EMR 데이터 이해하기 — 구조화·비구조화 데이터의 차이
…
한줄 요약
EMR 데이터의 80%는 텍스트다. 구조화 데이터와 비구조화 데이터의 차이를 모르면 연구 설계 자체가 틀어진다.
구조화 데이터 — 숫자와 코드
병원 데이터베이스에서 쿼리로 바로 꺼낼 수 있는 데이터다.
진단 코드 (ICD-10-CM)
- E11.9 — 합병증 없는 제2형 당뇨병
- I25.10 — 관상동맥질환, 폐쇄 명시 없음
- J18.9 — 상세 불명의 폐렴
약물 코드 (ATC)
- A10BA02 — Metformin
- C09AA01 — Captopril
- N06AB06 — Sertraline
검사 수치 (Lab values)
glucose: 126 mg/dL
HbA1c: 7.8%
eGFR: 62 mL/min/1.73m²구조화 데이터는 분석하기 쉽지만 임상 맥락이 빠져 있다.
비구조화 데이터 — 텍스트, 영상, 파형
의무기록의 80%는 비구조화 데이터다.
- 의사 노트: “3개월 전부터 운동 시 흉통 발생. 계단 2층 오르면 호흡 곤란.”
- 영상 판독문: “우하엽에 1.2cm 결절 확인. 추적 관찰 권장.”
- 심전도 파형: 12-lead ECG raw signal
- 내시경 영상: JPEG/DICOM 파일
이 데이터는 SQL로 꺼낼 수 없다. NLP 또는 딥러닝이 필요하다.
HL7 FHIR 표준
의료 데이터 교환 표준 중 현재 가장 널리 채택된 것이 HL7 FHIR R4다.
{
"resourceType": "Observation",
"status": "final",
"code": {
"coding": [{
"system": "http://loinc.org",
"code": "4548-4",
"display": "Hemoglobin A1c"
}]
},
"valueQuantity": {
"value": 7.8,
"unit": "%"
}
}FHIR API를 통하면 병원 간 데이터 교환이 표준화된다. 미국 CMS는 2021년부터 FHIR API 의무화.
MIMIC-IV 데이터셋
PhysioNet에서 신청 가능한 공개 ICU 데이터셋. 2008-2019년 Beth Israel Deaconess Medical Center 입원 환자 데이터.
- 환자 수: 약 40만 명
- 포함 데이터: 진단, 처방, 검사, 간호 기록, 파형
- 접근: PhysioNet 계정 + CITI 교육 수료 + Data Use Agreement
-- MIMIC-IV 당뇨병 환자 혈당 추이
SELECT p.subject_id, l.charttime, l.valuenum
FROM patients p
JOIN labevents l ON p.subject_id = l.subject_id
JOIN diagnoses_icd d ON p.subject_id = d.subject_id
WHERE d.icd_code LIKE 'E11%'
AND l.itemid = 50931 -- glucose
ORDER BY p.subject_id, l.charttime;한국 건강보험 청구 데이터 (HIRA)
건강보험심사평가원에서 연구자에게 제공하는 전국민 청구 데이터.
- 전국민 5,200만 명 포함
- 입원/외래/약국 청구 기록
- 신청: HIRA 연구지원포털 (hira.or.kr)
- 처리 기간: 약 3-6개월
한계: 검사 수치 없음, 사망 원인 연결 제한적.
데이터 품질 문제
결측값: HbA1c가 측정된 환자만 분석하면 선택 편향 발생
코딩 오류: ICD 코드 J18.9 (폐렴)이 실제로는 COPD 악화인 경우 다수
중복 기록: 전원 시 동일 입원이 두 병원에서 각각 집계
시간 정보 오류: 과거 병력이 현재 방문 날짜로 입력
의사가 데이터를 볼 때 주의할 편향
- 관찰 편향(Detection bias): 검사를 더 많이 받는 환자에서 진단이 더 많이 나옴
- 생존자 편향: 중증 환자가 탈락하고 경증만 남음
- 불멸 시간 편향(Immortal time bias): 약물 노출 정의 시 발생하는 고전적 오류
핵심 정리
- 구조화 데이터: ICD/ATC 코드, 검사 수치, 활력징후 — SQL로 분석 가능
- 비구조화 데이터: 의무기록 텍스트, 영상 — NLP/딥러닝 필요
- FHIR: 현재 의료 데이터 교환 표준, JSON 기반
- MIMIC-IV: 공개 ICU 데이터셋, 연구 시작점으로 최적
- HIRA 청구 데이터: 전국민 규모, 단 검사 수치 없음