• 흐림속초5.8℃
  • 비4.1℃
  • 흐림철원3.7℃
  • 흐림동두천4.4℃
  • 흐림파주4.0℃
  • 흐림대관령0.8℃
  • 흐림춘천4.5℃
  • 비백령도6.3℃
  • 비북강릉5.9℃
  • 흐림강릉7.2℃
  • 흐림동해7.0℃
  • 비 또는 눈서울5.8℃
  • 비인천7.2℃
  • 흐림원주5.7℃
  • 비울릉도9.2℃
  • 비수원7.8℃
  • 흐림영월5.2℃
  • 흐림충주6.2℃
  • 흐림서산8.1℃
  • 흐림울진8.4℃
  • 흐림청주7.5℃
  • 비대전7.9℃
  • 흐림추풍령7.4℃
  • 비안동6.9℃
  • 흐림상주7.3℃
  • 흐림포항13.7℃
  • 흐림군산9.5℃
  • 흐림대구10.1℃
  • 흐림전주9.9℃
  • 흐림울산12.1℃
  • 흐림창원11.0℃
  • 흐림광주10.7℃
  • 흐림부산13.2℃
  • 흐림통영13.3℃
  • 흐림목포12.2℃
  • 흐림여수13.2℃
  • 흐림흑산도13.4℃
  • 흐림완도13.5℃
  • 흐림고창8.7℃
  • 흐림순천9.8℃
  • 흐림홍성(예)8.0℃
  • 흐림7.1℃
  • 비제주16.7℃
  • 흐림고산15.9℃
  • 흐림성산17.6℃
  • 비서귀포16.7℃
  • 흐림진주9.1℃
  • 흐림강화5.7℃
  • 흐림양평5.5℃
  • 흐림이천6.3℃
  • 흐림인제4.2℃
  • 흐림홍천3.6℃
  • 흐림태백2.8℃
  • 흐림정선군3.5℃
  • 흐림제천5.8℃
  • 흐림보은8.4℃
  • 흐림천안7.3℃
  • 흐림보령9.2℃
  • 흐림부여9.0℃
  • 흐림금산8.5℃
  • 흐림8.0℃
  • 흐림부안9.7℃
  • 흐림임실9.0℃
  • 흐림정읍8.9℃
  • 흐림남원8.6℃
  • 흐림장수8.2℃
  • 흐림고창군9.1℃
  • 흐림영광군9.0℃
  • 흐림김해시12.4℃
  • 흐림순창군9.5℃
  • 흐림북창원11.8℃
  • 흐림양산시13.5℃
  • 흐림보성군12.7℃
  • 흐림강진군12.7℃
  • 흐림장흥13.2℃
  • 흐림해남13.3℃
  • 흐림고흥12.6℃
  • 흐림의령군8.4℃
  • 흐림함양군8.6℃
  • 흐림광양시12.5℃
  • 흐림진도군11.5℃
  • 흐림봉화6.8℃
  • 흐림영주7.6℃
  • 흐림문경7.8℃
  • 흐림청송군9.4℃
  • 흐림영덕9.5℃
  • 흐림의성9.0℃
  • 흐림구미8.4℃
  • 흐림영천11.1℃
  • 흐림경주시10.8℃
  • 흐림거창8.7℃
  • 흐림합천9.8℃
  • 흐림밀양11.2℃
  • 흐림산청8.8℃
  • 흐림거제13.1℃
  • 흐림남해12.3℃
  • 흐림13.5℃
기상청 제공

2026년 11월 08일 (일)

“한의 진단, 빅데이터 분석 통한 표준화 체계 마련”

“한의 진단, 빅데이터 분석 통한 표준화 체계 마련”

한의학연구원, ‘건강인 한의 핵심 생체지표 백서’ 발간
한의 분야의 인공지능 전환 위한 필수 기초 자산을 구축

이상훈 책임연구원(연구책임자).png

이상훈 책임연구원

 

[한의신문] 한국한의학연구원(원장 이진용·이하 연구원)이 한의 분야 인공지능(AI) 개발의 핵심 기반이 될 ‘건강인 한의 핵심 생체지표 백서’를 발간했다.

 

연구원은 이번 백서가 한의 진단의 한계를 극복하고 인공지능 개발에 필수적인 한의 임상데이터의 AI-ready 데이터를 구축하기 위해 기획됐다고 밝혔다.

 

이번 백서 발간을 통해 연구원은 1만3000명에 달하는 건강인의 데이터를 분석해 ‘건강인의 표준 분포(참조 기준)’를 제시하는 성과를 거뒀다.

 

이를 통해 한의 진단 데이터를 객관적으로 비교·검증할 수 있는 표준화된 체계를 마련했으며 AI 전환을 위한 데이터 상호호환성을 확보할 수 있게 됐다.

 

특히 이번 백서는 한의 임상 현장에서 주로 쓰이는 생체지표에 대해 △표준 측정 절차서(SOP) △참조값 △한국인 성별·연령별·체질별 표준 분포를 종합적으로 제공한다.

 

(이미지) KMBIG 홈페이지 화면.png

 

최근 의료 인공지능 분야에서는 전자의무기록(EHR)과 연계 가능한 표준화된 데이터 확보가 중요해지고 있다.

 

그러나 한의약 분야에서는 통일된 측정 절차와 참조 기준이 미비해 임상 데이터를 체계적으로 축적하고 분석 및 활용하는 데 어려움을 겪어 왔고, 이번 백서가 이를 해소해 줄 전망이다.

 

연구팀은 이번 백서에 공개된 표준 측정 절차서를 준수해 데이터를 수집할 경우, 개별 연구자와 기업이 수집한 데이터를 1만3000명의 건강인 참조데이터와 연계해 통합 분석할 수 있다고 설명했다.

 

이어 연구팀은 “이는 별도의 가공 없이 AI 학습에 즉시 활용 가능한 ‘AI-ready 데이터’ 확보가 가능해진다는 것을 의미한다”며 “한의 인공지능 개발의 진입장벽을 낮추는 계기가 될 것”이라고 기대했다.

 

실제 일부 한방의료기관에서는 본 백서의 표준 프로토콜을 도입해 AI 기반 진료체계 구축을 검토하고 있다.

 

(이미지) 한의 건강검진 데이터셋.png

 

연구책임자 이상훈 박사는 “이번 백서는 한의 분야의 인공지능 전환(AX)을 데이터 구조 차원에서 뒷받침하는 핵심 기반으로서 향후 한의 전자의무기록 표준화는 물론 디지털 헬스케어 산업 활성화와 의료 AI 정책 수립에도 큰 도움이 될 것”이라고 밝혔다.

 

한편, 이번 연구는 한국한의학연구원 기본사업의 지원을 받아 수행했고, 과제명은 ‘AI 한의사 개발을 위한 임상 빅데이터 수집 및 서비스 플랫폼 구축(KSN1923110)’, ‘LLM 기반 한의 빅데이터 통합 진료지원 인공지능 서비스 개발(KSN2511022)’다.

 

 

백서 전문은 한국한의학연구원 홈페이지(www.kiom.re.kr) 내 ‘연구성과>출판물’에서 확인 가능하다.

(이미지) 한의 빅데이터(KMBIG) 공유활용 서비스.png

 

관련기사

가장 많이 본 뉴스

더보기

최신뉴스

더보기

뉴스

더보기