피드로 돌아가기
Dev.toBackend
원문 읽기
개발자가 PubMed, WHO 모노그래프, 임상시험 논문 등 250가지 약초와 401개 상호작용을 크로스 레퍼런싱으로 통합 데이터베이스 구축
I Built a Free Herb-Drug Interaction Checker — Here's What I Learned About Health Data
AI 요약
Context
약초-의약품 상호작용 데이터는 PubMed의 3,500만 논문, 자연의학 데이터베이스(연 $1,500), WHO 모노그래프 등 산재되어 있어 일반인이 접근 불가능했다. 조부모 세대가 워팔린 복용 중 카모마일 차를 마시는 등 위험한 상황이 발생했고, 2019년 체계적 검토에서 아메리카 성인의 40%가 약초 보충제를 사용하지만 의사에게 알리지 않는 것으로 나타났다.
Technical Solution
- 다중 출처 크로스 레퍼런싱: PubMed, WHO 모노그래프, 임상시험 논문을 수동으로 정리해 250가지 약초와 401개 상호작용 데이터 생성
- 약물 클래스 기반 설계: 브랜드명 대신 약물 클래스(예: 비타민 K 길항제)로 분류해 데이터 커버리지 확대
- 메커니즘 및 증거 수준 구조화: 각 상호작용을 CYP450 유도/억제 메커니즘, 임상적 근거 수준(강함/중간/이론적)으로 분류
- 심각도 점수 시스템: 입원 위험(높음), 모니터링 필요(중간), 인식 필요(낮음)로 3단계 분류
- 단일 HTML 파일 프론트엔드: React/빌드 단계 없이 바닐라 JavaScript로 구현, 데이터베이스 임베드로 오프라인 작동 및 병원 WiFi에서 가용성 확보
- 단순 퍼지 매칭 검색: Array.filter()로 401개 레코드를 1ms 이내에 검색, Elasticsearch 같은 별도 도구 불필요
Key Takeaway
건강 정보 도구 개발 시 UI 개발보다 데이터 큐레이션에 60% 시간을 투자하고, 모든 상호작용을 PubMed ID로 인용 가능하게 유지하며, "의사와 상담하세요" 같은 일반적 면책사항 대신 실제 PubMed 링크를 제공해 사용자가 의사와 근거를 공유할 수 있도록 설계해야 한다.
실천 포인트
건강·의료 분야 데이터 제품을 개발하는 팀에서 다중 학술 출처를 크로스 레퍼런싱으로 정보 신뢰성을 확보하고, 약물 클래스·메커니즘·증거 수준으로 상호작용을 구조화하면, 신호 대 잡음 비율을 높여 사용자가 의료 전문가와 신뢰할 수 있는 대화를 나눌 수 있다. 또한 단일 HTML 파일에 데이터베이스를 임베드하고 Array.filter() 같은 기본 알고리즘만 사용하면 서버 비용 없이 오프라인에서 1ms 이내 검색 성능을 달성할 수 있다.