메인 메뉴로 바로가기 하위 메뉴로 바로가기 본문으로 바로가기
TOP

의료 빅데이터, 만병통치약은 아니지만… 데이터 임계점 이르면 진료 빅뱅 온다

198호 (2016년 4월 lssue 1)

PDF 다운로드 횟수 10회중 1회차 차감됩니다.
다운을 진행하시겠습니까?
아티클 다운로드(PDF)
4,000원
김치원 김치원

Article at a Glance

 과거 인간 유전자를 해독하게 되면 모든 질병의 원인과 치료법을 알아낼 수 있을 것이란 기대가 있었으나 실제로는 생각처럼 쉽지 않음이 드러났다. 의료계에 적용되고 있는 빅데이터와 각종 IT 역시 섣부른 기대를 걸어선 안 된다. 그러나 맞춤형 진료와 질병 예측 측면에서 디지털 기술은 분명 예전에는 상상하기 힘들었던 가능성을 열어주고 있다. 충분한 임상 데이터가 축적되면 급격한 산업 변화가 시작되는 임계점이 될 것이다.

 

 

편집자주

디지털 기술이 의료, 바이오 산업을 근본적으로 바꾸고 있습니다. 경영 컨설턴트로 일한 바 있는 김치원 서울와이즈요양병원이 5회에 걸쳐 디지털 헬스 산업의 변화와 대응전략을 제안합니다.

 

Digital Health Innovation

 

우리는빅데이터시대에 살고 있다. 빅데이터라는 용어가 실체가 있는 것인지, 아니면 단순한 마케팅 구호에 불과한 것인지를 놓고 논쟁이 벌어지기도 하지만 모든 것이 연결될 수 있는 시대에 과거에 상상할 수 없었던 규모의 데이터를 얻을 수 있게 됐고 이를 잘 분석하면 과거에 알지 못했던 것을 알게 될 것이라는 점만은 분명해 보인다.

 

의료는 어떨까? 우선 많은 사람들이 핏비트와 같은 활동량 측정계를 비롯해서 스마트폰에 연동된 다양한 장비를 사용하게 되면서 수집할 수 있는 정보가 크게 늘어났다. 그리고 병원 내에 저장돼 있는 의무기록과 같이 수집됐지만 제대로 활용되지 못하던 정보를 분석할 수 있는 방법이 나타나고 있다. 그 결과 의료에서 새롭게 활용할 수 있는 정보의 양은 엄청나게 늘어나고 있다. IBM은 인공지능인 왓슨(Watson)을 활용해서 외부 파트너들과 협력하기 위한 왓슨 헬스 클라우드(Watson Health Cloud)라는 플랫폼을 내놓으면서 평균적인 사람 한 명이 죽을 때까지 100만 기가바이트에 달하는 건강 관련 정보를 만들어낼 것이라고 예측하기도 했다.

 

이렇게 많은 정보가 쌓이고 이를 IBM 왓슨과 같은 인공지능을 비롯한 알고리즘을 통해서 분석하게 되면 기존에 알지 못했던 새로운 의학 지식을 알게 되고 사용자에게 즉각적인 피드백을 제공할 수 있을 것이다. 이를 통해 일상생활 속에서 건강을 유지할 수 있는 길이 열리게 될 것이다. 이는 기존 의료에서는 거의 불가능한 일이었다. 그 이유는 기존 의료에서는 무엇인가 일이 발생해서 증상으로 나타난 다음에야 병원에서 어떤 생체 신호를 측정할 수 있었기 때문이다. 또한 스마트폰 시대가 열리기 전에는 사람들이 일상생활 속에서 수집된 정보를 빠르게 분석하고 피드백을 제공하는 것이 불가능했는데 스마트폰 및 여기에 연결된 인터넷 및 클라우드 서비스를 통해서 이것이 가능해졌기 때문이다. 건강 관련빅데이터가 의료에서 어떤 차이를 만들어낼지에 대해서 구체적으로 살펴보자.

 

1. 맞춤형 진료

 

사람들에 대한 많은 정보를 얻게 된다는 것은 그들의 의학적인 특징을 알 수 있게 된다는 뜻이다. 이러한 특징은 개개인의 건강과 질병에 큰 영향을 미치면서 어렵지 않게 측정할 수 있어야 한다. 또한 질병이 발생하거나 진행하기 전에 가급적 빨리 측정할 수 있는 것이 좋다. 이런 의학적인 특징의 속성들은 상호 모순되는 측면이 있다. 발생하기 전 혹은 초기에 측정할 수 있는 특성들은 예측 가능성이 낮은 경우가 많다. 또한 전신마취하에 수술을 하지 않고서 암의 특성과 주위 혹은 먼 장기까지 퍼진 정도를 정확하게 판단하기 힘든 것처럼 복잡한 과정 없이 질병의 특성을 정확하게 파악하는 것 또한 쉬운 일이 아니다.

 

대표적인 것이 유전자 분석이다. 휴먼게놈프로젝트를 통해서 인간 유전자 분석을 끝냈을 때 사람들은 인체와 질병의 비밀을 알아내는 것은 시간 문제라고 예상했다. 하지만 많은 연구가 이뤄지면서 유전자가 질병의 특성을 설명하기에 부족한 부분이 많은 것으로 알려지고 있다. 아직 다수의 사람을 대상으로 한 유전자 분석이 이뤄지지 않아서 충분한 데이터가 모이지 않았기 때문일 수도 있고, 유전자보다는 환경이 질병에 미치는 영향이 크기 때문일 수도 있다. 전자가 이슈라면 유전체 분석 기술이 저렴해지고 더 많은 사람이 검사를 받게 됨에 따라서 해결되겠지만 후자가 이슈라면 유전자 분석만 가지고는 맞춤형 진료를 구현하기 힘들 것이다. 그런데 ‘23 and Me’와 같은 일반인 대상 유전체 분석 서비스와 각종 생체 신호를 측정할 수 있는 디지털 헬스케어 장비들이 확산되면서 이 두 가지 이슈를 모두 해결할 수 있게 됐다. 이제 질병을 보다 정확하게 이해할 수 있는 길이 열리고 있는 것이다.

 

이렇게 모인 정보를 토대로 기존에 몰랐던 질병의 특성을 알아낼 수 있다. 한 학술지에 실린 의학 논문에서는 이렇게 디지털 기술을 사용해서 알아낸 질병 특성에디지털 표현형(digital phenotype, 디지털 정보로 본 질병 특성)’이라는 이름을 붙였다. 이 논문에서는 디지털 표현형에 대해서 이렇게 설명하고 있다.

 

“소셜미디어, 웨어러블 및 모바일 기기를 통해서 점점 많은 건강 데이터가 축적되고 있으며 이를 통해 질병에 대한 우리의 이해가 깊어지고 있다. 이런 데이터는 질병 특성(disease phenotype)을 알아내기 위한 전통적인 접근 방법이었던 신체 검진, 검사 결과, 영상 검사 결과를 넘어서는 가치를 가지고 있다. 이 데이터를 적절하게 수집해 분석한다면 질병에 대해서 보다 통합적으로 또한 세세한 차이를 반영해서 이해할 수 있게 돼 질병의 발현에 대한 우리의 기존 관념을 근본적으로 바꾸어놓을 수도 있다. 이러한 디지털 표현형(digital Phenotype)을 통해서 본다면 개개인의 디지털 기술과의 상호 관계가 질병의 진단, 치료에서부터 만성질환의 관리에 이르는 모든 영역에서의 질병 치료에 영향을 미치게 될 것이다.”

 

좀 더 구체적으로 이해하기 위해서 Ginger.io라는 회사에 대해서 간단히 살펴보자. 이 회사는 스마트폰 사용자의 사용 패턴을 수집 분석해 질병과 관련된 정보를 제공해준다. 예를 들어 활동량, 전화나 문자 사용 패턴을 분석해 정신과 환자의 상태를 추적할 수 있도록 해준다. 통화 빈도가 갑자기 줄어든다든지, 스마트폰 사용 시간이 줄어들면 우울증이 심해지는 것으로 추정하는 식이다. 현재는 주로 우울증 등 정신과 질환에 초점을 맞추고 있지만 만성 질환에 대해서도 적용할 수 있을 것으로 보인다.

 

[이미지 닫기]

 

유전자 정보는 물론 질병과 관련이 있다고 생각지 않았던 수많은 정보가 모여서 Ginger.io 회사가 제시하는 것과 같은 Digital Phenotype 및 이외의 다른 분석툴 및 알고리즘이 등장하게 되면 환자의 특성을 더 깊이 알게 되고 이를 바탕으로 진정한 개인별 맞춤 치료가 가능해질 수도 있을 것이다.

 

 

얼마 전까지만 해도 이런 논의는 이론적으로 가능해 보이지만 아직은 개념적인 이야기로 생각된다. 그런데 최근 이런 방법을 사용해서 실질적인 결과를 얻어낸 논문이 나왔다. 지금까지는 혈당을 관리할 때 음식의 칼로리나 영양소를 보고 식단을 조절했는데 동일한 음식을 먹어도 개인별로 식후 혈당이 큰 차이를 보이는 경우가 많았다. 이스라엘 연구자들은 장내 세균과 키, 몸무게와 같은 생체 측정치, 그리고 식사, 운동, 수면 등 개인 활동 기록을 종합해서 개인별 맞춤형 영양 관리를 통해서 혈당을 관리할 수 있는 알고리즘을 만들어냈고 이것이 유효함을 입증했다. 즉 이들 데이터를 수집해서 이들이 만든 알고리즘에 투입하면 개인별로 어떤 음식을 먹어야 혈당이 많이 오르지 않는지를 예측할 수 있다.

 

이렇게 환자로부터 수집한 다양한 정보를 바탕으로 하는 맞춤형 치료를 단기간 내에 모든 질병에 적용하기는 힘들 것이다. 특히 위의 연구에서 대상이 된 혈당의 경우 식사에 따라서 바로 반응이 나온다는 특징이 있다는 점을 감안해야 한다. 이에 비해 대부분의 만성 질환들이나 암과 같은 중증 질환들의 경우 실제 변화로 나타날 때까지 비교적 오랜 기간이 걸리기 때문에 그 기간 중에 다른 요인들이 영향을 미칠 가능성이 높고 따라서 예측 인자의 가치가 떨어질 가능성이 있다.

 

2. 질병 예측

 

기존 의학 지식은 어떤 일이 발생한 다음에 측정한 데이터에 바탕을 두고 있다. 일이 발생하기 전에 검사를 실시하는 것이 힘들기 때문이다. 따라서 현대 의학에서는 어떤 질병이 발생하기 직전 혹은 직후에 발생한 변화를 알기가 힘들다. 예를 들어 현대 의학은 심근경색이 발생한 다음 심전도에 나타나는 변화는 잘 알고 있지만 심근경색이 발생하기 직전에 어떤 변화가 있는지 여부는 아직 알지 못한다. 이를 알기 위해서는 아직 심근경색이 발생하지 않은 사람들을 대상으로 지속적으로 심전도를 측정하고 그중 일부에서 심근경색이 발생했을 때 발생 전 데이터를 분석할 수 있어야 한다.

 

문제는 아직까지 다양한 헬스케어 센서를 탑재한 웨어러블 제품이 많지 않고 기존 웨어러블 제품의 경우 사용자들이 많지 않고 꾸준히 사용하는 경우가 적다는 것이다. 질병 예측에 필요한 생체 신호 측정에 제약이 많은 상황이다. 따라서 현재 이런 예측 시스템은 주로 병원에 입원해 있는 환자들, 특히 지속적으로 생체 신호를 측정하고 수시로 각종 검사를 하는 경우가 많은 중환자실 환자를 대상으로 만들어지는 경우가 많다.

 

대표적인 경우가 세계 최고 수준의 병원으로 유명한 메이요클리닉이 설립한 데이터 분석 회사인 앰비언트 클리니컬 애널리틱스(Ambient Clinical Analytics)가 만들어내는 예측 시스템이다. 지금까지 패혈성 쇼크 감지기와 인공호흡기 관련 폐손상 감지기를 출시했는데 환자 의무기록, 생체 신호 측정치, 혈액 검사 결과 등 데이터를 분석해 환자의 생명에 치명적인 영향을 줄 수 있는 패혈성 쇼크와 인공호흡기 관련 폐 손상 가능성을 예측해줌으로써 의료진이 미리 대처할 수 있게 해준다. 두 시스템 모두 여러 논문을 통해서 발표됐고 FDA 승인을 받았다.

 

이렇게 병원에 입원해 있는 환자를 넘어서서 일상생활 속에서 질병의 발생을 예측해주는 것은 가능할까? 이러한 예측이 실질적으로 의미가 있으려면 평생 대장암이 생길 확률이 12%라고 이야기해주는 수준을 넘어서서 앞서 예로 들었던 것처럼 심근경색이 발생하기 5분 전쯤에 예측해주거나 뇌졸중(중풍) 발생을 미리 알려줄 수 있어야 할 것이다.

 

2015년 초에 윤부근 삼성전자 대표이사가 CES 기조 연설에서 소개했던 뇌졸중 예고모자 같은 것이 여기에 해당할 것이다. 삼성전자 사내벤처 프로그램에 속한 팀이 개발한 이 제품은 모자를 사용해서 손쉽게 뇌파를 취득할 수는 있으나 실제 뇌졸중을 예고해줄 만한 수준에는 도달하지 못한 것으로 알려졌다. 기존에 뇌파를 측정하기 위해서는 병원 검사실을 방문해서 온 머리에 젤을 덕지덕지 바르고 머리 곳곳에 뇌파 측정기를 부착해야 했다. 따라서 모자의 형태로 뇌파를 측정할 수 있는 방법이 있다면 이것만으로도 놀라운 성과라고 할 수 있다. 하지만 아직 뇌줄중이 발생하기 전에 뇌파에서 어떤 변화가 나타나는지에 대한 지식이 축적돼 있지 않기 때문에 이런 모자를 사용해 뇌졸중을 예고할 수 있는 수준에는 도달하지 못하고 있다. 만약 아직 뇌졸중이 발생하지 않은 사람들로 하여금 평소에 이 모자를 쓰고 다니게 하고 이들 중 일부에서 뇌졸중이 발생하는 경우 뇌졸중 발생 전 수십 분의 뇌파 데이터를 수집하고 분석해 뇌졸중을 예고할 수 있는 변화를 찾아낼 수 있을지도 모른다. 이를 진단 알고리즘으로 바꾸어 뇌파 측정 모자에 탑재한다면 모자를 쓰는 사람들의 뇌졸중 발생 위험을 예고해 줄 수 있을 것이다.

 

이렇게 평소에 뇌파를 측정해주고 그렇게 데이터를 모아서 뇌졸중을 예고해주겠다고 하는 제품들은 딜레마에 직면하게 된다. 소비자 입장에서 그런 알고리즘이 없는 뇌파 측정 모자 혹은 심전도 측정계는 사용할 만한 효용이 없다. 센서 가격을 생각한다면 가격도 제법 나갈 텐데 굳이 사서 쓸 이유가 없다. 그런데 진단 알고리즘을 만들어내기 위해서는 우선 사람들이 이런 센서가 탑재된 제품을 지속적으로 사용해줘야 한다. , 알고리즘을 통해서 효용이 생기지 않으면 제품을 팔기가 힘들고 제품을 팔지 않으면 알고리즘을 만들 수 없는 상황이 발생하게 된다. 이런 제품을 만들고자 하는 회사는 소비자 사용과 효용 사이에 일종의 닭이 먼저냐, 달걀이 먼저냐 하는 문제를 맞이한다.

 

그런데 이 문제를 이미 풀어나가고 있는 회사들이 있다. 우선 소비자로 하여금 효용이 없어도 이런 제품을 사용하도록 하는 회사들이 있다. 애플과 샤오미가 대표적이다. 애플의 가장 큰 장점은 애플이 만든 제품이라면 묻지도 따지지도 않고 사줄 소비자가 전 세계에 적어도 수백만 명에서 수천만 명에 달한다는 점이다. 올해 출시된 애플워치에는 본격적인 헬스케어 센서가 탑재되지 않았지만 추후에 나올 2세대 혹은 3세대 애플워치에는 충분히 헬스케어 센서가 탑재될 수 있을 것이다. 예를 들어 애플워치에 심전도가 탑재된다면 아마 수많은 소비자들이 그런 센서가 탑재됐다는 사실도 모른 채 그저 애플이 만든 제품이라는 이유만으로 사서 쓸 가능성이 높다. 이렇게 되면 전 세계에서 수백만 명에서 수천만 명이 하루 종일 심전도를 측정하게 되며 이들 중 심근경색이 발생하는 사람들이 여러 명 나오게 되면 그 데이터를 분석해 심근경색을 예고할 수 있는 알고리즘을 찾아낼 수 있을지도 모른다.

 

 

[이미지 닫기]

 

 

샤오미도 비슷한 전략을 선보이고 있다. 애플과의 차이라면 애플은 프리미엄 가격에 제품을 판매하는 반면 샤오미는 놀라울 정도로 싼 가격에 제품을 판매해 이런 제품에 크게 관심이 없는 사람도 한번 사서 써볼까 하는 생각이 들게 만든다는 것이다. 샤오미가 만든 최초의 활동량 측정계인 미밴드와 2세대 제품으로 심박센서를 탑재한 미밴드2 15000원에서 2만 원에 판매돼 이런 기기에 크게 관심이 없던 사람도 파격적인 가격에 매료돼 사서 써보는 경우가 많다. 만약 미밴드3 4에 심전도 같은 본격적인 헬스케어 센서를 탑재하고도 가격이 이정도 수준이라면 저렴한 가격에 뭔가 건강과 관련된 제품을 써볼 수 있다는 사실만으로도 수많은 사람들이 사서 써보지 않을까 싶다.

 

소비자 사용보다 효용을 먼저 만들어내려는 회사도 있다. 구글과 애플이 여기에 해당된다. 구글은 2014년 여름부터 건강한 사람을 대상으로 베이스라인 스터디라는 연구 프로젝트를 시작했다. 175명을 대상으로 하는 파일럿 연구로 시작해서 궁극적으로 수천 명을 참가시킬 계획인 이 프로젝트는 참가자들의 유전자 정보뿐만 아니라 소변, 혈액, 타액, 눈물 등 다양한 체액 정보를 수집하고 다양한 웨어러블 장비를 착용시켜 심박 수, 심장 리듬, 산소 포화도 등 다양한 정보를 모을 것이라고 한다. 이렇게 아직 질병이 발생하지 않은 사람들을 대상으로 해서 지속적으로 다양한 생체 정보를 수집하면 질병 발생 직전 혹은 직후에 생기는 변화를 찾아낼 가능성이 높아진다. 예를 들어서 참가자 중에 암에 걸린 사람이 나오면 그전에 뽑아 놓은 혈액을 검사해서 암을 초기에 진단할 수 있는 물질을 찾아낼 수 있을지도 모른다. 또한 앞에서 예로 든 것과 같이 심근경색이 발생하기 전에 심전도에 나타나는 변화를 찾아낼 수 있을지도 모른다.

 

 

애플은 소비자에게 센서를 사용하도록 만드는 것 이외에 의학 지식을 만들어서 효용을 함께 제공하는 전략을 선보이고 있다. 2015년 상반기에 발표한 리서치킷 연구 플랫폼은 바로 이런 목적에서 만들어진 것으로 보인다. 리서치킷은 연구자들이 아이폰 및 애플워치로 측정한 정보 및 애플의 헬스케어 플랫폼인 헬스킷에 축적된 정보를 활용해 의학 연구를 할 수 있는 연구 플랫폼이다. 리서치킷 발표 당시에 함께 공개된 연구용 앱들은 대부분 진료실에서 의사가 할 수 있는 것들을 스마트폰으로 재현할 수 있는지 여부를 보는 정도의 수준에 그쳤다. 하지만 지난 10월 공개된 앱들은 새로운 의학지식을 창조할 수 있는 가능성을 보여줬다.

 

듀크대가 내놓은 자폐증을 넘어서(Autism & Beyond)라고 하는 앱은 아이폰 카메라로 촬영한 아이 얼굴 사진을 통해 자폐증을 비롯한 발달 장애 아동을 조기 진단하는 것을 목표로 한다. 오레곤대는 점 측정계(Mole Mapper)라고 하는 앱을 내놓았다. 피부를 지속적으로 촬영해서 점의 크기와 위치가 변하는지를 추적하고 피부암의 위험이 있는 점을 조기에 찾아내는 것을 목표로 한다. 존스홉킨스대는 간질 시계(EpiWatch)라고 하는 간질 진단을 위한 앱을 내놓았다. 애플워치의 센서가 수집하는 정보를 사용해서 간질 발생 전//후의 생체 정보를 수집해 간질 발생 중 혹은 발생 전의 특징을 파악하는 것을 목표로 한다. 만약 충분히 많은 데이터가 축적된다면 간질 발생 전에 예측할 수 있는 알고리즘을 구현할 수 있을지도 모른다.

 

 

[이미지 닫기]

 

애플과 구글은 모두 의학적 지식을 만들어내어 헬스케어 센서를 탑재한 각종 제품을 판매하기 위한 효용을 창출해내기 위해 노력하고 있다. 애플과 구글이 다루는 의학 지식의 범위가 다르기 때문에 직접 비교하기는 힘들지만 많은 돈을 들여 독자적으로 의학 지식을 만들어내려는 구글과 외부 파트너들의 힘을 빌려서 큰돈 들이지 않고 하려는 애플의 차이가 흥미롭게 느껴진다.

 

소비자의 사용 혹은 직접적인 연구를 통해서 새로운 알고리즘을 만들어내기 위해서는 앞으로도 최소 5∼10년 정도의 시간이 소요될 가능성이 높다. 수집한 데이터가 많지 않은 상태에서는 위와 같이 치밀하게 접근하는 회사들과 그렇지 않은 회사들 간에 큰 차이가 나타나지 않겠지만 임계점 이상의 데이터가 축적되는 순간 기존 의학 지식이 통째로 바뀌게 될 것이며 임계점을 넘어선 회사와 그렇지 못한 회사 간의 차이는 극복하기 힘들 정도로 벌어질 것이다.

 

 

[이미지 닫기]

 

한국의 삼성전자나 LG전자는 이러한 데이터 수집과 효용 창출과 관련해서 어떤 전략을 가지고 있을까? 겉으로 드러나는 모습만으로 짐작해보면 두 회사 모두 아직 뚜렷한 전략이 없어 보인다. 독자적 혹은 파트너들과의 협력을 통해서 모바일 기기와 연동해 의학 연구를 하려는 노력은 보이지 않으며 소비자들이 스스럼없이 사서 쓸 만한 제품도 내놓지 못하고 있다. 다만 삼성전자의 경우 갤럭시S 스마트폰 출시 때부터 애플의 제품을 빠르게 추격하는 패스트 팔로어의 모습을 보이고 있다. ‘패스트 팔로에 강한 삼성의 장점을 생각해볼 때 향후 애플워치에 새로운 헬스케어 센서가 탑재되는 시점에 비슷한 센서를 탑재한 매력적인 제품을 적절하게 내놓아서 애플에 크게 뒤처지지 않게 소비자 데이터를 수집하는 것이 현실적인 전략이 아닐까 싶다.

 

디지털 헬스케어도 과거 유전자 분석을 둘러싼 기대처럼 의미 있는 성과를 내지 못하고 수그러들지 않을까 걱정하는 목소리가 있는 것도 사실이다. 하지만 디지털 헬스케어 기술이 더욱 발전하게 돼 우리를 둘러싼 환경 요인과 질병 자체에 대해 수많은 정보를 수집하게 되고 이를 유전자 정보와 결합하게 된다면 기존 의학 교과서에 실린 지식이 통째로 바뀌게 될 것으로 보인다. 따라서 이런 흐름을 따라가지 못한다면 단순히 최신 의학 지식 습득에 늦어지는 수준이 아니라 더 이상 사용되지 않는 의학 교과서에 바탕을 두고 진료하는 정도로 뒤처질 것이다.

 

김치원 서울와이즈요양병원 원장 doc4doc2011@gmail.com

 

필자는 서울대 의과대학을 졸업하고 연세대 보건대학원 보건정책관리전공 석사를 취득했다. 서울대병원에서 내과 레지던트 수련을 마친 후 맥킨지 서울사무소에서 경영 컨설턴트로 일했다. 이후 삼성서울병원 의료관리학과 임상조교수로 옮겨 병원 전략을 수립하고 삼성그룹 계열사들의 헬스케어 사업을 자문했다. 현재 서울와이즈요양병원을 운영하고 있으며 디지털 헬스케어 업체인 눔의 전략 및 의학 자문을 맡고 있다. 저서로 <의료, 미래를 만나다: 디지털 헬스케어의 모든 것>이 있다.

동아비즈니스리뷰 219호 App Economy 2017년 2월 Issue 2 목차보기