devbake 님의 블로그

의료기관에서 환자의 영상 정보를 디지털로 처리할 때는, 단순히 시스템을 연동하고 저장하는 기술적 측면만 고려해서는 부족하다.특히 국내에서는 개인정보 보호법, 의료법, 정보통신망법, 보건복지부 지침 등 복수의 법률과 기준이 동시에 적용되기 때문에 "의료영상 시스템(PACS, EMR, AI 분석 서버 등)"을 설계하거나 운영할 때는 법적 준수 요건과 보안 인증 기준을 반드시 이해하고 따라야 한다.또한 최근에는 의료기록의 전자화 수준을 평가하는 EMR 인증제도와 의료 데이터의 안전한 활용을 위한 비식별화 가이드라인 등이 시행되면서 영상 시스템의 보안·기록 신뢰성·접근제어에 대한 기준도 점점 엄격해지고 있다. 이번 글에서는 병원 정보 시스템과 의료영상 연동 시 적용되는 국내 보안 법제도와 인증 요건을 항목별로 ..

현대의 병원은 단순한 진료공간이 아니라, 복잡한 정보 시스템이 유기적으로 연동된 의료 IT 플랫폼에 가깝다.그 중심에 있는 것이 바로 EMR, OCS, PACS 세 가지 시스템이다. EMR은 진료 기록과 환자 정보의 핵심 저장소이며, OCS는 진료 중 생성되는 처방과 검사 오더를 전달하고, PACS는 CT, MRI 등 영상 데이터를 저장하고 열람하게 하는 시스템이다.이 세 시스템은 의료진의 진료 경험 전반에 걸쳐 동시에 작동하며, 정확하고 실시간의 연동이 되어야만 진료 품질과 환자 안전이 보장된다. 이번 글에서는 국내 병원에서 실제 사용되는 EMR-OCS-PACS 간 연동 방식, 데이터 흐름, 통신 규격, 시스템 간 인터페이스 구조를 개념이 아닌 실제 운용 흐름과 시스템 구성 관점에서 정리한다. 1. ..

PACS(Picture Archiving and Communication System)는 병원 내 진단 영상의 저장, 조회, 전송을 담당하는 핵심 시스템이다.국내 병원 대부분은 이미 디지털 영상 기반 진료 환경을 갖추고 있으며, CT, MRI, X-ray와 같은 장비에서 생성된 영상은 모두 PACS를 통해 관리된다. 하지만 병원 규모, 운영 방식, 보안 요건, 연동 시스템 구조에 따라 PACS의 도입 형태와 운영 방식은 매우 다양하다. 특히 국내의 경우 의료보험 체계와 인증 기준, 법적 요구사항, 외산 PACS와 국산 PACS의 점유율 등 여러 요인으로 인해 PACS 구축·운영 방식이 외국과는 다른 독자적인 구조로 진화해왔다.이번 글에서는 국내 병원에서 실제로 사용되는 PACS의 구조적 특징, 구성 요소..

의료 IT, 헬스케어 AI, 병원정보시스템 분야에 처음 입문한 사람이라면 가장 먼저 마주하게 되는 기술 중 하나가 바로 DICOM(Digital Imaging and Communications in Medicine)이다. DICOM은 의료 영상의 저장 및 통신을 위한 국제 표준으로, 병원 내 모든 CT, MRI, X-ray 장비와 PACS 서버, 영상 뷰어, AI 분석 도구 등이 이 표준 위에서 작동한다.하지만 처음 접하는 입장에서는 이 구조가 다소 복잡하고, DICOM 태그, UID, C-STORE, C-FIND 등 생소한 용어들 때문에 진입 장벽이 높게 느껴지기 쉽다.이번 글에서는 의료 IT 신입 개발자, 인턴, 비전공자를 위해 DICOM을 체계적으로 학습하는 로드맵을 제시하며, 추천 자료, 실습 도..

DICOM은 의료영상의 표준 포맷이자 통신 프로토콜이지만, 그 실질적인 가치는 병원 현장에서 어떻게 활용되느냐에 따라 달라진다. 의료진이 사용하는 영상 뷰어, 방사선과의 AI 분석 도구, 수술실 실시간 영상 송출, 원격 협진 시스템까지 모두 DICOM 기반의 구조 위에서 동작한다. 하지만 이러한 시스템들이 환자 등록 → 검사 오더 → 촬영 → 저장 → 열람 → 분석까지 모든 과정을 어떻게 연결하고 자동화하는지는 일반적으로 잘 알려지지 않았다.이번 글에서는 대형 병원과 중소병원에서 실제로 적용되고 있는 DICOM 기반 영상 활용 사례를 구조도와 함께 정리하여, 의료 IT 담당자 및 개발자에게 실무적 인사이트를 제공한다. 1. 영상 진단과 PACS 뷰어병원 진료 흐름의사가 외래에서 CT 검사 오더 생성 ..

의료 영상의 역사는 단순한 필름 사진에서 시작되었지만, 오늘날에는 수많은 디지털 장비와 시스템이 고해상도 영상 데이터를 생성하고 분석하며 이를 병원 내외부에서 실시간으로 공유하는 단계에 이르렀다. 이 변화의 핵심에는 의료영상의 디지털화(Digitization)가 있으며, 이 흐름을 가능하게 만든 표준이 바로 DICOM(Digital Imaging and Communications in Medicine)이다. 하지만 디지털화가 완성되었다고 보기에는 이르다. 여전히 PACS 간 상호운용 문제, 클라우드 이식성, AI 모델 통합 어려움, 그리고 DICOM 포맷의 유연성 부족 등 다양한 과제가 남아 있다.이 글에서는 의료영상 디지털화의 과거, 현재, 그리고 미래를 조망하고, DICOM 표준이 어떤 방향으로 진화..

의료 영상 AI 모델을 개발할 때, 가장 먼저 마주하는 문제는 DICOM 데이터의 복잡성과 전처리의 어려움이다.일반 이미지 데이터와 달리, DICOM은 의료 목적에 최적화된 특수 포맷이며 이미지뿐 아니라 환자 정보, 검사 정보, 촬영 파라미터 등 메타데이터를 함께 포함하고 있다. 또한 영상 구조는 단일 이미지가 아닌 Study, Series, Instance의 계층 구조로 이루어져 있고, 영상 장비에 따라 포맷이나 압축 방식이 달라지는 경우도 많다.AI 개발자는 모델 설계 이전에 DICOM 데이터를 정제하고 라벨링하며, 익명화하고 필터링하는 작업을 선행해야 한다.이번 글에서는 AI 개발 관점에서 DICOM 데이터를 어떻게 다뤄야 하는지를 단계별로 정리하고, 필수 도구와 실무 팁까지 함께 소개한다. 1..

의료 영상 분석 AI 모델을 개발하려면, 대량의 고품질 영상 데이터와 정확한 라벨이 반드시 필요하다.그러나 의료영상은 환자 개인정보와 밀접하게 연관되어 있어, 공공 데이터로 확보하기가 쉽지 않다.이런 이유로 글로벌 기관에서는 익명화된 오픈 의료 영상 데이터셋을 제공하고 있으며, 연구자와 개발자는 이를 기반으로 딥러닝 모델을 개발하거나 성능을 비교 평가할 수 있다. 이번 글에서는 대표적인 오픈 의료 영상 데이터셋인 NIH Chest X-ray, TCIA, RSNA, CheXpert, VinDr 등을 소개하고, 각 데이터셋의 다운로드 방식, 라벨 구조, DICOM 여부, 활용 시 주의점 등을 정리한다.특히 AI 학습에 적합한 데이터셋을 고르는 기준과 주제별 분류도 함께 설명한다. 1. NIH Chest X-..

디지털 병원 환경에서 의료 영상은 단독으로 사용되지 않는다.CT나 MRI로 촬영된 영상은 환자의 전자 의무기록(EHR) 또는 병원정보시스템(HIS)과 유기적으로 연동되어야 의료진이 진료 중 실시간으로 참조할 수 있고, 진단, 처방, 협진, 보험 청구 등 의료 행위의 근거로 활용할 수 있다.PACS는 의료영상 데이터를 저장하고 관리하는 시스템이며, EHR 또는 HIS는 환자 정보와 의료 서비스 전체를 관리하는 시스템이다.이 둘의 통합은 단순한 파일 연결이 아니라, 표준 프로토콜과 구조화된 메타데이터를 기반으로 정교하게 이루어진다.이번 글에서는 PACS와 EHR(HIS)의 역할 차이, 연동 방식, 주요 프로토콜(HL7, DICOM 등),실제 병원 시스템 연계 시 고려사항까지 체계적으로 정리한다. 1. PAC..

병원 내 PACS 서버는 대부분 상용 솔루션으로 구축되어 있어, 개발자나 연구자가 직접 접근해 테스트하기 어렵다.하지만 AI 개발, 시스템 연동 실험, 의료영상 데이터셋 구성 등 다양한 작업을 위해 개인 환경에서도 동작 가능한 PACS 서버가 필요하다. 이럴 때 가장 많이 사용되는 오픈소스 서버가 바로 Orthanc이다. Orthanc는 설치가 간편하고, DICOM 수신·조회·전송 기능을 기본으로 제공하며, 웹 기반 인터페이스와 REST API도 지원하여 개발자 친화적인 구조를 갖추고 있다.이번 글에서는 로컬 환경에 Orthanc를 설치하고, DCMTK 등 도구로 실제 C-STORE 전송 테스트를 수행하는 과정을 단계별로 정리한다. 1. Orthanc란 무엇인가?Orthanc는 의료 영상 파일인 DIC..