CANE vs. KETOS 플랫폼

 

 

 

안녕하세요. 씨앤텍 시스템즈 입니다.

 

 

 

이번 글은 CANE 플랫폼과 KETOS 플랫폼의 비교하여 정리해 보도록 하겠습니다.

 

 

KETOS 플랫폼 자료 출처는 'KETOS: Clinical decision support and machine learning as a service

– A training and deployment platform based on Docker, OMOP-CDM, and FHIR Web Services' 이며

 

 

해당 논문의 저자는 아래와 같습니다.

 

Julian Gruendner

Thorsten Schwachhofer

Phillip Sippl

Nicolas Wolf

Marcel Erpenbeck

Christian Gulden

Lorenz A. KapsnerI

Jakob Zierk

Sebastian Mate

Michael Stürzl

Roland Croner

Hans-Ulrich Prokosch

Dennis Toddenroth

 

 

원문 URL: https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0223010

 

 

---

 

먼저 KETOS 플랫폼에 대해서 알아보도록 하겠습니다.

 

 

<KETOS 플랫폼>

 

◎ 목적: CDS(임상판단지원)가 가능한 통계적 분석을 가능케 함과 동시에, 

안전한 (secure) 환경에서 결과 모델을 활용할 수 있도록 함

 

 

◎ 사용 프로그램: Docker, Jupyter Notebook, HL7 FHIR, OMOP CDM

 

1) Docker(도커): 플랫폼 개발 및 배포에 사용함 

 - 다양한 프로그램/실행환경 → 컨테이너로 추상화하여 프로그램의 배포/관리를 단순화해준다는 장점이 있음

 - KETOS 라는 플랫폼 이름도 바로 이 도커의 고래심볼에서 착안하여 만듦 →   KETOS(케토스)란 그리스 신화에 나오는 바다괴물로,

도커가 서버관리를 용이하게 해주어 가볍고(lightweight) 유연한 접근이 가능하듯이

KETOS 플랫폼 역시 그렇게 만들겠다는 의지가 담겨있음

 

 

 

2) 주피터 노트북(Jupyter Notebook): 데이터 분석 프로그램

- 파이썬과 비슷하지만 웹에서 실행한다는 점이 차이점

 

 

3) HL7 FHIR (Health Level 7 Fast Healthcare Interoperability Resources standard)

- 표준화된 방법으로 의료데이터 교환하기 위해 사용

 

 

 

 

◎ KETOS 아키텍처 ◎

 

① KETOS GUI (유저 인터페이스) & 모델 구축/활용 컨트롤 센터 → 도커 컨테이너를 활용한 개발환경 생성

② 주피터 노트북 → 통계적 데이터 분석이 가능한 개발환경에 접근

③ 표준화된 데이터 & 표준화된 용어 (SNOMED, LOINC 등) → 모든 컴퓨터 계산은 표준화된 데이터 기반으로 이루어짐

④ 데이터 전처리서비스: FHIR 웹서비스를 통해 OMOP 데이터베이스로부터 필요한 데이터 맵핑 & CSV 파일로 변환

⑤ FHIR 표준: 서로 다른 의료 엔티티간 상호운용 갭을 줄이는데 효과적

⑥ 의사용 앱: 일단 모델이 개발되면 의사용 앱을 통해 임상환경에서 활용 → 임상환경에의 자연스러운 통합/적용

 

 

 

◎ KETOS는 특히 환자데이터 및 프라이버시 보호에 신경을 쓰고 있는 것이 큰 특징 ◎

그 이유는 

 1) GDPR (General Data Protection Regulation) 전 유럽 확대

 2) German Medical Informatics Initiative (MI-I) → 임상데이터와 연구데이터를 통합하는 과정에서,

    단일 병원 내에서 뿐만 아니라 병원간 / 연구기관 간 통합까지 시도 

 3) MIRACUM 컨소시엄 → 기존 병원의 EHR 시스템에 통합될 수 있는 솔루션 개발이 목표

 

※ MI-I에 참여한 컨소시엄 중 하나가 MIRACUM 이며, MIRACUM은 KETOS 플랫폼 사례연구 중 하나를 수행함

 

EMR(Electronic Medical Record)	EHR (Electronic Health Record)
단일 건강시설에서 전문가가 남긴 환자에 대한 전자기록	모든 건강 관리 시설의 전문가가 환자의 건강에 대해 남긴 전자 기록 다양한 정보를 담아두고 있기에 빠르고 효과적으로 진단하는데 유용하나 개인정보보호 및 데이터 도용 등의 문제가 발생

 즉 GDPR이 전유럽으로 확대되고, 의료 데이터 간 공유를 시도하며, EMR 보다 상대적으로 다양한 정보를 담고 있는 EHR으로의 통합을 시도하고 있어 개인정보보호에 민감할 수밖에 없음

 

 

 

◎ 위 문제를 해결하기 위한 방안: DataSHIELD 사용 ◎

 

* 이미 KETOS 이전의 사전작업으로서, 환자 데이터를 보호하면서도 데이터를 분석할 수 있는 DataSHIELD를

   MIRACUM 참여 병원에 임베디드 함

* 병원 네트워크 방화벽 (Firewall) + HTTPS + Password를 통해 병원 내 등록된 연구원에 한정하여 KETOS 접근 권한 부여 or

  데이터 요청은 관리자만 가능하게 함으로써 프라이버시 규정에 부합하도록 하고자 함

 

*** HTTPS (Hypertext Transfer Protocol Secure): 사용자 컴퓨터와 방문한 사이트 간 전송되는 데이터 손상방지 및 기밀성 보장하는 인터넷 통신 프로토콜 / 구글도 도입

 

 

 

◎ KETOS와 DataSHIELD의 통합 아키텍처 ◎

 

 

 

 * Queue-Poll Connector가 핵심: 줄을 정리하는 목적으로 사용되는 큐폴대 (위 사진 참고)로

    병원 간 데이터를 마구잡이로 공유하는 것이 아니라, 관리자 또는 승인된 연구원에 한해서만 데이터를 주고 받겠다는 의미

 

* 환자 데이터가 DataSHIELD 네트워크에 적재되면, DataSHIELD가 필요로 하는 패키지 등이 자동 다운로드 되고, 

  KETOS 환경에서의 주피터 노트북 등을 통해 predict 함수를 선택하여 해당 모델과 데이터를 통해 유의미한지 확인 가능

 

* App에서 KETOS에 요청사항을 보내면 임상환경에의 적용도 가능함

 

 

*** predict 함수: 데이터 분석 시 대표적인 활용 툴인 R, python에서 모델을 만들고 난 뒤

      통계적으로 유의한지 여부를 확인하기 위한 함수로, predict.lm () 또는 predict() 과 같이 활용됨

 

*** App 역시 승인된 어플리케이션이어야 함

 

 

 

 

---

 

 

 

---

 

 

◎ 결론: CANE 플랫폼과 KETOS 플랫폼의 공통점과 차이점 ◎

 

 

***CDSS 또는 CDS는 임상판단지원시스템으로서,

 

한개의 데이터만 가지고 할 수 있는 것이 아니라 여러개의 데이터가 필수적이며 

 

임상판단이라는 특이성 때문에 데이터가 고품질이고, 환자에게 직접 얻은 것일 수록 분석 시 더욱 정확한 결과를 얻을 수 있습니다.

 

즉 CDS를 구축하기 위해서는 빅데이터 기반의 통계분석이 반드시 필수적이라고 할 수 있습니다.***

 

 

---

 

 

 

감사합니다.