An Automatic Data Mapping for Interoperability of OpenEMR Electronic Medical Records System using FHIR

HAMMAM MAHFUZH S, Lukman Heryawan, S.T., M.T., Ph.D.

2022 | Skripsi | S1 ILMU KOMPUTER

Keberadaan Rekam Medis Elektronik (RME) masih menimbulkan tantangan baru. Beberapa di antaranya terkait dengan pertukaran data antar fasilitas kesehatan. Salah satu contoh masalah pertukaran data ini adalah adanya perbedaan struktur data yang digunakan di RME, yang menyebabkan ketidakcocokan. Kompatibilitas data seharusnya menguntungkan, terutama bagi para praktisi medis seperti dokter, sehingga mereka dapat memberikan keputusan yang lebih akurat tentang tindakan medis apa yang harus dilakukan untuk pasien mereka, karena perawatan atau pengobatan yang tepat akan meningkatkan kemungkinan pasien untuk berhasil sembuh dari penyakit mereka. Kesesuaian data antar RME juga dapat disebut sebagai interoperabilitas. Penelitian ini mencoba menerapkan interoperabilitas data kesehatan dengan mengimplementasikan pemetaan otomatis data RME dari salah satu sistem manajemen RME yang bernama OpenEMR, sehingga datanya dapat memenuhi standar FHIR. Secara khusus, classifier untuk mengategorikan data OpenEMR ke dalam tipe FHIR yang sesuai, dibahas dalam penelitian ini. Tiga classifier dikembangkan di Java dan Python, dengan memanfaatkan konsep teknik klasifikasi pembelajaran mesin yang, dalam hal ini, adalah Naive-Bayes dan Decision Tree. Kedua implementasi algoritma pembelajaran mesin tersebut menunjukkan akurasi klasifikasi 100%, yang menghasilkan tambahan penerapan teknik rule-based yang juga menghasilkan akurasi 100%.

The existence of Electronic Medical Records (EMR) still poses new difficulties. Several of them are related to data exchange between healthcare facilities. One example of this data exchange problem would be the difference of data structure used in EMR, which leads to incompatibility. Data compatibility should be advantageous, especially for medical practitioners such as doctors or physicians, so that they can grant a more accurate decision on what treatments should be carried out for their patients, since a precise treatment or medication will increase the chance that patients would successfully heal from their disease. The compatibility of EMR data can also be called interoperability. This research attempts to apply interoperability of healthcare data by implementing an automatic mapper of an EMR data from one EMR management system called OpenEMR so that its data can meet the FHIR standard. Specifically, a classifier to categorize the OpenEMR data into the appropriate FHIR type is discussed in this research. Three classifiers are developed in Java and Python, which utilize the concepts of machine learning classification techniques which, in this case, are Naive-Bayes and Decision Tree. Both implementations of machine learning algorithm showed a classification accuracy of 100%, which resulted in the additional implementation of rule-based technique that also resulted in 100% accuracy.

Kata Kunci : OpenEMR, electronic medical records, FHIR, interoperability, classification