"좋은 아키텍처는 눈에 보이지 않는다. CDSS는 임상의의 워크플로우에 자연스럽게 녹아들어, 필요한 순간에 정확한 정보를 전달한다."
— 설계 철학
효과적인 CDSS는 다음 핵심 구성요소로 이루어진다.
| 구성요소 | 역할 |
|---|---|
| 지식 베이스 (Knowledge Base) | 임상 규칙, 가이드라인, 의학 지식의 저장소 |
| 추론 엔진 (Inference Engine) | 규칙을 적용하고 권고를 생성 |
| 데이터 통합 계층 (Data Integration Layer) | EHR, 검사실, 약국 등 외부 시스템과 연결 |
| 사용자 인터페이스 (User Interface) | 알림, 제안, 시각화를 표시 |
| 워크플로우 엔진 (Workflow Engine) | 진료 흐름을 관리하고 제시 시점을 제어 |
┌─────────────────────────────────────────────────────┐
│ 사용자 인터페이스 (UI) │
│ ┌──────────┐ ┌───────────┐ ┌───────────────┐ │
│ │ 알림 │ │ 제안 │ │ 시각화 │ │
│ └──────────┘ └───────────┘ └───────────────┘ │
└─────────────────────────────────────────────────────┘
↕
┌─────────────────────────────────────────────────────┐
│ 워크플로우 엔진 │
│ • 트리거 관리 • 우선순위 결정 • 제시 시점 │
└─────────────────────────────────────────────────────┘
↕
┌─────────────────────────────────────────────────────┐
│ 추론 엔진 │
│ ┌──────────────┐ ┌──────────────┐ │
│ │ 규칙 기반 │ │ ML 기반 │ │
│ │ 추론 │ │ 예측 │ │
│ └──────────────┘ └──────────────┘ │
└─────────────────────────────────────────────────────┘
↕
┌─────────────────────────────────────────────────────┐
│ 지식 베이스 │
│ • 임상 가이드라인 • 약물 데이터베이스 │
│ • 진단 규칙 • 치료 프로토콜 │
└─────────────────────────────────────────────────────┘
↕
┌─────────────────────────────────────────────────────┐
│ 데이터 통합 계층 │
│ ┌────────┐ ┌────────┐ ┌────────┐ ┌─────────┐ │
│ │ EHR │ │ 검사실 │ │ 약국 │ │ 영상 │ │
│ └────────┘ └────────┘ └────────┘ └─────────┘ │
└─────────────────────────────────────────────────────┘
작동 방식: IF-THEN-ELSE 규칙으로 의사결정을 내린다.
규칙 예시:
IF (patient.age >= 65) AND (medication = "Warfarin") AND (INR > 3.0) THEN Alert: "출혈 위험 증가 - INR 재검 권장" Severity: HIGH
장점:
단점:
작동 방식: 데이터에서 패턴을 학습하여 예측에 활용한다.
모델 예시(설명용):
입력: 환자 데이터 (100개 이상의 특성) - 인구통계: 나이, 성별, BMI - 활력징후: 혈압, 맥박, 체온, SpO2 - 검사 결과: 혈액, 영상, 생화학 - 병력: 진단, 투약, 알레르기 모델: Random Forest / Neural Network 출력: 패혈증 확률 = 87% 권고: 패혈증 경로 활성화 (5.3 참조)
장점:
단점:
WIA-MED-015는 규칙 기반과 ML 기반 방법을 결합한 하이브리드 시스템을 권장한다.
| 사용 사례 | 권장 방식 | 이유 |
|---|---|---|
| 약물 알레르기 경고 | 규칙 기반 | 규칙이 명확하고, 결정적이며 감사 가능한 동작이 필요 |
| 패혈증 조기 예측 | ML 기반 | 복잡한 패턴, 미묘한 신호 |
| 진단 제안 | 하이브리드 | 규칙으로 거르고 ML로 순위 결정 |
| 약물 용량 계산 | 규칙 기반 | 공식 기반이며 투명성이 중요 |
| 재입원 위험 평가 | ML 기반 | 다차원 요인, 예측 모델 |
CDSS의 효과는 EHR과의 통합 품질에 크게 좌우된다.
수준 1: 독립형 (Standalone)
수준 2: 느슨한 통합 (Loose Integration)
수준 3: 긴밀한 통합 (Tight Integration) ✅
수준 4: 네이티브 (Native)
| 기술 | 설명 | WIA 권장 |
|---|---|---|
| HL7 v2 | 레거시 메시징 표준 | ⚠️ 레거시 시스템에 한함 |
| HL7 FHIR | 현대적 RESTful API 표준 | ✅ 우선 사용 |
| CDS Hooks | 워크플로우 트리거 표준 | ✅ 강력 권장 |
| SMART on FHIR | 앱 통합 프레임워크 | ✅ 권장 |
CDS Hooks 흐름:
1. EHR 이벤트 발생 (예: 약물 처방) ↓ 2. EHR이 CDS 서비스에 훅 요청을 보낸다 Hook: "order-sign" (이전 버전에서는 "medication-prescribe") Context: 환자 ID, 작성 중인 약물 오더, 진단 등 ↓ 3. CDS 서비스가 분석을 수행한다 - 약물 상호작용 검사 - 알레르기 검사 - 용량 검증 ↓ 4. CDS 서비스가 카드(Card)를 반환한다 Card 1: ⚠️ "Warfarin-Aspirin 상호작용 경고" Card 2: ℹ️ "신기능에 따른 용량 조정 권장" ↓ 5. EHR이 UI에 카드를 표시한다 의사가 검토하고 결정한다
지식 베이스는 CDSS의 심장이다. 정확해야 하며 최신 상태로 유지되어야 한다.
| 지식 유형 | 출처 | 갱신 주기 |
|---|---|---|
| 임상 가이드라인 | AHA, ACC, NCCN 등 | 발행 기관마다 다름(3.4 참조) |
| 약물 정보 | FDA, Micromedex, Lexicomp | 주간/월간 |
| 진단 규칙 | 의학 문헌, 전문가 합의 | 분기별 |
| 치료 프로토콜 | 병원 내부 프로토콜 | 연간 |
WIA-MED-015는 다음 표준을 지원한다.
CDSS는 실시간으로 동작하며 수천 명의 동시 사용자를 지원해야 한다. 아래의 응답 시간·가용성·동시 접속 목표는 WIA-MED-015 명세를 따르며, 검사별 지연 예산(예: 약물 상호작용 검사 P99 200 ms)은 명세의 프로토콜 단계에서 정의된다.
| 지표 | 목표 | 최대 허용치 |
|---|---|---|
| 시스템 응답 시간 | < 1초 | < 3초 |
| 가용성 | 99.9% | 99.5% |
| 동시 접속 | 10,000 (목표) | 1,000 (최소) |
| 데이터 신선도 | 실시간 | < 5분 |
CDSS는 민감한 의료 데이터를 처리하므로 강력한 보안이 필수다.
| 핵심 포인트 | 요약 |
|---|---|
| 핵심 구성요소 | 지식 베이스, 추론 엔진, 데이터 통합, UI |
| 시스템 유형 | 규칙 기반, ML 기반, 하이브리드(권장) |
| 통합 기술 | HL7 FHIR, CDS Hooks, SMART on FHIR |
| 성능 목표 | 응답 < 1초, 가용성 99.9% |
弘益人間 · 널리 인간을 이롭게 하라
© 2025 WIA - World Certification Industry Association