Metadata-based Assessment of SNOMED CT and LOINC Adoption Across 800 000 Swiss Patients
본 연구는 800,000명의 스위스 환자를 대상으로 한 SNOMED CT 및 LOINC 도입에 관한 최초의 전국적 경험적 기준치를 제시하며, 이러한 표준들이 널리 사용되고 있음에도 불구하고 현재 상당한 기관적 이질성과 코드 사용의 제한적인 기관 간 중첩이 완전한 의미론적 조화를 저해하고 있음을 밝히고 있다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
의료 세계를 모든 환자의 이야기가 기록된 거대하고 북적이는 도서관이라고 상상해 보십시오. 수십 년 동안 이러한 이야기들은 수천 개의 서로 다른 언어와 방언으로 기록되어 왔습니다. 어떤 의사는 "심장마비"라고 적고, 다른 의사는 "심근경색"이라고 적으며, 세 번째 의사는 자신만이 이해할 수 있는 지역 약어를 휘갈겨 쓰기도 합니다. 이것이 바로 **상호운용성(interoperability)**의 문제입니다. 만약 당신이 패턴을 찾거나 질병을 치료하기 위해 이 모든 이야기를 함께 읽고 싶다면, 먼저 모두가 같은 언어를 사용해야 합니다. 이를 해결하기 위해 의료계는 두 개의 거대한 사전을 만들었습니다. 첫 번째인 SNOMED CT는 골절부터 특정 유형의 알레르기에 이르기까지 의사가 보고, 느끼고, 행할 수 있는 모든 것에 대한 거대한 백과사전과 같습니다. 두 번째인 LOINC는 검사실 검사를 위한 특화된 사전으로, 한 병원에서의 "당"에 대한 혈액 검사가 다른 병원에서도 정확히 동일한 것으로 인식되도록 보장합니다. 연구자들의 큰 질문은 이것입니다. 병원들이 실제로 이 사전들을 사용하고 있는가, 아니면 여전히 자신들만의 비밀 코드로 글을 쓰고 있는가?
이 논문은 이 질문에 답하기 위해 스위스 의료 시스템을 대상으로 거대한 전국적 조사를 수행했습니다. 연구자들은 개인의 의료 기록 수백만 개를 직접 읽는 대신(이는 프라이버시 측면에서 악몽이 될 것입니다), 도서관의 책을 직접 펼치지 않고도 도서 카탈로그를 확인하는 것과 같은 "메타데이터"를 살펴보았습니다. 그들은 6개의 주요 스위스 대학 병원에 걸친 817,856명의 환자의 디지털 발자국을 분석했습니다. 그들의 목표는 이 병원들이 데이터를 라벨링하기 위해 정말로 SNOMED CT와 LOINC 사전을 사용하고 있는지, 아니면 사용하는 척하면서 몰래 예전의 지역적인 방식을 고수하고 있는지 확인하는 것이었습니다.
연구 결과는 다음과 같습니다. 병원들은 분명히 이 사전들을 사용하고 있습니다. 사실, SNOMED CT와 LOINC가 주인공이며, 전체 코딩된 데이터 사례의 87%(구체적으로 SNOMED CT 60%, LOINC 32%)를 차지하고 있습니다. 이는 대략 7억 1,700만 개의 개별 정보 조각에 달하는 엄청난 양의 데이터입니다! 하지만 더 자세히 들여다보면 이야기는 다소 복잡해집니다. 모두가 같은 사전을 사용하고 있지만, 반드시 같은 단어를 사용하는 것은 아니기 때문입니다.
이것을 친구들이 함께 거대한 레고 성을 쌓으려는 상황에 비유해 보겠습니다. 그들은 모두 똑같은 상자의 브릭(사전)을 가지고 있지만, 병원 A는 빨간색 브릭만을 사용하여 탑을 쌓고 있고, 병원 B는 같은 탑을 만드는 데 파란색 브릭을 사용하고 있습니다. 연구자들은 총 6,557개의 SNOMED CT 코드와 3,693개의 LOINC 코드가 존재했지만, 대부분은 단 하나 또는 두 개의 병원에만 고유한 것이라는 사실을 발견했습니다. 예를 들어, "물질"(약물이나 화학 물질 등) 범주에서는 수천 개의 별개 코드가 있었지만, 6개 병원 모두가 공유하는 코드는 거의 없었습니다. 마치 각 병원이 동일한 레고 조각에 대해 자신만의 특정한 "빨간색" 색조를 만들어낸 것과 같습니다.
모두가 정확히 같은 코드를 사용하여 합의한 유일한 경우는 가장 기본적이고 일상적인 것들에 대해서였습니다. 가장 많이 사용된 상위 10개 SNOMED CT 코드는 "여성", "남성", "정맥 주사 경로", "수락됨"(환자가 연구에 동의함)과 같은 것들이었습니다. 마찬가지로 상위 10개 LOINC 코드는 모두 "혈소판"이나 "칼륨"과 같은 표준 혈액 검사였습니다. 즉, 지루하고 일상적인 일들에 대해서는 모두가 같은 언어를 말하고 있는 것처럼 보입니다. 하지만 복잡한 부상이나 희귀한 미생물을 설명하는 것처럼 상황이 구체화되는 순간, 모두는 다시 자신만의 방언을 말하기 시작합니다.
연구자들은 또한 병원들이 사전을 얼마나 "깊게" 파고드는지도 살펴보았습니다. "동물", 그 다음 "포유류", 그 다음 "개", 그 다음 "골든 리트리버" 순으로 찾아볼 수 있는 사전을 상상해 보십시오. 어떤 병원은 "개"에서 멈췄고, 어떤 병원은 "골든 리트리버"까지 갔습니다. 이 연구는 이 "깊이"가 매우 다양하다는 것을 발견했습니다. 어떤 병원은 매우 구체적이었던 반면, 어떤 병원은 일반적인 수준에 머물렀습니다. 이것은 반드시 실수는 아닙니다. 때때로 어떤 병원은 특정 신체 부위에 대해 매우 상세한 코드를 사용하는 반면, 다른 병원은 일반적인 코드에 "왼쪽" 또는 "오른쪽" 태그를 결합하여 설명할 수도 있습니다. 두 방법 모두 작동하지만, 컴퓨터가 이를 비교할 때는 다르게 보입니다.
그렇다면 결론은 무엇일까요? 이 논문은 스위스가 이러한 국제 표준을 채택하는 데 있어 큰 진전을 이루었지만, 단순히 사전을 갖는 것만으로는 데이터를 완벽하게 상호 교환 가능하게 만드는 데 충분하지 않다고 제안합니다. "의미론적 조화(semantic harmonization)"—즉, 모두가 정확히 같은 사물에 대해 정확히 같은 단어를 사용하는 상태—는 여전히 진행 중인 과제입니다. 저자들은 우리가 단순히 데이터가 서로 섞이고 맞출 준비가 되었다고 가정해서는 안 되며, 단순히 같은 사전을 사용하는 것을 넘어 어떻게 하면 모두가 동일한 구체적인 단어를 사용하게 할 것인지에 대해 계속 노력해야 한다고 주장합니다. 이는 우리가 모두 같은 지도를 가지고 있더라도, 정확히 어떤 경로를 택할지에 대해 여전히 합의가 필요하다는 점을 상기시켜 줍니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.