포지션 상세
[Omni-Care, Powered by AI]
'인공지능 기술로 사람의 생명을 살릴 수 있을까?'라는 질문에서 에이아이트릭스는 시작됐습니다. 우리는 인공지능 기술을 통해 의료의 한계를 뛰어넘을 수 있다면, 더 많은 사람들에게 보다 나은 의료 서비스를 제공할 수 있다고 생각합니다.
우리는 최고의 인공지능 역량을 바탕으로 의료 서비스의 질을 개선하고 환자의 건강을 보호하며, 의료진의 업무 효율성을 높이기 위해 최선을 다할 것입니다.
[About the Position]
Data Interoperability Team은 병원의 원천 데이터를 AI가 학습하고 추론할 수 있는 형태로 만드는 일을 담당합니다.
에이아이트릭스의 모델은 실제 병원 EMR 데이터 위에서 동작합니다. 그런데 병원 EMR은 수십 년간 여러 벤더와 커스터마이징을 거치며 쌓인 시스템이라, 수천 개의 테이블과 의미가 문서화되지 않은 컬럼, 병원마다 다른 코드 체계로 이루어져 있습니다.
같은 "혈압"이 병원 A와 B에서 전혀 다른 테이블, 다른 단위, 다른 코드로 저장됩니다.
1. Research가 모델을 만들고,
2. AI Engineering이 모델을 서비스로 올린다면,
3. DI Engineering 은 그 모든 것의 입력이 되는 데이터 자체를 신뢰할 수 있게 만듭니다.
우리는 문서 없는 레거시 스키마를 해독하고, 임상적 의미를 복원하고, 표준 데이터 모델(OMOP CDM, FHIR)로 정규화해 여러 병원의 데이터를 하나의 구조로 다룰 수 있게 만듭니다. 새로운 병원이 연동될 때마다 처음부터 다시 시작하는 것이 아니라, 반복 가능한 온보딩 체계를 만드는 것이
목표입니다.
"이 데이터가 무엇을 의미하는가"라는 질문을 끝까지 파고드는 것을 즐기는 분을 찾습니다.
• 병원 EMR/OCS/LIS 원천 DB 스키마 분석 및 리버스 엔지니어링
• 데이터 프로파일링을 통한 테이블·컬럼의 임상적 의미 추론 및 데이터 딕셔너리 구축
• 병원 실무자(의료정보팀, 간호사, 의무기록팀) 인터뷰를 통한 데이터 생성 맥락 확인
• KCD/ICD, EDI 수가코드, LOINC, ATC, 원내 자체 코드 등 이종 코드 체계의 표준 용어 매핑
2. 데이터 모델링 및 파이프라인 구축
• OMOP CDM, FHIR 등 표준 데이터 모델로의 ETL 설계 및 구현
• 다기관 데이터를 동일한 구조로 수용할 수 있는 통합 스키마 설계
• 결측·이상치·단위 불일치·중복 레코드에 대한 데이터 품질 검증 체계 구축
• 신규 병원 온보딩을 반복 가능한 프로세스로 자동화
3. 데이터 거버넌스
• 비식별화 및 개인정보 보호 정책 수립·적용
• IRB, 의료법, 개인정보보호법 요구사항을 충족하는 데이터 처리 절차 설계
• 데이터 계보(lineage) 및 변환 이력 관리
• Python 기반으로 ETL/데이터 파이프라인을 설계하고 운영해 보신 분
• 문서화되지 않은 레거시 데이터베이스를 분석해 구조와 의미를 파악해 보신 분
• 데이터 모델링(정규화, 스키마 설계)에 대한 이해를 갖추신 분
• 도메인 전문가와 협업하며 요구사항과 데이터의 의미를 좁혀나가는 커뮤니케이션이 가능하신 분
'인공지능 기술로 사람의 생명을 살릴 수 있을까?'라는 질문에서 에이아이트릭스는 시작됐습니다. 우리는 인공지능 기술을 통해 의료의 한계를 뛰어넘을 수 있다면, 더 많은 사람들에게 보다 나은 의료 서비스를 제공할 수 있다고 생각합니다.
우리는 최고의 인공지능 역량을 바탕으로 의료 서비스의 질을 개선하고 환자의 건강을 보호하며, 의료진의 업무 효율성을 높이기 위해 최선을 다할 것입니다.
[About the Position]
Data Interoperability Team은 병원의 원천 데이터를 AI가 학습하고 추론할 수 있는 형태로 만드는 일을 담당합니다.
에이아이트릭스의 모델은 실제 병원 EMR 데이터 위에서 동작합니다. 그런데 병원 EMR은 수십 년간 여러 벤더와 커스터마이징을 거치며 쌓인 시스템이라, 수천 개의 테이블과 의미가 문서화되지 않은 컬럼, 병원마다 다른 코드 체계로 이루어져 있습니다.
같은 "혈압"이 병원 A와 B에서 전혀 다른 테이블, 다른 단위, 다른 코드로 저장됩니다.
1. Research가 모델을 만들고,
2. AI Engineering이 모델을 서비스로 올린다면,
3. DI Engineering 은 그 모든 것의 입력이 되는 데이터 자체를 신뢰할 수 있게 만듭니다.
우리는 문서 없는 레거시 스키마를 해독하고, 임상적 의미를 복원하고, 표준 데이터 모델(OMOP CDM, FHIR)로 정규화해 여러 병원의 데이터를 하나의 구조로 다룰 수 있게 만듭니다. 새로운 병원이 연동될 때마다 처음부터 다시 시작하는 것이 아니라, 반복 가능한 온보딩 체계를 만드는 것이
목표입니다.
"이 데이터가 무엇을 의미하는가"라는 질문을 끝까지 파고드는 것을 즐기는 분을 찾습니다.
주요업무
1. 원천 데이터 해석 및 표준화• 병원 EMR/OCS/LIS 원천 DB 스키마 분석 및 리버스 엔지니어링
• 데이터 프로파일링을 통한 테이블·컬럼의 임상적 의미 추론 및 데이터 딕셔너리 구축
• 병원 실무자(의료정보팀, 간호사, 의무기록팀) 인터뷰를 통한 데이터 생성 맥락 확인
• KCD/ICD, EDI 수가코드, LOINC, ATC, 원내 자체 코드 등 이종 코드 체계의 표준 용어 매핑
2. 데이터 모델링 및 파이프라인 구축
• OMOP CDM, FHIR 등 표준 데이터 모델로의 ETL 설계 및 구현
• 다기관 데이터를 동일한 구조로 수용할 수 있는 통합 스키마 설계
• 결측·이상치·단위 불일치·중복 레코드에 대한 데이터 품질 검증 체계 구축
• 신규 병원 온보딩을 반복 가능한 프로세스로 자동화
3. 데이터 거버넌스
• 비식별화 및 개인정보 보호 정책 수립·적용
• IRB, 의료법, 개인정보보호법 요구사항을 충족하는 데이터 처리 절차 설계
• 데이터 계보(lineage) 및 변환 이력 관리
자격요건
• SQL을 능숙하게 다루며, 대규모 관계형 DB에서 데이터를 직접 분석하고 최적화해 보신 분• Python 기반으로 ETL/데이터 파이프라인을 설계하고 운영해 보신 분
• 문서화되지 않은 레거시 데이터베이스를 분석해 구조와 의미를 파악해 보신 분
• 데이터 모델링(정규화, 스키마 설계)에 대한 이해를 갖추신 분
• 도메인 전문가와 협업하며 요구사항과 데이터의 의미를 좁혀나가는 커뮤니케이션이 가능하신 분
