1. Healthcare와 Analytics, 그 불편함에 관하여(2)

헬스케어 애널리틱스(이하 HA)는 다른 여타 분야의 애널리틱스와 비교하여 몇 가지 차이에 의해 불편함을 내재하고 있다. 그것은 지난 글에서 언급한 바와 같이 우리가 느끼고 있는 괴리감과 더불어 헬스케어 분야의 데이터가 가지고 있는 특수성에 기인한다.

헬스케어 데이터는 사실 기반의 자료이지만 독특한 확률적인 속성을 지니고 있다. 이 확률적인 속성은 과학에서 논하고 있는 측정의 불확실성과는 조금 경우가 다르다. 예를 들면, 오늘 최고 기온이 30℃라는 것(사실)이 참인가 거짓인가를 살펴보기 위해서는 그 온도를 측정한 온도계가 얼마나 정확한지 여부에 달려있다. 즉, 온도계가 온도를 정확히 측정할 수 있는 품질을 갖고 있어야 하며, 이것은 과학적인 기준으로 평가될 수 있다. 측정과학에서는 이것을 측정불확도(uncertainty)라고 한다. 헬스케어 데이터 중 심박, 체온 등의 과학적 측정이 가능한 데이터는 이 측정불확도 내에서 측정되고 활용될 수 있다.

문제는 이러한 데이터로 질병을 진단하고 처방을 내리는 것은 온전히 의사, 즉 사람의 몫이라는 것이다. 수많은 의사들이 동일한 질병에도 조금씩 다른 처방을 내릴 수 있음을 우리는 알고 있다. 종종 오진도 발생할 수 있으며, 처방받은 의약품이 부작용을 일으킬 수도 있다. 정확한 데이터를 수집하기 위해 측정 기구의 품질을 향상시키는 것과 그 데이터를 바탕으로 의사들이 판단을 하는 것은 완전히 다른 문제이다. 헬스케어 애널리틱스가 추구하는 목표가 보건의료 행위의 효율성을 높이는 것에 한정되기 때문에 큰 문제가 아니라고 할 수도 있겠지만, 결국 의료보건 행위가 궁극적으로 생명과 연결되어 있기 때문에 해소되지 않는 불편함이 여전히 존재하고 있다.

또 다른 불편함은 애널리틱스의 가치 사슬에서 찾아볼 수 있다.애널리틱스의 가치 사슬은 아래 그림과 같이 정형/비정형 데이터를 수집하여 이를 처리하는 플랫폼에서부터 시작한다. 수집된 데이터들은 최종적인 의사결정(전략 수행)을 위해 단계별로 가공되어 활용된다. 지금까지의 애널리틱스는 한정적인 데이터 안에서 수행되어왔기 때문에 이와 같은 가치 사슬 과정이 하나의 조직 내에서 유연하게 진행될 수 있었다.

HA-drugs

그림 1. 애널리틱스 가치사슬 1

하지만 데이터 홍수 시대에서 각각의 단계들은 보다 전문적인 도구나 조직을 활용하여 고도화되기 시작하였다. 이러한 변화는 데이터의 활용성이 높은, 즉 표준화가 잘 되어있으며 수집이 용이하고 이를 활용한 사례에서 높은 효과성을 보이는 분야를 중심으로 확산되기 시작하였다. 헬스케어 분야에서는 이러한 변화의 과정이 매끄럽지 못한 상태이다. 보건의료 분야의 특수성으로 인해 데이터의 통합부터 쉽지 않은 일들이 산적해있다. 동네병원에서 촬영한 X레이 영상을 종합병원에서 보기 위해서는 촬영한 영상을 CD에 복사해서 들고 찾아가야하고, 행여 영상을 확인하는 소프트웨어가 동일한 제품이 아닌 경우 확인이 불가한 경우도 종종 발생한다.

많은 SI 업체가 보건의료 데이터 통합을 위해 다양한 표준화된 플랫폼을 개발하고 제공해오고 있지만 플랫폼 종속성, 지배적 사업자의 영향력, 의료소비자 권리문제 등으로 인해 혁신적으로 진화하지 못한 상태이다. 진정한 의미의 HA는 데이터 통합 및 관리의 상위 단계부터 시작이라고 볼 수 있다. 아직까지는 HA의 기반이 되는 하위 단계의 성장이 더 필요하다. HA에서 느끼는 불편함은 다른 분야보다 상대적으로 튼튼하지 못한 하위 단계의 미성숙에 근거한다. 애널리틱스 가치사슬에서 살펴본 이러한 문제점은 소비자의 필요욕구와 파괴적 혁신에 의해 점진적으로 해결될 것으로 기대한다.

To be Continued


  1. DAMO Consulting, The State of Healthcare Analytics: Opportunities and Headwinds, 2015.4.