[4차산업 헬스케어⑩] “헬스케어”… 빅데이터 활용과 전망

[디지털비즈온 김맹근 기자] 최근 디지털세상이 열리면서, 헬스케어 분야에도 데이터가 폭발적으로 증가하고 있다. 이와 같은 헬스케 어 빅데이터를 잘 활용하면 보건의료분야에 투여되는 막대한 비용을 절감할 수 있을 것으로 전망된다. 특히 헬스케어 빅데이터와 머신러닝이 결합된 다양한 스마트 의료기기의 출현과 스마트폰과 웨어러블 디바이스 의 보급확대에 따른 최적의 모바일 헬스 환경이 조성되면서, 환자 개인별로 특화된 질병진단 및 치료서비스는 물론이고 만성질환 관리 서비스 및 질병예방 서비스 등으로 의료서비스의 혁신을 이룰 수 있다.

헬스케어 빅데이터 활용분야

헬스케어 빅데이터는 다양한 분야에 활용될 가치를 가지고 있다. 대표적인 활용분야는 현장현시 의료 의사결정 최적화, 보건의료기관의 고객유지, 재입원율 감소, 국민건강관리, 보건의료기관 운영향상, 질병치료연구 발전, 정보기술비용 감소가 있다. 실질적으로 환자/국민, 의료기관 및 기업을 대상으로 다양한 빅데이터 활용서비스가 제공된 해외사례가 있으며, 국내에서도 다양한 분야에 헬스 빅데이터를 활용하고자 하는 시도가 이어지고 있다.

빅데이터와 머신러닝이 몰고오는 의료분야의 혁신

빅데이터와 머신러닝 기술이 결합된 스마트 의료기기는 보다 효과적이고 개인화된 솔루션을 제공 함으로서 질병예방, 진단 및 치료 등의 의료분야의 혁신을 가져올 것으로 전망된다. General Electric Company는 2015년 외부행사에서 GE가 앞으로 더욱 의료분야에 집중할 뜻을 밝히면서 “보이지 않은 것을 보이게(Make the Invisible, Visible)”란 모토와 같이 GE가 의료분야 혁신에 앞장설 것이라고 전망하였다. 이를 접한 청중들은 SF영화 프로메테우스에서 나온 미래의 의료 디바이스 Medpod 개발을 GE가 목표로 하고 있음을 알게 되었다.

미국 “인리틱”은 각종 의학 영상자료를 토대로 환자의 암세포를 식별하고 5년 이내 완치율, 사망률 등을 알려준다. 인리틱의 스마트 의료기기가 방사선 전문의 보다 더 정확하게 악성 폐종양을 찾아낼 수 있다는게 인리틱의 주장이다. 또한 미국 “23andMe”는 의사의 도움 없이 99달러 비용으로 개인 유전자 분석을 통해 질병 가능성 등 250여개의 의료정보를 제공하는 서비스를 출시했다.

IBM은 2014년 “IBM Health and Social Programs Summit”에서 우리 인간이 만들어 내는 데이터는 의료데 이터, 유전체데이터, 그 외에 외부적인 활동 데이터 등의 세가지 종류로 분류하고 인간이 한평생 동안에 만 들어내는 이들 세 종류 데이터의 크기를 살펴보면 의료데이터가 0.4TB, 유전체 데이터가 6TB인데 반해서 그 외 외부적인 활동데이터는 무려 1100TB에 이르는데 이들 세 종류의 데이터가 우리 인체의 건강에 미치 는 영향도는 각각 10%, 30%, 그리고 60%로 차이가 난다는 사실을 발표하였다.

IBM은 이어 1500만 페이지 분량의 의료논문과 200여개의 의학서적과 300여개의 의료저널을 온토로지 기반으로 학습하여 여기에 머신 러닝을 결합하여 암정복을 향한 도전을 시작하였다고 밝혔다.

스마트폰과 웨어러블 디바이스의 보급과 함께 태생한 모바일 헬스

스마트폰 및 다양한 센서 등의 발전에 따라 이제는 개인의 다양한 건강/의료 데이터가 측정되기 시작했다. 단순히 걸음 수, 활동량, 체지방률 등뿐만 아니라 체온, 혈압, 혈당, 심박수, 심전도, 산소포화도 등의 중 요한 의료데이터도 다양한 모바일 디바이스와 스마트폰으로 실시간으로 연속적으로 측정할 수 있게 된 것 입니다..

애플은 미국전역에 1억명 이상의 환자에게 서비스되고 있는 미국 최대 EMR 회사인 Epic과 제휴하고 있는데, 스탠퍼드 병원, 존스홉킨스 의대, 클리블렌드 클리닉등 총 22개 유명병원들이 Epic의 EMR을 채택하고 있다. Epic은 MyChart라는 스마트폰 기반의 EMR/PHR 앱을 출시한바 있다는데, 이 MyChart 어플리케이션을 통해 환자들은 자신의 진료정보를 볼 수 있고, 의사들과 연락할 수 있으며 병원 예약관리 등 다양한 기 능을 활용할 수 있다.

웨어러블 디바이스를 활용한 모바일헬스의 영역은 달리기와 걷기등과 같은 운동량 추적은 물론이고 음식 식단조절기능, 체중감량 어드바이스, 신체상태에 따른 운동지도, 기초체온관리, 수면패텬 분석 및 조언, 혈압 관리를 통한 스트레스 조절, 복약남용 및 부작용 방지에 이르기 까지 매우 다양하다. 또한 이와 같은 개인 건강정보는 의료기관의 의료정보시스템과 결합되면 자연스럽게 디지털 헬스케어 영역으로 확장될 수 있다.

국내에서도 보건복지부에서 고혈압 만성질환 집중관리 모델을 개발하고 이를 모바일헬스로 연결시키고자 하는 노력을 하고 있다. 만성질환의 지속적・체계적・효율적인 집중관리를 위한 투약순응도 및 조절율 예측을 위해 만성질환 중 고혈압을 대상으로 하여 투약순응도 관리모델과 조절율 관리모델로 구분, 세부적으로 대상자 유형별 특성을 파악하여 사전에 관리하기 위한 예측모델을 각각 개발하였다.

결론적으로 헬스케어 분야에서 빅데이터와 머신러닝의 활용은 이제 더 이상 선택이 아닌 필수로 자리잡고 있다. 선진국에서는 이미 이점을 간과하지 않고 집중투자를 하고 있으며 GE, IBM, Apple, Intel 등의 글로벌 IT기업 들도 앞을 다투어 이 분야에 대한 연구개발 및 실무적용에 열을 올리고 있다. 대국민의 의료복지 수준을 획기적으로 개선하고 문화 컨텐츠 한류에서 시작한 브랜드 코리아를 의료분야로 확장시키기 위해서라도 헬스케어 빅데이터와 머신러닝에 많은 관심과 연구 및 투자가 이루어져야 한다고 생각한다.