국민 보건 관리

환자 치료 결과 개선 및 비용 최소화

효과적인 국민 보건 관리(PHM)는 보건 시스템, 의료인, 환자, 커뮤니티, 보험사 모두에게 다양한 이점을 제공합니다. 보건 결과를 개선하고, 환자 경험을 향상하고, 의료 격차를 줄이고, 비효율성 및 치료 격차를 식별하고, 치료 비용을 제어하는 데 도움을 줍니다. 그러나 PHM이 효과를 발휘하기 위해서는, 여러 소스로부터 수집한 정확하고, 거의 실시간에 가까운 대량의 데이터에 대한 접근성과 이질적인 데이터 세트를 연결하고 해당 데이터를 실행 가능한 인사이트로 전환하는 데 사용할 수 있는 도구, 데이터의 보안을 상시 유지할 수 있는 보안 조치가 필요합니다.

헬스 시스템이 이와 같은 어려움을 극복하고, 효과적인 PHM 전략을 지원하기 위해서는 데이터 레이크하우스를 사용해 관리, 오믹스, 임상, 운영 시스템으로부터 수집한 데이터에서 인사이트를 수집, 저장, 관리, 도출해낼 수 있는 데이터 플랫폼이 필요합니다. 이 플랫폼의 인프라는 강력한 정보 관리 프레임워크를 갖추고 있어야 하며, 여기에는 시민 수신 거부 표준, 상호 운용성, 데이터 및 사이버 보안 표준이 포함됩니다. 또한 이 플랫폼은 효과적이고 강력한 위험 계층화 방법론 설계 및 시간 경과에 따른 국민 보건 모니터링에 필수적인 첨단 분석, 머신 러닝, 인지 분석 기능을 제공해야 합니다. 수많은 헬스케어 정보 시스템에 흩어져 있는 환자 데이터를 단일한 기록으로 통합하는 기능 덕분에 헬스케어 팀은 환자 치료 결과를 개선하는 데 도움이 되는 실행 가능한 인사이트를 개발하고, 동시에 환자, 의료기관, 보험사의 비용을 낮출 수 있습니다.

모든 데이터의 활용

현재의 헬스케어 니즈 파악과 환자의 미래 니즈 예측을 지원하는 새로운 접근 방식이 필요합니다. 다음의 아키텍처는 Oracle Data Platform이 데이터를 수집, 저장, 선별, 분석하여 환자의 니즈를 파악하고 실행 가능한 인사이트를 제공함으로써 국민 보건 관리를 지원하는 방식을 보여줍니다.

헬스케어 조직이 환자를 가장 잘 파악할 수 있도록 아키텍처에 데이터를 주입하는 세 가지 주요 방법이 있습니다.

• 환자를 파악하기 위해서는 반드시 환자의 의료 이력을 알아야 합니다. 이를 위해서 헬스케어 조직은 여러 헬스케어 정보 시스템 전반의 환자 입원 및 이전 기록을 확보해야 합니다. 이 데이터는 소셜 미디어에서 얻은 비정형 데이터 등 서드파티 소스로부터 수집한 환자 데이터를 통해 보완될 수 있습니다. 변경 데이터 수집을 요구하는 실시간 또는 거의 실시간에 가까운 추출이 빈번하게 일어나며, 데이터는 OCI GoldenGate를 사용하는 입원 및 퇴원 운영 시스템을 통해 정기적으로 수집됩니다. OCI GoldenGate는 '데이터 제품'이 중요한 데이터 객체인 진화하는 데이터 메시 아키텍처의 핵심 구성 요소이기도 합니다.
• 이제 스트리밍 서비스/Kafka를 사용해 실시간으로 수집될 의료 기기의 스트리밍 데이터를 추가할 수 있습니다. 여기에는 임상의의 직접적인 관찰 하에 환자가 착용하는 모든 기기 및 모니터에서 수집한 데이터 뿐만 아니라, 환자가 사용하는 모든 개인용 웨어러블 기기로부터 수집한 데이터도 포함됩니다. 특히 이 데이터는 진료 팀이 환자가 치료 센터 밖에 있을 때에도 환자의 증상 및 라이프스타일을 더욱 잘 파악할 수 있게 지원합니다. 이 스트리밍된 데이터(이벤트)는 기본적인 변환/집계 과정을 거쳐 수집되며, 이후 클라우드 스토리지에 저장됩니다.
• 실시간 수집에 관한 니즈가 진화하는 와중에, 헬스케어 시스템의 가장 흔한 추출 방식은 추출, 로드, 변환 또는 추출, 변환, 로드 프로세스를 사용한 일종의 배치 수집입니다. 배치 수집은 데이터 스트리밍을 지원할 수 없는 시스템으로부터 데이터를 임포트할 때 사용됩니다(예: 구식 메인프레임 시스템). 각 환자를 총체적으로 파악하기 위해서는 청구 시스템과 같은 운영체제로부터 수집한 데이터 그리고 전자 의료 기록 또는 전자 건강 기록 애플리케이션의 FHIR(Fast Healthcare Interoperability Resources) 프로토콜을 통해 도착하는 데이터도 필요합니다. 이와 같은 데이터는 여러 제품 및 지역에 걸쳐 수집됩니다. 수집은 10분 또는 15분 간격으로 빈번하게 이루어질 수 있지만, 본질적으로 여전히 대량 수집됩니다. 즉, 개별 트랜잭션이 이루어지는 것이 아니라 트랜잭션된 데이터세트 그룹이 추출 및 처리됩니다.

수집된 데이터에 대한 데이터 지속성 및 처리 옵션은 3가지(옵션 선택 시 4가지) 구성 요소를 기반으로 구축됩니다.

• 수집된 원시 데이터는 클라우드 스토리지에 배치 처리를 목적으로 저장됩니다. 이 과정에서 필요한 정리, 보강 등이 이루어져 데이터가 사람, 애플리케이션, 머신 러닝 플랫폼 등 다운스트림 사용자에게 소비되기에 적합한 형태로 변환됩니다. 일부 데이터는 서빙 데이터 스토어에 직접 배치되기도 하지만, 이 데이터는 동시에 클라우드 스토리지에도 배치됩니다. 이 데이터는 Spark를 사용해 처리됩니다. 처리는 OCI Data Flow를 통해 직접 수행될 수도 있고, 더 큰 파이프라인의 일부로 OCI Data Integration의 통합관리 기능을 사용해 수행될 수도 있습니다. 이 처리된 데이터세트는 클라우드 스토리지로 반환돼 꾸준한 유지, 선별 및 분석에 사용되며, 궁극적으로는 서빙 데이터 저장소에 최적화된 양식으로 로딩됩니다. 아키텍처 선호도에 따라 이 과정은 Oracle Big Data Service를 관리형 Hadoop 클러스터로 사용해 수행할 수도 있습니다.
• 이제 서빙 데이터 저장소에서 선별 및 쿼리 성능에 최적화되고 관계형 양식으로 유지할 준비가 된, 처리된 데이터세트가 생성되었습니다. 이 데이터세트는 환자 입원 절차를 등록 또는 재등록해야 하는 상황을 없앤다는 목표 하에 헬스케어 종사자들이 환자의 니즈에 보다 효과적으로 대응할 수 있게 해 줄 것입니다.

분석 파트는 2가지 기술을 기반으로 구축되었습니다.

• 분석 및 시각화 서비스는 설명 분석(히스토그램 및 차트를 사용한 현재 트렌드 설명), 예측 분석(미래 이벤트 예측, 트렌드 파악, 불확실한 결과의 가능성 예측), 규범 분석(최적의 의사결정으로 이어질 적절한 활동 제안)을 제공합니다. 이 분석 방식들을 한데 결합하면 환자의 니즈를 예측하고 상황에 적절하게 개입할 수 있습니다. 예를 들어 분석은 환경 변화의 영향을 받았고, 특정 치료들을 결합해 처방받은, 특정 지역에 거주 중인 특정 연령대의 환자 집단에 만성 질병이 발병할 가능성이 있는지 예측할 수 있습니다.
• 고급 분석의 사용 외에도 여러 머신 러닝 모델이 개발, 훈련, 배포됩니다. 이 모델들은 서빙 데이터 저장소 내에 배포된 API를 통해 액세스할 수 있으며, OCI GoldenGate 스트리밍 분석 파이프라인의 일환으로 내장할 수도 있습니다.
• 우리가 선별 및 테스트한 고품질 데이터 및 모델은 거버넌스 규칙 및 정책을 적용할 수 있으며, 헬스케어 조직 전반에 대한 배포 목적으로 데이터 메시 아키텍처 내에 '데이터 제품'(API)으로 노출될 수 있습니다.

적합한 데이터 플랫폼을 통해 헬스케어의 복잡성 및 관리 비용 줄이기

적합한 데이터 플랫폼은 보건 조직이 모든 가용한 데이터로부터 최고의 가치를 창출하고, 더욱 효과적으로 연계된, 보다 비용 효율적인, 지속가능한 헬스케어 서비스를 설계할 수 있게 해 줍니다. 여기에는 정기적인 국민 건강 검진과 같이 사전 예방적인 조기 개입 등 맞춤형 치료 계획과 개인을 위한 지원이 포함되며, 이를 통해 보건 결과 뿐만 아니라 환자의 참여 및 만족도도 높일 수 있습니다.