페이스북 사용자 분석기술이 의료기관에 적용되면?

마운트 시나이 메디컬 센터의 의료진을 중심으로 3백만불에 달하는 슈퍼컴퓨터를 도입한 새로운 유형의 컴퓨터 클러스터를 현재 만들고 있다.

현재 추진 중인 새로운 컴퓨터의 설계를 주도하고 있는 관계자는 페이스북의 데이터 과학자로 활동하고 있는 30살의 Jeff Hammerbacher이다.

Hammerbacher는 온라인 광고를 적절하게 타킷화시키는데 사용되는 동일한 데이터 크런칭 기술을 적용하여 강력한 엔진을 개발하여 건강관련 비용을 삭감할 수 있는 의료적 예방책 마련에 몰두하고 있는 것으로 전해진다.

미국 내에서 1년에 3천억불에 달하는 헬스케어 관련 예산이 집행되고 있는 가운데, 빅데이터를 본격적으로 적용하는 방향들이 아직까지는 관찰되고 있지 않은 것으로 알려졌다.

Hammerbacher는 병원이라는 조직에서 새로운 가치를 제공할 수 있는 형태로 이번 연구가 진행될 수 있다고 말한다. 시나이산(Mount Sinai) 병원은 의과대학을 보유하고 있으며 1,406개의 병상을 가지고 1년에 5백만 명의 환자들을 치료하고 있다.

이 같은 의료정보들을 바탕으로 새로운 비즈니스 차원의 노력을 경주하고 있는 것으로 전해진다. 26,735명의 환자들의 DNA와 혈장 샘플을 가진 바이오뱅크를 구축하고 있으며 1억2 천만 개의 전자의료기록시스템을 2013년 설치할 계획으로 전해지며 Hammerbacher와 같은 컴퓨터 전문가들도 지속적으로 채용하고 있다.

게놈과 다차원 생물학 관련 시나이 병원 내 기관을 담당하고 있으며 2011년 게놈 시퀀싱 전문기업에서 스카웃된 컴퓨터 생물학자인 Eric Schadt는 "거대한 데이터들이 새로운 양상으로 제공될 수 있을 것"이라고 말한다.

시나이 병원은 데이터로 인하여 헬스케어 시스템에 있어서 드라마틱한 변화가 일어나도록 기대하고 있는데, 미국 정부가 추진하고 있는 의료체계의 개혁들이 사람들을 보다 건강하게 만들 수 있는 새로운 모델로의 변화를 도출하고 있다고 말한다.

시나이 병원은 의료비용을 절감하기 위한 아이디어를 시험할 수 있는 관련 시도들을 이미 준비하고 있다.

2012년에, 250 여 곳의 미국 의료기관과 병원들이 참여하여 환자들을 보다 면밀하게 추적할 수 있는 새로운 방안 마련에 동의하고 있다. 현재 의료기관들은 보다 나은 결과를 가지고 비용 절감을 추진하는 가운데, 이를 공유하고 있다. 관련 비용이 증가할수록 이번 협정에 서명한 기관들은 페널티를 부과하는 프로그램 또한 추진하고 있다.

이번에 마련된 새로운 경제적 인센티브는 의료기관들이 추진하고 있는 갑작스러운 데이터 확보 노력들을 설명하고 있으며 의료기관이 다루고 있는 여러 환자들을 보다 용이하게 취급하도록 만드는 새로운 기회들을 제공할 수 있을 것으로 기대되고 있다.

시나이 병원은 질병, 과거 방문기록, 인종등과 같은 요소로 구성된 컴퓨터 모델을 이미 만들고 있으며, 이를 통하여 의료기관에 새로운 기회들을 제공하고 있는 것으로 전해진다. 병원에서 발생한 클라임 데이터를 사용한 본 모델은 지속적인 관찰이 필요한 만성질환자들에게 새로운 가치를 부여하고 있는 것으로 나타나는데, 이를 위한 파일럿 연구에서, 위험적인 요소에 대하여 병원 전체에 있어서 절반 가량 줄일 수 있었던 것으로 기대된다.

Hammerbacher가 이번에 만든 새로운 컴퓨팅 기능은 새로운 통찰력을 가져다 주는데, 전자상거래와 같은 신속히 변화하는 대량의 정보들이 발생하는 여러 산업계에서 널리 사용되고 있는 하둡(Hadoop) 버전에서 운영되고 있다.

환자들에 대한 데이터가 비교하기에는 다소 빈약한 부분이 존재하고 환자 기록들도 비주기적으로 저장되는데, 환자들이 여러 의료기관을 방문하고 있기 때문으로 풀이되어 컴퓨팅 모델에서 나타날 수 있는 한계 중의 하나이다. 그렇지만 빅데이터 기술은 가정에서의 모니터 기능을 사용하는 환자로부터 스트리밍 데이터를 추적하고 연결관계를 분석하는데 있어서 유용하게 사용될 수 있다.

Hammerbacher와 공동으로 이번 연구를 담당하고 있는 시나이산 의과대학의 바이오 정보학과의 책임자인 Joel Dudley는 혈당, 몸무게, 연령과 같은 데이터들을 당뇨병 환자로부터 수집하는 작업을 수행 중이다. 웹 유형의 네트워크에 해당 클러스터를 연결하는 알고리즘을 통하여 이와 같은 작업을 수행하고 있다.

당뇨병 환자들이 나타나는 소위 '핫스팟'은 유사하기 때문에, 유전적 속성들을 공유하도록 만드는 방법마련이 필요하고 환자들에 관련된 DNA 정보들을 추가하여 예측작업을 지원하도록 만들게 된다.

이번 연구 결과가 아직 공식적으로 발표되지는 않았지만 지난 수십년간 당뇨병 환자들을 치료하는 가이드라인에 커다란 변화를 일으킬 수 있을 것으로 여겨진다. 게놈, 실험실 테스트, 청구기록과 인구통계적 요인과 같은 새로운 위험 모델들을 개발하여 의료진이 관찰하는 환자들에 대한 최신 예측자료를 제공할 수 있게 된다.

빅데이터는 이와 같은 커다란 기회를 가지고 본격화된다. 향후에, 모든 환자들은 거대한 '데이터 조서'라고 명명된 부분들로 대체되게 되고, 환자들이 치료나 진단 이전에, 시나이 병원을 방문한 적이 있었던 다른 환자들과의 종합비교가 가능하게 된다고 전문가들은 말한다. 시나이병원의 의료진이 이미 관찰한 데이터를 기반하여 환자들에게 나타날 수 있는 위험요소가 무엇이 될 수 있는지를 정량적으로 제시할 수 있는 것으로 평가된다.