개인화된 미래의 헬스케어
검색 엔진에서 스트리밍 음악 서비스에 이르기까지 우리가 일상적으로 사용하는 기술들은 우리의 행동 패턴을 인식하고, 다른 사람들의 방대한 데이터와 함께 미래에 우리가 원하는 것을 예측하고 있다. 이와 같이 데이터의 힘은 거의 모든 산업을 변화시켜 우리 삶의 여러 측면에서 다양한 플랫폼으로 우리의 경험을 개인화하고 있지만, 아직 의료 분야에서 만큼은 더디게 진행되고 있다. 의료 분야에서 이러한 변화를 가져오는 꿈은 수년 전부터 있었지만 최근까지도 느리게 변화하는 것은 의료계의 디지털화가 절대적으로 필요하지 않기 때문일 것이다.
누구에게 물어보느냐에 따라 의료를 포함한 개인화된 미래 헬스케어에 대한 의미가 달라질 수도 있겠지만, 공통된 의견은 의미 있는 데이터에 관한 것이다. 이는 기술을 활용하여 이전보다 더 많은 환자의 데이터를 수집할 수 있게 되었고, 이를 바탕으로 개인으로 구별할 수 있는 것들을 시각화하고 치료에 대해 명확하고 개인화된 경로로 변환할 수 있기에 한 개인에 대해 심층적인 이해가 가능하다는 것을 의미한다. Real-world evidence, 차세대 염기서열분석(Next Generation Sequencing; NGS) 기술을 통해 생성된 유전자 정보, 웨어러블 기기 및 모바일 앱의 데이터 및 새로운 임상 시험의 결과를 사용하면 치료의 미래를 전환하는 데 도움이 될 수 있다. 따라서, 우리는 환자의 필요를 충족시키는 질문에 답변할 수 있는 방법으로 이 정보들을 결합하고 수집해야 한다. 왜냐하면 우리가 의미 있는 답변을 얻으려면, 해당 데이터에 대해 폭과 깊이가 있어야 하기 때문이다.
[현실 세계에서 본다]
매일 실생활과 진료 등에서 얻어지는 데이터는 개인의 라이프 스타일, 질병 연구 및 치료 결과에 대한 정보에서 얻은 가치 있는 통찰력을 제공할 수 있다. 신기술 및 데이터 과학의 접근법 덕분에 실제 데이터를 기존 임상 시험의 강력한 보완책으로 활용하고 통합할 수 있게 되었고, 질병을 추적하는 새로운 방법, 치료 방법의 최적화 또는 임상 개발을 가속화하는 환자 집단에 대한 통찰력을 포함한 새로운 적용이 가능하게 되었다. 예를 들어, 수집된 의료 기록의 데이터를 사용하여 무작위 임상 시험에서 대조군을 잠재적으로 대체하여 보다 효율적으로 만들고 규제 당국과 협력하여 환자에게 의약품을 가져올 수 있는 속도를 높일 수 있다. Real-world evidence는 기존 의약품을 이해하는 데 도움이 될 뿐만 아니라 향후 치료법 개발에 대한 정보도 제공할 수 있으며, 이는 환자의 침대에서 연구실로 통찰력을 얻는 과정으로 reverse translation 이라고도 볼 수 있다 (1).
[진단의 새로운 시대]
암 치료제의 경우 최적의 사용을 알릴 수 있는 도구 중 하나는 동반 진단이다. 바이오 마커 검사는 일반적으로 면역 요법을 위한 PD-L1 (2) 또는 ALK 유전자의 변이 (3)와 같은 특정 표적 치료를 가이드하기 위한 것들이다. 그러나, 이러한 동반진단은 개인화된 의료의 미래를 향한 여정의 시작일 뿐이다. 차세대 염기서열 (Next Generation Sequencing; NGS) 분석과 같은 기술을 사용하여 개인의 전체 유전자 구성, 종양 돌연변이 및 기타 가장 중요한 치료법을 찾기 위한 분자적 특징을 파악할 수 있게 되었으며, 더불어 액체 생검은 시간이 지남에 따라 암이 어떻게 진화하는지를 비침습적으로 추적하고 그에 따라 치료법을 변경할 수 있게 되었다. 이러한 기술을 통해 우리는 어떤 치료법이 최상의 결과를 가져오는지 알아보기 시작했고, 의료 서비스 제공자가 개인 맞춤형 의료의 궁극적인 목표인 완전히 맞춤화 된 치료 계획을 제공하는 방법을 결정하는 데 도움을 줄 수 있게 변화하고 있다.
[디지털 헬스를 통해 더 많은 것을 확보하기]
웨어러블 및 모바일 앱과 같은 디지털 헬스 플랫폼은 더 많은 정보를 수집하고, 환자에 대한 중요한 새로운 관점의 정보를 수집하는 데 도움이 될 수 있다 (4). 이제 사람들은 증상, 치료, 삶의 질 및 기타 경험에 대한 자세한 정보를 병원에서 일시적으로 수행되는 표준 검사를 훨씬 능가하는 방식으로 실시간으로 자세하고 능동적으로 기록할 수 있게 되었고, 더불어 실시간으로 모니터링되는 데이터는 즉각적인 주의가 필요한 문제를 의료 전문가에게 알릴 수 있게 되었다. 이러한 다양한 데이터를 살펴보면 하루 동안 또는 여러 달 동안 사람의 질병이 어떻게 변하는지를 알 수 있게 됨으로써, 보다 정밀한 진단과 치료 그리고 예방이 가능하도록 진화하고 있다.
[AI로부터의 약간의 도움]
의미 있는 데이터를 바탕으로 머신러닝이나 딥러닝과 같은 인공 지능(AI) 방법을 통해 방대한 양의 의료 데이터를 분석하여, 이전에 깨달을 수 없었던 통찰력을 얻을 수 있다는 것을 알게 되었다. 인공지능에 적합한 분야 중 하나는 의료 영상 분석이다 (5). 이미 MRI, CT, 병리학 슬라이드 및 기타 이미지는 표준 치료에서 일상적으로 사용 있는데, 이에 대한 인공지능의 접근법은 많은 시간의 노동력을 필요로 하는 이미지 해석 프로세스를 능률화하여 신속한 의사 결정을 가능하게 하고 있다. 더불어 이미지의 일관성 있는 해석을 가능하게 하여 잠재적인 치료 결정에 도움을 주고 있다. 이미 많은 의료 전문가들은 이미지 데이터가 인간의 해석이 포착할 수 있는 범위를 넘어선 질병에 대한 추가 정보와 통찰력을 지닌 엄청나게 풍부한 데이터 소스라는 사실을 인식하고 있고 있으며, 인공지능 알고리즘을 사용하여 질병의 조기 신호를 확인하고, 임상 결과의 진단 및 예측을 가능하게 하는 패턴을 밝혀내는 연구를 시작하고 있다.
[앞으로 나아가야 할 길]
사용 가능한 모든 소스의 데이터를 통합하고 현명한 방법으로 분석함으로써 개인의 의료 프로파일에 대한 완벽한 그림을 얻고, 진료에 대한 진정한 개인화된 접근법을 정의할 수 있게 되었다. 또한, 모든 차원에서의 데이터가 실제로 모이고 축적되며, 이를 통해 추가적인 가치를 찾아내어 이전에는 가질 수 없었던 새로운 질문에 대해 답할 수 있게 되었다. 따라서 다양한 연령대, 인종, 성별, 가족사, 의료 조건 등의 정보에 대한 이해를 바탕으로 각 개인에 대해 보다 적절한 치료를 제공해야 하며, 새로운 치료법을 개발하는 방법에 대해 정보에 입각한 선택을 할 수 있도록 해야 할 것이다. 또한 환자의 개인 정보를 보호하기 위해 수집된 데이터가 적절하게 식별 해제되거나 익명으로 처리되어야 한다. 이 새로운 패러다임을 현실화하기 위해 치료법을 개발하는 방식에서부터 환자에게 제공되는 방식에 이르기까지 모든 의료 시스템이 새로운 종류의 환자 데이터와 이를 따르는 통찰력을 수행할 수 있는 수단으로 진화해야만 할 것이다.
참고자료
1. http://www.apa.org/pubs/journals/hea/call-for-papers-reverse-translation.aspx
2. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5635257/
3. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4127527/
4.https://www.mckinsey.com/industries/healthcare-systems-and-services/our-insights/healthcares-digital-future
5.https://www.techemergence.com/ai-in-pathology-use-cases-in-slide-imaging-tissue-phenomics-and-more/
