2020.03.17

'진료 차트를 NLP로 분석해 치료 결과 개선' 美 머시 이야기

Peter Sayer | CIO
NLP 기술과 인메모리 데이터베이스를 사용해 의사의 메모에서 거의 실시간으로 데이터를 추출하고 분석하는 업체인 머시 테크놀로지 서비스(Mercy Technology Services)가 치료 결과를 개선하고자 데이터 분석해 의사들에게 도움을 주고 있다. 
 
ⓒGetty Images Bank

머시(Mercy)의 고객사 중 가장 큰 병원에서 수술실을 관리하다가 지속적인 새로운 의료 기기의 유입과 이와 관련한 비용이 약속대로 더 나은 결과를 제공하는지 궁금해하는 사람이 있었다. 바로 커티스 더들리였다. 

그는 “이를 실제로 입증할 증거가 없었다”라고 말했다.

10년 후, 현 MTS의 기업 분석 및 데이터 서비스 부사장이 된 더들리는 해당 조직이 보유한 60개 이상의 병원에 있는 임상의들이 이런 질문에 거의 실시간에 가깝게 답할 수 있다고 밝혔다.

2007년에 에픽(Epic)의 EMR시스템을 도입한 머시는 환자 진료를 개선하기 위한 10년치 이상의 익명 환자 데이터를 보유하고 있다. 2009년, 해당 병원 네트워크는 수술실에 바코드 스캐너를 도입하여 직원들이 사용 물품과 수술 장비의 세부사항을 기록할 수 있도록 했다. 약 5년 전, 머시는 조직의 어떤 영역이 결과에 가장 큰 영향을 미쳤는지 확인하기 위해 PTM(Performance Through Metrics) 이니셔티브를 출범했다.

PTM은 현재 SAP HANA를 사용하여 EMR 데이터의 바다에서 핵심 요소를 수집하기 위해 서비스 라인별로 데이터 마트를 도입하고 있다. 인메모리 데이터베이스는 실시간 대규모 데이터세트 탐색을 용이하게 한다.

더들리는 “문제를 알고 데이터에 접근하며 매번 쿼리가 실행될 때까지 30분 동안 기다리는 것과는 다르다. 실시간으로 탐색할 수 있으면 가설을 갖고 데이터에 접근할 수 있으며 데이터를 마이닝하여 탐색하며 업무에 실질적인 변화를 적용할 수 있는 결론에 도달할 수 있다”라고 말했다.

이런 변화를 통해 머시는 3년 동안 특수 치료를 하면서도 의료 장비와 수술 물품에서 무려 3,300만 달러를 절약했다. 환자 데이터의 익명성 덕분에 머시는 이런 통찰을 다른 조직과 공유할 수 있으며 다른 소스의 데이터를 자사의 시스템인 RWEN(Real World Evidence Network)에 통합하고 있다. MTS는 신규 기술 적용에 대해 퓨처엣지 50어워드를 수상했다.

프로젝트가 아닌 제품
데이터 통찰을 제공하는 것과 관련하여 MTS의 핵심 과제는 조직화다.

그는 “설계자가 이해할 수 있는 사양을 누군가가 제공한다면 그 데이터를 즉시 추출할 수 있다. 문제는 추출물이나 정의 또는 측정값을 기업이 원하는 정의 방식과 일치시키는 것이다”라고 밝혔다.

이를 통해 더들리는 자신의 데이터 소비자들에게 그들이 생각하기에 필요한 데이터가 무엇인지 묻는 대신에 어떤 문제를 해결하려 하는지 알려 달라고 요청하게 되었다. 그는 “고객이 그 문제를 해결할 수 있도록 데이터를 맵핑하는 데 도움을 줄 수 있다. 그 접근방식을 바꾼 것이 매우 효과적이었다”라고 이야기했다.

사용자 만족도 유지의 또 다른 핵심은 새로운 대시보드나 시각화 제공 후 나몰라라 하지 않는 데 있다. 

“IT는 이런 것들을 프로젝트로 취급하고 싶어 하지만 그것들은 제품이다”라고 그는 말했다. 즉, 사용자와 협력하여 데이터 표현과 기업의 요구를 지속해서 일치시키는 것이다.

더들리의 가장 큰 후회는 프로젝트 초기부터 마스터 데이터 관리와 메타데이터 관리 도구를 이행하지 않은 것이다. 그는 “이것이 정의 측면에서 도움이 되었을 것이다”라고 덧붙였다.

지금 MDM 도구를 도입하면 문제가 발생한다. 그는 “이런 도구를 효과적으로 운영하고 관리할 운영 계획과 운영 자원이 있어야 한다. 그리고 조직이 여기에 투자할 의지가 생길 때까지는 도구에 대한 비용을 지출할 가치가 없다”라고 전했다.

한편, 일부 서비스 라인은 데이터 관리를 돕기 위해 자체적인 자원에 투자했으며, 이에 그는 “좋은 일들이 일어나고 있다. 이런 자원에 투자하지 않고 나에게 모든 일을 맡긴 사람들의 경우 턴어라운드 시간이 훨씬 느리고 오래 걸린다”라고 설명했다.

모든 대시보드를 내부 위키에 연결하여 데이터 정의를 문서로 만드는 등의 우회책이 있다. 그는 “그들은 관리 및 유지를 위해 대부분 우리 직원들에게 의존하고 있으며 이것도 매우 노동 집약적인 일이다”라고 말했다.

의사가 손으로 적은 진료 차트 읽기
4년 전 도입된 NLP소프트웨어를 통해 더들리는 기존에 임상의의 자유 서식 진료 차트에 잠자고 있던 엄청난 양의 데이터에 접근할 수 있게 되었다. 하지만 임상의마다 문서가 다르며 표준이 거의 없다.

그래서 머시는 해당 도구가 상태 또는 치료에 대한 동의어를 찾는 데 도움이 되는 의료 온톨로지 라이브러리 때문에 링구아매틱스(Linguamatics)의 도구를 선택했다.

그는 “과거에는 누군가 숨가쁨을 말할 수 있는 모든 변형에 대해 코딩해야 했다”라고 말했다.

몇 년 전 NLP를 시도했던 조직의 경우 더들리는 머시가 사용하고 있는 것과 같은 전문가 존재론 라이브러리 등 다른 것들을 살펴보라고 조언했다.

하지만 매우 숙련된 사람들을 인력으로 확보하는 것도 중요하다. 그는 “데이터 사이언스 배경이 있는 사람들이 가장 효과적으로 보인다”라고 말했다.

이런 방식으로 NLP를 사용하여 데이터를 추출할 때의 장점은 보호되는 PHI를 익명화하여 머시가 HIPAA 규정을 위반하지 않고 공유하는 데 도움이 될 수 있다는 점이다.

그는 “우리는 분석을 위해 NLP를 이행하고 우리가 원하는 데이터 요소를 추출할 것이다. 하지만 우리는 PHI일 수 있는 많은 것들이 진료 차트에 포함되어 있을 수 있다는 이유만으로 임상 메모에 대한 개방적인 접근성을 제공하지 않는다”라고 말했다.

더 나은 벤치마킹
머시는 현재 자사의 데이터 플랫폼을 이용해 품질 및 안전을 연구하고 진료 경로를 개발하고 있다. 하지만 아직 할 일이 많다.

머시가 수집하는 데이터를 통해 자사의 서비스를 측정할 수 있지만 내부적인 표준만을 기준으로 삼을 수 있다. 머시의 성과를 더욱 잘 파악하기 위해 더들리는 다른 조직을 RWEN에 편입시키고 그들의 기준에 맞추어 데이터를 측정하고 싶어 한다. 하지만 대부분 조직은 이제 막 데이터 정의, 문서화, 익명화를 시작했기 때문에 공유하고 비교할 것이 있는 파트너를 찾기가 쉽지 않다.

현재, 심장학 분야에서 데이터를 분석하기 위해 같은 생각을 가진 몇몇 조직들과 협력하고 있다.

더들리는 “우리는 더욱 광범위하게 일을 추진하기 전에 그들과 이를 습득하고 싶다. 하지만 궁극적으로 우리가 하는 모든 일을 측정하고 비교하려면 이를 위한 방식이나 메커니즘이 필요하다. 그리고 이에 맞는 데이터를 갖춘 네트워크를 구축하는 것이 유일한 방법이다”라고 말했다. ciokr@idg.co.kr



2020.03.17

'진료 차트를 NLP로 분석해 치료 결과 개선' 美 머시 이야기

Peter Sayer | CIO
NLP 기술과 인메모리 데이터베이스를 사용해 의사의 메모에서 거의 실시간으로 데이터를 추출하고 분석하는 업체인 머시 테크놀로지 서비스(Mercy Technology Services)가 치료 결과를 개선하고자 데이터 분석해 의사들에게 도움을 주고 있다. 
 
ⓒGetty Images Bank

머시(Mercy)의 고객사 중 가장 큰 병원에서 수술실을 관리하다가 지속적인 새로운 의료 기기의 유입과 이와 관련한 비용이 약속대로 더 나은 결과를 제공하는지 궁금해하는 사람이 있었다. 바로 커티스 더들리였다. 

그는 “이를 실제로 입증할 증거가 없었다”라고 말했다.

10년 후, 현 MTS의 기업 분석 및 데이터 서비스 부사장이 된 더들리는 해당 조직이 보유한 60개 이상의 병원에 있는 임상의들이 이런 질문에 거의 실시간에 가깝게 답할 수 있다고 밝혔다.

2007년에 에픽(Epic)의 EMR시스템을 도입한 머시는 환자 진료를 개선하기 위한 10년치 이상의 익명 환자 데이터를 보유하고 있다. 2009년, 해당 병원 네트워크는 수술실에 바코드 스캐너를 도입하여 직원들이 사용 물품과 수술 장비의 세부사항을 기록할 수 있도록 했다. 약 5년 전, 머시는 조직의 어떤 영역이 결과에 가장 큰 영향을 미쳤는지 확인하기 위해 PTM(Performance Through Metrics) 이니셔티브를 출범했다.

PTM은 현재 SAP HANA를 사용하여 EMR 데이터의 바다에서 핵심 요소를 수집하기 위해 서비스 라인별로 데이터 마트를 도입하고 있다. 인메모리 데이터베이스는 실시간 대규모 데이터세트 탐색을 용이하게 한다.

더들리는 “문제를 알고 데이터에 접근하며 매번 쿼리가 실행될 때까지 30분 동안 기다리는 것과는 다르다. 실시간으로 탐색할 수 있으면 가설을 갖고 데이터에 접근할 수 있으며 데이터를 마이닝하여 탐색하며 업무에 실질적인 변화를 적용할 수 있는 결론에 도달할 수 있다”라고 말했다.

이런 변화를 통해 머시는 3년 동안 특수 치료를 하면서도 의료 장비와 수술 물품에서 무려 3,300만 달러를 절약했다. 환자 데이터의 익명성 덕분에 머시는 이런 통찰을 다른 조직과 공유할 수 있으며 다른 소스의 데이터를 자사의 시스템인 RWEN(Real World Evidence Network)에 통합하고 있다. MTS는 신규 기술 적용에 대해 퓨처엣지 50어워드를 수상했다.

프로젝트가 아닌 제품
데이터 통찰을 제공하는 것과 관련하여 MTS의 핵심 과제는 조직화다.

그는 “설계자가 이해할 수 있는 사양을 누군가가 제공한다면 그 데이터를 즉시 추출할 수 있다. 문제는 추출물이나 정의 또는 측정값을 기업이 원하는 정의 방식과 일치시키는 것이다”라고 밝혔다.

이를 통해 더들리는 자신의 데이터 소비자들에게 그들이 생각하기에 필요한 데이터가 무엇인지 묻는 대신에 어떤 문제를 해결하려 하는지 알려 달라고 요청하게 되었다. 그는 “고객이 그 문제를 해결할 수 있도록 데이터를 맵핑하는 데 도움을 줄 수 있다. 그 접근방식을 바꾼 것이 매우 효과적이었다”라고 이야기했다.

사용자 만족도 유지의 또 다른 핵심은 새로운 대시보드나 시각화 제공 후 나몰라라 하지 않는 데 있다. 

“IT는 이런 것들을 프로젝트로 취급하고 싶어 하지만 그것들은 제품이다”라고 그는 말했다. 즉, 사용자와 협력하여 데이터 표현과 기업의 요구를 지속해서 일치시키는 것이다.

더들리의 가장 큰 후회는 프로젝트 초기부터 마스터 데이터 관리와 메타데이터 관리 도구를 이행하지 않은 것이다. 그는 “이것이 정의 측면에서 도움이 되었을 것이다”라고 덧붙였다.

지금 MDM 도구를 도입하면 문제가 발생한다. 그는 “이런 도구를 효과적으로 운영하고 관리할 운영 계획과 운영 자원이 있어야 한다. 그리고 조직이 여기에 투자할 의지가 생길 때까지는 도구에 대한 비용을 지출할 가치가 없다”라고 전했다.

한편, 일부 서비스 라인은 데이터 관리를 돕기 위해 자체적인 자원에 투자했으며, 이에 그는 “좋은 일들이 일어나고 있다. 이런 자원에 투자하지 않고 나에게 모든 일을 맡긴 사람들의 경우 턴어라운드 시간이 훨씬 느리고 오래 걸린다”라고 설명했다.

모든 대시보드를 내부 위키에 연결하여 데이터 정의를 문서로 만드는 등의 우회책이 있다. 그는 “그들은 관리 및 유지를 위해 대부분 우리 직원들에게 의존하고 있으며 이것도 매우 노동 집약적인 일이다”라고 말했다.

의사가 손으로 적은 진료 차트 읽기
4년 전 도입된 NLP소프트웨어를 통해 더들리는 기존에 임상의의 자유 서식 진료 차트에 잠자고 있던 엄청난 양의 데이터에 접근할 수 있게 되었다. 하지만 임상의마다 문서가 다르며 표준이 거의 없다.

그래서 머시는 해당 도구가 상태 또는 치료에 대한 동의어를 찾는 데 도움이 되는 의료 온톨로지 라이브러리 때문에 링구아매틱스(Linguamatics)의 도구를 선택했다.

그는 “과거에는 누군가 숨가쁨을 말할 수 있는 모든 변형에 대해 코딩해야 했다”라고 말했다.

몇 년 전 NLP를 시도했던 조직의 경우 더들리는 머시가 사용하고 있는 것과 같은 전문가 존재론 라이브러리 등 다른 것들을 살펴보라고 조언했다.

하지만 매우 숙련된 사람들을 인력으로 확보하는 것도 중요하다. 그는 “데이터 사이언스 배경이 있는 사람들이 가장 효과적으로 보인다”라고 말했다.

이런 방식으로 NLP를 사용하여 데이터를 추출할 때의 장점은 보호되는 PHI를 익명화하여 머시가 HIPAA 규정을 위반하지 않고 공유하는 데 도움이 될 수 있다는 점이다.

그는 “우리는 분석을 위해 NLP를 이행하고 우리가 원하는 데이터 요소를 추출할 것이다. 하지만 우리는 PHI일 수 있는 많은 것들이 진료 차트에 포함되어 있을 수 있다는 이유만으로 임상 메모에 대한 개방적인 접근성을 제공하지 않는다”라고 말했다.

더 나은 벤치마킹
머시는 현재 자사의 데이터 플랫폼을 이용해 품질 및 안전을 연구하고 진료 경로를 개발하고 있다. 하지만 아직 할 일이 많다.

머시가 수집하는 데이터를 통해 자사의 서비스를 측정할 수 있지만 내부적인 표준만을 기준으로 삼을 수 있다. 머시의 성과를 더욱 잘 파악하기 위해 더들리는 다른 조직을 RWEN에 편입시키고 그들의 기준에 맞추어 데이터를 측정하고 싶어 한다. 하지만 대부분 조직은 이제 막 데이터 정의, 문서화, 익명화를 시작했기 때문에 공유하고 비교할 것이 있는 파트너를 찾기가 쉽지 않다.

현재, 심장학 분야에서 데이터를 분석하기 위해 같은 생각을 가진 몇몇 조직들과 협력하고 있다.

더들리는 “우리는 더욱 광범위하게 일을 추진하기 전에 그들과 이를 습득하고 싶다. 하지만 궁극적으로 우리가 하는 모든 일을 측정하고 비교하려면 이를 위한 방식이나 메커니즘이 필요하다. 그리고 이에 맞는 데이터를 갖춘 네트워크를 구축하는 것이 유일한 방법이다”라고 말했다. ciokr@idg.co.kr

X