Know Your Patient through Data!
•
0 gostou•190 visualizações
웨어러블과 스마트폰을 통해 모은 데이터로 환자와 의사의 커뮤니케이션을 개선하는 방법에 대해 알아봅니다. 진료에서 데이터를 활용하면 환자를 더 잘 이해할 수 있으며, 실제 임상수치의 개선을 이끌어낼 수 있습니다.
Recomendados
Mais conteúdo relacionado
Semelhante a Know Your Patient through Data!
Semelhante a Know Your Patient through Data! (20)
Mais de Yoojung Kim
Mais de Yoojung Kim (20)
Know Your Patient through Data!
- 1. KNOW YOUR PATIENTS THROUGH DATA HIPEX 2019 서울대학교 융합대학원 유우엑스랩 이중식교수 김유정박사
- 3. 3 라이프로그 데이터? 우리 삶에서 포착할 수 있는 여러 종류의 데이터로 행동적(behavioral) 데이터와 신체적(physiological) 데이터를 모두 포함한다
- 4. 4 라이프로그 데이터를 어떻게 활용할까? 피트니스 의료
- 5. 5 라이프로그의 의료적 활용이 가능할까? 검사 진료 수술 피트니스 의료 피트니스적 활용은 ‘자신이 정한’ 마일스톤을 따르면 되지만 의료 분야에는 이미 정해진 전통적이고 강력한 프로세스가 있을 것 진료/검사/수술과 같은 의료 프로세스에 라이프로그를 어떻게 도입할 것인가?
- 6. 6 Data Platform Doctor Patient 라이프스타일 처방 라이프스타일 데이터 기반 상담 지킴이 App EMR 헬스 어드바이스 라이프스타일 데이터 랩데이터 인증 EMR 내의 활동 기록 건강스스로지킴이 프로젝트 보건복지부 지원을 받아 3년 동안 분당서울대병원/네오젠과 진료실에서 라이프로그 데이터를 활용하는 ‘데이터 진료’ 모델을 구상해본다
- 7. 7 방법 목표 주요 연구내용 수집데이터 디바이스 사용자 조사 및 분석 1차년도 2차년도 3차년도 시스템 설계 및 개발 실증 서비스 및 고도화 • 생활데이터 수집 방법 • 데이터 획득 및 분석 • 프로토타입 제작 • 앱·EMR 모듈 개발 • 데이터 연동 • 지식 모듈 구축 • 시스템 통합·고도화 • 데이터 통합 플랫폼 구축 • 실증서비스 오픈·평가 • 프로토타입 앱 • 의료진용 시각화 프로토타입 • 사용자조사(임상시험) • 총 22명 • 6주(4 visits) 6w 4w • 임상시험 • 총 76명 • 4주(3 visits) + f/u • 실증 앱 1.0 + EMR 모듈 1.0 • 의료진 코멘트 라이브러리 1.0 • 데이터 연동 테스트 • 활동, 식사, 수면 • 흡연, 음주 • 활동, 식사, 수면 • 간식, 수면만족도 • 체중, 혈압, 스트레스 • Misfit • Fitbit • Misfit • Samsung health • Wearable-free • 활동, 식사, 수면 • 간식, 수면만족도 • 체중, 혈압, 스트레스 • 임상시험 • 총 60명 • 4주(2 visits) + f/u • 실증 앱 2.0 + EMR 모듈 2.0 • 의료진 코멘트 라이브러리 2.0 • 데이터 플랫폼-EMR 연동 4w 22 vs. 25 대조 vs. 20 vs. 20 20 실험 51 대조 실험1 실험2 3년의 요약
- 8. 8 답이 필요한 문제들 DATA 어떤 데이터 모아야 하는가? 어떻게 해야 잘 모이는가? 1 INTERPRETATION 데이터를 어떻게 해석할 것인가? 어떤 장치가 필요한가? 2 COMMUNICATION 3 의사-환자 관계에 어떤 영향을 미치는가? 행동 변화를 위해 어떤 보조 장치가 필요한가?
- 9. 9 DATA 1 •진료실 밖을 나간 환자의 삶을 추적하기 위해 어떤 데이터를 모아야할까? •질병에 따라, 관심사에 따라, 기술에 따라 모을 수 있는 데이터가 다르다 •의료진과 함께 건강에 전반적으로 영향을 미치는 5개 생활습관의 데이터 수집을 생각해본다 신체 위험상태를 감소시키는 습관 ◉ 정교한 활동 분류는 미진한 상태 주요 질환들의 중요한 위험인자 ○ 수면의 내부적 성격은 측정 불가 만성질환 예측할 수 있는 데이터 △ 정량적 자동 기록 수단이 없음 사회적 관심이 높은 습관 △ 정량적 자동 기록 수단이 없음 건강에 영향을 심각히 미치는 습관 △ 정량적 자동 기록 수단이 없음 운동 수면 식이 흡연 음주 의료적 의미 데이터 수집의 난점 | 문제발굴
- 10. 10 DATA 1 •자동으로 편리하게 추적 가능한 데이터: 활동/수면은 웨어러블을 착용하면 자동으로 기록된다 •환자들이 웨어러블 열심히 잘 착용할까?: 3개월이면 50%가 웨어러블 방치한다던데? | 문제발굴 0% 25% 50% 75% 100% 0 3 6 9 THE TRUTH ABOUT WEARABLES Rate of sustained activity tracker use over months of ownership Proportion of individuals continuing to use an activity tracker Months Rock Health Survey
- 11. 11 DATA 1 •귀찮은 수동 기록: 식사기록은 수동기록이 보편적이며 시간, 양, 성분 등을 순차적으로 입력해야 한다 •기록 접근성 vs 데이터 완결성: 둘 사이에 언제나 트레이드 오프가 있다 | 문제발굴
- 12. 12 DATA 1 •환자 동기부여: 쉽게 모으도록 돕는다면 어떨까? 의사가 데이터 수집을 ‘처방’한다면 어떨까? •데이터 수집률: 데이터 종류별로 수집률이 다를까? | 일단 한 번 모아보자 + 데이터 진료 데이터 진료 6주 5개과 6 전문의, 22명 대사증후군 환자, 6주
- 13. 13 DATA 1 •높은 데이터 수집률: 기존 연구에 비해 길어진 평균 유지기간과 수집률(2주/60% -> 6주/88%) •의료적 맥락: 의료적 관여가 환자들의 기대감을 높이고, 성실한 데이터 수집을 유도한다 | 모아봤더니-데이터 수집률 88.3% ACTIVITY 92.6 SLEEP 84.2 MEAL 88.5 % % % Total Average 0 25 50 75 100 1 2 3 4 5 6 7 8 9 P27 “[자세히 안쓰면] 모르실거 같아서. 과자 같은거도 거기 봉지에 써 있는거 보고, 칼 로리를 써주는게 나을거 같아서. [의사선생 님께서] 파악을 좀 더 잘 해달라고.” (P27-53세-고지혈증) “가만히 누워있으면 교수님한테 가서 다 들통나겠는데, 안되겠다 내가 노력해야 된다 그랬어요.” (P28-60세-고혈압/고지혈증) 0 25 50 75 100 1 2 3 4 5 6 7 P28
- 14. 14 DATA 1 •웨어러블 특성의 반영: 디바이스는 여전히 불편하고, 배터리/방수 이슈가 지속의 키(key)가 된다 •활동 vs 식사 vs 수면: 수동기록인 식사기록도 높은 비율, 의외로 수면기록이 쉽게 하락한다 | 모아봤더니-데이터 종류별 특성
- 15. 15 DATA 1 | 그럼 다시 한 번, 잘 모아보자 •이종 데이터(heterogenous data)의 병렬적 관리: 매일매일 둘러보고 하나씩 체크한다 •접근성 좋은 버튼 앱: 종류별로 버튼 한 번 터치로 데이터를 모은다 •의료진 프레젠스: 의료진 조언뷰를 통해 의료적 맥락을 강조한다
- 16. 16 DATA 1 | 결과-데이터 수집률과 종류별 특성 데이터 수집률 총 평균 •50명의 환자의 다섯 가지 데이터 수집률: 67.8% •임상시험이 끝난 후에도 절반 이상의 환자가 데이터 지속 수집 67.8%
- 17. 17 DATA 1 | 결과-의료진 프레젠스와 데이터 수집률 의료진 뷰를 많이 들여다볼수록 생활습관 데이터를 성실히 수집했다 R2=0.2117 p value<0.01 간식 •의료진 조언뷰를 많이 들여다봤을수록 라이프로그 데이터(활동/수면/식사)를 성실하게 수집하는 경향 •실제 진료 경험과 연관되어 환자들의 셀프 모니터링(self-monitoring)을 강화한다
- 18. 18 INTERPRETATION 2 | 문제발굴 •낯선 데이터 & 부족한 근거: 모아진 데이터에서 어떻게 의료적 의미를 찾을 것인가? •효과적인 비주얼라이제이션(visualization)?: 해석을 돕는 시각화를 어떻게 할 것인가? ? ?
- 19. 19 INTERPRETATION 2 | 의료진에게 무엇을 어떻게 보여줄 것인가 Requirements • 라이프로그 데이터는 “있으면 좋다” (전공/질환에 따라 필요한 데이터는 상이함) • 축적된 데이터(span data)를 볼 필요가 있다 • 결과치와 함께 보고싶다 e.g. 운동 - 통증, 운동 - 체중 등 (데이터 트래킹 과정에 추가 자가기록 결합 필요) • 처방한 목표치(계획)와 수행 여부를 보고싶다 • 요약된 정보 표현 선호 (랩 데이터와는 해석 방법이 다름) • 의학적 판단을 위한 ‘신호등’ • 의학적 기준에 따른 이상 여부 및 정도의 표현 • 세부 정보, 종적 데이터를 추가적으로 확인할 수 있어야 함 •5과 6전문의에게 라이프로그 데이터를 의료적으로 활용하는 시나리오를 수집한다 •의료진 인터뷰/관찰을 통해 라이프로그 데이터가 넛지할 수 있는 순간을 포착한다
- 20. 20 INTERPRETATION 2 •요약-디테일(summary-detail) 구조로: 부족한 시간, 필요한 정보만 선택할 수 있게 해보자 •로데이터(raw data)를 시계열로: 낯선 데이터, 익숙한 방식으로 보면 어떨까? | 의료진에게 무엇을 어떻게 보여줄 것인가
- 21. 21 INTERPRETATION 2 •여러 데이터를 크로스 레퍼런스(cross reference) 하도록 보여줄 것 •도메인 지식이 필요한 부분: 마지막 식사 시각-수면 시작 시각 •인터페이스/디자인 테크닉: 원하는 데이터의 유연한 조작 | 의료진에게 무엇을 어떻게 보여줄 것인가
- 22. 22 INTERPRETATION 2 | 의료진에게 일단 한 번 보여줘보자
- 23. 23 INTERPRETATION 2 | 의료진에게 보여줬더니? •의료진의 ‘데이터 해석’ 가능성이 보인다 •해석/활용 양상은 크게 세 가지: 데이터 보여주기(Show), 설명하기(Explain), 계획세우기(Plan)
- 24. 24 INTERPRETATION 2 •데이터별로, 전공별로, 의사별로 활용 양상이 다르더라 - 여러 데이터를 전반적으로 활용 vs 관심 데이터 위주로 활용 •Plan보다 Show나 Explain이 상대적으로 잦다 - 데이터를 적극적으로 해석하기에는 아직 의료진도 아직 낯설다 *진료시 데이터 활용 정도 100% 0% C02 활동 수면 식이 음주 흡연 show explain plan 활동 수면 식이 음주 흡연 show explain plan C03 활동 수면 식이 음주 흡연 show explain plan C04 C05 활동 수면 식이 음주 흡연 show explain plan 활동 수면 식이 음주 흡연 show explain plan C06 C01 활동 수면 식이 음주 흡연 show explain plan | 의료진에게 보여줬더니?
- 25. 25 INTERPRETATION 2 •라이프로그 데이터에서 의미를 쉽게 찾을 수 있는 시각화는 무엇인지 찾아보자 •참여적 디자인(Participatory Design) 워크샵: 의료진4, EMR 서비스 기술자(3), EMR 개발자3, IT 전문가2, 의료정보전문가3, UX연구자5, 의과대학 학생1 | 의료진과 함께 만들어보자
- 26. 26 INTERPRETATION 2 | 라이프로그 해석을 위한 EMR 모듈 요약 위클리 트렌드 데일리 히트맵 처방 •한 화면에서 빠르게 검토하고 필요한 것들을 선별한다 •요약-상세(위클리 트렌드/데일리 히트맵)-처방 구조
- 27. 27 INTERPRETATION 2 | 라이프로그 해석을 위한 EMR 모듈 •Holistic Summary Area: 전체를 짧은 시간 내에 조망할 수 있다 한눈에 볼 수 있는 6개 데이터 평균 색상으로 데이터 타입 구별 가능 짧은 시간 내에 환자 snapshot 파악 Numerical Summary 빠르게 6개 데이터 추이 비교 다중 선택으로 필요한 데이터만 선택 중요한 데이터는 두드러지게 시각화 Trend Summary
- 28. 28 INTERPRETATION 2 | 라이프로그 해석을 위한 EMR 모듈 •Primary Data Area: Activity, Meal, Sleep 개별 데이터 평균 검토 트렌드로 추이 확인 히트맵 등 직관적인 시각화 생활습관 특이점 파악 직전 목표 확인 가능 편리한 목표 제시
- 29. 29 INTERPRETATION 2 | 라이프로그 해석을 위한 EMR 모듈 •Assistive Data Area: Stress, Weight, Blood Pressure 스트레스, 체중, 혈압 데이터 확인 지난 목표와 비교 가능 숫자 입력으로 간단하게 목표 처방
- 30. 30 INTERPRETATION 2 현재의 기록 상태, 목표를 한눈에 확인 하루(혹은 일주일) 동안의 추이 데이터 확인 Snapshot & Span Data 의료진 아바타로 프레젠스 강화 실제 진료 기반으로 제작된 코멘트 제공 Doctor’s Advice 버튼으로 간단히 데이터 입력 Data Input Button 유용성 피드백을 통해 사용자 반응 수집 | 환자에게 무엇을 어떻게 보여줄 것인가?
- 31. 31 INTERPRETATION 2 | 환자에게 무엇을 어떻게 보여줄 것인가? 이종 데이터의 주간 트렌드 리뷰 그래프를 통해 직관적인 해석 가능 Cross-reference 사용자가 원하는 데이터 선택 가능 2개 데이터의 관계 파악 가능 Active Selection 자연어 기반의 데이터 해설 Data Interpretation
- 32. 32 COMMUNICATION 3 | 문제 발굴 •데이터 중심 커뮤니케이션: 데이터를 통해 커뮤니케이션을 진료실의 안과 밖으로 확장할 수 있을까? •환자의 행동 변화(behavior change): 데이터 커뮤니케이션으로 환자의 행동 변화를 유도할 수 있을까? in the hospital outside the hospital
- 33. 33 의료진 환자 연구원 (GSCST/SNUBH) 실험군 피실험자 모집협조 실험 안내 사전 설문지 신체 계측 1 진료 관찰(일부 참가자) 신체 계측 2 진료 및 처방 - 데이터 기반 진료 및 처방 - 데이터 기반 진료 관찰(일부 참가자) 인터뷰(일부 참가자) 신체 계측 3 Visit 1 스크리닝 진료 1 실험 안내 2 Visit 2 데이터 진료 3 Visit 3 데이터 진료 4 인터뷰 5 W0 W1 W2 W3 W4 Intervention group Control group COMMUNICATION 3 •50명 만성질환(대사증후군, 수면무호흡증) 환자 •4주간 두 번의 데이터 진료로 행동 변화가 일어나는가? 체중이 감량되는가? | 진료실 안에서 행동 변화 유도하기
- 34. 34 COMMUNICATION 3 기존 진료 recall-based consultation recall without evidences 데이터 진료 evidence-based consultation cue-based recall | 진료실 안에서 행동 변화 유도하기 •데이터 처방(Data Prescription): “다음 진료 때까지 하루에 12,000보씩 걷고 오세요” •기존 의료 프로세스에 자연스럽게 통합: EMR 개발/통합이 핵심
- 35. 35 COMMUNICATION 3 0 5 10 15 20 25 매우 불만족스럽다 불만족스럽다 보통이다 만족스럽다 매우 만족스럽다 6 25 7 1 5점 척도 | 응답자 40명 기준 4 데이터 진료 만족도 평균 점 •데이터가 환자-의사 대화의 중요한 재료가 된다 •환자들은 과거보다 커뮤니케이션이 더 정확하게, 상세하게 이뤄진다고 느낀다 “(데이터가) 정말 정확하고 그러니까 환자하고 의사하고 대화할 때 정확한 자료가 되니까, 그런거는 되게 좋더라구 요. 제가 뭐 50걸음 걸었는데 100걸음 걸었다고 거짓말 못하잖아요.” - P20 “제 데이터 보시고 (의사 선생님이 저보고) 간식을 많이 줄 이고, 탄수화물 위주도 줄이고, 웬만하면 한 끼를 줄여보 는 게 어떻겠느냐 그 말씀도 하셔가지고 했는데 (…) 중성 지방 수치도 낮아졌다고 그러더라고요” - P53 “아까 진료 때 제 수면 데이터 보시고 (늦게 자는 게 나오 니까) OOO 선생님이 뭐라고 말씀하셨냐면 몸을 고달프 게 하면 잠은 오게 되어 있다고” - P22
- 36. 36 COMMUNICATION 3 | 진료실 밖에서 행동 변화 유도하기 이번 진료 데이터별 직전 목표값 데이터별 이번 목표값 비교 목표 풀이 코멘트 가이드라인 코멘트 데이터 종 류 데이터 ID 목표 풀이 형식 걸음수 (A1) 목표는 [X]걸음입니다. 끼니당 식 사량 (M1) 하루에 [X]끼, [Y]로 식사하세요. 수면 (S1) 수면 만족도가 [X]가 될 만큼 주무세요. 체중 (W1) [X]kg로 감량하는 게 목표입니다. 혈압 (BP1) 최고 혈압 [X]mmHg, 최저 혈압 [Y]mmHg을 목 표로 하세요 스트레스 (ST1) 스트레스 지수는 [X]가 목표입니다. EMR 목표 처방 코멘트 라이브러리 1-1 1-2 •생활습관 목표의 자연어 제시 •목표를 위한 개인화된 가이드라인과 팁 제시
- 37. 37 COMMUNICATION 3 | 진료실 밖에서 행동 변화 유도하기 •앱을 통해 드러나는 의료진의 프레젠스와 조언으로 환자들은 간접적인 커뮤니케이션을 경험한다 •진료실에서의 커뮤니케이션이 진료실 밖으로 확장되는 것 “제 건강도 체크할 수 있고, 또 교수님과도 연계해서 이렇 게 할 수 있다 이런 점? 누군가 나의 건강에 대해서, 내가 지금 하고 있는 습관이나 이런 거에 대해서 보고 계시니 까, 체크해주시잖아요. 조언도 해주시고” - P53 “맨날 하던 말이라도 의사 선생님이 하시면 그게 뭔가 의 미부여가 되니까.” - P45 “의사 선생님 같은 전문가가 이제 제 건강을 관리해준다 는 느낌을 받으니까. 그런거는 되게 좋은 것 같아요. 저는 되게 좋고. 그래서 이 어플의 강력함이 그런게 아닌가 하 는 그런 생각을 많이 했어요” - P20
- 38. 38 3년간의 프로젝트가 답을 주었을까? DATA 어떤 데이터 모아야 하는가? 어떻게 해야 잘 모이는가? 1 INTERPRETATION 데이터를 어떻게 해석할 것인가? 어떤 장치가 필요한가? 2 COMMUNICATION 3 •기본적인 6개 라이프로그 데이터 + @(병증/목표 따라 추 가): 활동, 식사, 수면, 체중, 스트레스, 혈압 •데이터 잘 모으려면 의료진 프레젠스를 높여라 •이종의 데이터의 병렬적 관리가 핵심(자동, 반자동, 수동…) •높은 접근성을 위한 장치들을 마련할 것 •의료진에게는 요약-상세 구조를 통해, 데이터의 상호참조 (cross-reference)가 가능하게 해라 •학습이 필요없는 익숙한 시각화 방법(선 그래프)을 활용한다 •평범한 언어로 환자에게 데이터 해석/탐색 가능성을 높여준다 •환자-의사 커뮤니케이션에 깊이감을 준다 •의료 경험을 진료실 밖으로 확장한다 •의사/병원 에이전트가 메시지를 보내면 효과적이다 의사-환자 관계에 어떤 영향을 미치는가? 행동 변화를 위해 어떤 보조 장치가 필요한가?
- 39. 39 5년 전과 현재, 변한 것과 변하지 않은 것 •마법같은 기술이 나올 줄 알았는데 소소한 향상/변화 정도가 포착된다 - 웨어러블/스마트기기 보급이 더 많아지고, 알고리즘/센서 정확도 향상/검증 - 애플워치 심전도 측정과 같은 의료용 기능 출시 - 삼성헬스, 애플헬스와 같은 통합적 생활습관 데이터 플랫폼 등장 •걸음, 체중, 수면, 혈압, 당뇨, 식사, 스트레스… 여전히 종류나 방식은 대동소이 Samsung S-Health LG Health
- 40. 40 모바일에서 EMR로 과거와 달리 Patient-Generated Health Data (PGHD)에 대한 표준이 점차 확립되고 애플 등과 같은 메이저 스마트폰 회사는 HealthKit과 같은 플랫폼 도구로 개인 모바일폰에 있는 PGHD 손쉽고 안전하게 병원 EMR에 연결을 시도 중이다 HealthKit’s clinical record support lets you read Fast Healthcare Interoperability Resources(FHIR)
- 41. 41 AI 기술과 기회 •딥러닝/비전 기술: 사진을 통한 식사 트래킹 •스피커/챗봇 기술 - 매뉴얼 트래킹 (e.g., 식사, 정신건강, 수면) - 건강팁/의료진 조언 등으로 피드백 http://doinglab.com/solution.html https://www.luminary-labs.com/5-alexa-solutions-people-living-diabetes/ https://www.lark.com/
- 42. 42 하지만 새로운 데이터 해석은 여전히 난제 Healbe GoBe: Glucose Tracker 토스트 바나나 메밀국수 한식+막걸리 야식 총 열량의 삼각형 클루코스: 섭취 열량 축센서 소비 열량 비침투(피부) 혈류 임피던스 변화 측정을 통해 클루코오스 레벨로 식사량을 추정하는 자동기록 디바이스가 출시되었으나 데이터 해석에 난점이 있음 환자는 물론 의료진들도 처음 보는 데이터를 어떻게 해석해야 할지에 대해 혼란스러워함
- 43. 43 데이터 해석 Universal Guideline은 없다 “No simple set of universal guidelines exists.” 60명에게 90일간 7개 데이터를 기록하도록 하고 데이터 사이의 상관관계를 살펴봄 식사량(food)-기분(mood)에서 양의 상관관계가 나타나는 것 빼고는 ‘보편적 가이드라인’은 없다 Bentley, F., Tollmar, K., Stephenson, P., Levy, L., Jones, B., Robertson, S., ... & Wilson, J. (2013). Health Mashups: Presenting statistical patterns between wellbeing data and context in natural language to promote behavior change. ACM Transactions on Computer-Human Interaction (TOCHI), 20(5), 30.
- 44. 44 N-of-1 trial 데이터 해석을 쉽게, 그리고 정확하게 하려면 ‘모을 때부터’ 그렇게 해보자 Single Case Design을 통해 통제된 데이터를 모아서 가설을 테스팅하면 되지 않을까? 최근의 연구들의 추세는 질병에 따라 다르게, 통계적으로 가설 검증 가능한 데이터를 모아 그 결과를 의료 전문가와의 상의하도록 권고한다 Karkar, R., Zia, J., Vilardaga, R., Mishra, S. R., Fogarty, J., Munson, S. A., & Kientz, J. A. (2015). A framework for self-experimentation in personalized health. Journal of the American Medical Informatics Association, 23(3), 440-448. Daskalova, N., Desingh, K., Papoutsaki, A., Schulze, D., Sha, H., & Huang, J. (2017). Lessons learned from two cohorts of personal informatics self-experiments. Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies, 1(3), 46.
- 45. 45 +@ DATA 어떤 데이터 모아야 하는가? 어떻게 해야 잘 모이는가? 1 INTERPRETATION 데이터를 어떻게 해석할 것인가? 어떤 장치가 필요한가? 2 COMMUNICATION 의사-환자 관계에 어떤 영향을 미치는가? 행동 변화를 위해 어떤 보조 장치가 필요한가? 3 •기본적인 6개 라이프로그 데이터 + @(병증/목표 따라 추 가): 활동, 식사, 수면, 체중, 스트레스, 혈압 •데이터 잘 모으려면 의료진 프레젠스와 접근성을 높여라 •이종의 데이터의 병렬적 관리가 핵심(자동, 반자동, 수동…) •의료진에게는 요약-상세 구조를 통해, 데이터의 상호참조 (cross-reference)가 가능하게 해라 •학습이 필요없는 익숙한 시각화 방법(선 그래프)을 활용한다 •평범한 언어로 환자에게 데이터 해석/탐색 가능성을 높여준다 •환자-의사 커뮤니케이션에 깊이감을 준다 •의료 경험을 진료실 밖으로 확장한다 •의사/병원 에이전트가 메시지를 보내면 효과적이다 •알고리즘/디바이스 개선으로 데이터 정확성/완결성은 계속 좋아질 것 •표준 확립과 데이터 플랫폼 통합으로 새로운 기회가 열린다 •AI 기술로 데이터 포착의 새로운 기회를 만들어봐야 함 •새로운 디바이스/데이터는 여전히 혼란스럽다 •보편적으로 적용 가능한 데이터 해석 가이드라인은 아직 없다 •N-of-1 trial 방식으로 데이터를 모으면 해석이 편해진다 •새로운 기술들(챗봇, 스마트스피커)로 진료실 밖으로 커뮤 니케이션 확장 가능해질 것
- 46. 46 라이프로그의 의료적 활용은 글로벌 트렌드 Patient-Generated Health Data (PGHD)를 의료적으로 활용하기 위한 연구들이 본격적으로 등장한다 다양한 타겟 질병, 특히 만성 상태를 개선하기 위한 목표가 대부분이다 당뇨병, 과민성대장증후군(IBS), 편두통, 대사증후군, 가려움증, 파킨슨병, 유방암 재활, 수면, 정신건강 등
- 47. 47 한국 의료 현실에서 라이프로그 활용? 원격진료-원격의료 관련 범위, 내용, 실행에서 계속되는 논란 의료보험과 수가 문제의 특수성 http://www.yoonsupchoi.com/2019/02/26/telemedicine-1/
- 48. 48 EMR 분산 개발로 인한 표준화 어려움 상급 종합병원은 기관마다 병원 특성에 맞게 EMR 개발해왔다 PGHD를 활용하려면 국제 표준에 맞추도록 해야하므로 개별 기관 역량이 중요하다 병원마다 제각각인 EMR 시스템 ‘보급률은 높지만 질은 떨어진다.’ 우리나라 의료기관이 사용하는 전자의무기록 (Electronic Medical Record, EMR)을 두고 하는 말이다. EMR이 표준화돼 있지 않아 관 련 데이터를 활용하기 어렵다는 게 가장 큰 문 제로 꼽힌다. 비트컴퓨터 전진옥 대표이사는 “지금까지 개 발·구축된 EMR 시스템이 각각 병원을 중심 으로 개별적으로 구축됐다. 이는 병원 간 정 보 교류가 어렵고 의미 있는 빅데이터를 추출 할 수 없다는 문제가 있다”고 했다. [청년의사, 2018.07.26] http://www.docdocdoc.co.kr/news/articleView.html?idxno=1058548
- 49. 49 병원 경험은 문화적으로 구성된다 같은 시간 부족이라도 한국은 다르다 한국 4분 vs 미국 18분 라이프로그 활용이 비집고 들어갈 틈이 있을까? https://www.bmj.com/content/340/bmj.c2554 https://www.hankookilbo.com/News/Read/201709070477377156
- 50. 50 병원 경험은 문화적으로 구성된다 마치 선생님-학생과 같은 구도 내 데이터에 대해 스스로 전문가가 되어 ‘토론’을 하는 미국 모델이 과연 먹힐까? https://www.sciencedirect.com/science/article/pii/016383439390090B
- 51. 51 한국형 모델에 닥친 시련 라이프로그의 의료적 활용은 여러 허들을 넘어야 도달할 수 있는 상황 커뮤니케이션 향상이나 환자의 셀프 모니터링 유도 등 비의료적 접근에 대해 생각해볼 필요도 있음 좁은 의미의 “의료적 처치”가 아닌 “서비스” 향상으로…? 사용자 정책 기술 정책 가격 정책 보험 정책
- 52. 52 한국형 모델의 가능성 몇 가지? 특정 병증을 중심으로 심층진찰제에 통합해본다면? 건강 검진 보완하는 서비스로서 시작해본다면? 직장 내 건강서비스/가벼운 보험 인센티브로 활용해본다면? https://www.paxetv.com/news/articleView.html?idxno=73230 https://news.joins.com/article/21820939
- 53. HIPEX 2019 이중식 교수 김유정 박사과정 - Q&A - THANK YOU joonlee8@snu.ac.kr tendtoyj@snu.ac.kr