빅데이터와 AI를 활용한의료영상 정보 시스템 발전 방향에 대한 연구 = A Study on the Development Direction of Medical Image Information System Using Big Data and AI

다국어 초록 (Multilingual Abstract)

The rapid development of information technology is also bringing about many changes in the medical environment. In particular,it is leading the rapid change of medical image information systems using big data and artificial intelligence (AI). The prescription deliverysystem (OCS), which consists of an electronic medical record (EMR) and a medical image storage and transmission system (PACS), hasrapidly changed the medical environment from analog to digital. When combined with multiple solutions, PACS represents a new directionfor advancement in security, interoperability, efficiency and automation. Among them, the combination with artificial intelligence (AI)using big data that can improve the quality of images is actively progressing. In particular, AI PACS, a system that can assist in readingmedical images using deep learning technology, was developed in cooperation with universities and industries and is being used in hospitals.
As such, in line with the rapid changes in the medical image information system in the medical environment, structural changes in themedical market and changes in medical policies to cope with them are also necessary. On the other hand, medical image informationis based on a digital medical image transmission device (DICOM) format method, and is divided into a tomographic volume image, avolume image, and a cross-sectional image, a two-dimensional image, according to a generation method. In addition, recently, manymedical institutions are rushing to introduce the next-generation integrated medical information system by promoting smart hospital services.
The next-generation integrated medical information system is built as a solution that integrates EMR, electronic consent, big data, AI,precision medicine, and interworking with external institutions. It aims to realize research. Korea's medical image information systemis at a world-class level thanks to advanced IT technology and government policies. In particular, the PACS solution is the only fieldexporting medical information technology to the world. In this study, along with the analysis of the medical image information systemusing big data, the current trend was grasped based on the historical background of the introduction of the medical image informationsystem in Korea, and the future development direction was predicted. In the future, based on DICOM big data accumulated over 20years, we plan to conduct research that can increase the image read rate by using AI and deep learning algorithms.

국문 초록 (Abstract)

정보기술의 급격한 발달은 의료 환경에서도 많은 변화를 가져오고 있다. 특히 빅데이터와 인공지능(AI)을 활용한 의료영상 정보 시스템의 빠른변화를 견인하고 있다. 전자의무기록(EMR)과 의료영상저장전송시스템(PACS)으로 구성된 처방전달시스템(OCS)은 의료 환경을 아날로그에서 디지털로빠르게 바꾸어 놓았다. PACS는 여러 솔루션과 결합하여 호환, 보안, 효율성, 자동화 등 새로운 발전 방향을 보여주고 있다. 그 중, 영상의 질적개선을 할 수 있는 빅데이터를 활용한 인공지능(AI)과의 결합이 활발히 진행되고 있다. 특히 딥러닝 기술을 활용하여 의료 영상 판독을 보조할 수있는 시스템인 AI PACS가 대학과 산업체의 협력으로 개발되어 병원에서 활용되고 있다. 이처럼 의료 환경에서 의료영상 정보 시스템의 빠른 변화에맞추어 의료시장의 구조적인 변화와 이에 대처할 수 있는 의료정책의 변화도 필요하다. 한편, 의료영상정보는 디지털 의료영상 전송 장치에서 생성되는DICOM 방식을 기본으로 하고, 생성하는 방법의 차이에 따라 Volume 영상, 단면 영상인 2차원적 영상으로 구분된다. 또한, 최근 많은 의료기관에서는스마트 병원 서비스를 내세우며 차세대 통합 의료정보시스템의 도입을 서두르고 있다. 차세대 통합 의료정보시스템은 EMR을 바탕으로 전자동의서,AI와 빅데이터를 활용한 정밀의료, 외부기관 등을 통합한 솔루션으로 구축하며, 이를 바탕으로 환자 정보 DB 구축과 데이터의 표준화를 통한 의료빅데이터 기반의 의학 연구를 목적으로 한다. 우리나라의 의료영상 정보 시스템은 앞선 IT 기술력과 정부의 정책에 힘입어 세계적인 수준에 있으며,특히 PACS 관련 프로그램은 의료 영상정보 기술에서 세계로 수출을 하고 있는 한 분야이다. 본 연구에서는 빅데이터를 활용한 의료영상 정보 시스템의분석과 함께 의료영상 정보 시스템이 국내에 도입되게 된 역사적 배경을 바탕으로 현재의 흐름을 파악하고 나아가 미래의 발전 방향을 예측하였다.
향후, 20여 년 동안 축적된 DICOM 빅데이터를 기반으로 AI, 딥러닝 알고리즘을 활용하여 영상 판독률을 높일 수 있는 연구를 진행하고자 한다.

참고문헌 (Reference)

• 1 안경희 ; 엄성용, "딥 러닝 기반 코로나19 흉부 X선 판독 기법" 국제문화기술진흥원 6 (6): 789-795, 2020
• 2 "k-Health"
• 3 "e-healthnews"
• 4 M. Harman, "The role of artificial intelligence in soft-ware engineering" IEEE 1-6, 2012
• 5 "Techworld online News"
• 6 J. C. Ang, "Supervised, unsupervised, and semi-supervised feature selection: A review on gene selection" 13 (13): 971-989, 2015
• 7 Medical Image Information System Research Society, "PACS for Medical Image" Chungku 80-88, 2014
• 8 S. M. McKinney, "International evaluation of an AI system for breast cancer screening" 577 (577): 89-94, 2020
• 9 "Infinitt"
• 10 "Healthcare Business Research Center"
• 11 K. I. Choi, "Future policy direction related to national health and medical informatization" 7 (7): 7-12, 2013
• 12 "Dong-a ilbo"
• 13 D. Ravi, "Deep learning for health informatics" 21 (21): 4-21, 2017
• 14 "Daum" Daum
• 15 A. Christe, "Computer-aided diagnosis of pulmonary fibrosis using deep learning and CT images" 54 (54): 627-, 2019
• 16 F. Pesapane, "Artificial in telligence in medical imaging: Threat or oppor tunity? Radiologists again at the forefront of innovation in medicine" 2 (2): 1-10, 2018
• 17 H. J. Chen, "2004Korea PACS Status Report" 10 : 71-76, 2004