Our Blog

지난 글(바로가기)에서 2010년부터 2017년까지 한국인의 만성 두드러기(Chronic urticaria; 이하 CU)/만성 자발성 두드러기(Chronic spontaneous urticaria; 이하 CSU)의 유병률 추세에 대해서 알아보았습니다. HIRA 데이터를 이용한 연구 2편에서는 HIRA 표본환자데이터를 이용하여 CU와 CSU의 합병증에 대한 로지스틱 회귀분석 결과를 살펴보겠습니다. 합병증 정의 이전 연구를 참고하여4,5,6,7, CU/CSU와 관련이 있는 질병을 아래와 같이 정의하였습니다. 알레르기성 비염(Allergic rhinitis)천식(Asthma)셀리악 병(Celiac disease)갑상선 질환(Disorders of thyroid gland)약물 또는 기타 알레르기(Drug or other allergy)염증성 장 질환(Inflammatory bowel disease)혈액학적 신생물(Hematological neoplasms)비혈액학적 신생물(Non-hematological neoplasms)악성 빈혈(Pernicious anemia)레이노 증후군(Raynaud’s phenomenon)혈청검사 양성 류마티스 관절염(Rheumatoid arthritis)쉐그린 증후군(Sjogren’s syndrome)a전신 홍반

지난 글(바로가기)에서 HIRA 데이터를 활용한 연구의 대표적 통계분석방법론을 소개했습니다. 통계분석방법론 연구를 토대로 라인웍스가 HIRA 데이터를 활용해 분석 연구를 수행한 결과를 두 편의 글로 소개합니다. 1편에서는 추세 분석을 통해 만성 두드러기(Chronic urticaria; CU)와 만성 자발성 두드러기(Chronic spontaneous urticaria; CSU) 환자의 연도별 유병률에 대해 알아보겠습니다. 2편에서는 로지스틱 회귀 분석을 사용해 만성 두드러기(CU)와 만성 자발성 두드러기(CSU)의 합병증 분석 결과를 소개하겠습니다. 연구에는 건강보험심사평가원에서 제공하는 의료명세서 데이터(Health Insurance Review & Assessment Service; 이하  HIRA 데이터)를 사용했습니다. 이번 글에서는 연도별 유병률 추세에 대해 자세히 알아보도록 하겠습니다. 정의 만성 두드러기(CU)는 6주

MDwalks(엠디웍스)는 헬스케어 비즈니스와 의료데이터 분석 서비스를 제공합니다. 라인웍스는 MDwalks를 다양하고 깊이 있는 의료데이터 분석 서비스로 발전시키기 위해 여러 가지 연구를 진행 중입니다. 최근에는 건강보험심사평가원에서 제공하는 의료명세서 데이터(Health Insurance Review & Assessment Service; 이하  HIRA 데이터)를 이용한 논문의 통계분석 방법론 동향 연구를 진행했습니다. 이 연구가 후향적 연구를 계획하고 있는 연구자에게 HIRA 데이터 활용의 길잡이가 될 것으로 기대합니다. 이번 글에서는 분석 진행 과정을 먼저 소개하고, HIRA 데이터 연구의 대표적인 분석 방법론을 3가지로 분류하여 소개하도록 하겠습니다. 이번 연구는 분석방법론 범주화와 군집화의 두 단계로 나누어

안녕하세요. 라인웍스 Tech 그룹 홍원준입니다. 2019년 3월 22일부터 2019년 3월 25일까지 라인웍스 전체 서버점검으로 인하여Medimap 과 MDwalks 서비스 접속이 간헐적으로 불가할 수 있음을 공지 드립니다.

목차 배경 Electron 사용 배경 개발화면 구성 및 기능 시행착오 개발 후기 1. 배경 라인웍스에서는 의료 데이터를 활용한 다양한 머신러닝 프로젝트를 진행하고 있습니다. 머신러닝에는 사용하는 접근 방법에 따라 다양한 방법론들이 있지만, 이번 글에서 다루는 내용은 지도 학습(supervised learning)을 이용한 진단보조시스템(Clinical Decision Supporting System 이하 CDSS) 개발을 주로 설명하고 있습니다. 의료 데이터를 활용한 CDSS를 개발하는 경우에는 생각보다 많은 걸림돌이 있습니다. 그중 대표적인 것은 양질의 데이터를 확보하는 것입니다. 일반적으로 많이 알려지고 많은 팀들이 시도하는 문제들은 충분히 양질의 데이터셋이 공개(Kaggle, Amazon AWS 등등)되어있는 경우가 많습니다만, 그렇지 않은 문제들은 직접 데이터셋을 준비해야된다는

MIMIC-III 데이터베이스는 무료로 공개된 다년간의 중환자입원 기록으로, 다양한 의료정보 분석에 활용되고 있습니다.본 글은 Docker로 Postgres 설치하고 MIMIC-III 데이터베이스 세팅한 방법에 대해 작성한 글로서, Docker로 테스트용 데이터베이스를 설치하는 사례를 소개합니다.이 문서의 내용을 참조하였으며, 누구나 쉽게 mimic 데이터베이스를 설치할 수 있도록 정리하였습니다.MIMIC-III 데이터는 교육을 이수한 후에 접근이 가능합니다. 자세한 정보는 여기를 참고하세요. 1단계. mimic-code 리포지토리를 클론Workspace 폴더에 mimic-code 리포지토리를 클론합니다. git clone https://github.com/MIT-LCP/mimic-code 2단계. MIMIC-III 데이터를 얻기MIMIC csv 파일은 Workspace 폴더에 하위 폴더 ‘mimic’을 생성하고 mimic에 하위 폴더 ‘data’를 생성하고 이

지난 글에서 의료 인공지능 MDwalks EXI의 기능을 간략히 소개했습니다. MDwalks EXI는 입원환자가 퇴원 후 30일 이내에 다시 재입원할 확률을 예측합니다. 환자 별로 전체 의무기록을 바탕으로 생성된 예측 모델을 활용해, 모의 처방을 내릴 수 있습니다. 이 모의 처방은 환자의 재입원확률을 낮출 수 있도록 의료진이 더 나은 치료, 처방을 제공하는데 도움이 될 수 있을 것입니다. 이렇게 MDwalks EXI를 개발하면서 라인웍스는 의료 인공지능에 대해 두 가지를 고려하였습니다. 환자와 의료진에게 실질적 가치를 제공 신뢰할 수 있는 인공지능 기술 수준 달성 이 두 가지 중에서 이번 글에서는

최근 라인웍스는 AI기반 정밀의료 서비스 개발 과제 ‘닥터앤서(Dr. Answer)‘에 참여하였습니다. 이 과제에서 라인웍스는 서울아산병원과 협력하여 환자의 응급 내원을 예측하는 모델을 개발하고 있습니다. 의료 인공지능은 딥러닝 기술로 전자의무기록을 학습하여, 심뇌혈관질환자의 진단, 예방, 처방과 같이 실제 의료 수요를 충족시키는 서비스를 제공합니다. 이 개발의 과정의 중간 결과물인 MDwalks EXI를 소개합니다. MDwalks EXI는 EXtensible Intelligence의 줄임말로 “사용자의 필요에 따라 확장이 가능한 형태의 인공지능”을 표방하고 있습니다. 이번 버전의 MDwalks EXI는 “입원 환자가 퇴원 후 30일 이내에 다시 입원할 확률”을 예측합니다. 이번

라인웍스가 지난 주 8월 8일부터 10일까지 서울 코엑스에서 열린 K-Hospital Fair(국제병원의료산업박람회)에 참가하였습니다. K-Hospital Fair의 의료 인공지능 특별관에서 전시를 진행하였는데, 이 특별관은 AI기반 정밀의료 서비스 개발 과제 ‘닥터앤서(Dr. Answer)’의 일부를 소개하는 자리였습니다. 올해부터 라인웍스도 이 과제에 참여하여 서울아산병원과 함께 심뇌혈관질환의 질병예측, 진단, 치료를 지원하는 의료 인공지능을 개발 중입니다. 이번 박람회에서 닥터앤서(Dr. Answer)로 개발중인 MDwalks EXI(Extensible Intelligence)와 심평원 의료명세서 데이터 분석 서비스 MDwalks, 이렇게 두 가지 서비스를 전시하였습니다. 3일의 전시 기간 동안 라인웍스 부스를 찾아주신 분들을 자세히 보면 의사, 간호사, 병원관리자, 의료기기사, 제약사, 취재 기자, 벤쳐투자자,

라인웍스가 K-hospital Fair 에 참가합니다. 라인웍스는 이번 주 수요일 부터 서울 코엑스에서 열리는 K-Hospital Fair(국제병원의료산업박람회)에 참가합니다. 이번 박람회에 라인웍스는 “AI기반 정밀의료 솔루션 추진단” 컨소시엄의 일원으로 참가하게 되었는데요. 박람회 내 “의료 인공지능 특별전”에서 라인웍스가 개발 중인 의료 인공지능 MDwalks EXI를 선보일 예정입니다. 의료 인공지능 MDwalks EXI는 EHR 데이터로 환자 재방문과 사망 위험도를 딥러닝한 시스템입니다. 서울아산병원과 협력하여 심뇌혈관질환에 대한 CDSS(Clinical Decision Support System) 형태의 의료 인공지능을 개발중인데, 현장에서 직접 확인할 수 있는 것은 MIMIC-3라는 MIT의 공개 데이터로 개발한 버전입니다. 이번 버전에서는 입원