2019.02.01

한 비영리 보험사의 의료 데이터 애널리틱스 활용법

Thor Olavsrud | CIO
의료보험 회사에게 의료의 질과 비용 효율을 평가하는 작업이란 언제나 쉽지 않다. 업무 자체가 복잡할 뿐더러 수많은 내과의, 전문의, 병원, 여타 의료 사업자가 관여하면서 한층 복잡해진다. 

미국 내 15만 명 가까운 가입자에게 서비스하는 비영리 보험사 헬스 케어 서비스 주식회사(Health Care Service Corp., HCSC)는 이 어려움에 데이터 애널리틱스와 머신러닝의 조합으로 맞서고 있다. 
 
ⓒ Image Credit : Getty Images Bank


HCSC의 애플리케이션 개발 수석 부사장인 마브 리처드슨은 “의료 사업자가 적절한 정보에 접근해 자사 케어의 질과 비용을 개선하는데 도움을 주고자 했다. 이들의 서비스, 즉 치료가 다른 사업자에 비해 어떠한지 가늠할 수 있도록 하는 것이다”라고 말했다. 
 
ⓒ HCSC의 애플리케이션 개발 수석 부사장인 마브 리처드슨
2만 2,000명 이상의 직원이 근무하는 HCSC는 5개 주, 즉 일리노이스, 몬타나, 뉴멕시코, 오클라호마, 텍사스 지역에 대해 블루 크로스 블루 실드 협회(the Blue Cross and Blue Shield Association)의 라이선스를 받아 활동하고 있다. HCSC는 일정 영역 안의 의료 사업자를 그룹으로 묶는다. 그룹 내에는 병원 시스템, 내과의 집단은 물론 카이로프락틱 및 물리 치료 사업자 등도 포함된다. 

리처드슨은 “각 그룹에서 치료가 얼마나 효과적으로 진행되는지 알고 싶었다. 그러면 고객에게 가장 유리한 방식으로 네트워크를 조성할 수 있다”라고 말했다. 

이를 위해 리처드슨의 팀은2017년 7월부터 2가지 플랫폼, 즉 프로바이더 앤드 네트워크 디시전 애널리틱스(Provider and Network Decision Analytics, PANDA)와 일렉트로닉 퀄리티 인텔리전스 포 프로바이더(Electronic Quality Intelligence for Providers, EQUIP)를 개발했다. 이들 플랫폼은 HCSC의 PAR(Provider Performance and Analytics Reporting) 툴을 통해 의료 사업자에게 전달된다. HCSC는 이러한 디지털 혁신을 인정 받아 디지털 엣지 50 어워드를 수상했다. 

의료 사업자 서비스를 벤치마킹 
PANDA는 의료 사업자가 다른 사업자와 스스로를 비교하는데 유용하다. 한편 EQUIP는 인증 단체나 정부가 확립한 국가 표준과 의료 사업자의 수준을 비교하도록 돕는다. 이들 플랫폼들은 2년간의 보험 클레임 데이터를 이용해 사업자의 성과를 평가하고, 6개월마다 갱신된다. 그 후 PAR은 의료사업자가 품질 성과, 효율, 위험 조정, 의료 이용, 약품 비용을 비교할 수 있도록 의료 사업자 관점에서 데이터를 전달한다. 

리차드슨은 “사업자가 특정 치료에 대해 어떤 수준인가에 관한 정보를 제공하는 것이다. 다른 사업자 그룹과 동일한 비용으로 환자를 더 건강하게 만들고 있는가? 또는 다른 사업자 그룹에 비해 뒤쳐지는가? 이와 같은 비교를 할 수 있다”라고 말했다. 
 
물론 이 비교는 단순하지도 쉽지도 않다. 가령 한 사업자 그룹은 다른 그룹에 비해 성적이 나쁠 수 있지만, 그 원인이 건강 조건이 더 나쁜 인구를 다루고 있기 때문일 수 있다.

리처드슨은 “이를 감안해 머신러닝 알고리즘을 이용해 일정 인구의 위험을 관찰하고, 이를 우리가 수집 중인 의료 성과로 반환한 후 계리사 팀의 전문성을 이용해 표준화를 한다”라고 말했다. 

그에 따르면 또 머신러닝을 이용해 데이터로부터 학습하고 패턴을 규명하는 강화된 예측 애널리틱스 모델을 도출해 사업자의 성과를 잠재적으로 촉진할 수 있는 요소를 탁월하게 감지할 수 있다. 아울러 의료 유형별 보험 클레임을 평가하고, 비슷한 사업자의 비슷한 치료 시 사업자가 질병을 관리하는 비용을 비교한다. HCSC는 플랫폼에서 나온 결과를 이용해 성과가 우수한 사업자 네트워크를 구축하며 네트워크를 개선하게 된다.

이를 위해 HCSC가 확보하는 데이터는 다양하다. 환자들의 일체의 모임, 그리고 이들이 받은 테스트, 이러한 테스트의 결과 등의 임상 데이터가 포함된다. 리처드슨은 “매우 깊이 있는 데이터 세트들이다. 우리가 기존에 보유한 데이터 세트보다 더 깊이가 있다”라고 말했다. 

애널리틱스 성공을 위한 내외부 협력
사업자들은 자신이 연관된 부분만 열람하지만, HCSC는 모든 사업자에 걸쳐 가입자의 현황을 총체적으로 관찰하게 된다. 예를 들어, 한 가입자가 무릎 교체 수술을 받고 있다면 사업자는 이와 관련된 일체의 정보에 접근할 것이다. 그러나 HCSC는 이들의 처방, 이들이 무릎 교체 수술 전에 받았던 치료, 예정될 수 있는 치료 등 환자와 관련된 다른 귀중한 정보를 확인할 수 있다. 

리처드슨은 “가입자에 대해 우리가 가진 전체적인 정보의 폭과 사업자가 가진 환자의 특정 치료 과정에 대한 전체적인 정보의 깊이가 서로 조합되어 매우 위력적인 정보 세트가 도출된다. 이는 우리가 운영 중인 애널리틱스 및 머신러닝의 근간을 형성한다”라고 말했다. 

이 과정에서 리처드슨의 애플리케이션 팀은 현업 부문과 밀접하게 협력하고 있다. 현업 팀이 프로젝트의 유포를 주도하고 그의 팀은 이를 지원하는 식이다. 

그는 “의료 사업자가 보다 나은 의료를 제공하는데 기여하고, 네트워크를 보다 나은 방식으로 구축한다면, 이는 내부적으로 쉽게 호응을 받을 수 있다. 이는 전적으로 업무의 본질이기 때문이다”라고 말했다. 그러면서 “비용 관점 및 성과 관점에서 의료를 보다 효과적으로 만드는 일은 HCSC가 매우 중요시하는 부분이다”라고 덧붙였다.  

리처드슨과 그의 팀은 외부 사업자 표적 집단과도 협력해 이들에게 유용할만한 정보가 무엇인지 이해하고자 했으며 내부적으로도 애플리케이션 팀이 HCSC의 헬스 애널리틱스 팀과 협력했다. 이는 데이터를 식별해 HCSC의 데이터 레이크에 추가해 정리할 수 있도록 하는데 유용했다. 한편 HCSC의 현업 팀들은 데이터 애널리틱스 팀과 데이터 과학자를 자체적으로 보유하고 있기에 리차드슨의 팀은 이들과도 긴밀히 협력하고 있다. 

리처드슨은 “우리는 기반과 데이터를 공급한다. 그리고 현업 쪽의 데이터 과학자와 협력한다. 이들은 특정 사업 니즈에 정통하기 때문에 데이터 과학 알고리즘, 머신러닝 알고리즘 등을 적용해 적절한 해답을 얻을 수 있다”고 말했다. 

그는 가장 큰 난관은 의료 사업자에게 온갖 데이터 요소를 유효한 방식으로 취합하는 것이었다고 언급했다. 

그는 “의료 사업자에게 중요한 것은 하나의 클레임을 조사하는 것이 아니다. 이들에게 하나의 클레임은 별로 의미가 없다”고 말했다. 무릎 수술을 예로 들어보자. 이는 단일 보험 클레임처럼 보이지만, 그렇지 않다. 수술 전에 진단이 있고, 수술 자체가 있고, 수술에 따른 잠재적 합병증, 물리 치료, 후속 방문, 처방이 있다. 모두 별개의 클레임이지만, 이들은 HCSC가 이른바 ‘진료 에피소드(episode of care)’라고 지칭하는 것으로 그루핑 된다. HCSC는 데이터를 적절하게 평가하기 위해 동등한 진료 에피소드들을 비교해야 했다. 

리처드슨은 “알다시피, 무엇이 진료 에피소드에 포함되는지, 무엇이 그렇지 않은지는 매우 복합한 사안이다”고 설명하면서 “무릎 수술로부터 회복하는 중 연쇄상 구균 인두염에 걸릴 수 있지만, 무릎 수술과는 관계가 없다. 이는 그루핑에 포함되지 않는다. 임상 지식을 애널리틱스에 이식하는 것은 정말이지 매우 어려운 일이다”라고 말했다. ciokr@idg.co.kr



2019.02.01

한 비영리 보험사의 의료 데이터 애널리틱스 활용법

Thor Olavsrud | CIO
의료보험 회사에게 의료의 질과 비용 효율을 평가하는 작업이란 언제나 쉽지 않다. 업무 자체가 복잡할 뿐더러 수많은 내과의, 전문의, 병원, 여타 의료 사업자가 관여하면서 한층 복잡해진다. 

미국 내 15만 명 가까운 가입자에게 서비스하는 비영리 보험사 헬스 케어 서비스 주식회사(Health Care Service Corp., HCSC)는 이 어려움에 데이터 애널리틱스와 머신러닝의 조합으로 맞서고 있다. 
 
ⓒ Image Credit : Getty Images Bank


HCSC의 애플리케이션 개발 수석 부사장인 마브 리처드슨은 “의료 사업자가 적절한 정보에 접근해 자사 케어의 질과 비용을 개선하는데 도움을 주고자 했다. 이들의 서비스, 즉 치료가 다른 사업자에 비해 어떠한지 가늠할 수 있도록 하는 것이다”라고 말했다. 
 
ⓒ HCSC의 애플리케이션 개발 수석 부사장인 마브 리처드슨
2만 2,000명 이상의 직원이 근무하는 HCSC는 5개 주, 즉 일리노이스, 몬타나, 뉴멕시코, 오클라호마, 텍사스 지역에 대해 블루 크로스 블루 실드 협회(the Blue Cross and Blue Shield Association)의 라이선스를 받아 활동하고 있다. HCSC는 일정 영역 안의 의료 사업자를 그룹으로 묶는다. 그룹 내에는 병원 시스템, 내과의 집단은 물론 카이로프락틱 및 물리 치료 사업자 등도 포함된다. 

리처드슨은 “각 그룹에서 치료가 얼마나 효과적으로 진행되는지 알고 싶었다. 그러면 고객에게 가장 유리한 방식으로 네트워크를 조성할 수 있다”라고 말했다. 

이를 위해 리처드슨의 팀은2017년 7월부터 2가지 플랫폼, 즉 프로바이더 앤드 네트워크 디시전 애널리틱스(Provider and Network Decision Analytics, PANDA)와 일렉트로닉 퀄리티 인텔리전스 포 프로바이더(Electronic Quality Intelligence for Providers, EQUIP)를 개발했다. 이들 플랫폼은 HCSC의 PAR(Provider Performance and Analytics Reporting) 툴을 통해 의료 사업자에게 전달된다. HCSC는 이러한 디지털 혁신을 인정 받아 디지털 엣지 50 어워드를 수상했다. 

의료 사업자 서비스를 벤치마킹 
PANDA는 의료 사업자가 다른 사업자와 스스로를 비교하는데 유용하다. 한편 EQUIP는 인증 단체나 정부가 확립한 국가 표준과 의료 사업자의 수준을 비교하도록 돕는다. 이들 플랫폼들은 2년간의 보험 클레임 데이터를 이용해 사업자의 성과를 평가하고, 6개월마다 갱신된다. 그 후 PAR은 의료사업자가 품질 성과, 효율, 위험 조정, 의료 이용, 약품 비용을 비교할 수 있도록 의료 사업자 관점에서 데이터를 전달한다. 

리차드슨은 “사업자가 특정 치료에 대해 어떤 수준인가에 관한 정보를 제공하는 것이다. 다른 사업자 그룹과 동일한 비용으로 환자를 더 건강하게 만들고 있는가? 또는 다른 사업자 그룹에 비해 뒤쳐지는가? 이와 같은 비교를 할 수 있다”라고 말했다. 
 
물론 이 비교는 단순하지도 쉽지도 않다. 가령 한 사업자 그룹은 다른 그룹에 비해 성적이 나쁠 수 있지만, 그 원인이 건강 조건이 더 나쁜 인구를 다루고 있기 때문일 수 있다.

리처드슨은 “이를 감안해 머신러닝 알고리즘을 이용해 일정 인구의 위험을 관찰하고, 이를 우리가 수집 중인 의료 성과로 반환한 후 계리사 팀의 전문성을 이용해 표준화를 한다”라고 말했다. 

그에 따르면 또 머신러닝을 이용해 데이터로부터 학습하고 패턴을 규명하는 강화된 예측 애널리틱스 모델을 도출해 사업자의 성과를 잠재적으로 촉진할 수 있는 요소를 탁월하게 감지할 수 있다. 아울러 의료 유형별 보험 클레임을 평가하고, 비슷한 사업자의 비슷한 치료 시 사업자가 질병을 관리하는 비용을 비교한다. HCSC는 플랫폼에서 나온 결과를 이용해 성과가 우수한 사업자 네트워크를 구축하며 네트워크를 개선하게 된다.

이를 위해 HCSC가 확보하는 데이터는 다양하다. 환자들의 일체의 모임, 그리고 이들이 받은 테스트, 이러한 테스트의 결과 등의 임상 데이터가 포함된다. 리처드슨은 “매우 깊이 있는 데이터 세트들이다. 우리가 기존에 보유한 데이터 세트보다 더 깊이가 있다”라고 말했다. 

애널리틱스 성공을 위한 내외부 협력
사업자들은 자신이 연관된 부분만 열람하지만, HCSC는 모든 사업자에 걸쳐 가입자의 현황을 총체적으로 관찰하게 된다. 예를 들어, 한 가입자가 무릎 교체 수술을 받고 있다면 사업자는 이와 관련된 일체의 정보에 접근할 것이다. 그러나 HCSC는 이들의 처방, 이들이 무릎 교체 수술 전에 받았던 치료, 예정될 수 있는 치료 등 환자와 관련된 다른 귀중한 정보를 확인할 수 있다. 

리처드슨은 “가입자에 대해 우리가 가진 전체적인 정보의 폭과 사업자가 가진 환자의 특정 치료 과정에 대한 전체적인 정보의 깊이가 서로 조합되어 매우 위력적인 정보 세트가 도출된다. 이는 우리가 운영 중인 애널리틱스 및 머신러닝의 근간을 형성한다”라고 말했다. 

이 과정에서 리처드슨의 애플리케이션 팀은 현업 부문과 밀접하게 협력하고 있다. 현업 팀이 프로젝트의 유포를 주도하고 그의 팀은 이를 지원하는 식이다. 

그는 “의료 사업자가 보다 나은 의료를 제공하는데 기여하고, 네트워크를 보다 나은 방식으로 구축한다면, 이는 내부적으로 쉽게 호응을 받을 수 있다. 이는 전적으로 업무의 본질이기 때문이다”라고 말했다. 그러면서 “비용 관점 및 성과 관점에서 의료를 보다 효과적으로 만드는 일은 HCSC가 매우 중요시하는 부분이다”라고 덧붙였다.  

리처드슨과 그의 팀은 외부 사업자 표적 집단과도 협력해 이들에게 유용할만한 정보가 무엇인지 이해하고자 했으며 내부적으로도 애플리케이션 팀이 HCSC의 헬스 애널리틱스 팀과 협력했다. 이는 데이터를 식별해 HCSC의 데이터 레이크에 추가해 정리할 수 있도록 하는데 유용했다. 한편 HCSC의 현업 팀들은 데이터 애널리틱스 팀과 데이터 과학자를 자체적으로 보유하고 있기에 리차드슨의 팀은 이들과도 긴밀히 협력하고 있다. 

리처드슨은 “우리는 기반과 데이터를 공급한다. 그리고 현업 쪽의 데이터 과학자와 협력한다. 이들은 특정 사업 니즈에 정통하기 때문에 데이터 과학 알고리즘, 머신러닝 알고리즘 등을 적용해 적절한 해답을 얻을 수 있다”고 말했다. 

그는 가장 큰 난관은 의료 사업자에게 온갖 데이터 요소를 유효한 방식으로 취합하는 것이었다고 언급했다. 

그는 “의료 사업자에게 중요한 것은 하나의 클레임을 조사하는 것이 아니다. 이들에게 하나의 클레임은 별로 의미가 없다”고 말했다. 무릎 수술을 예로 들어보자. 이는 단일 보험 클레임처럼 보이지만, 그렇지 않다. 수술 전에 진단이 있고, 수술 자체가 있고, 수술에 따른 잠재적 합병증, 물리 치료, 후속 방문, 처방이 있다. 모두 별개의 클레임이지만, 이들은 HCSC가 이른바 ‘진료 에피소드(episode of care)’라고 지칭하는 것으로 그루핑 된다. HCSC는 데이터를 적절하게 평가하기 위해 동등한 진료 에피소드들을 비교해야 했다. 

리처드슨은 “알다시피, 무엇이 진료 에피소드에 포함되는지, 무엇이 그렇지 않은지는 매우 복합한 사안이다”고 설명하면서 “무릎 수술로부터 회복하는 중 연쇄상 구균 인두염에 걸릴 수 있지만, 무릎 수술과는 관계가 없다. 이는 그루핑에 포함되지 않는다. 임상 지식을 애널리틱스에 이식하는 것은 정말이지 매우 어려운 일이다”라고 말했다. ciokr@idg.co.kr

X