[PDF 구매가능]의료산업의 새로운 패러다임-보건의료 빅데이터 및 가명·익명정보 기술현황

시 중 가
380,000
판 매 가
342,000
필수옵션
발행사
하연출판
ISBN
979-11-85497-27-3 93500
Page/Size
284 / A4
발행일
2021년 05월 14일
출고 예정일
당일
수량

본 보고서는 보건의료 빅데이터 및 가명·익명정보 기술현황에 대해 종합적으로 조사 분석하였다.

목차 내려받기

표지 및 사본


 


제1장 디지털 세상과 의료 빅데이터

 

 1. 디지털 전환에 따른 의료 환경 변화

  1-1. 디지털 세상

    1-1-1. 중앙집중식 병원시스템의 붕괴

    1-1-2. 코로나 펜데믹에 의한 보건의료 패러다임 변화

    1-1-3. 펜데믹에 의해 가속화되고 있는 디지털 헬스케어

      (1) 질병에 따른 사회적 비용 증가

      (2) 디지털 기술 기반 의료시스템의 재편

  1-2. 보건의료 빅데이터

    1-2-1. 보건의료 빅데이터 개념

    1-2-2. 데이터와 의료산업

      (1) 의료데이터(clinical data)

      (2) 유전데이터(genomics data)

      (3) 외인데이터(exogenous data)

    1-2-3. 보건의료 분야의 빅데이터 활용

      (1) 보건의료 빅데이터의 축적 및 활용

      (2) 각국의 보건의료분야의 빅데이터 활용 방안

      (3) 보건의료 빅데이터와 개인정보 보호

    1-2-4. 보건의료 빅데이터와 인공지능의 결합

    1-2-5. 공통데이터모델(Common Data Model)

      (1) 공통데이터모델(CDM) 등장 배경

      (2) 공통데이터모델(CDM) 개념

      (3) 공통데이터모델 활용

      (4) 공통데이터모델과 개인정보 보호

  1-3. 4차 산업혁명과 의료 환경 변화

    1-3-1. 스마트 의료기기

    1-3-2. 스마트폰·웨어러블 디바이스 보급 확대

    1-3-3. 모바일 헬스케어

 

2. 디지털 세상의 보건의료 빅데이터

  2-1. 라이프로그(Life log)와 빅데이터

    2-1-1. 라이프로그(Life log) 데이터 수집

      (1) 행동정보를 이용한 라이프로그

      (2) 생체정보를 이용한 라이프로그

        가. 맥파(Photoplethysmogram, PPG) 기반 라이프로그

        나. 심전도(Electrocardiogram, ECG) 기반 라이프로그

        다. 맥파전파속도(Pulse Wave Velocity, PWV)

    2-1-2. 라이프로그 기반 빅데이터

      (1) 라이프로그와 빅데이터 개요

        가. 개인 빅데이터

        나. 개인건강기록(Personal Health Record, PHR)

      (2) 보건의료 빅데이터

  2-2. 임상데이터

    2-2-1. 임상데이터 개념

    2-2-2. 임상데이터 활용

      (1) 임상데이터 통계

      (2) 임상데이터 관리(Data Management)

      (3) 임상데이터 표준화

  2-3. 병원정보시스템과 의료정보시스템에서 발생하는 빅데이터

    2-3-1. 병원 진료기록

    2-3-2. 전자의무기록(EHR)과 PHR(Personal Health Record) 데이터

      (1) EMR과 EHR의 비교

        가. EMR(Electronic Medical Record)

        나. EHR(Electronic Health Record)

        다. 전자건강기록(EHR) 활용

        라. 전자의무기록의 해결 과제

      (2) PHR(Personal Health Record)

        가. PHR(Personal Health Record) 개념

        나. PHR시스템 활용

        다. 국내외 PHR 동향

        라. PHR 해결 과제

    2-3-4. 청구데이터(claim data)

      (1) 청구데이터(Claim Data) 개요

        가. 청구데이터 개념

        나. 청구데이터 특징

        다. 청구데이터 구성

      (2) 청구데이터 활용

      (3) 청구데이터 활용 해결 과제

    2-3-5. 개인의 생활습관 및 건강 관련 환자 유래 의료데이터(PGHD)

      (1) 환자 유래 의료데이터(Patientgenerated health data, PGHD) 개념

      (2) 환자 유래 의료데이터(PGHD)의 중요성

      (3) 환자 유래 의료데이터(PGHD)의 활용

      (4) 환자 유래 데이터의 한계

  2-4. 유전체 데이터(genomic data)

 

제2장 보건의료 빅데이터 산업 동향

 

1. 보건의료 빅데이터 산업 개요

  1-1. 의료 빅데이터 개방

  1-2. 개인정보

    1-2-1. 개인정보 개념

    1-2-2. 의료분야에서의 환자 개인정보

    1-2-3. 개인정보보호법

  1-3. 가명정보

    1-3-1. 가명정보 개념

    1-3-2. 가명처리 대상 정보의 범위

    1-3-3. 가명처리 원칙

    1-3-4. 가명정보 처리 및 활용 절차

      ① 1단계 사전준비: 처리 목적의 적합성 검토 및 사전 계획 수립

      ② 2단계 가명처리: 가명처리 수준정의 및 처리

      ③ 3단계 적정성 검토 및 추가 가명처리

      ④ 4단계 활용 및 사후관리

    1-3-5. 가명정보 결합 및 반출 절차

      ① 1단계 사전준비 및 결합신청(가명처리)

      ② 2단계 결합키 생성 및 정보 송신(일련번호+결합대상정보, 일렬번호+결합키)

      ③ 3단계 추가처리 및 반출요청

  1-4. 익명정보

    1-4-1. 익명정보 개념

    1-4-2. 익명정보 처리 원칙

    1-4-3. 익명정보 처리 과정

 

2. 보건의료분야의 가명·익명정보의 활용 동향

  2-1. 의료분야 마이데이터

  2-2. 보건의료 빅데이터 및 가명·익명정보의 국내외 현황

    2-2-1. 국내외 가명·익명정보 동향

      (1) 해외 동향

        가. EU GDPR

        나. 일본 개인정보보호법

        다. 미국 CCPA

      (2) 국내 개정 개인정보보호법

    2-2-2. 국내외 데이터 시장 전망

 

참고문헌

 

 

그림목차

[그림 1] 디지털 세상

[그림 2] 병원의 디지털 전환 프레임워크

[그림 3] 환자 중심의 의료 기술

[그림 4] COVID-19 상황에서 사용된 디지털 기술들

[그림 5] 치료방식의 변화와 디지털 헬스케어의 개념

[그림 6] 만성질환 관리를 위한 예측 분석

[그림 7] 스마트 병원

[그림 8] 보건의료 빅데이터 도식화

[그림 9] 국내 공공의료 빅데이터수

[그림 10] 보건의료데이터 현황 및 가치

[그림 11] EMR의 구조

[그림 12] 만성질환(제2형 당뇨병) 치료를 위한 외인성 데이터 활용

[그림 13] 데이터 아키텍처의 변화요소들

[그림 14] 데이터 분석을 위한 기술

[그림 15] 의료분야의 빅데이터

[그림 16] 보건의료 빅데이터 플랫폼 데이터 흐름도

[그림 17] 오믹스(Omics) 데이터 기반 개인 맞춤형 치료를 위한 프레임워크

[그림 18] 의료 인공지능 및 분석을 위한 프레임워크

[그림 19] IoT 병원 아키텍처

[그림 20] 의료시스템의 디지털화

[그림 21] 공통데이터모델(CDM) 개념

[그림 22] 병원 EHR기반 공통데이터모델 구축

[그림 23] OMOP 공통데이터모델

[그림 24] 공통데이터모델(CDM) 및 분산연구망(DRN)

[그림 25] 공통데이터모델 표준화 형식

[그림 26] 유행성 감염병 대응을 위한 의료시스템

[그림 27] 신체 부위에 착용하는 의료 및 건강관리 장치

[그림 28] mhealth 앱의 다이어그램

[그림 29] 스마트 모바일 헬스케어 시스템의 아키텍처

[그림 30] Digital hospital

[그림 31] 정밀의학 패러다임 변화

[그림 32] Life-log 모니터링

[그림 33] 라이프로그 기반 MashMap 프레임워크의 전체 구조

[그림 34] 라이프로그 서비스의 분류

[그림 35] 생체신호 인식

[그림 36] Architecture of Emotion Detection and Recognition System(EDRS)

[그림 37] ECG 신호의 신호 처리 및 감정 식별 단계

[그림 38] 맥파 속도에 영향을 미치는 요인 

[그림 39] 우리의 삶을 변화시킬 빅데이터

[그림 40] 정밀의료용 개인건강기록 플랫폼 활용 체계

[그림 41] 인공지능 신약개발 모델

[그림 42] 공통데이터모델(CDM)

[그림 43] 일반적인 복잡한 의료 환경 분석

[그림 44] 데이터 통합

[그림 45] HIS와 GIS간의 데이터 연결 구조

[그림 46] 임상데이터 활용을 위한 아키텍처

[그림 47] 의료정보 교류 개념도

[그림 48] 개인 전자건강기록

[그림 49] 빅데이터를 이용한 전자의무기록 최적화

[그림 50] 전자건강기록 데이터에서 예측·분석을 생성하는데 필요한 프로세스

[그림 51] 개인건강기록(PHR) 및 전자건강기록(EHR)의 개념 구성도

[그림 52] EHR 상호호환성(Interoperability)

[그림 53] OmniPHR 아키텍처 모델

[그림 54] 개인건강기록(PHR) 접근 방식

[그림 55] PHR 기반 의원 진료 지원서비스

[그림 56] 블록체인 기반 개인건강기록(PHR) 개요

[그림 57] 현행 진료비 심사 체계

[그림 58] K-Cancer 통합 빅데이터 구축 방향

[그림 59] Structure of the national health insurance program in Korea. NHIS, national health insurance service; HIRA, health insurance review and assessment service

[그림 60] NHANES-Medicare 데이터 구조

[그림 61] 연도별 국민건강보험공단 연구DB 제공 횟수

[그림 62] 환자가 생성한 건강데이터(PGHD) 흐름

[그림 63] Health IT 생태계

[그림 64] PGHD 흐름 및 1차 질병 예방과 건강 증진을 위한 프레임워크

[그림 65] EHR FHIR 서버를 통해 연결된 PGHD 앱

[그림 66] 유전체 의학

[그림 67] 암호화 된 데이터에 대한 작업

[그림 68] 데이터 사용 및 분석에서 진화하는 개념

[그림 69] EMR의 구조, 관리 및 분석

[그림 70] 가명처리 개념

[그림 71] 가명정보의 요건

[그림 72] 가명정보 결합 및 반출 절차(안)

[그림 73] 가명처리 단계별 세부 절차도

[그림 74] 가명처리 사후관리 단계 세부 절차

[그림 75] 가명정보 결합 과정 예시

[그림 76] 비식별조치 및 사후관리 절차

[그림 77] 익명처리 절차

[그림 78] 비식별 조치 방법

[그림 79] 익명화 vs 가명화

[그림 80] EMR의 구조

[그림 81] 의료데이터 기반 디지털 헬스케어

[그림 82] 국내 빅데이터 및 분석 시장 전망

[그림 83] 국내 데이터산업 시장 규모 전망

 

 

표목차

[표 1] 의료 빅데이터 활용 강화 분야 및 라이프로그 모니터링

[표 2] 디지털 헬스케어 기술 분류 체계

[표 3] 국가별 원격의료서비스 현황

[표 4] 용도별 개인 건강관리 시스템 및 정밀의료(Precision Medicine)

[표 5] 개인정보, 가명정보, 익명정보의 개념 및 예시

[표 6] 의료데이터 특성 및 헬스케어 서비스 모델의 미래

[표 7] 빅데이터 활용서비스 해외 사례

[표 8] 각국의 헬스케어 빅데이터 관련 정책 및 보건의료 빅데이터 활용 사업의 분류

[표 9] 국가별 데이터 관련 규제 비교

[표 10] 의료 빅데이터 활용 강화 분야

[표 11] 바이오헬스 핵심규제 개선 과제

[표 12] 디지털 헬스산업 세부 분야 및 모바일 의료시스템의 모델

[표 13] 의료분야의 핵심기술 분야와 의료데이터의 종류 및 동향

[표 14] 라이프로그를 위한 센서와 로깅 데이터 종류

[표 15] 헬스케어 빅데이터 종류와 플랫폼 예시

[표 16] PHR의 구축 유형

[표 17] 의료 빅데이터 활용과 PHR시스템 모델

[표 19] 보건의료 빅데이터 구성과 개요

[표 20] 개인정보 빅데이터 결합내역(2016. 6~2017. 7)

[표 21] 빅데이터 활용 서비스 해외사례

[표 22] 자료관리 단계의 흐름

[표 23] EMR과 EHR 차이점 및 클라우드 기반 생태계

[표 24] EMR 인증제 인증기준 영역 및 의료정보의 요소와 범위

[표 25] PHR과 타 전자기록체계와의 비교 결과

[표 26] 국가별 EHR/PHR 추진현황

[표 27] 건강보험공단 100만 표본코호트 자료

[표 28] 맞춤형DB와 표본코호트 비교

[표 29] 국민건강보험공단 표본자료 및 표본연구DB의 신청절차

[표 30] 심평원과 건보공단의 데이터 특징

[표 31] 환자표본데이터를 통해 추출 가능한 정보

[표 32] 개인정보의 종류 및 정의

[표 33] 개인정보의 세부 종류

[표 34] 개인정보의 예시 및 개인정보처리자의 주요 의무사항

[표 35] 개인정보 보호 원칙

[표 36] 빅데이터 분석에 활용되는 정보의 종류

[표 37] 개인정보보호법 시행령의 가명처리 관련 개정사항 및 가명정보 결합 활용 절차

[표 38] 식별가능성에 대한 다양한 정의 및 일반적 비식별 조치 기법

[표 39] 가명처리 예시

[표 40] 가명처리 검토 결과보고서 예시

[표 41] 기관별 온·오프라인 신청 안내 및 접수

[표 42] 가명정보 처리시 안전성 확보조치 의무

[표 43] 가명정보 결합 및 반출 세부절차

[표 44] 개인정보, 가명정보, 익명정보의 정의

[표 45] 의료 빅데이터 활용 강화 분야 및 라이프로그 모니터링

[표 46] 마이데이터 서비스 제공 데이터

[표 47] GDPR 개인정보처리와 관련된 6대 원칙(법 제2장 제5조)

[표 48] 식별 가능성에 대한 다양한 정의

[표 49] 데이터 3법의 개정안

질문 / 답변
샘플요청 시, 정확한 보고서 명을 적어주세요
언론사 인용