◎ 도서소개
바야흐로 모든 지식과 사물, 심지어 재화에 이르기까지 디지털화된 정보로 전환되고 귀속되는 초연결 ‘디지털 정보 사회’에 접어들면서 IT를 바탕으로 사람, 프로세스, 데이터, 사물이 서로 연결되어 전(全)산업 분야는 물론이고 일상생활까지 기술간 융합이 일상화됨에 따라 인류의 생활과 삶의 질 또한 고도화되는 초디지털 시대가 도래했다.
급격한 초고령화 사회를 앞둔 현시점에서 전세계는 의료 비용 상승과 품질 개선, 환자 만족도 및 비용 절감을 위해 디지털병원의 도입을 서두르고 있지만, ‘인간’과 그 복합적 특성(사회관계, 심리, 생리, 감성 등)에 대한 이해와 표현 및 정량화가 용이하지 않음에 따라 적용 및 고도화에 근본적인 한계가 따르고 있다.
이에 이를 극복하기 위한 방안으로 전세계적으로 라이프로그(Life Log) 데이터를 활용하는 다양한 연구가 진행되고 있으며, 또한 언제 어디서나 예방 및 진단, 치료와 사후 관리의 총체적 의료 서비스를 받을 수 있는 라이프로그 기반 디지털병원은 의료 정보화를 기반으로 진료 효율을 높여 최상의 의료서비스를 제공하기 위해 다양한 접근을 시도하고 있다.
한편, 개인 맞춤의료 구현을 목적으로 나날이 진화하고 있는 디지털 헬스케어는 코로나 펜데믹을 기점으로 미래 의료 시스템의 핵심 중 하나로 자리 잡고 있으며, 여기에 웨어러블 디바이스와 스마트폰 보급, AI 기반 기술의 발전으로 데이터 수집이 쉬워지고, 이러한 데이터를 분석하고 관리하는 기술 역시 빠르게 발전하면서 새로운 헬스케어 생태계를 구성하고 있다.
특히 디지털 경제 사회가 가속화되면서 방대한 의료용 데이터를 빠르게 저장하고 분석하는 기술의 중요성이 강조되고 있는 가운데, 디지털 헬스케어는 건강관리시스템과 디지털 기술의 융합 산물로 향후 소비자가 일상생활이나 의료기관 등의 전문기관에서 생성해내는 데이터를 수집하고, 이를 기반으로 의학 지식을 창출한 후 플랫폼으로 통합될 경우, 예방ㆍ예측ㆍ정밀ㆍ환자 중심의 새로운 의료 패러다임을 구현할 수 있을 것으로 분석하고 있다.
또한 다양한 센서로 연결되어 데이터를 생성ㆍ수집하는데 핵심적인 역할을 하고 있는 디지털 헬스케어에 인공지능, IoT, 클라우드컴퓨팅과 같은 새로운 디지털 기술이 결합되면서 헬스케어 산업의 기본 프레임워크를 변화시키고 있는 가운데, 의료 데이터가 플랫폼에 연결될 경우 이용자가 데이터를 쉽게 찾아 사용하는 것은 물론 이용자 맞춤형 서비스를 제공할 수 있게 될 것으로 전망하고 있다.
또한 데이터는 ‘디지털 미래’를 가속하는 연료로 데이터가 많으면 많을수록 분석 결과에 대한 정확도는 높아질 수밖에 없는데, 최근 딥러닝을 비롯한 분석 기술의 발달로 과거 축적할 수 없던 데이터를 축적할 수 있게 되고, 여기에 외부 데이터의 수집이 가능해지면서 미래 의료산업의 새로운 핵심자원인 의료 데이터의 양이 날로 증가하고 있다. 전세계적으로 디지털 헬스케어 산업이 시장 성장기에 접어들면서, 미래 의료산업을 위해 디지털 헬스케어 서비스와 사전관리를 위한 개인 유전체 분석 정보, 그리고 과거병력, 치료전력, 생활습관 등과 같은 환자 유래 데이터의 수집과 분석은 필수 요소로 자리잡고 있는 가운데, 의료 데이터 증가는 무한한 의료서비스의 가능성을 제시하고 있다.
이에 IRS글로벌은 보건의료용 빅데이터의 글로벌 기술 트렌드를 분석하고, 시장 전망까지 면밀히 조사 분석하였으며, 또한 건강데이터 / 병리데이터 / 라이프로그 데이터 / 유전체 데이터 / 합성데이터 등의 세부 분야별의 글로벌 연구개발 분석을 중점적으로 다루고 있다. 보건의료용 빅데이터 관련 연구개발 및 사업을 진행하는 관계자들에게 도움이 되기를 바라며, 유용한 정보로 활용되기를 기대해 봅니다.
◎ 목차
Ⅰ. 디지털 세상과 의료 빅데이터
1. 초연결 시대의 의료 환경 변화
1-1. 미래 디지털 헬스케어
1-1-1. 포스트 코로나 시대 데이터의 중요성
(1) 인터넷의 발전에 따른 데이터 활성화
(2) 4차 산업혁명과 post-covid 시대
(3) 디지털 전환
(4) 코로나 팬데믹에 따른 원격진료 대중화 시대 진입
(5) 데이터 생태계의 중요성
(6) 빅데이터의 특징과 역할
1-1-2. 4차 산업혁명과 빅데이터의 가치 창출
(1) 데이터 기술(Data Technology)
(2) 데이터 가치사슬(Data Value Chain)
1-1-3. 뉴노멀(new normal) 시대 의료 환경 변화
1-1-4. 의료 방향성 변화
(1) 의료산업과 IT의 융합
(2) 미래 의료 서비스
1-1-5. 진화하고 있는 디지털 헬스케어
(1) 질병에 따른 사회적 비용 증가
(2) 디지털 기술 기반 의료시스템의 재편
(3) 디지털 헬스케어와 데이터의 상관관계
(4) 의료 데이터의 진화
1-2. 보건의료 빅데이터
1-2-1. 보건의료 빅데이터 개념
1-2-2. 새로운 산업시대의 핵심자원 데이터와 의료산업
(1) 의료데이터(clinical data)
(2) 라이프로그와 빅데이터 개요
(3) 유전데이터(genomics data)
(4) 외인데이터(exogenous data)
1-2-3. 데이터 기반 의학으로 변화하고 있는 미래 의료 산업
(1) 의료 빅데이터의 축적 및 활용
(2) 각국의 보건의료분야의 빅데이터 활용 방안
1-2-4. 보건의료 빅데이터와 개인정보 보호
(1) 블록체인이 만드는 의료정보 생태계
(2) 민감한 개인정보 보호를 위한 새로운 방안 합성데이터
1-2-5. 의료 데이터와 인공지능의 융합
1-2-6. 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. 스마트기기 보급의 확대
1-3-2. 의료산업의 새로운 패러다임
1-3-3. 모바일 헬스케어
2. 디지털 시대의 보건의료 빅데이터
2-1. 정밀의료 시대를 위한 의료 빅데이터
2-1-1. 정밀의학(precision medicine)의 전환
2-1-2. 라이프로그(Life log) 데이터
2-1-3. 행동정보를 이용한 라이프로그
2-1-4. 생체정보를 이용한 라이프로그
(1) 맥파(Photoplethysmogram, PPG) 기반 라이프로그
(2) 심전도(Electrocardiogram, ECG) 기반 라이프로그
(3) 맥파전파속도(Pulse Wave Velocity, PWV)
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. 의료 빅데이터 통합
2-3-1. 병원 진료기록
2-3-2. 전자의무기록(EHR)과 PHR(Personal Health Record) 데이터
(1) EMR과 EHR의 비교
① EMR(Electronic Medical Record)
② EHR(Electronic Health Record)
③ 전자건강기록(EHR) 활용
④ 전자의무기록의 해결 과제
(2) PHR(Personal Health Record)
① PHR(Personal Health Record) 개념
② PHR시스템 활용
③ 국내외 PHR 동향
④ PHR 해결 과제
2-3-4. 청구데이터(claim data)
(1) 청구데이터(Claim Data) 개요
① 청구데이터 개념
② 청구데이터 특징
③ 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) 환자유래 데이터의 한계
2-4. 유전체 데이터(genomic data)
2-4-1. 유전체 데이터 개요
2-4-2. 개인유전체 분석
2-5. 병리데이터
Ⅱ. 디지털 헬스케어의 발전 전략과 마이데이터
1. 디지털 헬스케어의 발전 전략 및 보건의료 빅데이터 산업 동향
1-1. 인공지능의 기술적 진보
1-2. 기존 의료시스템과의 결합
1-3. 디지털 헬스케어의 발전 전략
1-4. 보건의료 빅데이터 산업 개요
1-4-1. 의료 빅데이터 개방
1-4-2. 의료분야에서의 환자 개인정보
2. 의료 분야 마이데이터
2-1. 마이데이터 서비스 개요
2-1-1. 마이데이터 개념
2-1-2. 마이데이터 산업 개요
2-1-3. 마이데이터 접근 방식
2-1-4. 마이데이터 아키텍처
2-1-5. 마이데이터 활용
2-2. 의료 빅데이터 활용
2-3. 의료 빅데이터 국내외 현황
2-3-1. 해외 동향
(1) EU GDPR
(2) 일본 개인정보보호법
(3) 미국 CCPA
2-3-2. 국내 개정 개인정보보호법
2-3-3. 국내외 데이터 시장 전망
Ⅲ. 보건의료용 빅데이터 세부 분야별 연구개발 동향 분석
1. “건강데이터” 연구개발 동향 분석
1-1. 분석절차
1-2. 연도별 연구 동향
1-3. 인용 상위 연구
1-4. 주요 단어 및 네트워크 분석
1-5. 주제 분석
1-6. 연구 주제별 평균 인용 수
1-7. 연도별 주요 학술지
1-8. 주제별 전망
1-9. 오픈엑세스 저널 비율
1-10. 펀딩연구의 비율
2. “병리데이터” 연구개발 동향 분석
2-1. 분석절차
2-2. 연도별 연구 동향
2-3. 인용 상위 연구
2-4. 주요 단어 및 네트워크 분석
2-5. 주제 분석
2-6. 연구 주제별 평균 인용 수
2-7. 연도별 주요 학술지
2-8. 주제별 전망
2-9. 오픈엑세스 저널 비율
2-10. 펀딩연구의 비율
3. “라이프로그 데이터” 연구개발 동향 분석
3-1. 분석절차
3-2. 연도별 연구 동향
3-3. 인용 상위 연구
3-4. 주요 단어 및 네트워크 분석
3-5. 주제 분석
3-6. 연구 주제별 평균 인용 수
3-7. 연도별 주요 학술지
3-8. 주제별 전망
3-9. 오픈엑세스 저널 비율
3-10. 펀딩연구의 비율
4. “유전체 데이터” 연구개발 동향 분석
4-1. 분석절차
4-2. 연도별 연구 동향
4-3. 인용 상위 연구
4-4. 주요 단어 및 네트워크 분석
4-5. 주제 분석
4-6. 연구 주제별 평균 인용 수
4-7. 연도별 주요 학술지
4-8. 주제별 전망
4-9. 오픈엑세스 저널 비율
4-10. 펀딩연구의 비율
5. “합성데이터” 연구개발 동향 분석
5-1. 분석절차
5-2. 연도별 연구 동향
5-3. 인용 상위 연구
5-4. 주요 단어 및 네트워크 분석
5-5. 주제 분석
5-6. 연구 주제별 평균 인용 수
5-7. 연도별 주요 학술지
5-8. 주제별 전망
5-9. 오픈엑세스 저널 비율
5-10. 펀딩연구의 비율 |
판매가격
