자동화된 위해사건위험사정시스템…의료의 질 높이는데 기여

데이터 마이닝(Data Mining)이란 전문적 지식과 고급분석 기법을 이용해 빅 데이터내에 존재하는 숨겨진 관계, 규칙, 패턴 등을 찾아 모형화시켜 유용한 정보를 추출해 지식을 형성하기 위한 일련의 반복 과정을 말한다. 이러한 빅데이터와 데이터 마이닝을 통한 지식기반 정보시스템은 의료인들이 추가적인 자료입력을 하지 않아도 그대로의 임상데이터를 활용해 자동으로 위해사건 발생 위험이 높은 환자를 미리 선별하는 것을 가능케해 의료계의 관심을 끌고 있다.

임상데이터 웨어하우스 구축해 간호연구 지원을 목표로

▲ 가톨릭대학교 간호대학 이선미 교수
위해사건은 적극적인 예방관리를 통해 발생률과 중증도를 낮출 수 있으므로 위험사정도구를 사용해 낙상이나 욕창 같은 위해사건 발생 위험을 주기적으로 사정해 안전문제를 조기 발견하도록 권장하고 있다. 그러나 사정도구 사용시 간호사들의 시간과 노력이 많이 소요되며 이러한 업무 증가는 또 다른 사고의 원인으로 작용할 수 있다. 이에 가톨릭대학교 간호대학 이선미 교수는 “병원정보화로 데이터베이스에 축적되고 있는 빅데이터와 데이터 마이닝 기법을 활용하여 보건의료분야에 필요한 지식과 지혜를 발굴해 환자 간호에 적용함으로써 환자성과를 향상시키고, 자동화된 컴퓨터 시스템을 통해 간호사의 업무를 줄여줄 수 있다”고 설명했다. 특히, 이선미 교수팀(홍현자 간호부원장, 최경옥 간호부장, 평화이즈 기술연구소)은 위해사건을 감소시키기 위해 빅데이터 & 데이터 마이닝 기법으로 자동화된 위해사건 위험사정시스템(Automated Adverse Event Risk Assessment Systems)을 개발해 가톨릭대학교 서울성모병원에 적용, 현재 임상적 효과를 평가하기 위한 연구를 진행 중이다. 사정시스템은 자동화된 섬망위험사정시스템, 자동화된 낙상위험사정시스템, 자동화된 욕창위험사정시스템, 자동화된 의료관련감염(다제내성균, 요로감염) 위험사정시스템, 자동화된 투약오류위험사정시스템, 자동화된 패혈증위험사정시스템이 있다. 이러한 시스템의 예측타당도를 AUC(Area Under the receiver operating characteristics Curve)로 요약하면 섬망(.95), 낙상(.84), 욕창(.96), 다제내성균(.90), 요로감염(.95), 투약오류(.84)로 매우 높은 결과를 보이고 있다.
전 세계적으로 간호사 인력수준과 업무과다가 환자 안전에 심각한 영향을 미치고 있다는 연구결과가 발표되고 있다. 간호사당 환자 수가 적을수록 병원 내 사망률이 낮은 반면 간호사 1인당 담당 환자 1인이 증가할 때마다 사망률과 합병증으로 인한 사망률은 각각 5~7%씩 증가한다는 연구, 신생아실 간호사의 업무량이 과다할수록 사망률도 증가한다는 연구, 간호사의 소진, 초과 근무시간이 간호오류 발생의 주된 원인으로 보고된 것, 중환자실 간호사가 적을수록 투약오류, 인공호흡기 작동오류, 우발적 발관, 재원일수가 늘어난다는 연구 등이다.
이선미 교수는 “이러한 현실의 돌파구를 찾기 위해 자동화된 위해사건 위험사정 시스템을 개발했다”며 “이 시스템으로 간호사들의 업무를 줄여줌으로써 직접간호시간을 늘려 환자의 안전을 도모해 의료의 질을 높이고 의료과오와 비용을 줄이는 데 큰 기여를 할 것으로 기대된다”고 말했다. 이어 “높은 타당도가 입증된 자동화 위해사건 위험사정시스템은 위해사건을 효율적으로 예방 및 관리할 수 있는 시스템이므로 서울성모병원뿐 아니라 타의료기관에서도 사용 가능하도록 범용성 시스템에 대한 추가 연구가 진행되어야 할 것이다”며 “또한 위해사건 중 섬망의 경우 의료인들이 조기에 섬망으로 인지하기 어려워 자동화된 섬망선별시스템 개발에도 집중하고 있다”고 앞으로의 계획을 밝혔다.
한편, 이선미 교수는 가톨릭대학교 간호대학 졸업, 서울대학교 보건대학원 보건통계학 전공 후 University of Maryland, Baltimore에서 Ph.D.학위(간호정보학 전공)를 받았다. 현재는 가톨릭대학교 간호대학 부교수, 교육부학장, 가톨릭대학교 성의교정 평생교육원 교학부장으로 활동하고 있다.  

저작권자 © 시사매거진 무단전재 및 재배포 금지