• Journal of the Korea Convergence Society
• /
• v.10 no.11
• /
• pp.117-124
• /
• 2019

Recently, medical IT solutions are being provided on a distributed environment basis. In Korea, the necessity of developing a clinical decision support system that can share medical information in a distributed environment has been recognized and studied. The existing clinical decision support system is being built using only medical information of its own within the hospital. This makes it difficult for existing systems to achieve good results in terms of efficiency and accuracy of decision support. In order to solve these limitations, this paper proposes a design and implementation method of clinical decision support system based on common data model in medical field. To explain the application process of the proposed model, we describe the development scenario of the clinical decision support system for the diagnosis of colorectal cancer. We also propose the essential requirements for the development of successful clinical decision support systems. Through this, it is expected that it will be possible to develop clinical decision support system that can be used in various hospitals and improve the efficiency and accuracy of the system.

• Journal of Software Engineering Society
• /
• v.25 no.2
• /
• pp.29-34
• /
• 2012

Quality control in medical is getting very important issue so that the importance of CDS(Clinical Decision Support) System has been increased. Local clinics as well as big hospitals are required to implement the CDS System. But the cost and complexity of CDS system implementation is so high since many different activities including knowledge authoring, software development, and integrating the legacy system are necessary. In this paper, we suggest the CDS system architecture to be sharable and interoperable and evaluate the availability and efficiency of this architecture.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2000.04a
• /
• pp.271-282
• /
• 2000

본 연구의 목적은 데이터마이닝 기법을 임상적으로 중요한 위치를 차지하고 있는 고혈압 환자의 특성과 치료에 따른 예후를 예측할 수 있는 지식을 발굴하고 이의 임상적용의 타당성을 검증하여 의사결정지원시스템을 개발하고 이의 유용성을 평가하는데 있다. 이에 연세대학교 의과대학 부속 세브란스 병원의 환자를 대상으로 로지스틱 회귀분석을 이용하여 혈압조절상의 위험요인의 규명하고, 의사결정나무분석을 통해 치료약제별 혈압조절군과 비조절군의 특성을 도출하고 각 대상군을 결정짓는 규칙을 생성하였으며, 이를 활용한 의사결정지원시스템의 개발 및c 평가를 시행하였다. 그 결과 기존 임상이론만을 활용한 시스템의 처방에 의한 혈압조절군보다 데이터마이닝 기법을 활용한 시스템의 처방에 의한 혈압조절군의 비율이 전체적으로 더 높게 나타남을 알 수 있었다. 본 연구의 결과는 우리나라 현실에 부합되는 고혈압 진료지침을 개발하고 적용, 평가하는데 기여할 수 있을 것으로 판단되며, 이와 같은 의사결정지원 시스템을 운영을 통해 실제 임상 진료에 적용해 봄으로써 그 효과와 실증적 가치를 창출할 수 있을 것이다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.255-256
• /
• 2022

임상의사결정지원시스템(Clinical Decision Support System)은 환자의 질병을 진단하고 치료할 때 의사결정을 도와주는 시스템이다.[1] 본 논문에서는 블록체인과 XAI 기술을 활용해 임상의사결정지원시스템의 아키텍처를 제안한다. 제안 아키텍처는 데이터의 중앙화, 의료데이터의 보안을 블록체인기술로 해결하고 블록체인을 기반으로 한 보반 기술인 DID 기술을 활용해 데이터의 신뢰성과 보안성을 확보하였다. 또한 XAI 모듈을 활용해 예측 결과의 신뢰도와 투명성도 제공해 의료인의 의사결정을 지원하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2014.01a
• /
• pp.279-280
• /
• 2014

정보통신기술의 발달로 말미암아 병의원에서도 다양한 정보시스템의 도입이 활발하고, 초기에는 데이터의 전자적 관리 및 공유를 위한 시스템이 주를 이루었으나 점차 병의원 운영관리에 대한 직접적인 의사결정지원 기능이 강조되고 있다. 그러나 기존의 시스템들은 대부분 의료 전문가들의 지식에 기반하여 진료행위가 정해진 절차를 벗어나지 않도록 하는 데에만 초점을 맞추었고, 환자나 경영자 입장을 충분히 고려하지 못하였다. 이에 본 논문에서는 전문적 의료 지식 베이스가 아닌 병의원에서 수집된 데이터를 기반으로 다양한 참여자들에게 유용한 기능을 제공하기 위한 능동형 임상의사결정지원시스템의 개념과 구조에 대하여 논의하고자 한다.

• The Journal of the Korea Contents Association
• /
• v.5 no.6
• /
• pp.20-30
• /
• 2005

In the anaerobe identification, when we develop the clinical decision support system for department of laboratory medicine, we must consider expression of an incomplete knowledge structure and addition of an evolving knowledge based on an expert's informal and heuristic knowledge is very complicated work flow. In the present study, we developed the system for anaerobe identification to advise on identification of unknown bacillus using knowledge base and inference engine. In the future, we are planning to develop the clinical decision support system for the whole bacteria not only an anaerobe but also aerobe to offer an expert's static and dynamic knowledge.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2006.05a
• /
• pp.1227-1234
• /
• 2006

최근 의료 서비스의 질적 향상을 위해 지식 기반의 의사결정지원 시스템 (Decision Support System)의 도입이 지속적으로 이루어지고 있으며, 이의 대표적 예로 임상실행지침(CPG : Clinical Practice Guideline) 중심의 진료 시스템이 있다. 임상실행지침은 환자가 병원에서 거치는 프로세스를 표현한 것으로, 질환에 대한 환자의 표준화된 진료 프로세스 지식이다. 본 연구에서는 임상실행지침, 의료 지식, 환자의 실시간 데이터를 연결시켜 환자가 병원에서 받아야할 진료 과정을 동적으로 생성하는 의사결정지원 시스템을 제시한다. 본 시스템은 임상실행지침과 의료지식을 바탕으로 추상화된 진료 프로세스 템플릿을 생성하고, 이 템플릿의 인스턴스에 해당하는 환자의 실시간 데이터를 반영하여 이후의 진료 프로세스를 동적으로 생성한다.

• Electronics and Telecommunications Trends
• /
• v.31 no.4
• /
• pp.77-85
• /
• 2016

구글 딥마인드 알파고와 이세돌 선수와의 바둑대결 후 인공지능의 활용처로 의료분야가 거론되면서 임상의사결정지원시스템(Clinical Decision Support System: CDSS)이 최근 주목받고 있다. 기본적으로 CDSS는 환자 진료에 있어 예방, 진단, 치료, 처방 그리고 예후의 각 단계에서 임상의의 의사결정을 도와주는 시스템을 말한다. 본고에서는 CDSS의 국내외 도입 및 시장현황과 관련 기술현황을 검토하여 의료현장에서 CDSS의 활용이 활성화되기 위한 방안을 도출하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2006.05a
• /
• pp.407-410
• /
• 2006

방대한 양의 다양한 데이터들이 발생되는 의료분야에서는 임상데이터를 기반으로 보다 정확하고 효율적으로 현상을 분석/판단하여 의사가 환자진료 시 정확한 진단과 치료를 수행할 수 있도록 보조해주는 적절한 의사결정지원시스템이 요구되고 있다. 따라서, 이와 같은 요구를 충족시키기 위해서는 다종 다양한 데이터로부터 간결하면서도 효과적으로 개념들을 추출하고 구조화하여 개념계층구조로 표현할 수 있어야 하며, 실세계의 데이터에 대한 구조화와 요약을 제공하고 필요한 정보를 수월하게 접근할 수 있어야 한다. 본 연구에서는, 도메인 내의 다양한 데이터들로부터 개념들을 추출하고, 개념들 사이의 상하위 관계를 파악하여 개념계층구조를 구축하기위한 정형화된 데이터분석기법으로서 형식개념분석기법(Formal Concept Analysis)을 소개하고, 이를 치과 교정학 분야의 환자 임상데이터 분석기법(Cephalometric Analysis)에 융합한 형태의 임상의사결정지원시스템 개발 및 향후 연구과제 등에 관해 설명한다.

• The Journal of the Korea Contents Association
• /
• v.21 no.12
• /
• pp.13-22
• /
• 2021

The clinical decision support system uses accumulated medical data to apply an AI model learned by machine learning to patient diagnosis and treatment prediction. However, the existing black box-based AI application does not provide a valid reason for the result predicted by the system, so there is a limitation in that it lacks explanation. To compensate for these problems, this paper proposes a system model that applies XAI that can be explained in the development stage of the clinical decision support system. The proposed model can supplement the limitations of the black box by additionally applying a specific XAI technology that can be explained to the existing AI model. To show the application of the proposed model, we present an example of XAI application using LIME and SHAP. Through testing, it is possible to explain how data affects the prediction results of the model from various perspectives. The proposed model has the advantage of increasing the user's trust by presenting a specific reason to the user. In addition, it is expected that the active use of XAI will overcome the limitations of the existing clinical decision support system and enable better diagnosis and decision support.