병원에서 환자의 질병에 대한 모든 기록을 종이 형태로 관리했다면, 현재는 컴퓨터를 이용해 전자적 형태로 의무기록을 작성하고 있다.
전자의무기록 시스템(EMR: Electronic Medical Record)은 의료진의 편의성을 향상시키고, 의료의 질을 높인다는 연구에 따라 국내외 수많은 의료기관들이 EMR을 도입했다. 최근 4차 산업혁명을 바탕으로 EMR 기반의 임상 데이터와 유전체 정보, 라이프로그 정보 등과 결합하여 개인 맞춤형 의료서비스를 제공하는 정밀의료(percision medicine)가 이루어지고 있다.
다양한 방식의 EMR
AMR(Automated Medical Record)
- 의사가 진료기록을 의무기록지에 기록하면, 의무기록실에서 이를 받아 컴퓨터를 이용하여 전자적으로 의무기록을 관리함
CMR(Computerized Medical Record)
- 의사가 진료기록을 의무기록지에 기록하면, 기록된 의무기록지를 스캔 후 인덱스가 구성된 이미지 형태로 저장하여 관리(광파일 시스템)
- 의무기록지 내 서명이나 기타 진료정보의 정보구조가 유지되지만, 스캔된 이미지파일로 의무기록지에 기록된 정보들을 이용한 분석 또는 정보의 생성이 불가능함
EMR(Electronic Medical Record)
- 의사가 직접 진료기록을 컴퓨터를 통해 입력하고, 정보는 데이터베이스로 관리됨
- 의료정보의 유통은 병원 내로 한정되며, 모든 의학정보의 수집 및 관리, 이용은 의사를 중심으로 움직임
국내에는 EMR이란 표현이 전자의무기록 전체의 대표용어로 대중화되고 있으나, 국내에서 주로 다루어지는 전자의무기록은 손으로 작성하던 의무기록을 기존의 모든 시스템과 함께 통합하고 컴퓨터를 통해 진료에 필요한 모든 정보를 입력, 공유, 검색하는 시스템을 의미하며, CMR과 EMR 두 축을 중심으로 함
EHR(Electronic Health Record)
- 글로벌 의료정보 네트워크 구축을 바탕으로 환자중심의 의무기록 등의 의료정보가 전 세계적으로 연결되는 단계로, 의료정보가 생성된 병원 내에서만 이용되는 것이 아니라 외부에서도 이용 가능하게 되므로 정보의 소유와 사용에 대한 새로운 합의가 필요함
- 의료정보의 전송을 위한 표준 프로토콜이 마련되어 모든 단위시스템에 탑재되어야 함
PHR(Personal Health Record)
- 의사가 병원에서 진료한 진료정보 이외에도 환자 개인의 건강에 대한 대부분의 정보(흡연여부, 운동, 식이습관 등)가 의료정보에 포함됨
- 미국의 Medical Records Institute 등의 주요기관 주도하에 EHR이란 명칭이 지금까지 출현한 모든 전자의무기록을 대표하는 용어로 자리잡고 있음
전자의무기록의 효과
- 데이터 접근성의 향상
- 검색의 용이성, 가독성, 정보전달력 향상 및 정보의 멀티태스킹이 가능
- 정보공유를 통한 의사소통의 활성화
- 응급환자의 경우 의무기록을 바탕으로 신속한 진료 가능
- 데이터 기반 통계 정보 도출 가능
- 데이터 품질 향상
- 데이터 표준화를 바탕으로 생산자가 아닌 사용자들도 쉽게 이해 가능
- 구조화된 입력 폼을 통해 일관성 있는 데이터 유지 및 입력 오류 방지
- 데이터베이스화를 통한 중복 데이터를 방지하고 데이터 업데이트 시 일관성 유지
- 교육 및 연구수준의 향상
- 다양하고 많은 양의 임상 데이터를 교육 및 연구에 활용 가능
- Hospital based research 가능
- 비용절감
- 의무기록을 보관할 공간, 인력, 운송수간 등이 필요 없으므로 막대한 비용 절감
- 다양한 정보를 적은 비용으로 효율적인 보관 및 관리 가능
전자의무기록의 한계
국내 전자의무기록 EMR을 바탕으로 한계점에 대해 분석
- 의료진의 업무 부담 증가
- 의료의 질적 향상에 대한 사회적 요구 증가와 의료분쟁으로 의무기록 작성의 중요성 강조
- 진료, 교육, 연구 등 과도한 업무에도 EMR 작성의 업무 비중이 높은 편, EMR 작성 부담 심화
- 데이터 상호운용성 부족
- 국내 의료기관 약 90%가 EMR을 도입하여 운영 중이지만, 병원마다 EMR 및 데이터 형식이 다름
- 환자가 다른 병원으로 이동할 경우, 기존 데이터를 효율적으로 전달받지 못해 중복 검사 및 불필요한 진료의 발생
- 데이터 구조화 및 표준화 부족
- 현 EMR은 대부분 의료진이 직접 타이핑하여 작성하다보니 약어가 자주 쓰이고 오타로 인한 정보의 오류 발생
- 비용, 전문인력 부족 문제로 데이터 공유 및 상호운용을 위한 표준모델 시스템을 구축하기 어려움
- 의료 데이터 활용 제약
- EMR 데이터는 환자 진료 기록에만 한정되어 있고, 개인정보보호법 등으로 병원 외부에서 활용하거나 연구 목적으로 사용하기 어려움
- EMR 데이터가 구조화 및 표준화가 부족하다 보니 빅데이터 분석이나 AI 모델 학습에 적합하지 못함
이런 문제는 국내 뿐만 아니라 국외에서도 발생하고 있다.
그래서 미국은 HL7 FHIR(Fast Healthcare Interoperability Resources)와 같은 데이터 표준화 기술을 도입하고, 유럽은 EHDS(European Health Data Space) 프로젝트를 통해 해결 방안을 모색하고 있다.
이와 동시에, 글로벌 시장에서는 AI 기반 음성인식 및 텍스트 요약 기술을 활용하여 EMR 작성 과정을 자동화하는 솔루션이 주목받고 있다.
Voice EMR
의료진이 환자를 진료하거나 치료할 때 주고 받는 대화를 실시간으로 녹음 및 인식하여, 음성 데이터를 텍스트 데이터로 변환시키고 EMR에서도 볼 수 있게 요약해주는 서비스다. 이미 해외에서는 진료 현장에서 음성 인식과 같은 AI 솔루션을 많이 도입하고 있으며 해당 산업의 시장 규모 역시 앞으로 큰 성장을 이룰 것으로 예측한다.
해외
- Nuance Communications
마이크로소프트의 Nuance Communications는 AI 및 음성 인식 엔진 개발회사로 Siri의 음성엔진을 공급하기도 한다. 여기서 개발한 'Dragon Medical One'은 미국 내 55만명 이상의 의사와 1만개 이상의 의료기관이 사용 중이다. - Suki AI
구글의 파트너인 Suki 역시 의료진을 위한 AI 음성 비서 서비스를 제공해 EMR 작성 업무를 자동화 한다.
국내
- 셀바스 AI
삼성서울병원과 협력한 '셀비 메디보이스(Selvy MediVoice)' - 퍼즐 AI
음성인식 EMR 및 ENR 솔루션 개발
모두 의료진의 의무기록 작성을 AI가 대신해주어 의료진의 업무 부담을 줄이고, 진료에 더 집중할 수 있도록 돕는 서비스이다.
음성 인식 EMR에 쓰이는 기술은 다음과 같다.
- 자연어 처리 NLP (Natural language processing)
- 대형 언어 모델 LLM (Large language model)
- 음성인식 솔루션 STT(Speech-to-Text)
대형언어모델과 음성인식 솔루션의 결합으로 의료진의 대화를 의무기록으로 변환하고 EMR과 연동하는 AI 기술을 통해 향후 디지털 병원을 구축하려는 움직임이 커지고 있다.
출처
'기획' 카테고리의 다른 글
| [PM] 커뮤니케이션을 잘한다는 게 뭘까? (3) | 2025.02.10 |
|---|---|
| CX 고객 만족도평가 구글폼으로 간편하게 (0) | 2024.11.27 |
| 기획자가 알려주는 구독하면 좋은 뉴스레터 (1) | 2021.07.08 |
| 안녕하세요. 송에디터입니다. (2) | 2021.06.27 |
댓글