※온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.1 2023-11-10 데이터 최종 개방 1.0 2023-05-26 데이터 개방(Beta Version) 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2023-12-20 산출물 전체 공개 소개
응급실에서 의료진과 환자 간의 진료 대화를 4가지 진료프로세스(예진, 초진, 투약 및 검사, 검사결과설명 및 퇴실)으로 구분하여 녹음한 음성데이터
구축목적
응급실에서 의료진과 환자 간의 진료 대화를 비식별화하여 음성인식 및 진료 프로세스를 구분하여 AI 활용 모델을 만들기 위한 목적으로 구축
-
메타데이터 구조표 데이터 영역 헬스케어 데이터 유형 오디오 데이터 형식 WAV 데이터 출처 고려대학교 구로병원 응급실, 고려대학교 안산병원 응급실, 고려대학교 안암병원 응급실 라벨링 유형 전사(음성) 라벨링 형식 JSON 데이터 활용 서비스 응급실 진료 음성인식 서비스, 진료 분류 서비스 데이터 구축년도/
데이터 구축량2022년/응급실 대화 사례 : 5244 -
데이터 통계
1) 데이터 구축 규모1) 데이터 구축 규모 데이터 종류 데이터 항목 데이터 형식 카테고리 분류 데이터 수 응급실 임상 대화 데이터 원천 데이터 WAV 예진 1,049건 초진 1,431건 투약 및 검사 1,646건 검사결과설명 1,118건 및 퇴실 합계 5,244 라벨링 데이터 JSON 예진 1,049건 초진 1,431건 투약 및 검사 1,646건 검사결과설명 1,118건 및 퇴실 합계 5,244 2) 데이터 분포
가. 중증도 분포2) 데이터 분포 가. 중증도 분포 카테고리 구분 데이터 수 비율 KTAS 3 (응급) 4,188건 79.86% KTAS 4 (준응급) 823건 15.69% KTAS 5 (비응급) 233건 4.44% 합계 5,244건 100% 나. 질병 분포
2) 데이터 분포 나. 질병 분포 카테고리 구분 데이터 수 비율 질병 4,253건 81.10% 질병 외 991건 18.90% 합계 5,244건 100% 다. 성별
2) 데이터 분포 다. 성별 카테고리 구분 비율 남성 47.85% 여성 52.15% 합계 100% 라. 연령대
2) 데이터 분포 라. 연령대 카테고리 구분 비율 20대 9.65% 30대 9.21% 40대 9.53% 50대 17.66% 60대 19.43% 70대 이상 34.52% 마. 발화 시간
2) 데이터 분포 마. 발화 시간 카테고리 구분 비율 의료진 63.05% 환자 25.18% 보호자 11.77% -
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드활용 모델
1) 음성 인식 모델
● 모델 학습
Librosa를 통해 수집된 음성 데이터를 학습모델에 사용할 수 있도록 20초 미만의 음성으로 slicing을 통해 전처리 수행
전처리된 음성 데이터를 OpenAI사의 Whisper모델에 Transfer Learning(전이학습) 하여 소음이 포함된 응급실 임상 대화를 인식하는 음성 인식 모델을 개발1) 음성 인식 모델● 모델 학습 학습 검증 시험 개요 OpenAI Whisper 학습 학습 도중 모델 성과 평가 및 비교 모델 학습 완료 후 모델 테스트 CER 점수 등 학습 데이터 4195례 525례 524례 
● 서비스 활용 시나리오
구축한 모델은 응급실에서 발생하는 의료진-환자 간의 대화를 인식하는 서비스에 활용할 수 있음
1. 의료진-환자 간의 대화 내용 음성 인식 서비스에 활용
- 음성 인식을 통해 생성되는 텍스트 정보를 EMR에 작성할 수 있는 고도화 모델로 사용할 수 있음
2) 진료 프로세스 분류모델
● 모델 학습
4가지 프로세스(예진, 초진, 투약 및 검사, 검사결과설명 및 퇴실)로 분류되어 전사된 텍스트를 전처리 후 MLP 구조에 데이터 학습을 통해서 Multi Class Classification을 할 수 있는 모델을 개발2) 진료 프로세스 분류모델● 모델 학습 학습 검증 시험 개요 MLP 아키텍쳐를 통해 학습 학습 도중 모델 성과 평가 및 비교 모델 학습 완료 후 모델 테스트 Accuracy 점수 등 학습 데이터 4195례 525례 524례 ● 서비스 활용 시나리오
음성 인식으로 생성된 텍스트를 4가지 프로세스(예진, 초진, 투약 및 검사, 검사결과설명 및 퇴실)로 구분하여 텍스트 분류
1. 의료진-환자 간의 대화 내용 분류 서비스에 활용
- 음성 인식을 통해 생성되는 텍스트 정보를 내용에 따라 4가지 프로세스(예진, 초진, 투약 및 검사, 검사결과설명 및 퇴실로 구분하여 EMR에 작성할 수 있는 고도화 모델로
그림 MLP 구조
사용할 수 있음
-
데이터 성능 점수
측정값 (%)기준값 (%)데이터 성능 지표
데이터 성능 지표 번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수 1 진료 프로세스 분류 성능 Audio Classification MLP Accuracy 60 % 86.1 % 2 음성인식 성능 Speech Recognition Whisper CER 30 % 5.23 %
※ 데이터 성능 지표가 여러 개일 경우 각 항목을 클릭하면 해당 지표의 값이 그래프에 표기됩니다.
※ AI모델 평가 지표에 따라 측정값의 범위, 판단 기준이 달라질 수 있습니다. (ex. 오류율의 경우, 낮을수록 좋은 성능을 내는 것으로 평가됩니다)
-
설명서 및 활용가이드 다운로드
데이터 설명서 다운로드 구축활용가이드 다운로드데이터 포맷
1) 원문데이터 포맷
응급실 임상 대화 데이터 : WAV
음성 전사 및 메타 데이터 : JSON데이터 포맷 1) 원문데이터 포맷 구분 획득(수집)단계 정제 단계 가공(라벨링) 단계 데이터 구분 원시데이터 원천데이터 최종데이터 데이터 형태 WAV WAV, JSON WAV, JSON 데이터 포맷 16kHz sampling rate, 16bit, mono 방식으로 인코딩 16kHz sampling rate, 16bit, mono 형식의 데이터 데이터 구성
어노테이션 포맷
어노테이션 포맷 No. 항목 타입 필수여부 영문명 한글명 dataset object 1 date 녹음 일자 string Y 2 category 프로세스 목록 string Y 3 ktas KTAS 등급 number Y 4 patient 환자 정보 object Y 4-1 patient_age 환자 나이대 string Y 4-2 patient_gender 환자 성별 string Y 4-3 medical_history 과거력 string 5 speaker 화자 정보 array 5-1 id 화자 아이디 string Y 5-2 role 역할 string Y 5-3 gender 화자 성별 string Y 6 treatment 처치 정보 object Y 6-1 diseases_type 질병분류 string Y 6-2 diagnosis 진단명 string Y 6-3 exam_treatment 치료 및 검사 string Y 7 annotations 어노테이션 목록 array 7-1 id 화자 아이디 string Y 7-2 form 전사, 라벨링 결과 string Y 7-3 original_form 철자 전사 내용 string Y 7-4 annotations_form 어노테이션 전사 내용 String Y 7-5 annotation_list 어노테이션 리스트 String Y 7-5 start 발화 시작 시간 (소수점 3자리까지) number Y 7-7 end 발화 종료 시간 (소수점 3자리까지) number 실제 예시
{
"dataset": {
"date": 220710,
"category": "초진",
"ktas": 4,
},
"speaker": [
{
"id": 1,
"age": "40대",
"gender": "남성",
"role": "의사",
},
{
"id": 2,
"age": "30대",
"gender": "여성",
"role": "환자",
}
],
"annotations": [
{
"id": 1,
"form": "어디가 안 좋으신가요",
"original_form": "어디가 안 좋으신가요",
"annotations_form": "null",
"start": "0.00",
"end": "2.39",
"annotations_List": "null",
},
{
"id": 2,
"form": "(삼 일)/(3일) 전부터 (@당뇨) 때문에 몸이 안 좋아서요",
"original_form": "삼 일 전부터 당뇨 때문에 몸이 안 좋아서요",
"annotations_form": "3일 전부터 당뇨 때문에 몸이 안 좋아서요",
"start": "2.39",
"end": "5.89",
"annotations_List": [
{
"annotations_id": 1,
"annotations_word": "당뇨",
}
]
},
],
"treatment": {
"depart": 내과,
"medical_history": "당뇨",
"exam_treatment": NULL,
},
} -
데이터셋 구축 담당자
수행기관(주관) : ㈜타이거컴퍼니
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 김범진 1688-3708 [email protected] 사업총괄, 사업 인프라 제공, AI 모델 구축 및 검증, 클라우드 소싱 수행기관(참여)
수행기관(참여) 기관명 담당업무 고려대학교 산학협력단 데이터 수집, 데이터 검증 길의료재단 AI 모델 구축 및 검증 비투엔 품질관리 소리자바 음성 데이터 정제 및 전사, 학습데이터 구축, 음성 데이터 가공, 학습데이터 검증,클라우드 소싱 디그랩 음성 데이터 정제 및 전사, 학습데이터 구축, 음성 데이터 가공, 학습데이터 검증,클라우드 소싱 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 김범진 1688-3708 [email protected]
-
인터넷과 물리적으로 분리된 온라인·오프라인 공간으로 의료 데이터를 포함하여 보안 조치가 요구되는 데이터를 다운로드 없이 접근하고 분석 가능
* 온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
* 오프라인 안심존 : 추가적인 보안이 필요한 데이터를 대상으로 지정된 물리적 공간에서만 접속하여 데이터에 접근하고 분석 -
- AI 허브 접속
신청자 - 안심존
사용신청신청자신청서류 제출* - 심사구축기관
- 승인구축기관
- 데이터 분석 활용신청자
- 분석모델반출신청자
- AI 허브 접속
-
1. 기관생명윤리위원회(IRB) 심의 결과 통지서 [IRB 알아보기] [공용IRB 심의신청 가이드라인]
2. 기관생명윤리위원회(IRB) 승인된 연구계획서
3. 신청자 소속 증빙 서류 (재직증명서, 재학증명서, 근로계약서 등 택1)
4. 안심존 이용 신청서 [다운로드]
5. 보안서약서 [다운로드]
※ 상기 신청서 및 첨부 서류를 완비한 후 신청을 진행하셔야 정상적으로 절차가 이루어집니다. -
신청 및 이용관련 문의는 [email protected] 또는 02-525-7708, 7709로 문의
데이터셋 다운로드 승인이 완료 된 후 API 다운로드 서비스를 이용하실 수 있습니다.
API 다운로드 파일은 분할 압축되어 다운로드 됩니다. 분할 압축 해제를 위해서는 분할 압축 파일들의 병합이 필요하며 리눅스 명령어 사용이 필요합니다.
리눅스 OS 계열에서 다운로드 받으시길 권장하며 윈도우에서 파일 다운로드 시 wsl(리눅스용 윈도우 하위 시스템) 설치가 필요합니다.
※ 파일 병합 리눅스 명령어
find "폴더경로" -name "파일명.zip.part*" -print0 | sort -zt'.' -k2V | xargs -0 cat > "파일명.zip"
- 해당 명령어 실행 시, 실행 경로 위치에 병합 압축 파일이 생성됩니다.
- 병합된 파일 용량이 0일 경우, 제대로 병합이 되지 않은 상태이니 "폴더경로"가 제대로 입력되었는지 확인 부탁드립니다.
※ 데이터셋 소개 페이지에서 다운로드 버튼 클릭하여 승인이 필요합니다.