AI 기반 혈당 관리 헬스케어 서비스
혈당은 혈액 속에 함유되어 있는 포도당의 농도를 이르는 말입니다. 인체는 향상성을 유지하기 위해 항상 혈당 수치를 일정한 범위 내로 유지하여야 하는데요, 오늘은 디이프의 신가희 박사님이 AI 기반 혈당 관리 헬스케어 서비스에 대해서 소개해주시겠습니다~
I. 들어가는 말
혈당 관리는 당뇨병과 같은 만성질환의 중요한 부분이며, 효과적인 혈당 관리는 환자의 건강과 삶의 질을 향상하는데 중요한 역할을 합니다. 특히, 당뇨병의 발병률이 증가하고 있는 현대 사회에서는 혈당 관리의 중요성이 더욱 주목받고 있습니다.
그러나 우리나라 30~40대 성인 2명 중 1명은 자신이 당뇨인지 모르고 10명 중 4명은 알면서도 치료받지 않는 것으로 보고되었습니다. 또한 국민건강영양조사 자료를 활용한 당뇨병 관리 수준에 관한 심층분석 결과에 따르면, 당뇨병 인지율과 치료율은 남녀 모두 증가 추이를 보였으나 당뇨병의 조절률은 인지율, 치료율과는 다르게 큰 변화 없이 25% 수준이고 혈관 합병증 예방을 위한 조절률도 10% 미만으로 고혈압, 이상지질혈증에 비해 관리가 취약한 것으로 나타났습니다.
당뇨병이나 고혈압 등의 만성질환은 합병증을 유발하여 사회적 비용이 상당히 증가하고 있으므로 혈당을 지속적으로 모니터링하고 관리하는 서비스의 필요성이 대두되고 있습니다. 그러나 현재의 혈당 관리 서비스는 혈액을 통해 혈당을 측정하고, 연속적인 혈당의 변화를 확인하기 어려운 점 등 사용자의 불편을 초래할 수 있는 전통적인 방법에 의존하고 있어서 효율적이고 편리한 혈당 모니터링 및 관리 서비스 개발의 필요성이 부각되고 있습니다.
연도별 당뇨병 유병률 증가 추이 (대한당뇨병학회 팩트시트, 2020)II. 국내외 산업 동향
국내에서는 혈당 관리 헬스케어 서비스를 제공하는 기업들이 점차 늘어나고 있으며, 이들 기업은 데이터 분석을 통해 개인 맞춤형 건강 관리 방법을 제공하는 서비스를 개발하고 있습니다. 해외에서도 혈당 관리 헬스케어 서비스에 관한 관심이 증가하고 있으며, 특히, 미국과 유럽 등의 선진국에서는 정확한 혈당 측정을 가능케 하는 솔루션을 개발하여 스마트 기기와의 연동을 통해 사용자들에게 편리함을 제공하고 있습니다.
현재 국내외에는 다음과 같은 다양한 기업에서 혈당 관리를 통해 건강케어 서비스를 제공하고 있습니다.
1) 프리스타일 리브레 (Abbott Laboratories)
혈당 모니터링 시스템을 제공하며, 이 시스템은 센서를 이용하여 지속적으로 혈당 수준을 모니터링하고 사용자에게 실시간 데이터를 제공
2) Dexcom G6 (덱스콤)
피부에 부착된 센서를 통해 실시간으로 혈당 수준을 모니터링하고, 사용자의 스마트폰 또는 기타 장치에 데이터를 전송하여 사용자가 쉽게 접근
3) 가디언4 시스템 (Medtronic)
채혈 없이 5분 간격 당수치 측정하여 저혈당이나 고혈당 이르기 1시간 전 예측 알람 전송함으로써 혈당 모니터링, 실시간 데이터를 제공하고, 사용자에게 혈당 수준의 추세를 추적할 수 있는 기능을 제공
4) 에버센스GCM (센서오닉스)
피부에 삽입된 센서를 통해 90일 동안 지속적으로 혈당을 모니터링하여 혈당 정보를 제공
5) 파스타 (PASTA) (카카오헬스케어)
개인화된 AI 혈당 관리 앱 서비스이며, 국내 당뇨 분야 최초 식약처 SW 의료기기 인증 취득, 음식 열량 정보를 알려주고 식단, 운동 종류 추천이 가능
6) 당케 (당신만을 위한 일상건강케어) (LG유플러스)
연속혈당 측정 기반 건강 관리 서비스이며, 체중·음식·운동·혈당에 대한 기록을 확인하고 자신이 섭취한 음식의 영양 정보 등을 확인할 수 있고, 사용자는 혈당기·채혈침·소독솜 등 준비물 없이도 언제든 혈당 데이터 기록이 가능
7) KT마이케어
당뇨 등 만성질환 원격 케어 서비스, 간호사, 영양사 등 ‘케어고디’가 AI 기술로 돌봄 계획 제안하는 서비스
III. 혈당 관리 헬스케어 서비스의 한계점 및 해결방안
애플 워치나 삼성 갤럭시 워치도 혈당 관리 서비스를 포함하려는 노력을 기울이고 있지만, 현재까지는 다음과 같은 이유로 인해 직접적인 혈당 측정을 제공하지는 않고 있습니다.
- (기술적인 한계) 혈당 측정은 현재 피부를 관통하여 혈액을 채취하고 측정하는 방식이 가장 일반적이지만, 이러한 프로세스는 피부를 손상하거나 불편함을 초래할 수 있어 애플 워치나 갤럭시 워치와 같은 소형 장치에 통합하는 것이 현재까지는 기술적으로 어려운 상황임.
- (정확성) 혈당 측정은 환자의 건강에 직접적인 영향을 미치는 매우 중요한 요소이므로 이를 정확하게 측정하는 것이 매우 중요함. 그러나, 애플 워치나 갤럭시 워치와 같은 장치에서 충분한 정확성을 보장하기 어려움.
- (규제) 의료 기기로서의 혈당 측정 기능을 제공하려면 각국의 의료 규제 요건을 준수해야 하므로 제품의 개발과 허가 과정이 매우 복잡함.
- (사용자 편의성) 혈당 측정은 지속적으로 모니터링해야 하므로 사용자의 편의성과 편안함을 고려할 때 이러한 기능을 제공하는 것에 기술개발이 더 필요함.
현재까지는 소형 장치에서 직접적인 혈당 측정 기능을 제공하는 것이 어려운 상황이지만, 애플과 삼성에서는 안전하고 접근성 높은 서비스 개발을 위해 지속적인 투자와 연구를 하고 있습니다.
IV. AI 기반 혈당 관리 접근 방법
딥러닝 및 인공지능 기술의 발전은 다음과 같은 다양한 측면에서 혈당 농도를 모니터링하고 예측하여 혈당 관리 서비스 개발이 가능하며 다음과 같은 방법이 활용되고 있고, 앞서 설명한 일부의 기업에서는 다음과 같은 접근 방법을 활용하여 서비스를 개발하고 있습니다.
1) 데이터 수집 및 모니터링: 혈당 농도를 모니터링하고 데이터를 수집할 수 있는 센서 기술과 연동되어 혈당 측정기나 연결된 혈당 모니터링 장치를 통해 혈당 수치를 수집하고 이를 실시간으로 기록함.
2) 데이터 분석 및 예측: 수집된 데이터는 AI 알고리즘을 통해 분석되어 개인의 혈당 동향과 패턴을 이해하고 예측하여 사용자에게 특정 식사나 운동 후의 혈당 반응을 예측하여 행동할 수 있게 함.
3) 개인화된 접근: AI는 사용자의 개별적인 건강 상태와 생활 양식을 분석하여 개인화된 건강 관리 방법을 제공하고, 사용자의 신체적인 특성, 식습관, 운동량 등을 고려하여 혈당을 효과적으로 관리하는 방법을 제시할 수 있음.
4) 의료진 지원: 환자의 혈당 동향과 행동 패턴을 분석하여 의료진이 개입하고 조언을 제공함으로써 혈당 데이터를 의료진과 공유하여 전문적인 조언을 받을 기회를 제공하며 사용자의 건강 상태를 신속하게 파악할 수 있음.
V. 결론
혈당 관리 헬스케어 서비스는 앞으로 스스로 만성질환을 관리할 수 있는 서비스로 확대하는 중요한 서비스 기술의 단초가 될 수 있어 매우 중요한 이슈로 부상하고 있습니다. 필자는 연구소 내에서 직접 혈당 관리 서비스의 가능성을 확인하기 위해 식품별 개인의 혈당 변화에 대해서 파일럿 프로젝트를 수행한 적이 있습니다. 필자의 경우에는 고혈당 지수에 속하는 콜라(GI:72)나, 고구마(GI:86)가 일반적인 GI(혈당지수) 값보다 낮은 콜라 50, 군고구마 69로 측정되어 맞춤 식품으로 선별되기도 했습니다. 물론 다른 참여자들도 식품별 개인의 혈당지수를 확인하고, 식품 선택에 대한 지표가 되는 데이터를 확보할 수 있었습니다. 덕분에 필자는 현재 콜라를 마실 때 건강을 걱정하며 먹던 이전과는 조금은 부담 없어지기도 했습니다.
이처럼 식품별 개인에게 맞는 혈당지수를 확보함에 따라 맞춤 식품 선별에 도움이 되고, 지속적으로 혈당을 관리하면서 원하는 식품을 먹을 수 있음을 확인하게 되었습니다. 이러한 연구는 국내외에서는 혈당 모니터링 및 관리를 위한 다양한 기술과 솔루션이 개발되고 있으며, 이는 앞으로 개인의 건강 관리를 위한 새로운 가능성을 보여주는 것이라 할 수 있을 것입니다. 앞으로 더 많은 연구와 기술 발전을 통해 혈당 관리 서비스가 더욱 효과적으로 제공될 수 있길 기대해 봅니다.
Reference
대한당뇨병학회 팩트시트, 2020
당뇨병 유병률 추이, 2011–2020, https://doi.org/10.56786/PHWR.2022.15.45.2808
Postprandial Glucose Spikes, an Important Contributor to Cardiovascular Disease in Diabetes? Front Cardiovasc Med. 2020 https://pubmed.ncbi.nlm.nih.gov/33195459/
Deep Learning-Based Glucose Predictions for Type 1 Diabetes 2021, https://ieeexplore.ieee.org/document/9919446
Artificial Intelligence-based Learning Techniques for Diabetes Prediction: Challenges and Systematic Review, 2020, https://link.springer.com/article/10.1007/s42979-020-00337-2
Continuous Glucose Monitoring: A Review of the Technology and Clinical Use, 2019 https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6705487/
