[논문 리뷰] A Data Model for Integrating Heterogeneous Medical Data in the Health-e-Child Project

Andrew Branson, Tamás Hauer외 3명|PubMed|2008. 12. 15.

Biomedical Text Mining and OntologiesBiochemistry, Genetics and Molecular Biology참고 문헌 5인용 수 16

한 줄 요약

이 논문은 Health-e-Child 프로젝트에서 유전체학부터 환자 기록에 이르기까지 이질적인 생물의학 데이터를 통합하기 위한 통합 데이터 모델을 제안한다. 온톨로지 링크를 사용하여 다양한 데이터 소스를 통합한다. 이 모델은 표준화되고 확장 가능한 프레임워크를 통해 분산된 이질적인 의료 데이터에 클리닉이 액세스하고 분석할 수 있도록 하며, 프로젝트의 실제 임상 사용 사례를 통해 검증된다.

ABSTRACT

There has been much research activity in recent times about providing the data infrastructures needed for the provision of personalised healthcare. In particular the requirement of integrating multiple, potentially distributed, heterogeneous data sources in the medical domain for the use of clinicians has set challenging goals for the healthgrid community. The approach advocated in this paper surrounds the provision of an Integrated Data Model plus links to/from ontologies to homogenize biomedical (from genomic, through cellular, disease, patient and population-related) data in the context of the EC Framework 6 Health-e-Child project. Clinical requirements are identified, the design approach in constructing the model is detailed and the integrated model described in the context of examples taken from that project. Pointers are given to future work relating the model to medical ontologies and challenges to the use of fully integrated models and ontologies are identified.

연구 동기 및 목표

• 개인화된 헬스케어 시스템에서 분산되고 이질적인 의료 데이터 소스를 통합하는 데 도전하는 문제를 해결하기 위해.
• 유전체, 세포, 질병, 환자 및 인구 수준의 데이터를 아우르는 임상 데이터 통합을 지원하는 통합 데이터 모델을 설계하기 위해.
• 온톨로지에 의한 의미적 연결을 통해 이질적인 데이터 시스템 간의 상호운용성을 보장하기 위해.
• Health-e-Child 프로젝트에서 도출된 임상 요구사항을 충족하기 위해 데이터 액세스 및 분석을 가능하게 하기 위해.
• 미래의 의료 온톨로지 통합과 스케일러블 데이터 모델링을 위한 기반을 마련하기 위해.

제안 방법

• 다양한 이질적 소스에서 온 데이터를 추상화하고 표준화하는 중심집중식 통합 데이터 모델 설계하기.
• 기존 생물의학 온톨로지와의 맵핑을 통해 데이터 모델을 온톨로지에 연결하여 의미적 상호운용성을 달성하기.
• 환자, 질병, 유전체 데이터, 임상 관찰과 같은 핵심 실체를 중심으로 관계가 정의된 구조로 모델 구성하기.
• Health-e-Child 프로젝트의 실제 임상 사용 사례에 모델을 적용하여 실용성과 확장성 검증하기.
• 확장성과 향후 변화하는 의료 온톨로지와의 통합을 지원하기 위해 모듈러한 설계 적용하기.
• 일관성과 헬스그리드 환경에서의 분산 데이터 액세스를 지원하기 위해 공식적인 데이터 모델링 접근법 사용하기.

실험 결과

연구 질문

• RQ1 다양한 소스에서 온 이질적인 생물의학 데이터를 임상 용도로 하나의 통합된 일관된 데이터 모델로 통합할 수 있는가?
• RQ2 유전체, 임상 및 인구 수준의 건강 데이터를 효과적으로 통합하기 위한 설계 원칙은 무엇인가?
• RQ3 온톨로지에 의한 의미 관계가 분산된 의료 데이터 환경에서의 데이터 상호운용성을 어떻게 향상시킬 수 있는가?
• RQ4 완전히 통합된 의료 데이터 모델을 구축하고 유지보수하는 데 있어 실질적인 과제는 무엇인가?
• RQ5 이 모델은 개인화된 헬스케어 환경에서 실시간 임상 의사결정 지원 및 데이터 분석을 어떻게 지원할 수 있는가?

주요 결과

• 제안된 통합 데이터 모델은 유전체, 임상 기록, 인구 데이터를 포함한 다양한 소스의 이질적인 의료 데이터를 성공적으로 통합한다.
• 온톨로지 링크를 통해 의미적 풍부화가 가능하며, 다양한 시스템 간 데이터 탐색성과 상호운용성이 향상된다.
• 모델은 Health-e-Child 프로젝트의 실제 임상 사용 사례를 통해 검증되어 실현 가능성과 실용적 유용성을 입증했다.
• 데이터 일관성과 표준화를 유지하면서도 분산된 데이터 액세스를 지원하는 통합 접근법이다.
• 완전히 통합된 모델의 과제로는 확장성, 데이터 거버넌스, 변화하는 생물의학 온톨로지와의 일치 유지가 있다.
• 이 모델은 향후 고급 임상 분석 및 개인화된 헬스케어 워크플로우를 지원하기 위한 확장 기반을 제공한다.