이제는 ‘디지털 의료의 3단계’에서 세 번째 단계에 해당하는 데이터의 분석에 대해서 알아보려 한다. 1단계인 ‘측정’에서 우리는 많은 종류의 헬스케어 데이터가 다양한 방식을 통해서 측정될 수 있다는 것을 알아보았으며, 2단계 ‘통합’에서는 이 다양하고 방대한 데이터를 통합하기 위한 플랫폼에 대해서도 살펴보았다. 이제는 이렇게 측정하고 통합한 데이터를 어떻게 분석하고 해석할 것인지에 대해서 알아볼 차례다. 아무리 중요한 정보가 담긴 데이터를 다양하고 폭넓게 측정하고 통합해놓았다고 할지라도, 그 데이터 속에 담긴 의미를 제대로 파악하지 못한다면 아무런 쓸모가 없을 것이다. 질병을 예방하고 치료, 관리하며 건강을 유지하기 위해서는 우리가 끊임없이 만들어내는 데이터를 효과적으로 해석할 필요가 있다. “디지털 의료는 어떻게 구현되는가” 시리즈 보기 변혁의 쓰나미 앞에서 누가 디지털 […]
지난 포스팅에 이어, 이번에도 디지털 기술을 활용하여 약물 부작용을 검출할 수 있는 새로운 방법에 대해서 다루려고 합니다. ‘디지털 기술은 임상 연구를 어떻게 혁신하는가’ 시리즈의 지난 포스팅은 아래의 링크에서 확인하실 수 있습니다. 임상 시험을 위한 인공 지능과 소셜 네트워크 원격 임상 시험 SNS를 통한 신약 부작용 발견 트위터, 약물 부작용 데이터의 보고? 풍부한 약물 부작용 정보를 갖고 있는 또 다른 소셜 네트워크는 바로 트위터(twitter)다. 사람들은 140자의 짧은 트윗으로 자신의 일상이나 상태, 생각을 공유한다. 신변잡기를 이야기 하기도 하고, 정치적이거나, 직업과 관련된 전문적인 의견을 내놓기도 한다. 전세계에서 하루 5억 개 이상 쏟아지는 트윗은 그야말로 빅 데이터이다. 최근 한 연구에 따르면 트위터는 유전체, 유투브 등의
혹시 ‘머니볼’ 이라는 책을 들어보신 적 있으신가요? 이 책은 경제학분야 저널리스트인 마이클 루이스가 미국 메이저리그의 야구단, 오클랜드 애슬레틱스(Oakland Athletics)의 실화를 다룬 ‘야구 책’ 입니다. 책은 2003년에 출판되어 세계적인 베스트셀러가 되었고, 2011년에는 브래드 피트 주연의 동명의 영화로 만들어진 바가 있는데요. 저는 이틀 전에 구매해서 이제야 읽었습니다. 사실 책의 유명세를 감안하면 늦어도 너무 늦게 읽은 것 같습니다. 늦었지만 ‘머니볼’ 을 읽을 결심을 했던 계기는 다름 아닌 에릭 토폴 박사님의 스크립스 중개과학연구소 (Scripps Translational Science Institute, STSI) 에서 머니볼의 주역 중 한 사람인 폴 디포디스타 (Paul DePodesta) 를 생물정보학 분야의 교수로 임용했다는 소식을 들었기 때문입니다. 저는 지난 10월 초 스크립스 중개과학연구소의 Transforming Medicine
지난 11월 22일 미국으로부터 놀라운 뉴스가 하나 들려왔습니다. 바로 FDA가 개인 유전정보 검사 기업 23andMe의 DTC (Direct-to-Consumer) 유전자 테스트 키트에 대한 판매를 중지하라는 명령을 내렸다는 것이었습니다. 제가 예전 포스팅에서도 잠깐 소개해드린 적 있는 23andMe는 현재 세계에서 개인 유전자 검사 (Personal Genetic Service, 줄여서 흔히 PGS) 업계를 선도하고 있는, 실리콘 밸리에서도 가장 혁신적인 기업 중의 하나로 손꼽히는 Health-IT 기업입니다. 구글의 창업자 Sergey Brin의 ‘전’ 부인인 Anne Wojcicki 가 공동 창업하였고, 구글벤처스 등의 화려한 투자자들이 재무적으로 뒤를 받치고 있는 것으로도 화제가 되었던 기업이기도 합니다. Anne Wojcicki가 2006년 공동 창업한 23andMe는 단돈 $99 라는 저렴한 가격에 개인 소비자들로부터 (의사를 거치지 않고) 직접 타액 샘플을
얼마 전 Bio-IT world 에는 개인 유전정보 분석 기업 23andMe의 공동창업자 Anne Wojcicki 가 스탠퍼드 대학에서 열린 “Big Data in Biomedicine Conference” 에서 했던 키노트 스피치에 대한 기사가 실렸습니다. 이 발표에서 Anne Wojicicki는 23andMe의 철학과 비전에 대해서 매우 인상 깊은 이야기들을 하였습니다. 국내에는 아직 잘 알려져 있지는 않지만, 23andMe는 개인 유전정보 분석 산업을 개척해 나가고 있는 혁신적인 생명공학 벤처 회사입니다. 실리콘벨리에서 2006년에 창업한 이 회사는 현재 단돈 $99 만 내면 유전정보를 바탕으로 120여 개의 주요 질병에 대한 발병 확률, 50개 질병 유전자의 보인자 현황 (carrier status), 20여개 특정 약물에 대한 반응, 그리고 60여개의 유전적 특징들에 대하여 분석해줍니다 (자세한 리스트는 여기 참조).
IBM의 수퍼컴퓨터 Watson 에 대해서 소개해드렸던 지난 포스팅에서는 Watson에 대한 전반적인 소개 및 주로 지금까지 알려진 ‘사실’들을 중심으로 알려드렸습니다. 이어지는 이번 포스팅에서는 과연 이 IBM Watson이 앞으로 얼마나 정확하게 질병을 진단하고 치료법을 제시할 수 있을지, 그리고 미래의 의학에 어떠한 영향을 미칠지에 대해서 정리를 해보도록 하겠습니다. 사실 이러한 이슈들에 대한 의견은 여러 전문가들 사이에서도 크게 엇갈리고 있으며, 대부분이 아직까지는 추측이나 전망에 그치는 것들이 많습니다. 아마도 그 이유 중의 하나는 Watson 의 헬스케어에 응용과 관련해서 ‘어떤 식으로 개발되었다‘, ‘의료 현장에 언제부터 투입될 것이다‘, ‘어떠한 방식으로 사용될 것이다‘ 등의 소식들은 많았지만, 아직까지 실제 성능이나 정확도에 대해서는 정확하게 보고된 바가 없기 때문일 것입니다. 시간이 지나면
과연 컴퓨터가 의사의 역할을 대체할 수 있을까요? IT 기술의 발달에 따라 디지털 의학 혁명의 시대가 도래하면서, 컴퓨터의 힘이 의학에서 어디까지 영향을 미칠지에 대해 많은 관심이 모아지고 있습니다. 혹자는 컴퓨터 알고리듬이 의사의 역할을 상당 부분 대체할 수 있을 것이라고 주장하기도 합니다. 선마이크로시스템즈의 공동설립자이자, 실리콘밸리의 벤처캐피털리스트 Vinod Khosla 가 그 대표적인 사람입니다. 그는 2012년 1월 TechCrunch에 에 “우리는 의사가 필요한가, 아니면 컴퓨터 알고리듬이 필요한가? (Do We Need Doctors or Algorithms?)” 라는 글을 기고하면서, 미래에는 의사의 80%가 컴퓨터로 대체될 것이라는 다소 급진적인 주장을 펼쳐 많은 의미 있는 논쟁을 불러일으켰습니다. 컴퓨터가 정말 의사를 대체할 수 있을지의 여부는 전문가들 사이에서도 의견이 엇갈리고 있는 상황이지만, ‘IT
최근 MIT Technology Review 에 나온 “중국의 유전체 공장을 파헤친다 (Inside China’s Genome Factory)” 의 기사의 요점들을 정리해보았습니다. ‘세계의 공장’ 중국은 거대하면서도 저렴한 노동력으로 다양한 분야에서 세계 경제의 축으로 떠올랐습니다. 이러한 중국의 거대한 영향은 Genomics 분야에서도 예외는 아닙니다. 기사에 소개되는 유전체 분석 기관인 BGI는 자그마치 156대의 시퀀싱 기계를 가지고, 전세계 DNA 데이터의 10-20%를 생산하는, 생물정보학자만 1,000명을 보유한 세계 최대의 유전체 분석 조직입니다. 이러한 규모 및 규모의 경제를 바탕으로 BGI는 유전체 연구 및 사업 분야에서 막대한 영향력을 행사하기 시작하였습니다. 심지어 최근에는 미국의 시퀀싱 업체의 인수를 타진하면서 본격적인 미국 시장 진출에의 신호탄을 쏘아 올렸습니다. 거대한 규모, 인력, 경험 그리고 축적된 데이터를 바탕으로 BGI는 유전체 분석의
최근에 소위 “빅 데이터 (Big Data)” 라는 트렌드가 사회 및 기업 환경에서 큰 화두로 떠올랐습니다. 우리는 IT 기술의 발달과 SNS 등의 활성화를 통해서 끊임 없이 거대한 데이터가 쏟아져 나오는 시대에 살고 있습니다. 때로는 petabyte 에 이르는 이 데이터를 어떻게 수집, 저장, 분석, 활용할 것인가에 기업의 흥망이 달려 있다고 해도 과언이 아닌 시대가 되었습니다. 이미 Google, LinkedIn, GE, Zynga, Netflix 등의 선도기업들은 이러한 빅 데이터를 경영 전략 및 의사 결정에 적극적으로 활용하고 있으며, 이에 따라서 이러한 데이터를 다루는 분야인 ‘데이터 과학(Data Science)’ 과 ‘데이터 사이언티스트 (Data Scientist)’라는 새로운 직업이 각광받게 되었습니다. 이런 데이터 사이언티스트 들은 무엇을 하는 사람들일까요? 이런 사람들은 왜
MedCityNews.com에 “Personalized Medicine Revolution을 위해 넘어야 할 4가지 장애물 (Four barriers that must fall before the personalized medicine revolution can start)” 이라는 제목의 글이 실렸습니다. 이 글의 요약과 함께 personalized medicine이 현실화되기 위해서는 어떠한 조건이 충족되어야 하는지, 현재 기술은 어디까지 와 있는지에 대해서 알아보도록 하겠습니다. The urgent need for personalized medicine Personalized Medicine의 가장 큰 수혜자는 암환자와 신생아들(newborn screening) 이다. 현재 매년 580,000 명이 넘는 (하루 1,600명) 미국인들이 암으로 사망하고 있으며, 20명의 신생아 중 1명은 신생아 중환자실(neonatal intensive care unit, NICU)로 들어가야 하는 신세가 된다. 또한 신생아 사망의 20%가 선천적 염색체 이상 (congenital chromosomal defect) 때문이다. 무어의 법칙으로 대변되는