의료 격차 감지를 위한 임상 의사 결정 지원

MongoDB Atlas: 주요 기능

복잡한 의료 워크로드를 위해 설계된 MongoDB Atlas 레거시 시스템을 고도로 최적화된 네이티브 데이터 에코시스템 으로 대체합니다. 다음은 플랫폼이 실시간 의사 결정 지원 제공 활성화 핵심 기능에 대한 개요입니다.

그림 3. Atlas 주요 기능

유연한 문서 모델: patient_360 collection 은(는) 인구 통계, 상태, 약품, 검사실, 바이탈 요약, 간병 격차, 경고, 개인화된 임계값, 데이터 출처 등 전체 환자 기록 단일 문서 에 저장합니다. 단일 문서 FHIR 저장 에 대한 다중 리소스 조인이 필요한 질문에 답변할 수 있습니다.

시계열 컬렉션: 컬렉션 synthetic_vitals MongoDB의 네이티브 시계열 컬렉션을 사용하여 착용형 기기 데이터를 저장합니다. 이러한 컬렉션은 자동 데이터 버킷팅, 효율적인 범위 쿼리 및 빈도가 높은 시간 순서 데이터를 위한 특수 저장 제공합니다.

변경 스트림: 플랫폼은 변경 스트림을 사용하여 새로운 바이탈에 실시간 대응합니다. 판독값이 도착하면 시스템은 CDS 규칙을 평가하고 폴링 없이 임상 경고를 생성합니다.

Queryable 암호화: MongoDB Queryable Encryption 미사용 민감한 환자 필드를 보호합니다. 이 애플리케이션 일반 텍스트를 노출하지 않고 암호화됨 PHI 필드를 쿼리하므로 HIPAA 요구 사항을 충족하고 별도의 암호화 계층이 필요하지 않습니다.

집계 파이프라인: 이 프레임워크 대시보드 애그리게이션, 의료 격차 계산, 바이탈 추세 분석 및 HEDIS 점수를 처리하여 복잡한 임상 쿼리를 밀리초 단위로 해결합니다.

AI 및 분석 위한 구조 : patient_360 문서 추가 변환 없이 다운스트림 AI 및 분석 파이프라인에 정규화된 임상 사실, 구조화된 근거 및 메타데이터 출처를 제공합니다.

데이터 생성 파이프라인

초기화 시 이 솔루션은 다단계 파이프라인 사용하여 아래 그림과 같이 CDS 시스템을 시드하고 활성화합니다.

그림 4. 데이터 생성 파이프라인

데이터 생성 파이프라인은 합성 및 구체화된 임상 데이터를 생성하고, 개인화된 임계값과 관리 격차를 계산하고, 실시간 모니터링 시작하는 초기화 시퀀스를 구동합니다. 파이프라인 다음과 같이 작동합니다.

1. FHIR 환자 번들 생성: 4 상태, 약품, 실험실 관찰, 조우 및 알러지를 포함하는 FHIR R 트랜잭션 번들을 생성합니다. 이러한 번들은 상호 운용성 계층 역할을 하는 FHIR 데이터 저장 에 저장합니다.

2. 바이탈 기록 생성: 24정상, 악화 또는 급성 생리학적 패턴을 나타내는 환자당 시간 시계열의 바이탈 사인을 생성합니다.synthetic_vitals time series 컬렉션 에 데이터를 저장합니다.

3. 환자_360 문서 구체화: MongoDB Atlas 에서 각 FHIR 번들을 비정규화된 patient_360 문서 로 변환합니다. 변환에는 data_provenance 소스 FHIR 기록 에 다시 연결되는 차단 이 포함되어 있습니다.

4. 시드CDS 규칙: cds_rules 컬렉션 에 임상 의사 결정 지원 규칙 정의를 삽입합니다.

5. 개인화된 임계값 계산: 활성 약품 및 상태를 기반으로 환자별 바이탈 사인 임계값을 계산합니다. 이러한 결과를 patient_360 문서 에 저장합니다.

6. CDS 규칙 평가: AlertEngine 현재 바이탈에 대해 를 실행하고 생성된 경고를 컬렉션 alerts 에 기록합니다.

7. HEDIS 의료 격차 계산: QualityEngine 각 환자의 진료 기록에 대해 를 실행하고 구조화된 의료 격차 결과를 patient_360 문서 에 기록합니다.

8. 시드 제공자 속성: 컬렉션 에서 제공자-환자 속성 관계를 생성하여 attributions 격차 결과 및 경고를 받을 제공자를 결정합니다.

9. 실시간 모니터링 시작 : 바이탈 시뮬레이션 작업자를 활성화하고 서버에서 전송한 이벤트를 통해 실시간 바이탈 사인 데이터를 의료 플랫폼으로 스트리밍 시작합니다.

CDS 엔진

CDS 엔진은 환자 데이터를 분석 의료 팀에 실행 가능한 인사이트를 제공합니다. 이 솔루션은 임상 모니터링 과 품질 측정 계산을 두 개의 독립적인 엔진으로 분리합니다. 이 아키텍처 패턴 실시간 경고와 HEDIS 격차 로직을 분리할 것을 권장하는 의료 상호 운용성을 위한 HL7 FHIR 액셀러레이터 프로그램인 다빈치 이니셔티브를 준수합니다.

Care Gap 워크플로

의료 격차 워크플로는 의료 조직이 환자의 실제 임상 관리와 설정된 의료 가이드라인 간의 불일치를 식별, 추적 및 해결하기 위해 사용하는 체계적 프로세스 역할을 합니다. 갭 감지는 식별에서 종료까지 다음과 같은 조치로 구성된 구조화된 경로를 따릅니다.

• 평가: QualityEngine 은(는) HEDIS 측정 기준에 따라 각 환자의 임상 이력을 평가합니다.

• 쓰기: 시스템은 patient_360 이를 뒷받침하는 근거, 권장 조치 및 우선 순위 와 함께 열린 공백을 문서 에 씁니다.

• 검토: 의료 코디네이터는 우선 순위 및 기한 경과에 따라 정렬된 임상 플랫폼의 공백을 검토 .

• 개입: KED 및 CDC-HBA와 같은 실행 가능한 격차에 대해 플랫폼은 코디네이터가 실습을 주문하거나 완료를 기록하거나 후속 조치를 예약할 수 있는 구조화된 개입 작업 공간을 엽니다.

• 닫기: 개입이 완료되면 patient_360 문서 에서 격차 상태가 업데이트되고 QualityEngine 이 다음 주기에서 다시 평가됩니다.

• 에스컬레이션: 이(가) 임상 경고 감지하면 AlertEngine 관련 열려 있는 격차의 우선 순위 높이고 의료 팀 알립니다. 패혈증 경고와 같이 관련 격차가 없는 경고는 독립적인 임상 알림 으로 의료 팀 에 직접 전달됩니다.

문서 배열로서의 임상 데이터

patient_360 문서 에서 각 상태는 conditions 배열 의 항목을 나타내고 각 약은 medications 배열 의 항목을 나타냅니다. 아래와 같이 문서 별도의 테이블에 분할하지 않고 사용된 형태로 임상 엔터티를 저장합니다.

{
   "conditions": [
      {
         "code": "44054006",
         "display": "Type 2 diabetes mellitus",
         "clinical_status": "active",
         "onset_date": "2017-10-21T21:29:59.716351+00:00"
      },
      {
         "code": "433144002",
         "display": "Chronic kidney disease stage 3",
         "clinical_status": "active",
         "onset_date": "2023-09-12T21:29:59.716372+00:00"
      }
   ],
   "medications": [
      {
         "display": "Insulin glargine 100 units/mL injection",
         "dose": "20.0 units",
         "route": "subcutaneous",
         "frequency": "once daily at bedtime",
         "status": "active"
      },
      {
         "display": "Atenolol 50 mg oral tablet",
         "dose": "50.0 mg",
         "route": "oral",
         "frequency": "once daily",
         "status": "active"
      }
   ]
}

계산된 운영 필드

FHIR 번들은 표준 상호 운용성 데이터를 포함하는 반면, patient_360 문서 FHIR이 정의하지 않은 운영 필드(임상 플래그, 의료 격차 결과, 개인화된 임계값, 활성 경고 등)가 포함되어 있습니다.

인스턴스, 더 넓은 데이터 생성 파이프라인에 포함된 구체화 파이프라인 FHIR 번들에서 임상 플래그를 계산하여 patient_360 문서 에 직접 씁니다. AlertEngine 는 이러한 플래그를 읽고 다음을 포함하여 환자에게 적용 CDS 규칙을 결정합니다.

• flags.has_beta_blocker: 베타 블로커 심박수 규칙을 활성화합니다.

• flags.has_insulin: 다인자 저혈당 규칙을 활성화합니다.

• flags.has_ckd: CKD 대사성 산증 및 호흡 규칙을 활성화합니다.

• flags.condition_codes: 모든 활성 조건에 대한 SNOMED 코드입니다.

Care Gap 결과는 동일한 접근 방식을 사용합니다. 구체화 파이프라인 Care Gap 결과를 계산하여 patient_360 문서 에 직접 추가합니다. 계산된 각 HEDIS 측정값은 연결된 status, priority, evidence 및 recommended_action와 함께 care_gaps 배열 내에 저장됩니다. 표준 FHIR과 달리 문서 모델 이 정보를 환자의 임상 기록 과 함께 저장합니다. 이 구조의 예시 아래와 같습니다.

{
   "care_gaps": [
      {
         "hedis_measure": "CDC-HBA",
         "measure_name": "Comprehensive Diabetes Care — HbA1c Testing",
         "status": "open",
         "days_overdue": 34,
         "priority": "high",
         "evidence": {
            "found": ["HbA1c 5.13% (2025-10-07)"],
            "missing": []
         },
         "recommended_action": "Schedule or order an HbA1c follow-up"
      }
   ]
}

이 접근 방식은 추가적인 유연성을 제공합니다. 임상 요구 사항이 변경되면 문서 를 연장할 수 있습니다. 새 CDS 규칙은 기존 필드에 영향을 주지 않고 동일한 문서 에 새 필드를 쓰기 (write) .

소스 레코드에 대한 추적성

patient_360 문서 파생된 운영 뷰를 구성하며, FHIR 기록 대체하지 않습니다. 구체화 파이프라인 FHIR 리소스에서 이 뷰를 생성합니다. 모든 문서 에 감사 과 같은 data_provenance 차단 포함되어 있습니다.

{
   "data_provenance": {
      "layer": "cds_operational",
      "source_fhir_collection": "synthetic_patients",
      "source_patient_id": "1b3bbaec-def8-4b55-8e87-9d04b55d6890",
      "materialization_version": "1.0",
      "last_materialized_at": "2026-05-09T21:30:04.873754+00:00",
      "fhir_resource_count": 22
   }
}

FHIR 데이터 저장 상호 운용성 측면에서 표준 진실 소스로 남아 있는 반면, MongoDB Atlas 소스 데이터에 대한 직접 링크를 유지하면서 운영 뷰를 유지합니다.

문서 모델 내 암호화된 필드

의료 규정에 따라 애플리케이션은 PHI를 암호화해야 합니다. 암호화됨 PHI를 별도의 시스템에 저장하고 필요할 때만 검색하는 것이 일반적인 접근 방식입니다. 그러나 이 프레임워크 두 번째 데이터 저장, 별도의 키 관리 계층, 모든 환자 기록 가져오기에 대한 지연 시간 도입합니다.

MongoDB Queryable Encryption PHI를 동일한 문서 에 유지하는 이러한 오버헤드 제거합니다. 환자 이름, MRN, 생년월일과 같은 매우 민감한 필드를 보호하여 암호화 키 사용하여 권한이 부여된 클라이언트 애플리케이션만 읽을 수 있도록 합니다. 문서 의 나머지 부분은 계속해서 운영에 사용할 수 있도록 쿼리할 수 있습니다.

{
   "demographics": {
      "name": { "$binary": { "base64": "EAXZmoXjO0re...", "subType": "06" } },
      "given": { "$binary": { "base64": "EF1RChFVFEJC...", "subType": "06" } },
      "family": { "$binary": { "base64": "EK18iT8qVki8...", "subType": "06" } },
      "birth_date": { "$binary": { "base64": "EJOsqgLJPEjI...", "subType": "06" } },
      "gender": "female",
      "age": 77
   }
}

예시 를 들어 AlertEngine 및 QualityEngine 읽기 플래그, 임계값 및 의료 격차 필드와 같은 마이크로 서비스는 암호화됨 인구 통계 필드를 읽지 않습니다.