<출판사 서평>

본 책은 MIT Critical Data팀이 2016년도에 저술한 책인 "Secondary Analysis of Electronic Health Records" 를 번역한 것이다. 

원문은 https://www.springer.com/gp/book/9783319437408에서 확인 가능하다.

환자 진료 중 발생하게 되는 전자의무기록 데이터는 진료를 위해서도 유용하게 쓰이지만, 새로운 의학적 지식을 발견하는 데에도 매우 중요하게 사용되는 자원이다. 데이터를 활용할 수 있는 인프라와 분석 기술이 날로 발전하고 건강에 대한 사회적 요구도 높아지면서 의료 데이터 분석에 대한 관심이 매우 빠르게 늘어나고 있다. 이제 데이터 과학을 본업으로 하는 연구자들 뿐만 아니라 임상에서 환자를 보는 많은 선생님들, 그리고 병원 밖에서 스타트업을 하는 많은 벤처 기업가들 중에서도 의료 데이터 분석에 관심을 갖고 있는 분들을 쉽게 만나볼 수 있다.

하지만 의료 데이터 분석을 위해서는 많은 분야의 지식을 필요로 한다. 데이터베이스, 프로그래밍 언어(R, Python 등), 통계, 기계학습, 그리고 의학 분야 지식도 필요하다. 각 분야에 대한 자료들은 의료 데이터 분석이라는 관점과 상관없이 작성되어 있기 때문에, 이를 종합적으로 이해하여 의료데이터 분석에 응용하기는 쉽지 않은 현실이고, 따라서 도전 중 포기하는 많은 모습을 보기도 한다.

이러한 연유로 몇 년 전부터 의료데이터 분석이라는 통일된 관점에서 개별 전문 지식을 다루는 교과서에 대한 필요를 느끼고 있었고, 그러던 중 2018년, 2019년 Korea Clinical Datathon에서 만나게 된 MIT Critical Data팀 멤버들을 통해 본 책을 알게 되었다. 책의 세부 내용들을 살펴본 후, 이를 한국의 연구자, 학생 등 다양한 독자들에 게 소개해야겠다고 결심하게 되었다. 본 책은 개별 전문 지식에 대해 깊이있게 다루지는 않지만, 전반적인 흐름에 대한 가이드를 주고 있다. 그렇기 때문에 이 책을 보고나면 독자들은 어떤 부분이 부족한지 스스로 알 수 있을 것이고 더 공부해야 할 부분들이 명료해질 것으로 기대된다. 따라서 의료데이터 분석 공부를 시작하고자 한다면 한 번 읽어보시길 강력히 추천한다. 또한, 실제 의료데이터와 이를 분석하기 위한 예제 코드들이 같이 제공되기 때문에, 어느 정도 의료데이터 분석 경험이 있는 연구자들에게도 본인의 연구 역량을 높이는 데에 큰 도움이 되리라 생각한다.

본 번역본 작업에 많은 응원을 보내준 Leo, Dominic, Mengling 등 MIT Critical Data팀과 번역작업에 큰 도움을 준 우리 Computational Medical Informatics 연구실 학생들에게 감사를 표한다. 한국의 독자들이 의료데이터 분석가의 길에 발을 내딛는 데 우리의 작업들이 도움이 될 수 있기를 바란다. 부디 끝까지 포기하지 않고 한국에서 많은 의료데이터 분석가들이 나오길 기대한다.

끝으로 MIT Critical Data팀의 Leo, Dominic, Mengling과 빅데이터 임상활용 연구회 회장인 김헌성 교수님이 보내준 메세지들을 소개하며 이 글을 마무리 짓고자 한다.

역자 대표 윤덕용

연세대학교 의과대학 의생명시스템정보학교실 조교수

빅데이터 임상활용 연구회 부회장

<목차>

PART I 준비하기 : 이론적 근거와 의료 데이터 분석에 대한 도전 1

chapter 1 전자의무기록 데이터 이차분석의 목적 3

chapter 2 임상 데이터베이스 리뷰 9

chapter 3 전자의무기록 데이터 이차분석의 도전과 기회 17

chapter 4 모든 것을 종합하여: 데이터 중심의 이상적인 치료 시스템 구상 27

chapter 5 MIMIC에 대한 이야기 43

chapter 6 비임상데이터와 전자의무기록의 통합 51

chapter 7 전자의무기록(EHR)을 이용한 보건 서비스 조사 및 결과 61

chapter 8 빅데이터에 숨은 잔여 교란: 오류의 원인 73

PART II 시작하기: 연구 문제 수립부터 연구 결과의 검증까지 81

chapter 9 연구 질문 수립 83

chapter 10 환자 코호트 정의하기 95

chapter 11 데이터 준비 103

chapter 12 데이터 전처리 117

chapter 13 결측 데이터 141

chapter 14 노이즈와 이상치 159

chapter 15 탐색적 데이터 분석 179

chapter 16 데이터 분석 199

chapter 17 민감도 분석 및 모델 검증 253

PART III MIMIC 데이터를 이용한 예제 연구 261

chapter 18 추세 분석: 침습적 기계 환기를 받는 환자의 시간에 따른 1회 호흡량(tidal volume)의 변화 263

chapter 19 전자의무기록의 도구 변수 분석 271

chapter 20 Super ICU Learner Algorithm (SICULA) 프로젝트의 MIMIC-II 결과에 기반한 중환자실 사망 예측 281

chapter 21 중환자실에서의 사망 예측 301

chapter 22 임상적 악화의 조기 경고를 위한 데이터 결합 기법 311

chapter 23 비교 효과: 성향 점수 분석 325

chapter 24 마르코프 모델과 비용 효율성 분석: 의료 연구에서의 응용 337

chapter 25 중환자실에서의 혈압과 급성 신손상의 위험: 환자-대조군 연구와 환자-교차 연구의 비교 355

chapter 26 호흡수 추정을 위한 파형 분석 363

chapter 27 신호 처리: 거짓 경보 감소 377

chapter 28 자연어 처리를 활용한 환자 코호트 인식 향상 391

chapter 29 하이퍼파라미터 선택 405

찾아보기 415