'의료IT+빅 데이터 분석' 10가지 실제 사례

분석의 진화
IAA 연구 담당 이사 토마스 대븐포트는 “애널리틱스 1.0은 내부에 있는 비교적 소규모의 정형 데이터에 대한 기술적 분석(descriptive analytics)과정이었다. 여기서 도출된 결과물은 의사 결정권자들과는 괴리된 IT사업부 내부의 자산으로 관리됐으며, 그것의 시각 역시 미래 보다는 과거를 향해 있었다”라고 설명했다.

반면 애널리틱스 2.0은 좀더 복잡하고 거대한 비정형 데이터를 다루며 그 목표는 직관적 접근이 가능한 정보를 생산하는 제품의 개발(보고가 아닌)에 맞춰져 있다. 대븐포트는 “이것이 오늘날 실리콘밸리의 주인공으로 자리잡고 있는 빅 데이터 신생업체들의 주요 활동 분야다”라고 말했다.

마지막으로, 애널리틱스 3.0이라는 개념은 의사 결정 지점에 분석 툴을 배치해 ‘신속한 시각 전달'을 가능케 하는, 전통적 분석과 빅 데이터를 이어주는 역할을 하는 존재다. 애널리틱스 3.0의 사례로 대븐포트는 링크드인의 ‘알 수도 있는 사용자(People You May Know)’ 기능과 ‘관심 있는 직업(Jobs You May Be Interested In)’ 기능을 언급했다.

의료 업계는 어떻게 애널리틱스 3.0에 도달할 것인가
IAA가 제안한, 5부분의 애널리틱스 3.0 ‘처방전'을 살펴보자.
--기존의 데이터 관리 및 분석 기능을 활용하라.
--대량의 비정형 데이터(진료 노트 등)를 제품/서비스적 혁신에 통합하라.
--필요하다면 하둡과 NoSQL을 도입하라.
--애널리틱스를 업무 프로세스 및 시스템에 도입해 치료 현장에서 활용일 가능하도록 구성하라.
--의사나 약사 등 의학적 자격을 지닌 인물을 최고 애널리틱스 책임자로 임명하라.

대븐포트는 “이들 활동을 통해 의료 기관들은 ‘애널리틱스 성숙도'를 갖추고 함양해나갈 수 있을 것이다. 다시 말해, 임원 및 이사진에게 애널리틱스의 잠재력을 설명하는 것이 가능해지는 것이다”라고 설명했다.

다음의 슬라이드는 빅 데이터 분석을 실제로 활용한 10곳의 보험사, 의료 서비스 기업, 제약사의 사례를 소개하고 있다.

익스프레스 스크립츠: 환자의 약품 관리 지원
보험 약제 관리 기업 익스프레스 스크립츠(Express Scripts)가 관리하는 조제 정보는 연간 15억 건이 넘는다. 이들 기업은 정보 처리 과정에 빅 데이터를 활용함으로써 행동 양식 변화와 프로세스 개선의 효과를 거두는데 성공했다. 환자들에게 좀더 저렴하게 약제를 보충할 방법을 소개하는 맞춤형 메시지를 전송하는 활동 등을 예로 들 수 있을 것이다. 익스프레스 스크립츠는 예측 분석의 도입과 활용으로 정해진 복용 주기나 양을 지키지 않는 환자를 확인해 선행적 개입을 진행하는 성과도 보여줬다.

인터마운틴 헬스케어: 건강 결과 평가
인터마운틴 헬스케어(Intermountain Healthcare)는 유타주 내 22 곳의 병원과 185 곳의 의료 단체, 그리고 한 곳의 연계 보험사를 지원하고 있는 시스템이다. 딜로이트와 파트너십 관계인 이들 업체는 소속 의료 공급자들의 (9,000만 건에 달하는)광범위한 전자 의료 기록(EHR)을 활용하는 2개의 툴을 통해 건강 결과를 분석하고 있다. 2개 툴 가운데 하나는 올 7월 공개된 아웃컴마이너(OutcomesMiner)로, 기관들에게는 특정 인자가 환자의 건강 결과에 미치는 영향에 관한 시각을 제공해주고, 연구자들에게는 실증적 근거와 가설 간의 일치/불일치 관계를 확인토록 하는 지원을 제공한다. 또다른 툴인 파퓰레이션마이너(PopulationMiner)는 이와는 달리 사용자들에게 치료와 건강 결과 사이의 관계를 보여줘 신약 개발과 기존 약재 개선 중 보다 어느 것이 보다 나은 방식일지를 제시해 준다.

유나이티드헬스케어: 보험 사기 감지, 질병 치료, 고객 만족 지원
IIA는 보험사인 유나이티드헬스케어(UnitedHealthcare)를 다수의 분석 활용 방법론을 개발한 사례로 소개했다. 유나이티드헬스케어는 잠재적 의료 보험 사기 및 신원 도용 가능성 감지 도구로 소셜 네트워크를 연구하는 활동을 진행했다. 이들은 또한 스피치-투-텍스트(STT, Speech-to-Text) 콜센터를 통해 정서적 문제를 겪을 가능성이 있는 고객(행복한 고객과 목소리의 차이를 보인다)을 확인하고 치료를 제안하는 연구나, 치료 계획에 대한 환자들의 대응 태도가 상이한 점에 착안해 특정 질병 관리 프로그램의 성공 가능성을 예측하는 시도 역시 진행했으며, 마지막으로 옵티멈인사이츠(OptumInsights)와 연계해 이들 분석 과정의 수익성을 검토하는 활동도 진행했다.

파트너스 헬스케어: ‘EHR 용 지식 시스템'
브링험 우먼스 호스피털, 메사추세츠 병원, 하버드 의과 대학 등이 연계한 보스톤 기반의 파트너스 헬스케어(Partners HealthCare)는 위 기관들의 금융 시스템, 운영 시스템, 임상 분석 시스템을 통합하는 시스템이다. 활동의 일환으로 파트너스 헬스케어 시스템은 쿼리화 가능한 환자 추론 문서(QPID, Queriable Patient Inference Dossier)를 개발하기도 했다. 파트너스 측은 QPID를 ‘치료 현장에서 실시간으로 질의 및 분석, 보고를 진행할 수 있도록 하는(그리고 관리 및 행정 직원들이 손쉽게 해석할 수 있는 방식으로 보고서를 제작하는) EHR 용 지식 시스템'으로 정의했다. 현재 QPID를 활용하는 의사 및 여타 의료 전문가의 수는 5,000에 달하는 것으로 보고되고 있다.

시그나: 옴니-채널 환경
유나이티드헬스케어와 마찬가지로 또 다른 보험사 시그나(Cigna) 역시 고객 센터의 STT 데이터를 고객 서비스 개선을 위한 도구로 활용하고 있다. 이에 더해 시그나는 기타 외부 소스에서 웹 데이터 및 정보를 수집해 분석하는, IIA의 대븐포트에 따르면 ‘옴니-채널(omni-channel) 환경' 분석이라는 방법론도 적용하고 있다. 이들은 유선으로 이뤄지는 질병 관리 지원을 테스트하고 분석하는 활동도 진행하고 있다.

필라델피아 아동 병원: EHR 규칙 엔진
최근 진행된 스트라타 Rx 컨퍼런스(Strata Rx conference)에서 필라델피아 아동 병원은 자신들의 생체의학정보학 센터 의료 보조(Center for Biomedical Informatics (CBMi) Care Assistant)에 관해 소개하는 시간을 가졌다. CBMi의 선임 프로그래머 제레미 밀러는 “이는 제이보스 드룰즈 룰즈 엔진(JBoss Drools Rules Engine)으로 구축한, 1,500개의 규정들을 활용해 200 개의 변수들을 검색하는 과정을 통해 병원의 EHR 사용자들에게 권고를 제시하는 일종의 의학적 결정 지원 프레임워크다”라고 소개했다. 밀러는 “우리는 8 개월의 시험 기간 동안 1,500 명의 미숙아를 관찰함으로써 사용자들에게 개선된 버전의 의료 보조를 제공할 수 있었다. 이는 의료진들에게 정확한 성장 차트와 발달 지표, RSV 백신 투여 정보, 생후 12 개월 이전의 혈압 검사 진행 관련 제안 등을 제시해 줬다. 효과는 분명했고 시험 기간 동안 규칙 엔진(rules engine)을 이용해본 모든 이들이 이후에도 지속적으로 이를 이용하는 성과를 보여줬다”라고 덧붙였다.

맥킨지와 비욘드코어: ‘다음의 5%’ 확인
전체 환자의 1%가 미국 내 의료 비용의 약 20%를 소비한다. 이들은 주로 복합적 만성 질환 환자들이고, 의료 비용 절감 과정에 있어선 일종의 불가침영역으로 평가되고 있다. 하지만 ‘그 이후의 5%’의 경우에는 많은 효율화의 기회를 드러내고 있다. 맥킨지와 분석 업체인 비욘드코어(BeyondCore)는 공동 프로젝트를 통해 3,000만 건의 의료 비용 청구 사례를 분석해 세부 질병 항목(심장 질환 및 둔부 골절, 당뇨, 폐혈증 등)별 의료 비용이 환자 1인 당 10만 달러 이하인 사례를 확인했다. 맥킨지 오브젝티브 헬스(Objective Health) 부문의 R&D 이사인 팀 달링은 “분석 결과 입원실을 갖춘 병원 500 곳에 대한 데이터에서 이 조건에 부합하는 사례는 연간 19 건에 불과했다. 즉 입원실을 운영하는 대신 예약제로 가정을 방문해 약제 처방 등의 서비스를 제공하는 전속 관리자를 배치하는 것에 큰 비용 절감의 기회가 존재한다는 것이 확인된 것이다”라고 설명했다.

파시트와 웩스너 의료 센터: 심장마비 후 재입원율 줄이기
심장 질환 관련 의료보험 환급의 경우 일회성 또는 위급한 치료 보다는 지속적인 치료를 선호하는 편이다. 그러나 18주 동안 주 2회 실시되는 재활 과정에 끝까지 참여하는 환자 수는 심장 관련 질환으로 입원한 환자의 절반도 안 된다. 단순히 환자들에게 참여하라고 말만해서는 효과가 없다고 행동 경제학에서는 말한다. 오하이오 주립대 웩스너 의료센터(The Ohio State University Wexner Medical Center)에서 연구 조교수로 일하는 리즈 워덴-쇼더리도 그 중 하나다. 환자의 재활 프로그램 참여를 개선할 방법을 찾기 위해, 오하이오 주립대와 애널리틱스 업체 파시트(farsite) 에서는 환자들이 진료 예약을 건너뛰게 되는 이유가 무엇인지 연구했다. 그 원인으로는 두 가지 질병을 동시에 앓고 있는 경우, 불편한 교통, 계절 등의 이유가 있었다(춥고 어두운 겨울 오후에는 더욱 더 병원에 오기 싫어지는 것으로 나타났다). 텍스트4베이비(text4baby)를 모형으로 한 차후 실험 프로그램에서는 환자 가족과 친한 친구들에게 환자가 재활 프로그램에 참여하는 18주 동안 꾸준히 응원 메시지를 보내도록 했다.

공중 위생 데이터, 값진 자료지만 주의해 다뤄야 한다
피보탈(Pivotal)의 수석 데이터 연구원 훌리아 에미르-파리나스는 의사와의 진찰 약속은 환자 데이터를 수집하기 좋은 기회라고 전했다. 그러나 대부분 환자들은 몇 달에 한 번씩 진찰을 받으러 가기 때문에 환자들의 자발적인 보고는 믿을만하지 못하며 EHR 및 보험 청구도 불완전하다. 공중 위생 데이터를 연구하고자 하는 데이터 과학자들은 따라서 FDA 유해 사례 리포트 시스템(FDA Adverse Event Report System)같은 공중 보건 출처를 참고하는 것이 좋다. 그러나 이 역시 불완전하기는 마찬가지고, (여러 기관에서 수 차례 보고한) 중복 사례가 있을 수도 있다. 데이터를 표준화 하고 다듬어야 할 수도 있다(변호사들은 대게 엄청나게 많은 비용을 청구하기 때문이다). 그렇지만 발품을 판 만큼 빅 데이터 속 금광을 발견할 수 있을 것이다.

캠든 의료 공급자 연합: 모든 납세자에게 데이터베이스를!
‘모든 납세자에게 데이터베이스를(APCD, all-payer claims database)’은 공공 의료 데이터(출생, 사망 기록)를 서비스 데이터, 절차 코드 등 청구 데이터에서 수집된 모든 정보들과 결합하는 프로그램이다. 이들이 활동을 진행하며 마주한 가장 큰 어려움은 복수의 기관들에서 데이터를 수집하는 것이었다. 대부분의 환자들은 한 곳 이상의 의료 공급자를 방문하는 것이 일반적이기 때문이다. 2002년부터 캠든(뉴저지) 의료 공급자 연합(Camden (N.J.) Coalition of Healthcare Providers)은 도시의 주요 병원 세 곳에서 데이터를 수집해 암호화, 표준화하고 이를 GIS 데이터와 비교하는, 그리고 최종적으로는 캠든 지역 내 의료 서비스 ‘고 이용자'를 확인하는 업을 진행했다. 활동을 통해 그들은 지역의 의료 서비스 고 이용자 961 명을 확인할 수 있었다. 이는 총 환자의 33%에 가까운 수였으며, 각 병원의 데이터를 개별적으로 관리했다면 파악하기 어려웠을 정보다.

의료 분석의 미래는?
소사이어티 오브 액추어리스(Society of Actuaries)가 최근 미국의 병원 및 보건 시스템, 보험사의 임원진 250 명을 대상으로 진행한 조사에 따르면 업계는 분석 활동이 단기적(2년내)으로 가장 가시적인 효과를 낼 수 있는 영역으로 주민 보건 관리를 꼽은 것으로 나타났다. 반면 향후 10년 의 전망을 묻는 문항에서는, 환자 및 보호자들에게서 주민 보건 관리의 중요성이 하락하고 대신 임상적 의사 결정 지원과 만성 질환 관리 영역이 강조됨이 확인됐다. 병원 재방문율 감소가 단기적 측면에서보단 장기적 측면에서 좀더 중요한 문제라는 것에는 환자 및 보호자와 공급자 모두가 동의했다. 이들은 향후 10년 내 의료 개혁으로 훨씬 더 거대하고 복잡한 이슈들이 제기될 것이며, 빅 데이터가 이를 해결할 도구가 될 것이라 바라보고 있었다.