[iitp] 의료 빅데이터 분석을 위한 공통 데이터 모델

 

[ 공통 데이터 모델(CDM)의 종류 및 목적 ]

 

 

 

 

[iitp] 의료 빅데이터 분석을 위한 공통 데이터 모델 - 이수현 건양대학교 조교수[iitp] 의료 빅데이터 분석을 위한 공통 데이터 모델 - 이수현 건양대학교 조교수

*** 문서:

file8669234528897146405-187802.pdf

 

 

 

 

I. 서론

 

○ 공통 데이터 모델 기반 임상연구 개념 대두

 

- 병원정보시스템은 병원마다 다른 구조로 되어 있다. 각 병원마다 다른 구조의 병원정보시스템을 가지고 있기 때문에 각 병원에서는 자기 병원의 환자 데이터를 기반한 연구만 가능하다.

 

- 각각의 의료기관의 환자군은 다른 특징을 가지고 있기 때문에 결론을 도출하기는 매우 어려운 구조이다. 그렇기 때문에 여러 병원들의 환자 데이터를 기반으로 임상연구를 진행해야만 의미 있는 결과를 제시할 수 있다.

 

- 그러한 이유로 각 병원의 데이터를 같은 포맷인 공통 데이터 모델(Common Data Model: CDM)로 변경하고, 공통 데이터 모델을 기반으로 다양한 임상연구들을 진행하는 개념이 대두되고 있다.

 

 

○ 다양한 분산연구망(Distributed Research Network: DRN)을 통한 연구

 

- Sentinel Initiatives

 

- Observational Health Data Sciences and Informatics(OHDSI)

 

- National Patient Centered Clinical Research Network(PCORnet)

 

 

II. 공통 데이터 모델의 개념

 

- 병원들의 데이터를 효율적으로 활용하기 위해 정의한 표준화된 데이터 구조

 

- 다기관 공동 연구 수행 시, 기관별로 상이한 데이터 구조와 의미를 동일한 하나의 구조와 의미를 갖도록 변환하는 방법

 

- 여러 기관에 흩어져 있는 기관의 데이터를 공통된 데이터 모델로 변경하기 위한 데이터의 구조와 저장 방식을 정의한 표준

 

- 공통 데이터 모델은 국제표준용어체계 기반으로 구성되어 있기 때문에 각 의료기관의 데이너를 공통 데이터 모델로 바꾸기 위해서는 각 의료기관에서 사용되는 용어들을 표준용어체계로 매핑하는 작업이 필요

 

 

III. 공통 데이터 모델의 종류

 

- Sentinel CDM(약물 감시 목적)

 

- OMOP(Observational Medical Outcomes Partnership) CDM(임상 연구 방법론의 적용 및 평가)

 

- PCORnet CDM(환자중심 임상 연구 네트워크)

 

- CDM의 구성 항목은 각 모델의 목적에 따라 다르므로 각 의료기관이 연구 목적에 따라 선택하여 구축하는 것이 가능

 

- CDM 개발 국가에 따라 테이블에 포함된 내용들이 다르므로 국가별 의료기관의 환경에 맞도록 구성하는 단계가 필수적

 

 

 

① 약물 감시: Sentinel CDM

 

- Sentinel은 분산형 정보체계이며, 원 자료는 각 기관이 보유하고 FDA가 질의를 전송하면 각 기관은 정해진 정보보호 기준에 따라 요약정보를 FDA에 전송하는 안전한 체계

 

- 필수 테이블(core table) : 등록(enrollment), 인구통계(demographics), 외래 처방(outpatient dispensing),
방문기록(encounter), 진단(diagnosis), 처치/수술(procedure)

 

- 부가 테이블 : 검사 결과(laboratory), 활력징후(vitals), 원내처방(inpatient dispensing), 원내수혈(inpatient transfusion), 사망(death) 그리고 사망 원인(cause of death)

 

- 필수 테이블은 모든 데이터 파트너가 공통적으로 구축

 

- 부가적인 테이블은 보험 회사를 제외한 일부 의료기관에서만 CDM으로 구축되어 있다.

 

- 구성 요소

 

 

 

 

[ Sentinel Common Data Model v7.0.0 ]

 

 

 

② 임상 연구 방법론의 적용 및 평가: OMOP CDM

 

- OMOP는 분산형 연구망 구축을 목표로 OMOP CDM을 개발하여 오픈소스 툴을 개발하고 있다. 2013년에 OHDSI Research Network로 변경하여 데이터 표준화(Data standardization), 의료기기 안전감시(Medical Product Safety Surveillance), 비교 효과 연구(Comparative Effectiveness Research: CER) 등을 다루고 있다.

 

- OHDSI는 임상 효과 연구를 위한 보건의료 관찰 자료(Observational data)의 효과적 활용을 위한 공공-민간 협력기구로, ➀ 관찰 자료 분석 방법론 연구, ➁ 관찰 자료 처리용 분석도구 개발, ➂ 협력 연구를 위한 오픈소스 연구자원 구축을 목표로 하고 있다.

 

 

 

 

[ OMOP CDM의 구조 ]

 

 

 

 

 

 

 

③ 환자중심 임상 연구 네트워크: PCORnet CDM

 

- PCORnet은 Patient Centered Outcome Research Institute(PCORI)가 환자 의사결정을한 비교 효과 연구를 효율적으로 수행하기 위해 설립한 분산 연구망으로 4개의 의료기관, 6개의 보험회사(health plan)가 참여하고 있다.

 

- PCORnet은 효율적으로 관찰연구, 실험연구를 지원하는 네트워크인 The National Patient- Centered Clinical Research Network(CCRNs)를 구축함으로써 비교효과연구를 수행하기 위한 역량을 증진시키는 것을 목적으로 한다.

 

- PCORnet은 신약 개발과 질병의 메커니즘 규명 등과 같은 기존 연구보다는 규모 임상시험을 시행하기 어려운 문제에 대해 의사결정을 지원하기 위한 관찰 임상연구를 수행하고자 하며, 2014년 아스피린이 심장 질환을 예방할 수 있는지 알아보기 위한 빅데이터 연구를 시작하였다.

 

 

 

 

[ PCORnet Common Data Model v4.0 ]