[논문 리뷰] Surgical Data Science: A Consensus Perspective

Lena Maier‐Hein, Matthias Eisenmann외 26명|arXiv (Cornell University)|2018. 06. 08.

Artificial Intelligence in Healthcare and Education참고 문헌 32인용 수 9

한 줄 요약

이 합의 보고서는 2016년 하이델베르크 워크숍에서 유래하여, 구조화된 데이터 캡처, 정리, 분석 및 모델링를 통해 개선된 외과의료를 목표로 하는 의학적 분야로 외과 데이터 과학(SDS)을 공식적으로 정의한다. 이 보고서는 SDS의 정의, 핵심 과제를 규명하고, 표준화, 다학제적 협업 및 임상 적용을 위한 비전도를 제시한다.

ABSTRACT

Surgical data science is a scientific discipline with the objective of improving the quality of interventional healthcare and its value through capturing, organization, analysis, and modeling of data. The goal of the 1st workshop on Surgical Data Science was to bring together researchers working on diverse topics in surgical data science in order to discuss existing challenges, potential standards and new research directions in the field. Inspired by current open space and think tank formats, it was organized in June 2016 in Heidelberg. While the first day of the workshop, which was dominated by interactive sessions, was open to the public, the second day was reserved for a board meeting on which the information gathered on the public day was processed by (1) discussing remaining open issues, (2) deriving a joint definition for surgical data science and (3) proposing potential strategies for advancing the field. This document summarizes the key findings.

연구 동기 및 목표

• 외과 데이터 과학(SDS)을 외과의료 향상을 위한 데이터 기반의 독립된 과학 분야로 정의한다.
• 외과 전문 분야 간 데이터 수집, 표준화 및 통합의 핵심 과제를 규명하고 해결한다.
• 다학제적 협업을 통해 SDS를 발전시킬 수 있는 공동 연구 의제와 비전도를 수립한다.
• 데이터 과학적 접근을 통해 경험 기반 외과에서 지식 기반 외과로의 전환을 촉진한다.
• 외과 데이터 과학을 위한 공통 표준, 도구 및 인프라의 개발을 촉진한다.

제안 방법

• 국제적인 외과 데이터 과학 전문가들이 참가한 상호작용적이고 개방적인 워크숍 형식을 실시하였다.
• 1일차에는 공개 세션, 2일차에는 이사회 회의를 통해 합의를 도출하였다.
• 참여자들의 입력을 종합하여 SDS의 공동 정의, 핵심 과제 및 전략적 연구 방향을 도출하였다.
• 영상, 영상, 생리학적 데이터, 전자의료기록(EHR), 로봇 시스템 등 주요 데이터 유형과 그 통합 수요를 규명하였다.
• 데이터 거버넌스, 상호운용성 및 윤리 기준을 위한 프레임워크를 제안하였다.
• 공동 벤치마크, 개방형 데이터셋 및 협업 기반 도구 개발의 필요성을 강조하였다.

실험 결과

연구 질문

• RQ1 외과 데이터 과학(SDS)을 포괄적이고 통합적인 정의로 규정하기 위해 무엇이 필요한가?
• RQ2 외과 데이터 수집 및 활용 과정에서 발생하는 주요 기술적, 윤리적, 조직적 과제는 무엇인가?
• RQ3 영상, 영상, 전자의료기록(EHR), 로봇 시스템 등 다양한 데이터 소스가 외과 전문 분야 간에 어떻게 통합되고 표준화될 수 있는가?
• RQ4 연구에서 임상 적용으로까지 SDS를 발전시키기 위해 필요한 전략은 무엇인가?
• RQ5 다학제적 협업과 공동 인프라가 SDS의 진전을 어떻게 가속화할 수 있는가?

주요 결과

• 외과 데이터 과학은 외과 데이터의 캡처, 정리, 분석 및 모델링를 통해 개선된 외과의료를 추구하는 과학 분야로 정의된다.
• 외과 환경 전반에서 표준화되고, 구조화되며, 상호운용 가능한 데이터의 부족이 주요 과제로 존재한다.
• 진전을 가속화하기 위해 공통 벤치마크, 개방형 데이터셋 및 협업 기반 도구 개발이 필요하다.
• 임상 적용을 위해 외과, 데이터 과학, 공학 및 윤리학 분야 간의 다학제적 협업이 필수적이다.
• 체계적인 데이터 과학 접근을 통해 '권위 기반' 외과에서 '지식 기반' 외과로의 전환이 가능하다.
• 워크숍은 향후 연구, 표준화 및 인프라 개발을 위한 기초 비전도를 수립하였다.