의약품 및 의료비 심사에 데이터마이닝 기법 도입이 잇따르고 있다. 이런 와중에 신뢰할만한 데이터 확보가 과제로 떠오르고 있다.

데이터마이닝은 많은 데이터 가운데 숨겨져 있는 유용한 상관관계를 발견하는 통계처리기법으로, 매출이나 약처방 목록이 갑자기 바뀌는 경우를 색출하는 데 활용된다. 즉 확보한 자료(데이터)를 가지고 입원일수나 처방약 목록 등에서 의심스러운 점을 찾아내는 방법이다.

복지부는 지난해에 이어 올해도 데이터마이닝을 이용해 의료기관, 도매상 약 35곳을 대상으로 리베이트와 의사처방과의 연관성 및 부당거래 여부를 조사 중이다.

심평원도 시장형 실거래가 제도에 초점을 맞춰 2008년 도입된 데이터마이닝의 추가 모델을 개발해 오는 11월 완료 예정이고 건강보험공단은 12월부터 데이터마이닝 기법을 이용한 ‘부당청구 관리시스템’을 도입해 부당한 진료비 청구를 막을 방침이다.

그러나 이에 앞서 정부는 신뢰성 있는 데이터 확보에 고심하는 표정이다. 확보된 데이터를 가지고 분석하는 것이 데이터마이닝이니만큼 데이터 자체가 신뢰할 수 없다면 무용지물이기 때문이다. 

심평원 의약품정보관리센터 관계자는 “지난해에는 의약품 거래하면서 특이한 거래내역에 주목했다면 올해는 시장형 실거래가에서 신고되는 것 위주로 의견을 수렴해 추가모델을 개발중”이라며 “믿을만한 공급내역데이터가 확보되는 게 관건”이라고 말했다.

이와 관련 전문가들도 "데이터마이닝의 필수 요소는 신뢰도가 높은 충분한 자료"라며 "신뢰도 높은 충분한 자료가 정확한 예견을 가능하게 하고, 최적의 결과를 산출할 수 있는 의미있는 자료의 확보가 필요하다"고 입을 모았다.

현재 국내 데이터마이닝은 초기 단계로 기업들이 고객관리에 중점을 두는 데이터베이스 마케팅에 활용하는 데 관심을 보이고 있다.

의약계에 이런 데이터마이닝이 확실한 부정거래를 잡아내는 '암행어사' 역할을 하려면 믿을만한 데이터 수집이 선행돼야할 것이다. 묘수가 없어 관계자들의 고민도 깊어만 가고 있다.