전자의무기록 (Electronic Health Record)
쉽게 풀면
예전에는 병원마다 종이 차트에 손으로 진료 내용을 적고, 그 차트는 해당 병원 서랍 안에서만 존재했습니다. 전자의무기록(EHR)은 이 종이 차트를 클라우드 폴더로 옮겨놓은 것과 비슷합니다. 의사가 진료 내용을 입력하면 같은 병원의 다른 과, 때로는 연계된 다른 기관의 의료진도 실시간으로 그 기록을 열람할 수 있습니다. 그 덕분에 환자가 어느 병원에서 어떤 약을 처방받았는지, 어떤 검사를 했는지를 매번 새로 묻지 않아도 확인할 수 있고, 연구자 입장에서는 수만 명의 진료 기록을 한꺼번에 분석할 수 있는 방대한 데이터 창고가 되기도 합니다.
왜 중요한가
EHR은 병원 진료 현장에서 매일 축적되는 방대한 임상 데이터의 저장소이기 때문에, 임상역학·의료정보학·인공지능 기반 의료 연구 전반에서 핵심 자료원으로 다뤄집니다. 진료 품질을 평가하거나 의료 정책의 효과를 검증하는 보건정책 연구뿐 아니라, 환자 데이터를 학습해 질병을 예측하거나 진단을 보조하는 인공지능 모델 개발에도 EHR 데이터가 널리 활용되고 있습니다.
논문에서는 이렇게 쓰입니다
이 문장은 병원 시스템이 자동으로 위험한 약물 조합을 경고해주는 기능을 EHR에 넣었더니, 실제로 잘못된 처방이 줄었다는 것을 대규모 진료 기록 데이터를 분석해 확인했다는 뜻입니다.
의료정보학 분야 논문에서는 EHR에 쌓인 다양한 임상 변수를 입력으로 삼아 특정 질환의 발생 위험을 예측하는 모델을 만드는 연구가 활발히 이루어지고 있습니다.
보건정책 및 역학 분야 논문에서는 여러 병원의 EHR 자료를 연계하여 진료 관행이나 자원 이용의 지역적 차이를 파악하는 연구가 흔히 다뤄집니다.
조금 더 깊게 보면
EHR 데이터를 연구에 활용할 때는 진단명이 국제질병분류(ICD) 코드 등으로 표준화되어 있는지, 검사결과나 처방 정보가 구조화된 형태로 추출 가능한지가 분석의 난이도를 크게 좌우합니다. 서로 다른 병원의 EHR 시스템을 함께 분석하려면 공통 데이터 모델(CDM)과 같은 표준화 체계를 이용해 자료 형식을 통일하는 작업이 선행되어야 하는 경우가 많습니다. 또한 EHR은 관찰연구 자료이므로 결과를 해석할 때는 무작위배정 임상시험과 달리 교란변수를 통계적으로 보정하는 절차가 함께 요구됩니다.
주의할 점
EHR 데이터는 애초에 연구를 위해서가 아니라 실제 진료 업무를 위해 입력된 기록이기 때문에, 결측값이 많거나 코딩 방식이 병원마다 달라 분석에 앞서 데이터 정제가 꼭 필요합니다. 또한 EHR 기반 관찰연구는 무작위배정이 없어 교란변수의 영향을 받기 쉬우므로 결과 해석에 주의해야 합니다.