데이터 ‘축적’에서 ‘가공’과 ‘해석’의 단계로

유전체 데이터, EMR(전자의무기록) 데이터 통합, 임상 데이터 등 최근 보건 산업계는 데이터가 화두다. 

정밀의학의 기본 개념은 유전체 데이터를 이용해 환자 각각에 맞는 치료법을 적용한다는 것이다. 유전체 데이터를 이용해 최소 10년 이상이 걸리는 신약개발 주기를 단축할 수 있다는 전망도 나왔다. 

병원 내 기록의 집합체인 EMR은 현재 보건복지부 주도로 인증제 도입까지 앞두고 있다. EMR 데이터를 전산화 하는 것에서 한 발 더 나아가 EMR의 질을 높여 활용도를 높이겠다는 취지다. 또한 논문의 임상 데이터를 바탕으로 제약ㆍ바이오 주 투자결정을 돕는 솔루션까지 등장했다. 

인공지능 역시 인공지능을 학습시켜야 할 데이터 축적이 선행돼야 한다는 것이 전문가들의 의견이다. 

그렇다면 현 시점에서 보건의료산업에서 데이터 활용은 어디까지 이뤄지고 있을까?

황태현 Cleveland Clinic 인공지능 기술 학술팀 리더는 정밀의료 데이터를 이용한 신약개발에 다소 회의적인 견해를 밝혔다. 황 리더는 지난 2월 열린 장 바이오 학회 워크숍에서 “병원에서 가지고 있는 임상 정보 데이터가 실제 환자들의 치료 데이터보다 실험실(lab)에서 도출된 데이터 비중이 더 높다”고 지적했다. 데이터 가공 과정이 필요하다는 것이다. 

또한 유전체 데이터를 축적한다고 하더라도 이를 제대로 해석(interpretation)할 수 있는 인력이 부족하다는 지적도 전문가 사이에서 늘 제기된다. 

인공지능이 학습하는 데이터의 축적도 한계가 있다는 지적이 나왔다. 현재 신약개발 트렌드는 화학의약품에서 바이오의약품으로 변하고 있다. 그러나 제약ㆍ바이오주의 합리적 투자 결정을 돕는 인공지능 솔루션이 화학약물 임상 데이터 비중이 바이오의약품보다 훨씬 높다면 과연 합리적인 투자 결정을 도울 수 있냐는 의문이 뒤따른다. 

데이터 자체가 모든 것을 해결해 줄 수는 없다. 이제는 데이터 축적에서 한 발 더 나아가 데이터를 제대로 활용할 수 있도록 하는 데이터 가공과 데이터를 해석할  수 있는 전문인력 양성을 고민해 볼 때다.