K-MIMIC
Korean Medical Information Mart for Intensive Care :
A critical care dataset reflecting Korean characteristics, including patient monitoring, cardiac, and respiratory data
Project Title
“Establishment of a Korean-Specific Critical Care Big Data (K-MIMIC) and Development of AI-CDSS”
01
Study Background
“Establishment of K-MIMIC
(Korean Medical Information Mart for Intensive Care) and Development of AI-based CDSS”
* K-MIMIC: A Korean intensive care dataset reflecting population-specific characteristics, including monitoring, cardiovascular, and respiratory data.
We are standardizing nursing records and clinical observations from 24 hospitals to build this dataset.
02
The Need for Terminology Standardization
Within K-MIMIC nursing terms, there are various expressions across hospitals that carry the same meaning.
Mapping diverse expressions to a unified concept
1. Some terms/expressions have unclear meaning or intent.Mapping by identifying the core concept within the clinical/nursing context
50 terms exist for one concept
concepts – Medication
758
Mapping to 54 Focus Concepts and SNOMED CT
2. Terms/expressions with unclear meaning or intent
Mapping by identifying the core concept within the clinical/nursing context
[Expected Outcomes]
-
Ensuring interoperability of terminology and data across hospitals by managing synonyms and representative terms
-
Supporting the development and quality improvement of Clinical Decision Support Systems (CDSS)
-
Enhancing patient monitoring and research efficiency
03
Mapping Team of WITH LAB
연구진 구성
-> 강릉원주대학교 WITH LAB - 강릉원주대학교 WITH LAB - 이지산 교수, 박미정 연구원 김영은 연구원, 김민성 연구원, 오아란 연구원외외부 간호사
매핑 역량 강화를 위한 전략
• K-MIMIC (임상관찰 & 간호기록) 매핑 가이드라인 개발
• Weekly 연구 미팅 및 아이디어 회의
• Weekly SNOMED CT 자체교육
• SNOMED CT International Certificate
• SNOMED CT International EXPO Presentation & Volunteer
매핑 전략
•매퍼 실무진- 표준용어 매핑과 임상적인 맥락 이해가 모두 가능한 간호사로 구성
•주1회 정기 실무진 온/오프라인 회의 진행 (약 60회) 및 외부 검증이 필요한 내용은 전문가 자문 시행
•전문가 자문 - 용어 전문가 및 병원정보시스템과 표준화 전문가, 매핑 전문가
매핑 프로세스
• (Step 1) 독립적 매핑 (Independent Mapping): K-MIMIC과 SNOMED CT 및 LOINC 용어의 의미기반 매핑 • (Step 2) 내부검증 (Internal Validation): 일치하지 않는 용어는 내부 토론을 통해 합의에 도달할 때까지 조정
• (Step 3) 외부검증 (External Validation): 내부검증 후 외부 용어 전문가 검증을 통한 객관성 확보
• (Step 4) GT (Ground Truth) 생성: 5개 병원의 데이터를 기반으로 신뢰할 수 있는 GT 구축
• (Step 5) GT 기반 확장 매핑 : 구축된 GT를 기준으로 AI적용하여 다른 병원 데이터에 적용
04
Academic Conference
