의료데이터 가공 및 병원정보시스템 모니터링을 위한 로봇 프로세스 자동화의 효과

Abstract

배경: 병원정보시스템 (Hospital Information System, HIS)은 의료서비스를 제공하는 병원에서 생성된 데이터를 전산화하여 진료, 간호, 원무, 행정, 재정, 물류, 인사 업무에 통합적인 서비스를 제공하는 체계나 프로그램을 의미한다. 병원정보시스템이 보급되고 제공하는 기능이 확장되면서 두가지 문제가 발생하였다. 첫번째는 병원정보시스템에서 연구용 데이터를 추출하는 과정이 용이하지 않다는 문제이다. 두번째는 병원정보시스템이 병원 업무를 지원하는 범위가 늘어날수록 병원정보시스템은 무거워지게 되며, 이로 인해 시스템 오류에 취약해지는 문제이다.

연구 목적: 로봇 프로세스 자동화 (Robotic Process Automation, RPA)는 인간이 반복적으로 처리해야 하는 단순 업무를 로봇 소프트웨어를 통해 자동화하는 기술로, 상기 두 가지 문제를 해결할 잠재력을 갖고 있다. 따라서 본 연구는 병원에 도입된 RPA가 의료데이터 가공하고 병원정보시스템의 오류를 모니터링하는 업무를 어떻게 효과적으로 개선할 수 있는지 분석하였다.

연구 방법: RPA 도입의 효과를 분석하기 위해 본 연구는 정량적 방법과 정성적 방법을 모두 사용하는 혼합 분석 방법론 (Mixed methods approach)을 활용하였다. 먼저, RPA 도입 전후로 위암과 유방암 데이터 정제와 병원정보시스템 모니터링에 투입되는 시간을 비교 분석 하였다. 또한, RPA가 병원정보시스템의 오류를 탐지하는 분류기의 성능을 정확도 (Accuracy), 양성예측도 (Positive predictive value), 음성예측도 (Negative predictive value), 민감도 (Sensitivity), 특이도 (Specificity) 로 측정하였다. 다음으로 RPA 도입프로젝트에 참여한 간호직, 개발직, 행정직을 대상으로 PARiHS 프레임워크 기반으로 심층 인터뷰를 진행하여, RPA 도입에 대한 효과와 교훈을 분석하였다.

연구 결과: 연구대상 1개 병원에 적용된 RPA는 56개의 작업을 종단간 모니터링 방법을 통해 하루 4회, 연중 무휴로 점검함으로써 병원정보시스템의 오류를 민감하게 찾아낼 수 있는 기반을 제공하였다. 병원정보시스템의 오류를 탐지하는 분류기의 성능은 정확도 99.5%, 양성 예측도 62.5%, 음성 예측도 100%, 민감도 100% 및 특이도 99.5%로 측정되었다. RPA 도입 전에는 의료정보팀 담당자 16명이 하루에 총 287분의 시간을 투입하여 병원정보시스템의 이상을 수동으로 검사하였지만, RPA 도입 후에는 RPA bot 1개가 일일 4회 77분의 시간을 사용하여 자동으로 병원정보시스템을 모니터링 하게 되어 투입 시간이 73% 절감 되었다. 위암 레지스트리 작성을 위해서 총 70가지 변수를 추출하는데 RPA가 적용되었으며 환자 1인당 데이터 추출에 소요되는 시간은 RPA 도입 후 74% 절감되었다. 유방암 레지스트리 작성을 위해서 총 83가지 변수에 대해 RPA가 적용되었으며 환자 1인당 데이터 추출에 소요되는 시간은 RPA 도입 후 30% 단축되었다. 심층 인터뷰 결과 14명의 연구참여자들은 RPA의 가능성에 대해 긍정적인 의견을 갖고 있었으며, RPA가 성공적으로 적용되기 위해서는 병원 환경에서 대상 업무의 프로세스를 명확하게 정의하고 단순 반복할 수 있는 단위 업무를 확실하게 구분하는 것이 중요하다는 통찰을 제공하였다. 설문참여자들은 RPA 도입의 위험 요소로 위양성 경고로 인한 경고 피로 (alert fatigue)를 지적했으며, 이를 극복하기 위한 수단으로 RPA 에서 감지된 이상을 관리하는 거버넌스 체계를 강건하게 설계할 것을 제안하였다.

결론: 의료현장에 도입된 RPA는 투입 자원을 절약하면서, 병원정보시스템을 지속적으로 모니터링하는 업무 효과적으로 수행할 수 있고, 암 레지스트리 데이터를 정제하는데 업무의 시간을 절약시켜 준다.

Background: Hospital Information System (HIS) refers to a system or program that processes data generated by hospitals providing medical services and provides integrated services to care, nursing, staff, administration, finance, logistics, and personnel. Two problems occurred as HIS was distributed, and the functions provided were expanded. The first problem is that the process of extracting research data from HIS is not easy. Second, as the scope of HIS support hospital work increases, the system becomes heavier, which makes it vulnerable to system errors.

Purpose: Robotic Process Automation (RPA) is a technology that automates simple tasks that humans have to repeatedly process through robot software and has the potential to solve the above two problems. Therefore, in this study, the effects of medical data processing and HIS monitoring through RPA were analyzed for a tertiary hospital.

Method: The effectiveness of the introduction of RPA was analyzed using Mixed methods approach, which uses both quantitative and qualitative methods.

Results: RPA applied to the hospital provided the basis for sensitive detection of errors in hospital information systems by checking 56 tasks four times a day through end-to-end monitoring methods, with 99.5% accuracy, 62.5% precision, and 99.5% negative sensitivity. Before the introduction of RPA, 16 medical information team officials spent a total of 287 minutes a day to manually check for abnormalities in the HIS, but after the introduction of RPA, one RPA bot automatically monitored the hospital information system using 77 minutes four times a day, and the input time was reduced by 73%. RPA was applied to extract a total of 70 variables for gastric cancer registry creation, and data extraction per patient reduced working time by 74% after the introduction of RPA. RPA was applied to a total of 83 variables to prepare the breast cancer registry, and data extraction per patient was reduced by 30% after the introduction of RPA. In-depth interviews using the PARiHS framework showed that 14 study participants had positive opinions about the possibility of RPA and provided an insight that it is important to clearly define the process of target tasks in a hospital environment and clearly distinguish simple repeatable unit tasks. As a risk factor for the introduction of RPA, alert fatigue due to false positive warnings was pointed out, and as a means of overcoming this, it emphasized the importance of a governance system to manage abnormalities detected in RPA.

Conclusion: RPA introduced in hospital can effectively perform tasks of continuously monitoring hospital information systems while saving input resources and saves time for refining cancer registry data.