맨위로가기

임상 의사결정 지원 시스템

"오늘의AI위키"는 AI 기술로 일관성 있고 체계적인 최신 지식을 제공하는 혁신 플랫폼입니다.
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.
목차

1. 개요

임상 의사결정 지원 시스템(CDSS)은 환자 데이터를 기반으로 의료 관련 조언을 제공하는 능동적인 지식 시스템이다. CDSS는 1999년 미국 국립 의학원의 보고서를 계기로 의료 정보 기술의 사용을 장려하면서 개발되기 시작했다. CDSS는 지식 기반과 비지식 기반 두 가지 유형으로 나뉘며, 진단, 치료, 예방, 약물 관리 등 다양한 분야에서 활용된다. CDSS는 임상의의 진료를 지원하는 것을 주요 목적으로 하며, 환자 결과를 개선하는 데 기여하지만, 기술적, 임상적, 유지보수, 전자의무기록(EHR)과의 통합 등 여러 과제에 직면해 있다. CDSS의 효과에 대한 연구는 엇갈리지만, 의료 환경에서 환자 결과를 개선하는 데 기여할 수 있다는 긍정적인 평가도 있다.

더 읽어볼만한 페이지

  • 의학 소프트웨어 - Mycin
    MYCIN은 1970년대 스탠퍼드 대학교에서 개발된 규칙 기반 전문가 시스템으로, 혈액 감염 질환 진단 및 치료 권고를 위해 설계되었으며, 규칙 기반 지식 표현, 역방향 연쇄 추론, 불확실성 처리 등의 특징을 가졌으나, 윤리적 문제와 시스템 통합 문제로 널리 사용되지는 못했지만 규칙 기반 시스템과 지식 공학 발전에 기여했다.
  • 의료정보학 - 개인 건강 기록
    개인 건강 기록(PHR)은 개인이 자신의 건강 정보를 수집, 관리 및 공유하는 전자 시스템 또는 도구로서, 환자가 정보에 대한 완전한 통제권을 가지며 의료 서비스 접근성 향상 등의 이점을 제공하지만 개인 정보 보호와 같은 과제도 안고 있다.
  • 의료정보학 - 병원정보시스템
    병원정보시스템은 환자 정보와 병원 운영 관리를 전자적으로 통합 관리하여 의료진에게 환자 치료 정보를 제공하고 병원 운영 효율성을 높이는 시스템으로, 모바일 기술 융합과 데이터 표준화를 통해 발전하고 있다.
  • 정보 시스템 - 추천 시스템
    추천 시스템은 사용자의 선호도와 행동 패턴을 분석하여 개인 맞춤형 정보나 상품을 추천하는 시스템으로, 다양한 알고리즘과 새로운 기술이 도입되어 정확도와 개인화 수준을 높이고 있으며, 여러 서비스에서 활용되면서 정확도 외 다양성, 개인정보 보호 등 다양한 요소를 고려한 평가가 중요해지고 있다.
  • 정보 시스템 - 정보 관리
    정보 관리는 조직의 목표 달성을 위해 데이터, 정보, 지식을 효과적으로 활용하는 전략적 과정으로, 정보 기술 발전과 함께 전략적으로 진화했으며, 의사결정, 정보 시스템 구축, 프레임워크 활용, 조직 설계 등을 통해 경쟁력 확보에 필수적인 복합적인 관리 활동이다.
임상 의사결정 지원 시스템
임상 의사결정 지원 시스템 정보
임상 의사결정 지원 시스템의 예시
임상 의사결정 지원 시스템의 예시
유형지식 기반 시스템
비지식 기반 시스템
목표임상 의사결정 질 향상
대상의사
환자
의료진
방법컴퓨터 기반 알고리즘 및 지식 활용
응용 분야진단 지원
치료 계획
약물 처방
예방 관리
기술적 측면
데이터 입력환자 기록
임상 지침
의학 문헌
알고리즘규칙 기반 추론
인공 신경망
의사 결정 트리
베이지안 네트워크
사용자 인터페이스차트
보고서
알림
이점
임상적 이점진단 정확도 향상
치료 효과 증진
의료 오류 감소
환자 안전 강화
관리적 이점의료 비용 절감
업무 효율성 향상
의사 결정 지원
과제
데이터 관련 과제데이터 품질
데이터 통합
데이터 보안
시스템 관련 과제시스템 유지보수
사용자 교육
시스템 통합
기타 과제법적 책임
윤리적 문제
예시
예시 시스템인터맥스
에픽
메드트로닉
필립스
참고 문헌
참고 문헌이동훈 외 2016

2. 역사

1999년, 미국 국립 의학원(IOM)은 미국의 환자 안전 위기에 초점을 맞춘 보고서 ''실수는 인간적이다''를 발표하여, 엄청나게 높은 사망자 수를 지적했다. 이 통계는 환자 치료의 질에 대한 큰 관심을 불러일으켰으며, 미국 국립 의학원(IOM)은 환자 치료의 질을 향상시키기 위해 임상 의사결정 지원 시스템을 포함한 의료 정보 기술의 사용을 장려했다.[12]

2009년 미국 경기 회복 및 재투자법 (ARRA)의 제정으로, 경제 및 임상 건강을 위한 의료 정보 기술법 (HITECH)을 통해 의료 정보 기술의 광범위한 채택을 추진했다. 이러한 이니셔티브를 통해 더 많은 병원과 클리닉이 의료 정보 처리 및 저장에 전자의무기록 (EMR)과 전산화된 의사 주문 입력 (CPOE)을 통합했다.

CDSS 공급업체는 CDSS 사용으로 인해 부정적인 영향을 받을 수 있는 환자와 환자 치료를 위해 기술을 사용할 수 있는 임상의 모두에게 법적 주의 의무를 가질 것으로 거의 확실하게 간주될 것이지만, 주의 의무의 법적 규정은 아직 명확하게 정의되지 않았다.

ARRA에 포함된 HITECH 법안의 제정으로 의료 IT의 채택을 장려함에 따라, CDSS 및 EMR에 대한 더 자세한 판례는 보건복지부 (HHS)가 승인하고, 보건 정보 기술 국가 조정관실(ONC)에 의해 정의되고 있었다.

2. 1. 개발 배경

2. 2. 미국

1999년, 미국 국립 의학원(IOM)은 미국의 환자 안전 위기에 초점을 맞춘 보고서 ''실수는 인간적이다''를 발표하여, 엄청나게 높은 사망자 수를 지적했다. 이 통계는 환자 치료의 질에 대한 큰 관심을 불러일으켰고, 미국 국립 의학원은 환자 치료의 질을 향상시키기 위해 임상 의사결정 지원 시스템을 포함한 의료 정보 기술의 사용을 장려했다.[12]

2009년 미국 경기 회복 및 재투자법 (ARRA)의 제정으로, 경제 및 임상 건강을 위한 의료 정보 기술법 (HITECH)을 통해 의료 정보 기술의 광범위한 채택을 추진했다. 이러한 이니셔티브를 통해 더 많은 병원과 클리닉이 의료 정보 처리 및 저장에 전자의무기록 (EMR)과 전산화된 의사 주문 입력 (CPOE)을 통합했다.

CDSS 공급업체는 CDSS 사용으로 인해 부정적인 영향을 받을 수 있는 환자와 환자 치료를 위해 기술을 사용할 수 있는 임상의 모두에게 법적 주의 의무를 가질 것으로 거의 확실하게 간주될 것이나, 주의 의무의 법적 규정은 아직 명확하게 정의되지 않았다. ARRA에 포함된 HITECH 법안의 제정으로 의료 IT의 채택을 장려함에 따라, CDSS 및 EMR에 대한 더 자세한 판례는 보건복지부 (HHS)가 승인하고, 보건 정보 기술 국가 조정관실(ONC)에 의해 정의되고 있었다.

2. 3. 호주

호주는 2015년 7월 현재, 전산 의료 기록(EHR)으로의 전환에 어려움을 겪고 있다. 대부분의 의료 시설은 여전히 종이 기반 시스템을 운영하고 있으며, 일부는 스캔된 EHR로의 전환 단계에 있거나 그러한 전환을 계획하고 있다.[35]

빅토리아주는 HealthSMART 프로그램을 통해 주 전체에 EHR을 구현하려 했으나, 예상보다 높은 비용으로 인해 프로젝트가 취소되었다.[35]

그러나 남호주(SA)는 EHR 구현에 있어 빅토리아주보다 다소 성공적이다. 이는 SA의 모든 공공 의료 기관이 중앙에서 운영되기 때문일 수 있다. SA는 "엔터프라이즈 환자 관리 시스템(EPAS)"을 구현하는 과정에 있으며, 2014년 말까지 SA 내 모든 시설이 연결될 예정이었다.[36] 2015년 7월 현재, 75개의 의료 시설 중 단 3곳만이 EPAS를 구현한 것으로 보고되었다.[37]

국내 최대의 보건 시스템을 갖추고 있으며 중앙 집중식 모델이 아닌 연방 정부 모델을 채택한 뉴사우스웨일스주는 주 전체의 EHR 구현을 향해 꾸준히 발전하고 있다. eMR2에는 전자 기록에 입력된 데이터를 기반으로 위험 환자를 식별하기 위한 패혈증 경로와 같은 CDSS 기능이 포함되어 있다. 2016년 6월 현재, 초기 출시 범위에 포함된 194개 사이트 중 93곳이 eMR2를 구현했다.[38]

2. 4. 핀란드

두오데심 의학 출판사(Duodecim Medical Publications Ltd)에서 제공하는 EBMEDS 임상 의사결정 지원 서비스는 핀란드 공공 의료 의사의 60% 이상이 사용하고 있다.[39]

2. 5. 인도

인도에서는 디지털 헬스케어를 장려하기 위한 많은 최근의 계획들이 진행되어 왔다. Eka.care, Clinisio, Raxa 등과 같은 새로운 플랫폼이 인도에서 등장하여 전자의무기록(EHR)과 통합된 임상 의사 결정 지원을 제공하고 있다.[40]

2. 6. 대한민국

3. 특징 및 유형

임상 의사결정 지원 시스템(CDSS)은 환자 데이터 변수를 사용하여 의료 관련 조언을 제공하는 능동적인 지식 시스템이다. 이는 CDSS가 단순히 지식 관리를 사용하는 데 중점을 둔 의사결정 지원 시스템임을 의미한다.

최신 임상 의사결정 지원 시스템(CDSS)의 주요 목적은 진료 시점에 임상의를 지원하는 것이다.[1] 임상의가 CDSS와 상호 작용하여 다양한 질병에 대한 환자 데이터를 기반으로 진단을 분석하고 도출하는 데 도움을 받는다. 초창기 CDSS는 임상의를 대신하여 결정을 내리도록 고안되었지만, 현대에는 임상의가 CDSS와 자신의 지식을 모두 활용하여 환자 데이터를 더 잘 분석하도록 돕는 방식으로 활용된다.[2]

CDSS는 크게 지식 기반과 비지식 기반 두 가지 유형으로 나뉜다.[1] 사례 기반 추론(CBR) 시스템은 이전 사례 데이터를 활용하여 뇌암 환자의 방사선 치료에 사용하기 위한 적절한 빔 양과 최적의 빔 각도를 결정하는 데 도움을 줄 수 있다.[3][4]

CDSS는 사용 시점에 따라 진단 전, 진단 중, 진단 후 시스템으로 분류할 수 있다. 진단 전 CDSS는 의사가 진단을 준비하는 데, 진단 후 CDSS는 예측 의학에서 미래 예측을 위해 데이터를 마이닝하는 데 사용된다.[1] 2012년에는 의사결정 지원이 향후 일반적인 작업에서 임상의를 대체하기 시작할 것이라는 주장이 제기되었다.[5]

영국 국립 보건 서비스(NHS)에서는 DDSS를 사용하여 환자에게 적절한 다음 단계를 제안함으로써 시간 외에 의료 상태를 트리아지하기도 한다.[1]

3. 1. 목적

최신 임상 의사결정 지원 시스템(CDSS)의 주요 목적은 진료 시점에 임상의를 지원하는 것이다.[1] 임상의가 CDSS와 상호 작용하여 다양한 질병에 대한 환자 데이터를 기반으로 진단을 분석하고 도출하는 데 도움을 받는다. 초창기 CDSS는 임상의를 대신하여 결정을 내리도록 고안되었지만, 현대에는 임상의가 CDSS와 자신의 지식을 모두 활용하여 환자 데이터를 더 잘 분석하도록 돕는 방식으로 활용된다.[2]

CDSS는 크게 지식 기반과 비지식 기반 두 가지 유형으로 나뉜다.[1] 사례 기반 추론(CBR) 시스템은 이전 사례 데이터를 활용하여 뇌암 환자의 방사선 치료에 사용하기 위한 적절한 빔 양과 최적의 빔 각도를 결정하는 데 도움을 줄 수 있다.[3][4]

CDSS는 사용 시점에 따라 진단 전, 진단 중, 진단 후 시스템으로 분류할 수 있다. 진단 전 CDSS는 의사가 진단을 준비하는 데, 진단 후 CDSS는 예측 의학에서 미래 예측을 위해 데이터를 마이닝하는 데 사용된다.[1] 2012년에는 의사결정 지원이 향후 일반적인 작업에서 임상의를 대체하기 시작할 것이라는 주장이 제기되었다.[5]

영국 국립 보건 서비스(NHS)에서는 DDSS를 사용하여 환자에게 적절한 다음 단계를 제안함으로써 시간 외에 의료 상태를 트리아지하기도 한다.[1]

3. 2. 유형

4. 구성 요소

4. 1. 지식 기반 CDSS

대부분의 임상 의사결정 지원 시스템(CDSS)은 지식 기반, 추론 엔진, 그리고 소통 메커니즘의 세 부분으로 구성된다.[6] 지식 기반은 주로 IF-THEN 규칙 형태로 구성된, 컴파일된 데이터의 규칙과 연관성을 담고 있다. 예를 들어, 약물 상호 작용을 결정하는 시스템이라면, "만약 약 X를 복용하고 약 Y를 복용한다면 사용자에게 알림"과 같은 규칙이 있을 수 있다. 고급 사용자는 다른 인터페이스를 통해 새로운 약물에 맞춰 지식 기반을 업데이트할 수 있다. 추론 엔진은 지식 기반의 규칙과 환자의 데이터를 결합한다. 소통 메커니즘은 시스템이 사용자에게 결과를 표시하고 시스템에 입력을 받을 수 있도록 한다.[2][1]

GELLO 또는 CQL(Clinical Quality Language, 임상 품질 언어)과 같은 표현 언어가 컴퓨팅 가능한 방식으로 지식 아티팩트를 표현하는 데 필요하다. 예를 들어, 환자가 당뇨병을 앓고 있고 마지막 혈색소 A1c 검사 결과가 7% 미만인 경우, 6개월 이상 지났다면 재검사를 권장하고, 마지막 검사 결과가 7% 이상인 경우 3개월 이상 지났다면 재검사를 권장한다.

현재 HL7 CDS WG의 초점은 임상 품질 언어(CQL)를 기반으로 구축하는 것이다.[7] 미국 메디케어&메디케이드 서비스 센터(CMS)는 전자 임상 품질 지표(eCQM)의 사양에 CQL을 사용할 계획이라고 발표했다.[8]

4. 2. 비지식 기반 CDSS

비지식 기반 임상 의사결정 지원 시스템(CDSS)은 인공 지능의 한 형태인 머신 러닝을 사용한다.[9] 머신 러닝을 통해 컴퓨터는 과거 경험으로부터 학습하거나 임상 데이터에서 패턴을 찾을 수 있다. 이는 규칙 작성 및 전문가의 입력을 없애준다. 그러나 머신 러닝 기반 시스템은 결론에 대한 이유를 ''설명''할 수 없기 때문에, 대부분의 임상의는 진단, 신뢰성 및 책임성 문제로 인해 이를 직접 사용하지 않는다.[2][1] 그럼에도 불구하고, 보다 심층적으로 탐구할 패턴을 임상의에게 제안하는 데 유용한 사후 진단 시스템으로 활용될 수 있다.

2012년 기준으로, 세 가지 유형의 비지식 기반 시스템은 서포트 벡터 머신, 인공 신경망 및 유전자 알고리즘이다.[10]

인공 신경망은 환자 데이터에서 발견된 패턴을 분석하여 증상과 진단 간의 연관성을 도출하기 위해 노드와 가중 연결을 사용한다. 유전자 알고리즘은 최적의 CDSS 결과를 얻기 위해 방향성 선택을 사용하는 단순화된 진화 과정을 기반으로 한다. 이는 환자 데이터로부터 지식을 도출하려는 "블랙 박스"라는 점에서 신경망과 기능적으로 유사하다. 비지식 기반 네트워크는 많은 질병의 진단을 다루는 지식 기반 접근 방식과 달리 종종 단일 질병의 증상과 같이 좁은 범위의 증상에 집중한다.[2][1]

비지식 기반 CDSS의 예로는 아일랜드에서 임신성 당뇨병 예측을 위해 서포트 벡터 머신을 사용하여 개발된 웹 서버가 있다.[11]

5. 활용 분야

5. 1. 진단

5. 2. 치료

5. 3. 예방

5. 4. 약물 관리

영국에서 실시된 연구는 웹 기반의 임상 의사결정 지원 시스템(CDSS) 애플리케이션인 샐퍼드 약물 안전 대시보드(SMASH)를 테스트했다.[41][42] 이 시스템은 일반의(GP)와 약사가 전자 건강 기록에서 처방 오류로 인해 안전 위험에 직면할 수 있는 사람들을 찾도록 돕는 데 사용되었다.[41][42] 샐퍼드 약물 안전 대시보드는 이미 등록된 안전하지 않은 처방을 가진 환자를 식별하고 돕는 데 성공적으로 사용되었으며, 이후 새로운 사례가 나타날 때 이를 모니터링하는 데 활용되었다.[41][42]

5. 5. 기타

6. 효과성

임상 의사결정 지원 시스템(CDSS)의 효과에 대한 증거는 엇갈린다. CDSS는 다른 질병보다 특정 질병에 더 많은 이점을 제공한다. 2018년 체계적 문헌고찰에서는 CDSS가 혈당 관리, 수혈 관리, 생리적 악화 예방, 욕창 예방, 급성 신장 손상 예방, 정맥 혈전색전증 예방을 포함하여 병원 환경에서 환자 결과를 개선하는 6가지 질환을 확인했다.[13]

2014년의 체계적 문헌고찰에서는 CDSS가 전자의무기록과 결합되었을 때 사망 위험 측면에서 이점을 찾지 못했다.[14] 그러나 다른 결과 측면에서는 약간의 이점이 있을 수 있다.[14]

2005년의 체계적 문헌고찰에서는 CDSS가 연구의 64%에서 실무자 성과를 개선했고 연구의 13%에서 환자 결과를 개선했다고 결론 내렸다. 실무자 성과 개선과 관련된 CDSS 기능에는 사용자가 시스템을 활성화할 필요 없이 자동 전자 프롬프트가 포함되었다.[15]

2005년의 체계적 문헌고찰에서는 "의사결정 지원 시스템이 임상 진료를 임상 시험의 68%에서 유의하게 개선했다"는 사실을 발견했다. 성공과 관련된 CDSS 기능에는 별도의 로그인 또는 화면이 아닌 임상 워크플로우에 통합, 종이 기반 템플릿이 아닌 전자 템플릿 사용, 사전이 아닌 진료 시간과 위치에 의사 결정 지원 제공, 진료 권장 사항 제공 등이 포함되었다.[16]

그러나 후속 체계적 문헌고찰에서는 CDS의 효과에 대해 덜 낙관적이었으며, 2011년의 한 문헌고찰에서는 "예상되는 [CDSS 및 기타] eHealth 기술의 이점과 실제로 입증된 이점 사이에는 큰 격차가 있다. 비용 효율성은 아직 입증되지 않았다"고 밝혔다.[17]

2014년에는 항생제 관리를 위한 세균 감염의 합리적인 치료법을 구현하는 CDSS의 효과에 대한 5년 평가가 발표되었으며, 저자에 따르면 CDSS에 대한 최초의 장기 연구였다.[18]

7. 한계 및 과제

7. 1. 임상적 과제

많은 의료 기관과 소프트웨어 회사에서 임상 업무의 모든 측면을 지원하는 실행 가능한 임상 의사결정 지원 시스템(CDSS)을 생산하기 위해 많은 노력을 기울였다. 그러나 임상 워크플로우의 복잡성과 직원 시간에 대한 요구가 높기 때문에 지원 시스템을 배포하는 기관은 시스템이 임상 워크플로우의 필수적인 부분이 되도록 신중을 기해야 한다. 일부 CDSS는 다양한 성공을 거두었지만, 다른 시스템은 성공적인 채택 및 수용을 방해하거나 줄이는 일반적인 문제로 어려움을 겪었다.[19]

CDSS가 큰 영향을 미친 의료 분야의 두 가지 부문은 약국 및 청구 부문이다. 일반적으로 사용되는 약국 및 처방 주문 시스템은 이제 부정적인 약물 상호 작용에 대한 일괄 기반 검사 주문을 수행하고 경고를 주문 전문가에게 보고한다. CDSS의 또 다른 성공 분야는 청구 및 청구 파일링이다. 많은 병원이 운영을 유지하기 위해 메디케어 상환에 의존하기 때문에, 제안된 치료 계획과 메디케어의 현재 규칙을 모두 검토하여 환자 치료와 기관의 재정적 요구를 모두 해결하려는 계획을 제안하는 시스템이 만들어졌다.[19]

진단 업무를 목표로 하는 다른 CDSS는 성공을 거두었지만, 배포 및 범위가 매우 제한적인 경우가 많다. 리즈 복통 시스템(Leeds Abdominal Pain System)은 1971년 리즈 대학교 병원에서 가동되었다. 임상의의 성공률이 79.6%인 데 비해, 사례의 91.8%에서 정확한 진단을 내렸다고 보고되었다.[19]

기관에서 이러한 시스템을 생산하고 사용하려는 광범위한 노력에도 불구하고, 대부분의 제품에 대한 광범위한 채택과 수용은 아직 달성되지 않았다. 수용에 대한 큰 장애물 중 하나는 역사적으로 워크플로우 통합이었다. CDSS의 기능적 의사 결정 핵심에만 집중하는 경향이 있어, 임상의가 현장에서 제품을 어떻게 사용할지 계획하는 데 부족함이 있었다. CDSS는 독립형 응용 프로그램이었으며, 임상의는 현재 시스템에서 작업을 중단하고 CDSS로 전환하여 필요한 데이터를 입력(이미 다른 시스템에 입력했더라도)하고 생성된 결과를 검토해야 했다. 추가 단계는 임상의의 관점에서 흐름을 끊고 소중한 시간을 낭비한다.[19]

7. 2. 기술적 과제

임상 의사결정 지원 시스템(CDSS)은 여러 분야에서 심각한 기술적 과제에 직면해 있다. 생물학적 시스템은 매우 복잡하며, 임상 의사결정은 광범위한 잠재적 관련 데이터를 활용할 수 있기 때문이다. 예를 들어, 전자 근거 중심 의학 시스템은 환자의 증상, 병력, 가족력 및 유전학뿐만 아니라 질병 발생의 역사적 및 지리적 추세, 환자 치료 과정을 권장할 때 치료 효과에 대한 발표된 임상 데이터를 고려할 수 있다.

임상적으로 CDSS 수용에 대한 큰 저해요인은 워크플로우 통합이다.[20]

의사들이 머신 러닝 기반 CDSS의 설명을 이해하고 신뢰할 수 있도록 요구한다는 것이 밝혀졌지만, CDSS의 맥락에서 설명 가능한 인공 지능의 적용이 전반적으로 부족하여[21] 이러한 시스템 채택에 또 다른 장벽이 되고 있다.

많은 의료 지원 시스템에 대한 또 다른 논쟁의 원인은 과도한 경고를 생성한다는 것이다. 시스템이 많은 양의 경고를 생성할 때 (특히 에스컬레이션이 필요하지 않은 경고), 짜증을 유발하는 것 외에도, 임상의는 경고에 덜 주의를 기울여 잠재적으로 중요한 경고를 놓칠 수 있다. 이러한 현상을 경고 피로라고 한다. [22]

7. 3. 유지보수

임상 의사결정 지원 시스템(CDSS)이 직면한 주요 과제 중 하나는 지속적으로 발표되는 방대한 양의 임상 연구를 통합하는 어려움이다.[23] 매년 수만 건의 임상 시험이 발표되는데,[23] 이러한 연구들은 현재 수동으로 일일이 읽고, 과학적 타당성을 평가하여, 정확한 방식으로 CDSS에 통합해야 한다. 2004년에는 임상 데이터와 의학 지식을 수집하여 컴퓨터가 임상 의사 결정을 지원하는 데 사용할 수 있도록 하는 과정이 "아직 초보 단계"라고 언급되었다.[24]

각 의사가 발표되는 모든 연구를 따라잡는 것은 현실적으로 불가능하므로, 기업이 중앙에서, 비록 불완전하더라도, 이러한 작업을 수행하는 것이 더 실현 가능하다.

새로운 데이터의 통합은 힘들 뿐만 아니라, 특히 서로 다른 임상 논문에서 상충되는 내용이 나타날 수 있는 경우, 정량화하거나 기존 의사 결정 지원 체계에 통합하기 어려울 수 있다. 이러한 종류의 불일치를 적절하게 해결하는 것은 종종 임상 논문의 주제 자체가 되며(메타 분석 참조), 이를 완료하는 데는 종종 몇 달이 걸린다.

7. 4. 전자의무기록(EHR)과의 통합 문제

전자의무기록(EHR)을 구현하는 것은 불가피한 과제였지만, EHR 구현 단계에서 많은 문제와 복잡성이 발생한다.[26] 구형 EHR에서 최신 시스템으로 전환하는 것에 대해서는 알려진 바가 적다.[26] EHR은 실시간 데이터를 활용하여 환자 관리를 개선하고 자원 효율성을 높이는 방법이다.[27] EHR과 임상 의사결정 지원 시스템(CDSS)을 통합하면 의료 방식을 바꿀 수 있으며, "EHR의 최고 수준은 CDSS"라고 한다.[27][28] CDSS와 EHR의 완전한 통합은 의료 시설/기관에서 상당한 계획이 필요하며, 성공적인 통합은 환자에게 최상의 진료를 제공하고 이상 반응 발생을 줄이며, 시간과 자원을 절약하고 재정적 이점을 제공한다.[29] CDSS는 의료 시설이 실시간 환자 정보 측면에서 "100% 전자화"될 때 가장 유용하다.

의사의 수행 능력 및 환자 결과에 대한 CDSS의 측정 가능한 이점은 지속적인 연구 대상이다. 의료 환경에 EHR을 구현하는 것은 어려움을 수반하며, 도입 과정에서 효율성과 안전성을 유지하는 것이 중요하다.[30] 전자의무기록 사용자의 관점을 이해하고, 상향식, 임상적 요구 사항 우선 접근 방식을 통해 적극적으로 채택을 장려해야 한다.[31][32]

2007년 기준으로, 완전히 통합된 전자의무기록/CDSS로 전환하는 데 있어 주요 우려 사항은 개인 정보 보호, 기밀 유지, 사용자 친화성, 문서 정확성 및 완전성, 통합, 균일성, 수용성, 경고 민감도 저하였다.[33] CDSS를 구현할 때 발생할 수 있는 잠재적 부작용을 피하기 위해, 올바른 데이터 사용 여부, 모든 데이터 입력 여부, 현재 최상의 관행 준수 여부, 데이터 증거 기반 여부 등 데이터 입력의 핵심 측면을 해결해야 한다.[34] 이러한 장벽 해결을 위한 기술적 수단으로 서비스 지향 아키텍처가 제안되었다.[34]

8. 평가

CDSS가 가치를 제공하려면 임상 워크플로우 또는 결과를 입증 가능하게 개선해야 한다. CDSS의 평가는 시스템의 품질을 개선하고 효과를 측정하기 위한 가치를 정량화한다. 서로 다른 CDSS가 서로 다른 목적을 수행하므로 모든 시스템에 적용되는 일반적인 지표는 없지만, 전문가와 같은 속성은 광범위한 시스템에 적용되는 경우가 많다.[25]

CDSS에 대한 평가 벤치마크는 시스템의 목표에 따라 다르다. 예를 들어 진단 의사결정 지원 시스템은 질병 분류의 일관성 및 정확도(의사 또는 다른 의사결정 지원 시스템과 비교)을 기준으로 평가할 수 있다. 근거 기반 의학 시스템은 환자 개선의 높은 발생률이나 의료 제공자에 대한 더 높은 재정적 보상을 기준으로 평가할 수 있다.

9. 대한민국 현황 및 과제

9. 1. 과제

10. 연구

영국에서 실시된 연구는 웹 기반의 임상 의사결정 지원 시스템(CDSS) 애플리케이션인 샐퍼드 약물 안전 대시보드(SMASH)를 테스트했다.[41][42] 이 시스템은 일반의(GP)와 약사가 전자 건강 기록에서 처방 오류로 인해 안전 위험에 직면할 수 있는 사람들을 찾도록 돕는 데 사용되었다.[41] SMASH는 이미 등록된 안전하지 않은 처방을 가진 환자를 식별하고 돕는 데 성공적으로 사용되었으며, 이후 새로운 사례가 나타날 때 이를 모니터링하는 데 도움이 되었다.[41][42]

참조

[1] 서적 Clinical Decision Support Systems Springer 2007
[2] 웹사이트 Decision support systems . https://web.archive.[...] 2005-07-26
[3] 논문 Case-based reasoning systems in the health sciences: a survey of recent trends and developments https://zenodo.org/r[...] 2019-12-06
[4] 논문 Retrieval with clustering in a case-based reasoning system for radiotherapy treatment planning 2015
[5] 뉴스 Technology will replace 80% of what doctors do http://tech.fortune.[...] 2012-12-04
[6] 서적 Decision support system for triage management: A hybrid approach using rule-based reasoning and fuzzy logic.
[7] 웹인용 HL7 CDS Standards http://wiki.hl7.org/[...] HL7 CDS Working Group 2019-06-25
[8] 웹사이트 CQL - Clinical Quality Language https://ecqi.healthi[...] eCQI Resource Center 2022-02-15
[9] 논문 Plenary talk: The Role of Machine Learning in Clinical Decision Support 2015-03
[10] 논문 Modeling Paradigms for Medical Diagnostic Decision Support: A Survey and Future Directions
[11] 논문 An explainable machine learning-based clinical decision support system for prediction of gestational diabetes mellitus 2022-01-21
[12] 서적 Crossing the Quality Chasm: A New Health System for the 21st Century https://www.nap.edu/[...] 2001-02-28
[13] 논문 Effects of computerized decision support system implementations on patient outcomes in inpatient care: a systematic review 2018-05
[14] 논문 Effectiveness of computerized decision support systems linked to electronic health records: a systematic review and meta-analysis. 2014-12
[15] 논문 Effects of computerized clinical decision support systems on practitioner performance and patient outcomes: a systematic review.
[16] 논문 Improving clinical practice using clinical decision support systems: a systematic review of trials to identify features critical to success.
[17] 논문 The impact of ehealth on the quality and safety of health care: A systematic overview 2011-01-18
[18] 논문 Long-term effect of computer-assisted decision support for antibiotic treatment in critically ill patients: a prospective 'before/after' cohort study 2014-12-22
[19] 웹사이트 Optimizing Strategies for Clinical Decision Support https://www.healthit[...] 2021-02-02
[20] 논문 What Clinicians Want: Contextualizing Explainable Machine Learning for Clinical End Use https://proceedings.[...] PMLR 2019-10-28
[21] 논문 Current Challenges and Future Opportunities for XAI in Machine Learning-Based Clinical Decision Support Systems: A Systematic Review 2021-05-31
[22] 논문 Improving Utilization of Clinical Decision Support Systems by Reducing Alert Fatigue: Strategies and Recommendations https://pubmed.ncbi.[...] 2016
[23] 논문 Likely country of origin in publications on randomised controlled trials and controlled clinical trials during the last 60 years.
[24] 논문 Computerized Clinical Decision-Support in Respiratory Care 2004-04
[25] 논문 Formative evaluation of the accuracy of a clinical decision support system for cervical cancer screening
[26] 논문 Challenges to EHR Implementation in Electronic- Versus Paper-based Office Practices
[27] 서적 Clinical Decision Support Systems: Theory and Practice Springer Science and Business Media
[28] 논문 Future of electronic health records: implications for decision support
[29] 논문 Intention to adopt clinical decision support systems in a developing country: effect of Physician's perceived professional autonomy, involvement and belief: a cross-sectional study
[30] 논문 Impact of electronic health record implementation on patient flow metrics in a pediatric emergency department
[31] 논문 Users' perspectives of key factors to implementing electronic health records in Canada: a Delphi study 2012-09-11
[32] 논문 A qualitative study of Canada's experience with the implementation of electronic health information technology 2011-02-22
[33] 서적 Clinical Decision Support Systems: Theory and Practice Springer Science and Business Media
[34] 논문 Service oriented architecture for clinical decision support: A systematic review and future directions
[35] 웹사이트 Troubled HealthSMART System Finally Cancelled in Victoria Australia https://spectrum.iee[...] 2013-05-18
[36] 웹사이트 EPAS program update https://web.archive.[...] South Australian Health 2013-05-15
[37] 웹사이트 Hospital beds to be cut by 840, South Australian Opposition calculates, but SA Health denies figure set http://www.abc.net.a[...] 2015-07-26
[38] 간행물 The eMR turns 10 https://web.archive.[...] 2016-05
[39] 웹사이트 EBMEDS Clinical Decision Support http://www.ebmeds.or[...] 2022-02-12
[40] 웹사이트 MEDRXIV From Concept to Reality: Examining India’s Clinical Decision Support System (CDSS) Challenges & Opportunities https://www.medrxiv.[...] 2024-02-12
[41] 학술지 Interactive dashboard identifies patients at risk of unsafe prescribing in a flexible and sustainable way https://evidence.nih[...] National Institute for Health and Care Research 2020-06-22
[42] 학술지 Understanding the utilisation of a novel interactive electronic medication safety dashboard in general practice: a mixed methods study 2020-04-17
[43] 저널 임상의사결정지원시스템(CDSS) 기술동향 한국전자통신연구원 2016


본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.

문의하기 : help@durumis.com