암 환자 정보 탐색을 위한 표준 공통 데이터 모델 프레임워크 개발
A standard common data model framework for exploring cancer information and cohort extraction: Application to colorectal cancer
- 주제(키워드) 데이터 탐색 시스템 , 실제임상자료 , 프로파일링 , 시각화 , 공통 데이터 모델 , Data exploration system , Real-world data(RWD) , Profiling , Visualization , Common Data Model(CDM)
- 주제(DDC) 570
- 발행기관 아주대학교 일반대학원
- 지도교수 박래웅
- 발행년도 2024
- 학위수여년월 2024. 2
- 학위명 석사
- 학과 및 전공 일반대학원 의생명과학과
- 실제URI http://www.dcollection.net/handler/ajou/000000033372
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
암 연구 및 치료 분야에서의 실제임상자료의 중요성이 높아지면서 암 환자의 의료 데이터베이스가 가치 있는 자산으로 부상하게 되었다. 그러나 해당 암 환자들의 데이터는 민감성, 다양성, 복잡성, 대량성과 같은 특징으로 인해 데이터 관리와 분석을 어렵게 만든다. 따라서 본 연구는 실제임상자료를 기반으로 한 표준화된 공통 데이터 모델을 활용하여, 암 환자의 종단적 상태를 체계적으로 탐색하고 코호트 추출을 하는 프레임워크를 개발하는데 목적이 있다. 본 연구에서는 공통 데이터 모델로 변환된 A병원의 데이터베이스와 A병원의 암 등록 자료를 활용하였으며, 이를 전 세계적으로 흔히 진단되는 악성 종양인 대장암에 적용하였다. 암 등록 자료를 표준화된 공통 데이터 모델형식으로 변환하여 A병원의 데이터베이스에 통합하였다. 이를 바탕으로 암 환자 중심의 임상 데이터를 정리하고 필요한 형식으로 변환하며, 프로파일링을 통해 대량의 데이터에서 유의미한 정보를 추려 분석에 필요한 데이터를 생성하였다. 그 결과, 약물 기록에서 항암화학요법 84,404건을 생성하였으며, 15,803건의 조직 병리기록지로부터 유전자 돌연변이 검사를 추출하였다. 해당 데이터를 기반으로 암 환자 중심의 시각화 대시보드를 구축하였으며, 사용자가 하위 집합의 코호트를 생성할 수 있는 기능을 추가하였다. 개발된 프레임워크를 통해 대규모 임상 데이터를 기반으로 한 암 환자 집단의 인구 통계, 질병 리스트, 발생률, 관찰기간, TNM stage 분포 등과 같은 정보를 시각화하여 전반적인 양상과 유의미한 패턴 등을 정량적인 방식으로 분석할 수 있는 방법을 제시하였다. 뿐만 아니라, 개별 암 환자를 이해하고 맞춤형 치료 계획 수립을 위한 프로파일링된 개별 환자의 데이터를 시각화하여 제공하였다. 또한, 코호트 하위 집합을 생성하는 기능을 통해 사용자가 보다 구체화된 연구를 수행하는데 도움이 주는 도구를 제공하였다. 본 연구는 실제임상자료를 기반으로 한 표준화된 공통 데이터 모델을 활용하여 다양하고 복잡하게 연결되어 있는 암 환자의 데이터를 체계적으로 탐색하는 데이터 탐색 시스템을 개발하였다. 또한, 기 출판된 암 관련 논문을 본 프레임워크에 적용하여 사용성을 확인하였다. 이는 데이터 탐색 시스템이 정확한 데이터 추출과 분석을 수행할 수 있음을 시사하며, 실제 임상 연구나 의료 현장에서의 활용 가능성을 보여준다. 본 연구는 한국의 표준 의료데이터를 기반으로 암 환자 치료 및 연구를 진행하고자 하는 의료진의 보조도구로서 활용될 것으로 기대된다.
more초록/요약
The growing significance of real-world data in cancer research and treatment has made medical databases of patient with cancer a valuable asset. Nevertheless, managing and analyzing the large volume of sensitive, diverse, and complex data of patient with cancer poses challenges. Therefore, we aim to systematically investigate the longitudinal status of patients with cancer and extract cohorts using real-world data that has been converted to a standardized common data model. In this study, we used the database of Ajou University School of Medicine (AUSOM), which was converted into a common data model and Ajou University Hospital's cancer registry. And this applied to colorectal cancer, a globally diagnosed malignancy. We standardized the cancer registry into a common data model format and integrated it into the AUSOM. We organized the clinical data focused on patients with cancer and converted it to the required format for analysis. Through profiling, we discovered meaningful information from extensive data. We established a visualization dashboard centered on patients with cancer and added a function for users to create subsets of cohorts. Through developed our framework, we mediated to visualize and analyze overall trends and significant patterns in patients with cancer based on large-scale clinical data strategically. Additionally, our framework provides visualized and profiled individual patient data to understand individual patients with cancer and formulate personalized treatment plans. Furthermore, it offers tools to create subsets of cohorts, aiding users in conducting more specific research. In this study, we developed a standardized data exploration system for patients with cancer using real-world data and confirmed usability by applying published cancer-related papers to our framework. Our study is expected to serve as a supportive tool for medical professionals in Korea aiming to advance cancer treatment and research based on standardized medical data.
more목차
I. 서론 1
A. 연구의 배경 1
1. 암 환자 중심의 데이터 탐색 시스템의 필요성 1
2. ATLAS 3
3. 암 등록 자료 6
B. 연구의 목적 7
II. 연구 대상 및 방법 8
A. 프레임워크 아키텍처 8
B. 연구 대상 및 데이터 수집 방법 10
C. 암 등록 자료 결합을 통한 통합적인 데이터 생성 11
D. 포괄적인 의료 데이터 준비 및 프로파일링 12
1. 항암화학요법 데이터 생성 12
2. 유전자 돌연변이 검사 결과 추출 14
3. 치료 패턴 그래프 생성 17
4. 프로파일링 19
E. 암 환자 중심의 시각화 대시보드 및 코호트 추출 20
1. 집단 수준 시각화 21
2. 개인 수준 시각화 21
3. 코호트 추출 기능 22
F. 사용성 연구 23
III. 연구 결과 24
A. 연구 대상의 인구학적 특성 24
B. 의료 데이터 준비 26
C. 암 환자 중심의 시각화 대시보드 28
1. 집단 수준 시각화 28
2. 개인 수준 시각화 38
3. Cohort Generation 43
D. 사용성 연구 44
IV. 고찰 53
A. 결과의 해석 53
B. 연구의 제한점 57
V. 결론 58
