Research Area

Data science research for medicine

  • Real-world patient data (EMR), claims data, national cohort data from NHIS, KoGES

  • Development of clinical decision support system interface for the prediction model

  • SaMD (Software as Medical Device) development

  • Digital health IT solutions and service for patient and clinicians

Common data model (OMOP CDM) research

  • Prediction model development based on machine learning algorithms

  • Transforming EMR data into OMOP CDM and feasibility study

  • Development and validation of AI model across multiple sites (co-work with Stanford University)

  • Medical imaging data, text data processing (NLP) and multi-modal learning

Mobile/IoT-based Digital Therapeutics

  • Clinical trials for personal lifestyle health management service

  • Mobile App development for personal lifestyle data such as steps, sleep, diet, and weight through wearable devices

  • Clinician interface for lifelog prescription system development linked with hospital information system

HL7 Fast Healthcare Interoperability Resources (FHIR) International standards

  • Standard design for the development of medical information exchange technology between the PHR platform and hospitals

  • FHIR standard profiling of EMR data element for CDS on FHIR implementation

  • Development of interface system for NGS genetic test report data linking HL7 FHIR standard and ISO/TS20428 standard

Representative Research Papers

Thirty-day Hospital Readmission Prediction Model based on Common Data Model with Weather and Air Quality Data

Ryu Borim et al. Scientific Reports (2021)

환자 거주지의 기상, 대기환경 요인을 반영하는병원 재입원 예측 모델을 개발하였습니다. 65세 이상의 고령 환자를 대상으로 심혈관계 질환, 호흡기계 질환, 근골격계 질환, 정신과 질환 모델을 개발하고 성능을 비교했습니다.

OMOP-CDM으로 변환된 서울대병원 EMR 데이터를 사용하여 모델을 만들고, 분당서울대병원의 데이터로 External validation 실험을 하여 모델의 성능을 평가하였습니다.

이 연구에서 개발한 퇴원 30일이내 병원 재입원 예측 모델의 다기관 적용을 통해 모델을 확장할 예정입니다.

Development of Prediction Models for Unplanned Hospital Readmission within 30 Days Based on Common Data Model: A Feasibility Study

Ryu Borim et al. Methods of Information in Medicine (2021)

환자의 퇴원 후 30일 이내 계획에 없던 병원 재입원을 예측하기 위하여 전체 연령대의 환자와 모든 질환을 대상으로 가장 효과적인 임상 데이터가 무엇이고 어떤 알고리즘 기반의 모델 성능이 좋은지 연구하였습니다.

분당서울대병원과 서울대병원의 OMOP-CDM으로 변환된 EMR 데이터를 사용하였고, 머신러닝기법을 사용하여 재입원 예측 모델을 개발하고 External validation 실험을 통해 모델 성능을 평가하였습니다.

이 연구에서 개발한 퇴원 30일이내 병원 재입원 예측 모델은 OMOP-CDM 데이터를 보유한 다른 의료기관에도 적용할 수 있기 때문에 확장성이 높은 모델입니다.

Transformation of Pathology Reports Into the Common Data Model With Oncology Module: Use Case for Colon Cancer

Ryu Borim et al. Journal of medical Internet research 22.12 (2020): e18526.

분당서울대병원 대장암 환자의 면역화학병리보고서, 분자유전병리보고서, 외과 수술 병리보고서에서 임상적으로 중요한 의미를 가지는 텍스트 정보를 NLP 기법으로 추출하고, 이를 SNOMED CT 국제표준용어로 매핑하는 과정을 통해 대장암 병리 데이터를 OMOP-CDM 형태의 데이터로 변환하여 DB를 구축하고, 이 과정에서 대장암 병리 데이터의 정의에 필요한 데이터 관계 모델을 제시하였습니다.

Clinical Genomic Sequencing Reports in Electronic Health Record Systems Based on International Standards: Implementation Study

Ryu Borim et al. Journal of medical Internet research 22.8 (2020): e15040.

유전자 분석 보고서에 대한 의료정보 국제 표준인 ISO/TS 20428을 실제 병원 임상 현장에서 활용할 수 있는 방법을 개발하였습니다. 차세대 의료정보 표준인 HL7 FHIR를 기반으로 데이터 인터페이스를 구현하였습니다. NGS 시퀀싱 결과 보고서의 표준인 ISO/TS 20428의 데이터 항목과 HL7 FHIR genomics 표준의 항목 리소스와 매핑하고, HL7 FHIR의 Resource Profiling, Extension Definition을 개발하였습니다. 또한, 의료진이 사용하는 시스템 인터페이스 프로토타입을 설계하고 개발하였습니다.

Impact of an Electronic Health Record- Integrated Personal Health Record on Patient Participation in Health Care: Development and Randomized Controlled Trial of MyHealthKeeper

Ryu Borim et al. Journal of medical Internet research 19.12 (2017): e8867.

환자용 모바일 PHR 헬스케어 앱과 이로부터 수집되는 환자의 라이프로그 데이터 (활동량, 수면, 식이 기록 등) 를 의료진이 병원 시스템 EMR에서 확인하고 진료에 활용 가능한 시스템을 만들었습니다. 특히 병원정보시스템과 연계한 인터페이스를 개발하였고, 실제 분당서울대학교병원의 만성질환 환자를 대상으로 체중감소 효과를 검증하도록 임상시험을 설계하여 환자와 의사를 위한 라이프로그 PHR 시스템의 임상적 효과를 검증하였습니다.

최근 대두되는 '디지털치료제'의 개념이 이 연구의 주제이며, 특히 이 연구는 디지털치료제라는 단어가 생겨나기 이전에 이미 진행되었습니다.

Impact of Personal Health Records and Wearables on Health Outcomes and Patient Response: Three-Arm Randomized Controlled Trial

Ryu Borim et al. JMIR mHealth and uHealth 7.1 (2019): e12070.

앞서 소개한 연구의 심화 연구로써, 모바일 헬스케어 앱과 웨어러블 디바이스 사용에 대한 고찰을 위한 연구입니다. 라이프로그에 대한 의사의 코멘트를 제시하고, 앱 사용자가 이 코멘트에 대해 의견을 피드백 할 수 있는 기능을 가지는 앱을 개발하고, 특히 디지털헬스의 지속적인 사용을 관찰하였습니다.

임상시험에 참여한 분당서울대학교병원의 수면무호흡 환자를 웨어러블 디바이스와 모바일 헬스케어 앱을 모두 사용하는 실험군, 웨어러블 없이 모바일 헬스케어 앱만 사용하는 실험군, 그리고 두가지 모두 사용하지 않는 대조군으로 설계하여, 실제로 웨어러블과 앱을 얼마나 많이, 오랜 기간동안 사용하는지를 추적 관찰하였습니다.