로" 등은 언급된 의미에 고유한 제조 및 물질 허용오차가 제시될 때 그 수치에서 또는 그 수치에 근접한 의미로 사용되고, 본 발명의 이해를 돕기 위해 정확하거나 절대적인 수치가 언급된 개시 내용을 비양심적인 침해자가 부당하게 이용하는 것을 방지하기 위해 사용된다. 본 발명의 명세서 전체에서 사용되는 정도의 용어 "~(하는) 단계" 또는 "~의 단계"는 "~ 를 위한 단계"를 의미하지 않는다.

본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1개의 유닛이 2개 이상의 하드웨어를 이용하여 실현되어도 되고, 2개 이상의 유닛이 1개의 하드웨어에 의해 실현되어도 된다.

본 명세서에 있어서 단말, 장치 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말, 장치 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말, 장치 또는 디바이스에서 수행될 수도 있다.

본 명세서에서 있어서, 단말과 매핑(Mapping) 또는 매칭(Matching)으로 기술된 동작이나 기능 중 일부는, 단말의 식별 정보(Identifying Data)인 단말기의 고유번호나 개인의 식별정보를 매핑 또는 매칭한다는 의미로 해석될 수 있다.

이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.

최근 의료기술의 비약적인 발전과 의료접근성의 향상은 국민의 건강수명연장에 기여하고있다. 고령화사회로 접어들면서 의료서비스 이용인구가 증가하고 있는 가운데 의료소비자들의 권리의식과 의료서비스품질에 대한 기대수준은 매우 높아져 이해관계 당사자간의 의료분쟁은앞으로도 증가할것으로 전망되고 있다. 의료분쟁은 사람의 생명과 건강이 걸려있는 중대한 사회적 문제인 반면, 의료행위의 전문성, 의료정보의 비대칭성, 재량성등으로 인해 일반소비자로서는 의료행위의 적합성을 입증하기가 매우어려운 특징이 있다. 이로 인해 당사자 간 의료분쟁 해결은 쉽지 않으며 소송을 통한 해결 또한 경제적, 시간적 부담이 크기때문에 손쉽게 이용하기도 힘든 실정이다. 민간보험사의 경우 보험금 지급 결정을 위한 ‘의료자문’의 경우 특정 병원과 자사의 지급정책에 유리한 의사에게 집중적으로 의뢰가 편중되고, 이러한 결과물을 기반으로 그 중 대다수의 건에 대해 보험금 지급을 거절 혹은 유보하는 것으로 보도되고 있어, 이로 인해 보험금 관련 피해구제를 호소하는 소비자도 늘고 있다.

자문의의 편향성으로 인한 자문의 객관성 문제,자문의와 자문내용에 대한 정보 비공개등 자문 자체의 객관성과 공정성을 담보하기 위해 더욱 신속하고 공정한 절차로 의료사안을접근함으로써의료환경을 안정시키고의료논쟁으로인한사회적 비용을절감하며,의료피해유형분석및사전 정보를 제공하여소비자들에게알권리를보장,의료논쟁을사전에 방지할 수 있도록 하는 사회적 수단이 요구되어진다.

따라서, 본 발명의 일 실시예에서는, 의료자문 빅데이터 구성에는 각종 진료행위, 질병, 처방내역, 의료자원 등의 정보를 기반으로 피보험 이익실현을 위한 의료급여비 산정 기초자료인 의료자문결과 정보 파악이 가능하도록 구현하고, 각종 통계정보에 대하여 시각화 서비스를 제공자문결과중심 의료통계정보를 한눈에 볼 수 있도록 기능화한다. 이를 위하여, 본 발명의 일 실시예에서는, 의료정보 의료자문 빅데이터의 구성 특징을 이하와 같이 정리가능하나, 이에 한정되지는 않는다.

첫 번째로, 의료기관의 1차적인 의료서비스 처방 내용 자료를 기본 기초로 활용(환자 혹은 피보험자의 의료진료기록 입력)하고, 두 번째는, 제한적이고 실험적 환경이 아닌 실제 보험의학(보험약관기준 의학처치 기준)등을 기초로 처리된 전문의의 의료자문과 보험자의 실 처리 결과를 실시간 반영 업데이트가 가능하며, 세 번째로, 새로운 자문요청 건에 대해 기 수집 및 구축된 전자화 데이터가 지속적으로 자가 학습 추론기능을 통하여 최적의 유사한 통계적 결과물 도출과 실제 결과물 비교 학습 알고리즘을 제공하고, 네 번째로, 자료결과물의 즉시성 확보로 보험자, 피보험자의 사전 조회서비스에 적합하며, 이견이 있을 시 기존 구제도를 활용하는 것으로 제한하여 쌍방간에 논쟁을 최소화할 수 있다는 것이다. 마지막으로, 의료자문 빅데이터를 통하여 IT인프라, 보안 등의 관리와 추가적인 외부연구자의 연계 환경 제공할 수 있다.

이와 같은 배경 및 목적을 가진 본 발명의 일 실시예를 이하에서 설명하나, 목적 및 수단은 이에 한정되지 않는다.

도 1은 본 발명의 일 실시예에 따른 빅데이터 기반 의료자문 서비스 제공 시스템을 설명하기 위한 도면이다. 도 1을 참조하면, 빅데이터 기반 의료자문 서비스 제공 시스템(1)은, 적어도 하나의 의료자문 요청 단말(100), 의료자문 서비스 제공 서버(300), 적어도 하나의 의료자문단말(400), 적어도 하나의 정보제공 서버(500) 및 관리자 단말(600)을 포함할 수 있다. 다만, 이러한 도 1의 빅데이터 기반 의료자문 서비스 제공 시스템(1)은, 본 발명의 일 실시예에 불과하므로, 도 1을 통하여 본 발명이 한정 해석되는 것은 아니다.

이때, 도 1의 각 구성요소들은 일반적으로 네트워크(network, 200)를 통해 연결된다. 예를 들어, 도 1에 도시된 바와 같이, 적어도 하나의 의료자문 요청 단말(100)은 네트워크(200)를 통하여 의료자문 서비스 제공 서버(300)와 연결될 수 있다. 그리고, 의료자문 서비스 제공 서버(300)는, 네트워크(200)를 통하여 적어도 하나의 의료자문 요청 단말(100), 적어도 하나의 의료자문단말(400), 적어도 하나의 정보제공 서버(500), 및 관리자 단말(600)과 연결될 수 있다. 또한, 적어도 하나의 의료자문단말(400)은, 네트워크(200)를 통하여 의료자문 서비스 제공 서버(300)와 연결될 수 있다. 그리고, 적어도 하나의 정보제공 서버(500)는, 네트워크(200)를 통하여 적어도 하나의 의료자문 요청 단말(100), 의료자문 서비스 제공 서버(300) 및 적어도 하나의 의료자문단말(400)과 연결될 수 있다. 마지막으로, 관리자 단말(600)은, 네트워크(200)를 통하여 의료자문 요청 단말(100), 의료자문단말(400), 의료자문 서비스 제공 서버(300), 적어도 하나의 정보제공 서버(500)와 연결될 수 있다.

여기서, 네트워크는, 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는 RF, 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, 5GPP(5rd Generation Partnership Project) 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 블루투스(Bluetooth) 네트워크, NFC 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.

하기에서, 적어도 하나의 라는 용어는 단수 및 복수를 포함하는 용어로 정의되고, 적어도 하나의 라는 용어가 존재하지 않더라도 각 구성요소가 단수 또는 복수로 존재할 수 있고, 단수 또는 복수를 의미할 수 있음은 자명하다 할 것이다. 또한, 각 구성요소가 단수 또는 복수로 구비되는 것은, 실시예에 따라 변경가능하다 할 것이다.

적어도 하나의 의료자문 요청 단말(100)은, 빅데이터 기반 의료자문 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하여 의료자문을 요청하는 보험사, 공제회, 산업인력공단 등의 단말일 수 있다. 그리고, 적어도 하나의 의료자문 요청 단말(100)은, 환자의 의료기록을 텍스트, 이미지, 및 동영상을 포함하여 의료자문 서비스 제공 서버(300)로 전송하는 단말일 수 있다. 또한, 적어도 하나의 의료자문 요청 단말(100)은, 의료자문 서비스 제공 서버(300)로부터 자문요청에 대한 피드백을 수신하는 단말일 수 있다.

여기서, 적어도 하나의 의료자문 요청 단말(100)은, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 적어도 하나의 의료자문 요청 단말(100)은, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 적어도 하나의 의료자문 요청 단말(100)은, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(smartphone), 스마트 패드(smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.

의료자문 서비스 제공 서버(300)는, 빅데이터 기반 의료자문 서비스 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 제공하는 서버일 수 있다. 그리고, 의료자문 서비스 제공 서버(300)는, 의료자문 요청 단말(100)로부터 환자의 진료 기록 등 의료자문 요청 데이터를 수신하는 경우, 이를 파싱 및 마이닝하여 해당 과, 부위 및 세부병명을 포함하는 식별자를 추출하는 서버일 수 있다. 또한, 의료자문 서비스 제공 서버(300)는, 추출된 식별자를 이용하여 해당 진료기록에 매핑되어 저장된 유사 의료자문 데이터를 추출하기 위하여, 질의(Query)를 생성하는 서버일 수 있다. 그리고 나서, 의료자문 서비스 제공 서버(300)는, 생성된 질의를 이용하여 빅데이터에 질문을 전송하고, 질의에 대한 답변으로 유사한 의료자문 데이터를 추출하는 서버일 수 있다. 또한, 추출된 유사한 의료자문 데이터에 기반하여 의료자문 서비스 제공 서버(300)는, 의료자문 요청 단말(100)에서 요청한 환자의 기록에 대응되도록 의료 자문 데이터를 생성하고, 인증을 거친다음 의료자문 요청 단말(100)로 전송하는 서버일 수 있다. 이를 위하여, 의료자문 서비스 제공 서버(300)는, 빅데이터를 적어도 하나의 정보제공 서버(500) 및 기 저장된 히스토리 로그 데이터를 이용하여 구축하고, 수집, 전처리, 분석 등을 통하여 빅데이터를 분류 및 클러스터링한 후 학습시키는 서버일 수 있다. 또한, 의료자문 서비스 제공 서버(300)는, 비정형 데이터인 영상 데이터나 이미지 데이터로부터 식별자를 추출하기 위하여, 영상 데이터 및 이미지 데이터로부터 식별자를 태깅하기 위한 딥러닝 인공신경망 알고리즘을 이용하여 데이터 학습을 진행하는 서버일 수 있다. 그리고, 의료자문 서비스 제공 서버(300)는, 학습 결과에 따라 이후 입력되는 영상, 이미지 등으로부터 식별자를 태깅하거나 추출하는 서버일 수 있다.

여기서, 의료자문 서비스 제공 서버(300)는, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다.

적어도 하나의 의료자문단말(400)은, 빅데이터 기반 의료자문 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하는 의사의 단말일 수 있다. 그리고, 적어도 하나의 의료자문단말(400)은, 의료자문 서비스 제공 서버(300)로부터 의료자문 요청 단말(100)로부터 수신한 진료 기록 데이터를 수신하고, 수신된 진료 기록 데이터에 대한 소견 등을 의료자문 서비스 제공 서버(300)로 전송하는 단말일 수 있다. 이때, 적어도 하나의 의료자문단말(400)에서는 개인정보보호를 위하여 타임스탬프나 SBC(Server Based Computing)이 구동될 수 있다. 즉, 사용자 PC 업무를 위해 서버상에 사용자 데스크탑 환경이 저장되고, 노트북 및 PC에 저장되던 문서를 SBC 상에 저장함으로써, 의료자문 서비스 제공 서버(300)는 사용자 PC에 내부 데이터 및 파일을 저장할 수 없도록 함으로써, 개인정보유출을 막을 수 있도록 한다. 그리고, 적어도 하나의 의료자문단말(400)에서 입력되는 정보에는 타임스탬프 등 이후 위변조를 방지할 수 있는 처리가 될 수 있다.

여기서, 적어도 하나의 의료자문단말(400)은, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 적어도 하나의 의료자문단말(400)은, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 적어도 하나의 의료자문단말(400)은, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(smartphone), 스마트 패드(smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.

적어도 하나의 정보제공 서버(500)는, 빅데이터 기반 의료자문 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하여 진료기록과 의료자문 결과 데이터를 매핑하여 의료자문 서비스 제공 서버(300)에 전송하는 서버일 수 있다.

여기서, 적어도 하나의 정보제공 서버(500)는, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 적어도 하나의 정보제공 서버(500)는, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 적어도 하나의 정보제공 서버(500)는, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(smartphone), 스마트 패드(smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.

관리자 단말(600)은, 빅데이터 기반 의료자문 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하여 빅데이터로 도출된 결과인 의료 자문 데이터를 검증하는 관리자의 단말일 수 있다. 이때, 관리자 단말(600)은, 이후 빅데이터의 학습이 이루어져 오류율이 기 설정된 퍼센트 이하인 경우에는 의료자문 서비스 제공 서버(300)와 일체로 구현될 수도 있다. 또한, 관리자 단말(600)은, 의료자문 서비스 제공 서버(300)에서 빅데이터의 학습으로 오류율이 기 설정된 퍼센트 이상인 의료 자문 데이터만을 추출하는 경우에는, 추출된 의료 자문 데이터만을 인증하는 단말일 수도 있다.

여기서, 관리자 단말(600)은, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 관리자 단말(600)은, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 관리자 단말(600)은, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(smartphone), 스마트 패드(smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.

도 2는 도 1의 시스템에 포함된 의료자문 서비스 제공 서버를 설명하기 위한 블록 구성도이고, 도 3은 본 발명의 일 실시예에 따른 빅데이터 기반 의료자문 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.

도 2를 참조하면, 의료자문 서비스 제공 서버(300)는, 수신부(310), 분류부(320), 추출부(330), 생성부(340), 전송부(350), 빅데이터화부(360), 오류 검증부(370), 개인정보 보호부(380)를 포함할 수 있다.

본 발명의 일 실시예에 따른 의료자문 서비스 제공 서버(300)나 연동되어 동작하는 다른 서버(미도시)가 적어도 하나의 의료자문 요청 단말(100), 적어도 하나의 의료자문단말(400), 및 적어도 하나의 정보제공 서버(500)로 빅데이터 기반 의료자문 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 전송하는 경우, 적어도 하나의 의료자문 요청 단말(100), 적어도 하나의 의료자문단말(400), 및 적어도 하나의 정보제공 서버(500)는, 빅데이터 기반 의료자문 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 설치하거나 열 수 있다. 또한, 웹 브라우저에서 실행되는 스크립트를 이용하여 서비스 프로그램이 적어도 하나의 의료자문 요청 단말(100), 적어도 하나의 의료자문단말(400), 및 적어도 하나의 정보제공 서버(500)에서 구동될 수도 있다. 여기서, 웹 브라우저는 웹(WWW: world wide web) 서비스를 이용할 수 있게 하는 프로그램으로 HTML(hyper text mark-up language)로 서술된 하이퍼 텍스트를 받아서 보여주는 프로그램을 의미하며, 예를 들어 넷스케이프(Netscape), 익스플로러(Explorer), 크롬(chrome) 등을 포함한다. 또한, 애플리케이션은 단말 상의 응용 프로그램(application)을 의미하며, 예를 들어, 모바일 단말(스마트폰)에서 실행되는 앱(app)을 포함한다.

본 발명의 일 실시예에 따른 빅데이터 기반 의료자문 서비스는, 공정성을 유지해야 할 의료자문 결과가 정치 또는 경제적 이유로 편향된 결과로 이어지는 원인을 근본적으로 차단하고, 동일한 환자 기록에 대하여, 보험사나 의사의 관계에 의한 부정적인 공모나 결탁 또는 대립으로 인한 오차범위를 벗어난 서로 다른 진단 결과가 없도록, 의료 히스토리 로그 및 데이터로 축적된 빅데이터와 가이드라인으로 설정된 데이터를 수집하여 학습시키고, 신규 요청된 자문에 대하여 질의를 생성하여 빅데이터에 기반하여 결과를 도출함으로써, 개인 간 또는 기업 간의 관계로 공정성을 잃어가는 의료 데이터의 기반을 바로 세우고, 편향된 결과가 도출되는 관계를 정의 및 패턴을 학습시킴으로써, 오류 데이터로 제거하거나 오류를 수정하여 불법행위로 인한 소비자의 피해를 최소화하는 방법을 제공한다.

도 2를 참조하면, 수신부(310)는, 의료자문 요청 단말(100)로부터 의료비 산정을 위하여 전송되는 환자의 진료기록 데이터를 수신할 수 있다. 이때, 환자의 진료기록 데이터는, 정형화 정도에 따라 정형(structured) 데이터, 반정형(semi-structured) 데이터, 비정형 (unstructured) 데이터로 분류할 수 있고, 이하 표 1은 이러한 기준에 따른 의료 데이터의 분류 예이다.

구분	일반 정의	의료 데이터의 분류
정형 (Structured)데이터	규격과 형태가 정해져 있어 고정된 필드에저장되는 데이터	EMR 데이터	의료 기관에서 사용하는 전자 차트 시스템 내의 특정 필드에 숫자나 항목 선택과 같은 정형 값으로 저장되는 데이터
정형 (Structured)데이터	규격과 형태가 정해져 있어 고정된 필드에저장되는 데이터	메타데이터	문서, 영상/이미지와 같은 각종 의료 데이터에 대한 메타데이터로서, 표준 등에 기반하여 정의된 구성 요소에 따라 저장되는 데이터
반정형(Semi-structured)데이터	고정된 형태는 아니지만,일종의 스키마를 포함하는데이터	어노테이션 (annotation)	영상/이미지 또는 의료 문서에 의료 전문가가 수기 또는 디지털로 추가 작성한 코멘트로서, 텍스트 형태이지만 포함되는 내용이나 용어 등에 일정한 규칙이 존재하는 데이터
반정형(Semi-structured)데이터	고정된 형태는 아니지만,일종의 스키마를 포함하는데이터	의료 전문가 소견	의료 전문가가 의료 문서(리포트) 내에 작성하는 텍스트로서, 일반적으로 비정형으로 분류되지만 포함되는 내용이나 용어 등에 일정한 규칙이 존재하는 데이터
비정형 (unstructured)데이터	형태가 불규칙한데이터	의료 검사 영상/이미지	의료 검사의 결과인 동영상 또는 이미지 데이터

정형 데이터는 종류와 형식이 정해져 있는 규격을 갖는 데이터로, 크게 2가지 종류의 의료 데이터가 포함된다. 첫번째는 주로 의료 기관에서 사용하는 EMR 시스템에서 고정된 필드에 정해진 형식(수치, 날짜 등)의 값으로 기입하거나 항목으로 선택하는 유형의 데이터이다.

두 번째는 각종 자료들의 메타데이터이다. 환자 개인의 모든 의료 데이터들에 대한 정보로서, 데이터의 신뢰성 보장이나 데이터 해석을 위해서도 반드시 제공되어야 한다. 기본적으로는 환자에 대한 정보(이름, 나이, 신체 정보 등), 데이터 생성에 관련된 정보(생성 기관, 생성자, 생성일 등) 등이 포함될 수 있다. 특히 국내에서는 의료 영상 정보 교환을 위한 표준인 DICOM(Digital Imaging and Communication in Medicine)을 기반으로 한 의료 영상 메타데이터 표준이 이용될 수 있고, 이는 표 2에서 도시된 바와 같이, 환자 정보, 검사 정보, 영상 정보, 장비 정보 등을 포함하고 있다.

분류	세부 항목	설명
환자정보	환자 기본 정보(이름, ID, 출생일, 성별 등)	환자에 대한 일반적인 정보 기술
환자정보	임상실험 분야의 환자 정보(임상실험 프로토콜명, 식별자 등)	임상실험과 관련된 환자 정보 기술
검사정보	일반 검사 정보(검사 식별자, 검사일 등)	환자에게 실시된 검사에 대한 정보 기술
	환자 검사 정보(진단 내용, 진단 코드,과거 정보 등)	검사 시점에서의 환자정보 기술
	임상실험 검사 정보(식별자, 명세서)	임상실험과 관련된 검사 정보 기술
시리즈정보	시리즈 일반 정보(영상 획득 장비 타입, 영상 처리 날짜, 담당자 등)	영상 처리 과정에 대한 일반적인 정보 기술
시리즈정보	임상실험 시리즈 정보(임상실험 관련 영상 데이터담당자)	임상실험과 관련된 시리즈에 대한 정보 기술
영상정보	영상의 일반적 정보(이미지 식별자, 생성 날짜, 타입 등)	영상이미지의 일반적 속성 기술
	이미지 픽셀	픽셀 배열 정의
	SOP 정보(SOP 인스턴스 생성 장비, 날짜 등)	SOP 인스턴스 확인을 위한 속성 기술
장비정보	의료장비 정보(제조사, 설치 장소 등)	의료장비의 일반적 정보 기술

반정형 데이터는 대부분 텍스트 형태로 필드가 고정되어 있지는 않지만, 자료의 특성에 따라 텍스트 내에 포함되는 내용을 정의할 수 있는 데이터 부류이다. 크게는 의료 전문가의 소견이 담기는 문서 데이터와 여기에 추가되는 코멘트(comment)가 해당된다. 텍스트 데이터는 일반적으로는 비정형 데이터로 분류되지만, 의료 분야의 특수성에 의해 텍스트 내에 포함되는 항목이나 내용이 어느 정도 정해져 있는 경우가 많다. 예를 들어, 의료 영상 검사의 판독 보고서 내에는 의료 전문가가 시술 과정, 환자에 대한 간략한 정보, 검사/진단 결과 등을 텍스트 형태로 기술한다. 하지만 질환에 따라 달라지기는 하겠지만, 일반적으로 환자 정보에는 흡연 여부, 지병, 통증 정도 등의 정보가 포함되고, 검사/진단 결과에는 증상 명칭, 증상의 정도 등이 간략하게 나열된다. 이에 따라, 증상, 명칭 등을 통하여 과를 분류하고, 부위를 분류하며, 세부병명을 분류할 수 있으며, 반정형 데이터를 정형화할 수 있다.

비정형 데이터는 형태가 불규칙하여 정의하기 어려운 항목들로서, 일반적으로 텍스트와 이미지 등이 해당한다. 의료 분야에서는 대부분의 텍스트 데이터는 반정형으로 분석할 수 있으므로, 영상이나 이미지 데이터만 비정형으로 고려할 수 있다. 비정형 데이터에는, 예를 들어, CAG(Coronary Angiography), 각종 초음파 영상 등과 같은 다양한 종류의 동영상 데이터와 CT(Computed Tomography), MRI(Magnetic Resonance Imaging),EKG(Electrocardiogram; ECG) 등과 같은 이미지 데이터가 포함된다. 이와 같은 비정형 데이터도, 키워드, 태그 또는 메타 데이터로 학습되어 분류 및 패턴화되고, 이후 새로운 비정형 데이터의 분류가 요구되었을 때, 데이터를 레코드 형식으로 가공하고 연관 데이터와 함께 제공될 수 있다.

분류부(320)는, 수신된 진료기록 데이터를 파싱(Parsing)하여 진단명을 추출하고, 진단명으로부터 의료진단과, 의료진단부위 및 세부병명의 식별자를 도출하여 분류할 수 있다. 이때, 분류부(320)는, 상술한 바와 같이, 정형 데이터, 반정형 데이터 및 비정형 데이터를 분석하고, 분석한 결과를 이용할 수 있다. 예를 들어, 개인정보가 마스킹되어 분류기준에 맞게 자료가 정리 및 입력될 수 있는데, 어떤 과인지, 신경외과인지, 정신과인지, 정형외과인지 등을 분류하고, 정형외과라면 척추인지, 경추인지, 요추인지 등의 부위를 분류하고, 진단명 및 의료기록으로부터 세부병명, 예를 들어, 추간판탈출인지, 팽윤인지 등을 식별자로 추출할 수 있다. 이렇게 추출된 식별자는 이후 패턴 학습이 완료된 빅데이터에 질의를 생성하는 입력값으로 이용될 수 있다.

추출부(330)는, 수신된 진료기록 데이터에 포함된 적어도 하나의 영상식별정보를 추출할 수 있다. 이때, 영상정보가 없는 경우에는 해당 과정은 삭제될 수 있음은 자명하다 할 것이다. 또한, 추출부(330)는, 분류된 식별자 및 추출된 영상식별정보에 기반하여, 기 구축된 빅데이터로부터 기 설정된 유사도를 가지는 기준 데이터를 추출할 수 있다. 상술한 바와 같이, 60세, 여자, 정형외과, 척추, 추간판탈출이라는 식별자가 추출된 경우에는, 이와 유사한 정보를 가지는 다른 환자의 이력을 추출하고, 해당 이력에서 어떠한 자문 데이터가 매핑되어 저장되어 있는지를 확인한 후, 해당 정보를 추출하도록 함으로써, 신규로 의뢰된 자문 요청에 대한 답변을 생성할 수 있도록 한다.

또한, 상술한 바와 같이, 추출부(330)에서 분류된 식별자 및 추출된 영상식별정보에 기반하여, 기 구축된 빅데이터로부터 기 설정된 유사도를 가지는 기준 데이터를 추출할 때, 분류된 식별자 및 추출된 영상식별정보에 기반하여 자동으로 기 설정된 유사도를 가지는 기준 데이터를 검색하기 위한 질의(Query)를 도출하고, 도출된 질의를 이용하여 기 설정된 유사도를 가지는 기준 데이터를 검색할 수 있다. 그리고, 추출부(330)는, 검색 결과 기 설정된 유사도를 가지는 기준 데이터를 추출할 수 있다.

여기서, 식별정보는, 검사일자 등 치료단계별 타임테이블이 생성될 수 있으며, 식별정보 중 영상식별정보에 해당하는 의료정보가 디스플레이될 수 있고, 입력된 데이터베이스로부터 유사건을 추출 및 자문 정보를 추출하는 방식으로 처리될 수 있다.

생성부(340)는, 추출된 기준 데이터에 기 매핑되어 저장된 자문 데이터를 출력하여 환자의 진료기록 데이터에 대한 자문 데이터를 생성할 수 있다. 예를 들어, 추출된 자문 정보의 개인정보는 신규로 의뢰된 자문 의뢰의 정보와 일치하지 않을 수 있다. 이에 따라, 신규로 의뢰된 환자의 정보를 대입시키고, 환자의 상황에 맞도록 보고서를 생성함으로써, 자문요청 및 자문답변 과정을 자동화 및 전산화시킬 수 있다.

전송부(350)는, 생성된 자문 데이터를 의료자문 요청 단말(100)로 전송할 수 있다.

빅데이터화부(360)는, 수신부(310)에서 의료자문 요청 단말(100)로부터 의료비 산정을 위하여 전송되는 환자의 진료기록 데이터를 수신하기 이전에, 빅데이터를 구축하는 과정을 수행할 수 있다. 즉, 빅데이터화부(360)는, 적어도 하나의 의료자문 요청 단말(100)의 적어도 하나의 의료자문단말(400)에 대한 의료자문 요청에 응답한 의료 자문 데이터와, 적어도 하나의 정보제공 서버(500)로부터 수집된 의료 가이드라인 데이터를 포함하는 정보 데이터를 수집할 수 있다. 그리고, 빅데이터화부(360)는, 의료 자문 데이터와 정보 데이터를 포함한 로우 데이터(Raw Data)를 병렬 및 분산하여 저장할 수 있다.

이때, 의료 가이드라인 데이터는, 보건복지부, 식품의약품안전처, 국민건강보험공단, 건강보험심사평가원 등 다양한 정부기관 및 의료기관에서 관리 및 운영되고 있어서 각 기관에서 보유한 데이터들의 공유와 연계로 수집될 수 있다. 이때, 개인 건강 기록(PHR; Personal Health Record)과 전자 건강 기록(HER; Electronic Health Record), 스마트 헬스데이터(Smart Health Data) 등이 더 수집될 수도 있다.

또한, 빅데이터화부(360)는, 저장된 로우 데이터 내에 포함된 비정형(Unstructed) 데이터, 정형(Structured) 데이터 및 반정형 데이터(Semi-structured)를 정제하고, 메타 데이터로 분류를 포함한 전처리를 실시할 수 있고, 전처리된 데이터를 데이터 마이닝(Data Mining)을 포함하는 분석을 실시할 수 있다. 그리고, 빅데이터화부(360)는, 분석된 데이터를 시각화하여 출력할 수 있다. 이때, 데이터 마이닝은, 전처리된 데이터 간의 내재된 관계를 탐색하여 클래스가 알려진 훈련 데이터 셋을 학습시켜 새로운 데이터의 클래스를 예측하는 분류(Classification) 또는 클래스 정보 없이 유사성을 기준으로 데이터를 그룹짓는 군집화(Clustering)를 수행할 수 있다. 물론, 이외에도 다양한 마이닝 방법이 존재할 수 있으며, 수집 및 저장되는 빅데이터의 종류나 이후에 요청될 질의(Query)의 종류에 따라 다르게 마이닝될 수도 있다. 이렇게 구축된 빅데이터는, 인공신경망 딥러닝이나 기계학습 등으로 검증과정을 거칠 수도 있다. 여기서, 인공신경망 딥러닝은, 영상 자료를 분석할 때 유용할 수 있다. 예를 들어, 추간판탈출의 MRI, CT, X-RAY를 학습시키고, 새로운 자문요청이 수신될 때, 해당 자료가 추간판탈출의 식별자를 가지는 정보인지를 확인할 수 있다.

이때, 인공 신경망은 CNN(Convolutional neural network) 구조가 이용될 수 있는데, CNN은 컨볼루션 층을 이용한 네트워크 구조로 이미지 처리에 적합하며, 이미지 데이터를 입력으로 하여 이미지 내의 특징을 기반으로 이미지를 분류할 수 있기 때문이다.

또한, 텍스트 마이닝(Text Mining)은 비/반정형 텍스트 데이터에서 자연어처리 기술에 기반하여 유용한 정보를 추출, 가공하는 것을 목적으로 하는 기술이다. 텍스트 마이닝 기술을 통해 방대한 텍스트 뭉치에서 의미 있는 정보를 추출해 내고, 다른 정보와의 연계성을 파악하며, 텍스트가 가진 카테고리를 찾아내거나 단순한 정보 검색 그 이상의 결과를 얻어낼 수 있다. 이를 이용하여, 본 발명의 일 실시예에 따른 의료자문 서비스에서는, 질의로 입력되는 식별자나 자연어를 분석하고, 그 안에 숨겨진 정보를 발굴해 내기 위해 대용량 언어자원과 통계적, 규칙적 알고리즘이 사용될 수 있다.

또한, 클러스터 분석(Cluster Analysis)은, 비슷한 특성을 가진 체를 합쳐가면서 최종적으로 유사 특성의 그룹을 발굴하는데 사용될 수 있는데, 예를 들어, 추간판탈출의 그룹이 있을 수 있고, 척추팽윤의 그룹이 있을 수 있다. 이러한 환자의 그룹을 군집분석을 통하여 분류할 수 있도록 하고, 군집의 특성을 파악하여 이후 신규 의료자문이 의뢰된 경우, 신규 의료자문의 객체를 분류해낼 수 있다.

오류 검증부(370)는, 전송부(350)에서 생성된 자문 데이터를 의료자문 요청 단말(100)로 전송하기 이전에, 생성된 자문 데이터의 오류 검증을 위한 인증을 실시할 수 있다. 그리고, 오류 검증부(370)는, 인증의 결과로 생성된 자문 데이터의 오류 부분 및 오류 원인을 파악할 수 있고, 파악된 오류 부분 및 오류 원인을 빅데이터에 업데이트한 후, 오류의 패턴을 발견하고 분류를 통하여 오류율을 예측하기 위하여, 인공신경망을 이용한 딥 러닝을 실시할 수 있다. 또한, 오류 검증부(370)는, 딥 러닝으로 도출된 데이터 빅데이터에 반영되도록 할 수 있다.

예를 들어, 의료자문결과는 의사의 경력이나 판단에 따라 달라질 수도 있지만, 의사와 보험사 간의 정치적 및 경제적 관계 때문에 편향되고 서로 상반된 결과를 내놓는 경우도 많다. 이러한 데이터들은 이후 빅데이터를 구축하는데 오류율을 증가시키는 요인이 될 수 있고, 공정성을 저해시키게 된다.

따라서, 오류 검증부(370)는, 군집화나 패턴 분석으로 그룹의 특성을 정의하고, 정의된 특성에 맞지 않는 상반된 의료자문을 가지는 데이터를 통하여 의사-클라이언트(보험사, 공제회 등) 간의 관계를 파악할 수 있다. 파악된 자료는 정제될 때 걸러지게 되며, 만약 상이한 판단이나 편향된 시각으로 오류가 있는 결과를 주는 관계가 존재한다면, 해당 클라이언트의 의료자문을 해당 의사에게 배분하지 않는 방법을 이용할 수 있다. 반대로, 뇌물수수 등으로 의사와 클라이언트 간의 결합관계가 공고한 경우도 있다. 이러한 경우도 마찬가지로, 로우 데이터에서 배제시킬 수 있는데, 그 이유는 해당 데이터가 섞여 빅데이터가 구축되는 경우, 그룹의 특성이 어긋나거나 질의를 했을 때 오류가 발생될 확률이 높기 때문이다.

한편, 환자의 진료기록 데이터는, 진료기록이 된 시간과 치료 단계가 매핑되어 저장되고, 로우 데이터로부터 치료 단계별 의료진료 히스토리가 타임 테이블로 추출될 수 있다. 물론, 법적으로 환자에 대한 모든 의료 정보는 5~10년 동안 보관해야 하지만, 데이터의 유용성 정도에 따른 관리도 필요한 부분이다. 따라서 과거 이력의 축적 여부가 의미가 있는지에 따라 다음과 같이 데이터 종류를 분류할 수 있으며, 이에 따라 관리 또는 제공해야 하는 데이터의 범위가 결정될 수 있다. 따라서, 환자의 진료기록 데이터는, 이력형 데이터, 이전형 데이터 및 현재 데이터로 분류할 수 있다. 이때, 이력형(historical) 데이터는, 과거에 기록된 모든 이력 데이터가 의미 있는 항목이다. 환자 개인에 대해 모든 시점에서 생성된 데이터 값이 현재의 상태와 연관되는 데이터이며, 이전형(previous) 데이터는 해당 데이터에 대한 모든 과거 이력 값이 필요하지는 않지만, 바로 이전 시점의 값이 의미가 있는 항목이다. 현재형 데이터는, 과거 이력 정보가 큰 영향이 없는 데이터 항목이다. 즉, 과거 시점에 생성된 데이터보다는 현재의 값이 중요한 항목에 대해서는 저장은 하는 데이터이다.

개인정보 보호부(380)는, 수신부(310)에서 의료자문 요청 단말(100)로부터 의료비 산정을 위하여 전송되는 환자의 진료기록 데이터를 수신하기 전, 적어도 하나의 의료자문단말(400)로 적어도 하나의 의료자문 요청 단말(100)의 의료자문 요청을 전달할 수 있다. 그리고, 적어도 하나의 의료자문단말(400)에서 환자의 진료기록 데이터를 수신하여 출력할 때, 서버기반컴퓨팅(Server Based Computing) 또는 데스크탑 가상화(Virtual Desktop Infrastructure)를 실행할 수 있다. 또한, 의료자문 요청에 대한 응답을 적어도 하나의 의료자문단말(400)로부터 수집할 수 있다.

이하, 상술한 도 2의 의료자문 서비스 제공 서버의 구성에 따른 동작 과정을 도 3을 예로 들어 상세히 설명하기로 한다. 다만, 실시예는 본 발명의 다양한 실시예 중 어느 하나일 뿐, 이에 한정되지 않음은 자명하다 할 것이다.

도 3을 참조하면, (a) 의료자문 서비스 제공 서버(300)는 의료자문 요청 단말(100)로부터 수신된 진료기록 데이터를 분류하고, 의료자문 단말(400)로 전송하여 의료 자문 데이터를 요청하며, 이에 대한 응답이 수신되면 (b) 수집 및 저장하여 빅데이터를 구축하는 과정을 거친다.

(c) 한편, 의료자문 요청 단말(100)로부터 새로운 의료 자문의 요청이 수신되는 경우, 의료자문 서비스 제공 서버(300)는, 의료 기록을 파싱하고 식별자를 추출하여 (d) 유사한 의료 자문 데이터를 검색할 질의를 생성한다. 그리고 나서, 의료자문 서비스 제공 서버(300)는, 빅데이터에 질의에 대한 답변으로 유사 자문 데이터를 수신받는다.

그리고, (e) 관리자 단말(600)에서 오류를 검증한 다음, 자문 결과 데이터를 생성하여 의료자문 요청 단말(100)로 전송하고, (f) 오류 검증 결과는 다시 빅데이터를 학습시키기 위한 입력값으로 피드백되며, 인공신경망 딥러닝을 통하여 오류 패턴을 추출하고, 오류가 발생하는 패턴이 의사-클라이언트 간의 관계인 경우, 해당 패턴이 존재하는 관계를 추출하여 이후 신규 의뢰에서는 적용되지 않도록 하고, 내부 뇌물수수 및 불공정 거래 등에 의한 것인 경우, 해당 패턴을 발생시키는 관리자를 탐색하여 보고서를 생성하도록 한다. 다만, 이외에도 다양하게 오류를 발생시키는 패턴을 학습할 수 있으며, 학습된 결과 및 분석된 패턴은 주기적 또는 실시간으로 관리자에게 보고될 수 있다.

이와 같은 도 2 및 도 3의 빅데이터 기반 의료자문 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1을 통해 빅데이터 기반 의료자문 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.

도 4는 본 발명의 일 실시예에 따른 도 1의 빅데이터 기반 의료자문 서비스 제공 시스템에 포함된 각 구성들 상호 간에 데이터가 송수신되는 과정을 나타낸 도면이다. 이하, 도 4를 통해 각 구성들 상호간에 데이터가 송수신되는 과정의 일 예를 설명할 것이나, 이와 같은 실시예로 본원이 한정 해석되는 것은 아니며, 앞서 설명한 다양한 실시예들에 따라 도 4에 도시된 데이터가 송수신되는 과정이 변경될 수 있음은 기술분야에 속하는 당업자에게 자명하다.

도 4를 참조하면, 의료자문 서비스 제공 서버(300)는, 의료자문 요청 단말(100)로부터 의료자문을 요청받으면(S4100), 의료자문단말(400)로 전송하되, 의료자문단말(400)에서 SBC를 가동하고 타임스탬프를 발급하여 인증함으로써 개인정보보호 및 변조방지를 하도록 한다. 이에 따라, 전송된 의료 자문 데이터는 의료자문 서비스 제공 서버(300)로 전송되고(S4300), 의료자문 서비스 제공 서버(300)는, 이렇게 의료 히스토리 로그로 축적된 데이터와, 정보제공 서버(500)로부터 수집된 가이드 라인 등의 데이터를 이용하여(S4400), 빅데이터를 구축하는 과정을 진행한다(S4500, S4600).

한편, 의료자문 서비스 제공 서버(300)는, 의료자문 요청 단말(100)로부터 신규 의료 자문이 도착하는 경우(S4600), 진료 기록 데이터를 파싱하여 식별자를 추출하고(S4700), 식별자로 질의를 생성하고(S4800), 질의에 대한 답변인 유사 의료자문 데이터를 추출하고(S4810), 요청자의 기록에 대응하도록 의료자문 데이터를 생성한다(S4820).

그리고 나서, 의료자문 서비스 제공 서버(300)는, 관리자 단말(600)로 인증을 요청하고(S4830), 요청에 대응한 피드백을 수신하면(S4840), 오류가 없는 경우에는 의료자문 요청 단말(100)로 전송하고(S4850), 오류가 발생했던 경우에는, 이후 오류가 발생한 패턴을 파악하기 위한 자료로 누적시켜 인공신경망 딥러닝으로 패턴을 추출하고(S4860, S4870), 이후 신규 의뢰가 접수되었을 때, 오류가 발생되지 않도록 한다.

처리가 완료된 경우, 처리가 완료된 진료 기록 데이터, 자문 데이터를 매핑하여 저장하고(S4910), 학습시켜 빅데이터를 업데이트한다(S4920).

상술한 단계들(S4100~S4920)간의 순서는 예시일 뿐, 이에 한정되지 않는다. 즉, 상술한 단계들(S4100~S4920)간의 순서는 상호 변동될 수 있으며, 이중 일부 단계들은 동시에 실행되거나 삭제될 수도 있다.

이와 같은 도 4의 빅데이터 기반 의료자문 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1 내지 도 3을 통해 빅데이터 기반 의료자문 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.

도 5는 본 발명의 일 실시예에 따른 빅데이터 기반 의료자문 서비스 제공 방법을 설명하기 위한 동작 흐름도이다. 도 5를 참조하면, 의료자문 서비스 제공 서버는, 의료자문 요청 단말로부터 의료비 산정을 위하여 전송되는 환자의 진료기록 데이터를 수신한다(S5100).

그리고, 의료자문 서비스 제공 서버는, 수신된 진료기록 데이터를 파싱(Parsing)하여 진단명을 추출하고, 진단명으로부터 의료진단과, 의료진단부위 및 세부병명의 식별자를 도출하여 분류한다(S5200).

또한, 의료자문 서비스 제공 서버는, 수신된 진료기록 데이터에 포함된 적어도 하나의 영상식별정보를 추출하고(S5300), 분류된 식별자 및 추출된 영상식별정보에 기반하여, 기 구축된 빅데이터로부터 기 설정된 유사도를 가지는 기준 데이터를 추출한다(S5400).

그리고, 의료자문 서비스 제공 서버는, 추출된 기준 데이터에 기 매핑되어 저장된 자문 데이터를 출력하여 환자의 진료기록 데이터에 대한 자문 데이터를 생성하고(S5500), 생성된 자문 데이터를 의료자문 요청 단말로 전송한다(S5600).

이와 같은 도 5의 빅데이터 기반 의료자문 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1 내지 도 4를 통해 빅데이터 기반 의료자문 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.

도 5를 통해 설명된 일 실시예에 따른 빅데이터 기반 의료자문 서비스 제공 방법은, 컴퓨터에 의해 실행되는 애플리케이션이나 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.

전술한 본 발명의 일 실시예에 따른 빅데이터 기반 의료자문 서비스 제공 방법은, 단말기에 기본적으로 설치된 애플리케이션(이는 단말기에 기본적으로 탑재된 플랫폼이나 운영체제 등에 포함된 프로그램을 포함할 수 있음)에 의해 실행될 수 있고, 사용자가 애플리케이션 스토어 서버, 애플리케이션 또는 해당 서비스와 관련된 웹 서버 등의 애플리케이션 제공 서버를 통해 마스터 단말기에 직접 설치한 애플리케이션(즉, 프로그램)에 의해 실행될 수도 있다. 이러한 의미에서, 전술한 본 발명의 일 실시예에 따른 빅데이터 기반 의료자문 서비스 제공 방법은 단말기에 기본적으로 설치되거나 사용자에 의해 직접 설치된 애플리케이션(즉, 프로그램)으로 구현되고 단말기에 등의 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims

의료자문 서비스 제공 서버에서 실행되는 의료자문 서비스 제공 방법에 있어서,
의료자문 요청 단말로부터 의료비 산정을 위하여 전송되는 환자의 진료기록 데이터를 수신하는 단계;
상기 수신된 진료기록 데이터를 파싱(Parsing)하여 진단명을 추출하고, 상기 진단명으로부터 의료진단과, 의료진단부위 및 세부병명의 식별자를 도출하여 분류하는 단계;
상기 수신된 진료기록 데이터에 포함된 적어도 하나의 영상식별정보를 추출하는 단계;
상기 분류된 식별자 및 추출된 영상식별정보에 기반하여, 기 구축된 빅데이터로부터 기 설정된 유사도를 가지는 기준 데이터를 추출하는 단계;
상기 추출된 기준 데이터에 기 매핑되어 저장된 자문 데이터를 출력하여 상기 환자의 진료기록 데이터에 대한 자문 데이터를 생성하는 단계; 및
상기 생성된 자문 데이터를 상기 의료자문 요청 단말로 전송하는 단계;
를 포함하고,
상기 의료자문 요청 단말로부터 의료비 산정을 위하여 전송되는 환자의 진료기록 데이터를 수신하는 단계 이전에,
적어도 하나의 의료자문 요청 단말의 적어도 하나의 의료자문단말에 대한 의료자문 요청에 응답한 의료 자문 데이터와, 적어도 하나의 정보제공 서버로부터 수집된 의료 가이드라인 데이터를 포함하는 정보 데이터를 수집하는 단계;
상기 의료 자문 데이터와 정보 데이터를 포함한 로우 데이터(Raw Data)를 병렬 및 분산하여 저장하는 단계;
상기 저장된 로우 데이터 내에 포함되되, 의료 검사 영상와 이미지를 포함하는 비정형(Unstructed) 데이터, EMR 데이터와 메타 데이터를 포함하는 정형(Structured) 데이터, 및 어노테이션과 의료 전문가 소견을 포함하는 반정형 데이터(Semi-structured)를 정제하고, 메타 데이터로 분류를 포함한 전처리를 실시하는 단계;
상기 전처리된 데이터를 데이터 마이닝(Data Mining), 인공신경망 딥러닝, 텍스트 마이닝, 클러스터 분석 중 어느 하나 이상을 포함하는 분석을 실시하는 단계;
상기 분석된 데이터를 시각화하여 출력하는 단계;
를 더 포함하며,
상기 생성된 자문 데이터를 상기 의료자문 요청 단말로 전송하는 단계 이전에,
상기 생성된 자문 데이터의 오류 검증을 위한 인증을 실시하는 단계;
상기 인증의 결과로 상기 생성된 자문 데이터의 오류 부분 및 오류 원인을 파악하는 단계;
상기 파악된 오류 부분 및 오류 원인을 상기 빅데이터에 업데이트한 후, 상기 오류의 패턴을 발견하고 분류를 통하여 오류율을 예측하기 위하여, 인공신경망을 이용한 딥 러닝을 실시하는 단계;
상기 딥 러닝으로 도출된 데이터 상기 빅데이터에 반영되도록 하는 단계;
를 더 포함하며,
상기 분류된 식별자 및 추출된 영상식별정보에 기반하여, 기 구축된 빅데이터로부터 기 설정된 유사도를 가지는 기준 데이터를 추출하는 단계는,
상기 분류된 식별자 및 추출된 영상식별정보에 기반하여 자동으로 상기 기 설정된 유사도를 가지는 기준 데이터를 검색하기 위한 질의(Query)를 도출하는 단계;
상기 도출된 질의를 이용하여 상기 기 설정된 유사도를 가지는 기준 데이터를 검색하는 단계;
상기 검색 결과 상기 기 설정된 유사도를 가지는 기준 데이터를 추출하는 단계;
를 수행함으로써 실행되는 것인, 빅데이터 기반 의료자문 서비스 제공 방법.
삭제
제 1 항에 있어서,
상기 데이터 마이닝은, 상기 전처리된 데이터 간의 내재된 관계를 탐색하여 클래스가 알려진 훈련 데이터 셋을 학습시켜 새로운 데이터의 클래스를 예측하는 분류(Classification) 또는 클래스 정보 없이 유사성을 기준으로 데이터를 그룹짓는 군집화(Clustering)를 수행하는 것을 포함하는 것인, 빅데이터 기반 의료자문 서비스 제공 방법.
삭제
제 1 항에 있어서,
상기 환자의 진료기록 데이터는, 상기 진료기록이 된 시간과 치료 단계가 매핑되어 저장되고, 상기 로우 데이터로부터 치료 단계별 의료진료 히스토리가 타임 테이블로 추출되는 것인, 빅데이터 기반 의료자문 서비스 제공 방법.
삭제
제 1 항에 있어서,
의료자문 요청 단말로부터 의료비 산정을 위하여 전송되는 환자의 진료기록 데이터를 수신하는 단계 이전에,
적어도 하나의 의료자문단말로 적어도 하나의 의료자문 요청 단말의 의료자문 요청을 전달하는 단계;
상기 적어도 하나의 의료자문단말에서 상기 환자의 진료기록 데이터를 수신하여 출력할 때, 서버기반컴퓨팅(Server Based Computing) 또는 데스크탑 가상화(Virtual Desktop Infrastructure)를 실행하는 단계;
상기 의료자문 요청에 대한 응답을 상기 적어도 하나의 의료자문단말로부터 수집하는 단계;
를 더 포함하는 것인, 빅데이터 기반 의료자문 서비스 제공 방법.