디지털 트랜스포메이션: 디지털 헬스
대학원 강의 슬라이드 정리 (강의록)
1. 헬스테크 유니버스 (The Healthtech Universe)
헬스테크 산업은 규제 수준과 임상적 근거의 유무에 따라 크게 다섯 개 영역으로 나뉜다. 이 분류는 이후 모든 논의의 기준 틀이 된다.
| 영역 | 정의 | 핵심 특징 | 대표 기업 |
|---|---|---|---|
| Consumer (소비자) | 임상적 근거 없이 제공되는 제품 | 피트니스·웰니스 중심, 건강 영향보다 B2C 브랜드 가치가 우선 | Fitbit, Garmin |
| Non-Clinical (비임상) | 특정한 저위험 건강 니즈를 다루는 솔루션 | 체중감량, 스트레스, 수면, 난임, 질환 교육 / B2C·B2B 병행 | Headspace, Oura |
| Clinical (임상) | 질병을 탐지·진단·치료하는 솔루션 | 근거 기반, 규제 인허가 필수 / 진단도구, 디지털 질환관리, DTx | Pear Therapeutics, Medimaps |
| Virtual Care (원격진료) | 비대면 의료 제공 | 원격의료, 원격 환자 모니터링 | Teladoc Health |
| Health Data (헬스데이터) | 데이터의 수집·가공·분석 | EHR, 실사용 데이터(RWD), 병원 데이터 마이닝, 데이터 처리·분석 | Flatiron, Lynxcare |
강의 포인트: 왼쪽에서 오른쪽으로 갈수록 규제 강도와 임상 근거 요구 수준이 높아지고, 동시에 진입장벽과 수익 구조의 안정성도 높아진다. 창업이나 투자 판단 시 "우리는 어느 칸에 있는가"가 첫 질문이 된다.
2. 디지털화가 필요한 이유 — 신약개발의 구조적 문제
2.1 길고 비싼 신약개발 타임라인
| 단계 | 소요 기간 | 내용 |
|---|---|---|
| Discovery (탐색) | 3~7년 | 화합물 라이브러리 스크리닝, 세포 기반 분석 |
| Preclinical (전임상) | (위 기간에 포함) | 수천 개 화합물, 동물 모델 |
| Phase I | 6~7년 | 단일 화합물, 안전성 시험, 20~80명 |
| Phase II | (위 기간에 포함) | 단일 화합물, 유효성 시험, 100~200명 |
| Phase III | (위 기간에 포함) | 단일 화합물, 유효성 시험, 약 5,000명 |
| FDA 승인 심사 | 1~2년 | 규제기관 판단 |
| Phase IV | 4년 | 시판 후 유효성·안전성 추적 |
핵심 명제는 하나다. 시간 = 비용(Time = Cost). 전체 과정이 10년을 훌쩍 넘기며, 단계마다 후보물질이 탈락한다.
2.2 생물학은 매우 복잡하다 (Attrition Rate)
MAPK, JNK, p38, ERK5 등 세포 내 신호전달 경로는 수백 개의 분자가 얽힌 거대한 네트워크다. 하나의 타깃을 건드려도 증식·분화·염증·세포자멸사 등 여러 하위 경로로 파급된다. 이 복잡성이 곧 높은 실패율(attrition rate)의 근본 원인이며, 사람의 직관만으로는 타깃 선정이 어렵다는 점이 디지털 기술 도입의 출발점이다.
3. 디지털화가 신약개발에 주는 효과
슬라이드는 여섯 가지 기대효과를 순차적으로 제시한다.
- 의사결정 지원 — 데이터 기반으로 진행/중단 판단
- 개발 기간 단축
- 동물실험과 인체시험 축소
- 화학 합성 물량 감소
- 더 효과적이고 안전한 의약품
- 비용 절감
앞의 다섯 가지가 쌓여 마지막 비용 절감으로 귀결되는 구조다.
4. 디지털 도구의 개념 정리
4.1 기반 기술
클라우드(Cloud), 연결성(Connectivity), 스마트 센서(Smart Sensor), VR/AR.
4.2 AI · ML · DL의 포함 관계
- 인공지능 (AI): 기계가 인간의 행동을 모방하도록 지능을 부여하는 기법 또는 방법론
- 기계학습 (ML): 통계적 방법을 사용하는 AI의 부분집합. 경험이나 새로운 데이터를 통해 기계가 스스로 개선
- 딥러닝 (DL): 심층 신경망 기반 학습을 가능하게 하는 ML의 부분집합
세 개념은 대등한 병렬 관계가 아니라 AI ⊃ ML ⊃ DL의 포함 관계임을 분명히 할 것.
5. AI·ML이 단축시키는 신약개발 프로세스
신약개발의 각 단계는 "무엇이 옳은가"를 찾는 질문으로 재정의된다.
| 질문 | 해당 단계 | AI·ML의 역할 |
|---|---|---|
| Right Pathway / Right Target (올바른 경로·타깃) | Target ID → Target Validation | 질환에서 타깃이 하는 역할 예측, 타깃의 약물성(druggability) 예측, in silico 화합물 라이브러리 설계 |
| Right Molecule (올바른 분자) | Lead ID → Lead Optimization | 구조-활성 관계(SAR) 예측, 딥러닝 기반 생성 화학, 가상 스크리닝, 역합성 분석 예측 |
| Right Dose (올바른 용량) | Preclinical → Clinical | 내·외부 데이터를 활용한 ADMET 예측, 바이오마커 예측, 병리 이미지 분석 및 용량 예측, 합성(synthetic) 임상 설계 |
| Right Patient (올바른 환자) | Clinical → Post-clinical | 실사용 근거(RWE) 수집: 유효성·부작용, 가치 기반 약가 산정 |
6. 헬스데이터: 실사용 근거 (Real World Evidence, RWE)
6.1 RWE가 기여하는 다섯 영역
의사결정 지원, 효과적 치료, 개인 맞춤 치료, 임상시험 지원, 약가 상환(reimbursement).
6.2 실사용 데이터가 돌리는 선순환
질환 이해 → 비용효과성과 성과에 대한 근거로 가치 기반 지불 결정 → 빠르고 이른 진단 → 실제 환자 성과와 진료 경로 효율 → 치료 접근성 → 치료 효과와 안전성·약물감시 → 신규 치료 타깃 발굴 → 임상시험 설계와 빠른 시장 진입 → 의료 전달과 인력 계획의 효율 → 개인 맞춤 의료 → 건강·웰니스·의료의 사회경제적 영향 → 다시 질환 이해로.
강의 포인트: RWE는 단발성 분석이 아니라 순환 구조다. 임상시험 데이터가 "통제된 환경의 진실"이라면 RWE는 "실제 환경의 진실"이며, 둘은 대체 관계가 아니라 보완 관계다.
7. RWE를 위한 병원 데이터 마이닝
7.1 데이터 소싱 (병원)
- 거래 데이터(Transactional): EHR 시스템(Epic, Cerner, Dedalus), 검사(Lab) 시스템, 재무·청구 시스템, 처방(RX)·약국 시스템. EAI(예: Mirth)로 연계
- 분석 데이터(Analytical): 관리용 데이터웨어하우스(Admin DWH), 임상 DWH (Health Catalyst, Groupe PSIH)
- 병원 간 데이터 교환 계층(예: Lifen)
7.2 세 가지 처리 경로 비교
| 경로 | 방식 | 속도 | 효율 | 포괄성 | 사업자 |
|---|---|---|---|---|---|
| 자동 실시간 추출 | 전체 데이터, 실시간. NLP 엔진 + OMOP 표준화 | 빠름 | 높음 | 광범위 | Lynxcare, Savana |
| CRO 수기 차트 리뷰 | 전체 데이터, 배치 처리, 사람이 직접 검토 | 느림 | 낮음(고비용) | 광범위 | IQVIA, ICON, Parexel |
| 정형 데이터 교환 | 구조화된 데이터만 기술적으로 교환 | 빠름 | 높음 | 제한적 | TriNetX, IQVIA, Flatiron |
트레이드오프의 핵심: 수기 리뷰는 비정형 데이터까지 포괄하지만 느리고 비싸다. 정형 데이터 교환은 빠르고 저렴하지만 의무기록의 서술 부분을 놓친다. NLP 기반 자동 추출은 이 둘의 장점을 동시에 취하려는 접근이며, 여기서 자연어처리 성능이 곧 사업의 경쟁력이 된다.
7.3 최종 수요자
가공된 데이터는 제약 통계 리포트 또는 기술 기반 데이터 분석(Aetion, Owkin)을 거쳐 AstraZeneca, Pfizer, MSD, Janssen, Boehringer Ingelheim 등 제약사로 전달된다.
8. 임상 영역 사례
8.1 처방형 디지털 치료제 (Prescription Digital Therapeutics, PDT)
Pear Therapeutics — reSET (최초의 FDA 승인 PDT)
- 물질사용장애(Substance Use Disorder)를 위한 90일 디지털 치료제
- 수반성 관리(contingency management)를 결합한 인지행동치료
- 임상의 감독 하에 이루어지는 외래 치료
- 환자용 애플리케이션(주간 레슨, 갈망·유발요인 기록)과 임상의용 애플리케이션(처방 진행률, 레슨 완료 수, 갈망 강도 추이) 이원 구조
강의 포인트: PDT는 "앱"이 아니라 "처방되는 치료제"다. 따라서 임상시험, 규제 승인, 보험 상환이라는 의약품과 동일한 경로를 밟는다.
8.2 디지털 진단: 골다공증
Medimaps — TBS iNsight
- AI 기반 영상 골구조 평가 SaaS
- 동일한 T-score(-2.2)를 가진 두 환자라도 골 미세구조가 균질(normal, 높은 TBS)인지 이질적(degraded, 낮은 TBS)인지를 구분
- 영상의학과 워크플로 안에서 진단율을 70% 개선
강의 포인트: 기존 지표(골밀도 T-score)만으로는 구분되지 않던 환자군을 새로운 디지털 지표가 층화한다. 이것이 "정밀 진단(precision diagnostics)"의 전형적인 형태다.
9. 원격의료 (Telehealth)
두 축으로 구성된다.
- 원격의료(Telemedicine): 화상 등을 통한 가상 의사-환자 상호작용 — Teladoc Health, Lemonaid Health
- 원격 환자 모니터링(Remote Patient Monitoring): 웨어러블·기기에서 수집된 데이터를 클라우드를 거쳐 의료진에게 전달 — Livongo(Teladoc Health), Babyscripts
10. 디지털 시대의 이상적 환자 여정
슬라이드는 국경을 넘는 진료 시나리오를 제시한다.
- 출생(한국) — 전자의무기록, 검사 데이터, 보험 데이터가 생성되기 시작. 문제는 이 데이터가 비정형이며 실시간 처리되지 않는다는 점
- 가정(스위스) — 1차 의료진과 연결
- 공유 의사결정(Shared Decision Making) — 미국·스위스·한국의 의료진이 X-ray, CT, MRI를 실시간으로 공유하며 함께 판단. 여기서의 과제는 "어떻게 실시간으로 대화하고 공유할 것인가"
- 치료 제공 — 원격 수술(Remote Operation)과 원격 모니터링(Remote Monitoring)을 통해 환자에게 도달
강의 포인트: 이 여정을 가로막는 것은 기술 자체보다 데이터 표준화, 상호운용성, 국가 간 규제와 프라이버시 제도다.
11. 디지털화가 지향하는 것
슬라이드는 두 단어로 결론을 압축한다.
- 정밀성(Precision) → 정밀 의료(Precision Medicine), 정밀 진단(Precision Diagnostics)
- 예측(Prediction) → 예방 의료(Preventive Care)
즉 디지털 전환의 목적지는 "더 정확하게 맞추는 의료"와 "병이 생기기 전에 개입하는 의료"다.
정리: 강의의 논리 흐름
- 헬스테크는 규제·근거 수준에 따라 5개 영역으로 나뉜다
- 신약개발은 너무 길고, 비싸고, 생물학이 너무 복잡해서 실패율이 높다
- 그래서 AI·ML을 각 단계(Right pathway/target/molecule/dose/patient)에 투입한다
- 그 연료가 되는 것이 실제 임상 현장에서 나오는 헬스데이터(RWE)이며, 이를 뽑아내는 방식(수기 vs 정형 교환 vs NLP 자동화)이 경쟁의 장이다
- 결과물은 디지털 치료제, 디지털 진단, 원격의료라는 구체적 제품으로 나타난다
- 궁극적 지향점은 정밀 의료와 예방 의료다
