미래의 의료는 4개의 'P'로 이뤄집니다. 한 개인의 데이터를 분석해서 건강을 예측하는 '프리딕션(prediction)'이 첫번째입니다. 그 다음에는 예측을 통한 예방, 즉 프리벤션(prevention)'입니다. 이런 세계에서는 의사의 일방적 처방이 아니라 환자의 적극적 참여(participatory)가 동반되고, 궁극적으로는 환자 한명씩 개인화(personalization)가 이뤄집니다.
한국의 디지털헬스 논의는 원격진료, 웨어러블, 원격 센서를 강조합니다. 그런데 사실 디지털헬스 구성에 있어서 핵심 키워드는 디바이스가 아니라 데이터입니다. 그 이유는 디바이스가 실제 환자의 상태를 감지한다고 하더라도, 축적된 정보들과 연장되지 않으면 해결책이 나올 수가 없습니다. 디바이스는 디지털 헬스의 전체를 형성하는 부분(component)에 불과합니다. 가치있는 데이터가 실제 환자들에게 전달되기 전까지는 비즈니스가 만들어지지 못합니다.
그래서 디지털헬스에서 가장 중요한 것은 데이터를 획득하고 흐르게 하고 분석하는 것입니다. 이를 통해 좋은 서비스를 개발하고 피드백하는 선순환 구조가 형성될 때 비로소 시장이 열린다고 생각합니다.
건강 데이터 획득하는 방법은 다양해지고 있습니다. 이전까지는 의사가 환자를 보면서 기록을 적고, 상기해야하는 구조였습니다. 요즘은 다릅니다. 이제는 자신의 유전자 정보를 스스로 검사하는 시대가 됐습니다. 일상에서도 체크할수 있는 데이터입니다. 모바일 기기로 혈당을 측정하고 분석을 합니다. 다양한 파트에서 데이터가 폭발적으로 늘고 있다는 겁니다.
그런데 문제는 아직까지 이런 데이터가 산업 자본 영역으로 연결되지 못하고 있다는 것입니다. 그래서 응급실에서 채취하는 환자의 혈액 검사와 같은 비정형 데이터를 정형화 하기 위한 노력을 하고 있습니다.
분석하는 기술이 먼저 발달해야 하고, 분석을 하고 잘 요약된 형태로 만드는 것이 중요합니다 . 여기까지가 디지털 헬스의 시작 단계라고 할 수 있습니다.
총체적으로 파악한 이후부터는 환자에게 적합한 솔루션을 제시해야 합니다. 이런 서비스는 미래 병원에서 해야 할 부분입니다. 환자의 병원 접근을 편하게 만드는 게 한가지 방안입니다. 집에서 만성 질환을 모니터링하고 관리하는 수단을 마련하는 것입니다. 예컨대 심근경색과 같은 급성 질환의 경우, 환자의 심전도를 모니터링 하면 급사를 예방할 수 있습니다.
올 여름 메르스 때문에 병원들이 큰 타격을 받았는데, 이런 시스템이 잘 갖춰졌다면 효율적인 대응이 가능했을 것으로 봅니다. 컴퓨터 분석과. 딥러닝은 실제 연상판독의 병리 판단 쪽에서도 강력하게 발전하고 있습니다. 그리 멀지 않은 시간에 정확한 진단을 할 수 있습니다.
마지막으로 4P가 구현되는 세상에서는 사람의 수명이 반드시 늘어납니다. 실질적 치료를 담보하는 기술과 서비스가 가능해질 때 헬스케어의 밝은 미래가 올 수 있을 거라고 생각합니다. 이상입니다.