미래기술분석센터 전홍우 박사 인터뷰

Q. 자기소개. 

안녕하세요, 미래기술분석센터 전홍웁니다. KISTI 입사 10년차고요, 2015년부터 치매DTC융합연구단 활동을 하고 있습니다. 치매DTC융합연구단은 한국과학기술연구원 주관으로 3개 출연연이 모인 치매 전문 융합연구단입니다.

*한국과학기술연구원(KISTI), 한국생명공학연구원(KRIBB), 한국화의학연구원(KIOM)

학사부터 박사학위까지 자연어처리를 전공했고, 대학원생일 때부터 지금까지 자연어처리를 생명공학 분야에 적용하는 연구를 해왔습니다. 

특정 질병에 대한 논문을 분석해서 새로운 원인이나 치료법을 찾는 연구를 하면서, 위암, 전립선암, 유방암에 대해 연구했고, 현재는 치매예측연구를 진행하면서 ‘기계학습을 통한 치매예측 데이터 처리 기술’을 개발했습니다.

Q. 기계학습 기반 치매예측 데이터 처리 기술은.

치매를 조기에 예측하고 선제적 치료를 돕기 위한 기술입니다. 현재 사용되는 치매 처방약은 치료제가 아니고 질환의 진행 속도를 늦추는 약입니다. 이런 현실에서 가장 중요한 것은 약을 복용하는 최적의 시기를 찾는 것입니다.  이 기술은 치매 환자의 진료내역, 생활패턴 변화, 기존 연구에서 밝혀낸 지식들을 분석해 진료나 약 복용에 대한 최적의 시기를 예측합니다.

기술은 크게 두 가지 연구로 접근하고 있습니다. 첫 번째는 진료 내역을 기반으로 한 치매예측입니다. 

국민건강보험공단이 한국인의 의료기록이 담긴 다양한 주제의 코호트 데이터를 제공해 주고 있습니다. 이 중에서 노인 코호트 데이터를 활용해 한국인 환자의 치매를 유형별로 분석하고, 여기에 개인 병력을 대입함으로써 개인별 치매 패턴을 파악합니다.

*코호트 데이터(cohort data): 연령 등 특정한 인구통계상의 인자를 공유하는 집단별 데이터

두 번째는 IoT 센서를 기반으로 한 생활능력정보 분석에 의한 치매예측입니다. 스마트폰과 스마트워치를 통해 어느 개인의 이동 동선 등 활동 정보를 감지하고, 집안에 각종 IoT 센서를 부착해 생활능력의 변화를 분석하는 등 치매질환에 관련된 정보를 분석합니다.  

분석하는 항목은 요리, 집안일, 약 먹기, 문단속, 가전제품사용, 몸단장 항목으로 실제 의사가 진료할 때 사용하는 질의 항목과 동일합니다. 

해당 연구로 의사가 환자를 진료할 때에 환자나 가족의 답변에만 의존하지 않고 실제 환자의 생활능력 변화를 확인할 수 있습니다. 최종적으로는 이 두 방법의 연구로 얻은 분석 결과를 융합해 치매 진행상황을 실시간으로 모니터링하고 질병이 악화되는 시점을 예측하여 최적의 시기에 최적의 치료가 가능하도록 합니다. 

Q. 기술의 주요 특징은.

남성과 여성은 치매위험인자가 다릅니다. 심지어 정반대입니다. 남성은 저체중, 여성은 비만이 치매의 주원인이라고 합니다. 이와 같이 유형별로 치매위험인자가 다르므로, 그에 맞는 치매예측모델이 필요합니다. 

그래서 현재 한국인의 성별, 연령대별, 소득별, 지역별 유형을 구분하여 치매조기예측모델을 개발하고 있습니다. 중요한 특징은 생물학적 실험을 하지 않고, 의료기록 데이터만을 이용했음에도 기존의 생물학적 실험이나 의료 이미지를 통한 결과와 대등한 결과를 제시했다는 것입니다.

또 이 기술로 유형별 치매위험인자를 파악함으로써 기존 연구들을 검증하고, 새로운 위험인자를 발견할 수도 있습니다. 치매가 의심되는 환자나 고위험군에 속하는 연령대의 경우 치매를 조기에 발견하는 게 더욱 중요한데요, 이들 개개인의 병력 정보를 노인 코호트 데이터와 대입해서 유사한 유형을 찾고, 이에 따라 치매 패턴을 분석해서 개인별로 치매 발병 시기를 예측할 수 있습니다.

Q. 치매를 연구하게 된 계기는.

치매 전단계로 경도인지장애라는 증상이 나타나는데, 경도인지장애는 일반적으로 의사가 환자의 인지능력, 신체능력, 생활능력을 MMSE, CERAD와 같은 문진 검사를 통해 진단합니다.

*MMSE: Mini-Mental State Examination

*CERAD: Consortium to Establish a Registry for Alzheimer’s Disease

*경도인지장애: 치매 발병 이전에 나타나는 증상

이런 문진은 점수화된 지표는 따르더라도 결국 환자 본인이나 주변인들의 답변, 진술을 근거로 판단하게 되는 것이라 객관적이지 않기 때문에 많은 전문가들은 보완해야할 부분이 있다고 봅니다. 어떤 사람들은 건망증이 심해지면서 치매일 지도 모른다는 불안감에 사로잡혀서, 검진이 필요하지 않은 시점에도 병원을 자주 방문한다고 합니다. 저는 이런 불확실성을 줄이고 싶었고, 완치가 안 되는 치매를 완전 정복해서, 사람들이 보다 안심하고 사는 사회를 만드는 데 기여하고 싶었습니다.

Q. 연구를 하면서.

사람들을 직접 만나가며 데이터를 수집하는 일이 처음입니다. 

직접 독거노인 가정에 방문하여 데이터 수집 센서를 설치하고 데이터를 서버로 전송하여 분석하는데

시설에 거주하시는 어르신 분들이 장비 전원을 차단하시고 또 위치를 옮겨놓으시기도 해서 몇 번의 시행착오를 겪었습니다. 

우여곡절 끝에 데이터를 수집하게 됐는데 또 다른 문제가 있었어요. 어르신들이 처음에는 연구에 도움이 되고자 참여하셨지만, 감시당하는 기분에 불쾌감을 호소하시는 분들이 늘어났습니다. 

그래서 소통하고 친밀감을 높이는 것도 중요하겠다 싶어, 매일 전화로 안부인사도 드리고 음료수나 간식을 챙겨가서 이야기도 나누는 등 다양한 노력을 기울이고 있습니다.

Q. 기술 활용을 위해.

말씀드렸듯이 아직까지 치매는 치료제가 없어 완치가 불가한 질환입니다. 그렇기 때문에 더욱, 치매를 조기에 예측하는 게 매우 중요하고, 그런 점에서 본 기술이 적극적으로 잘 활용되었으면 합니다. 기술 활용을 위해 다양한 준비가 필요한데

그중에서도 병원이나 치매안심센터 등 관련 파트너의 긴밀한 협조가 필수적입니다. 현재 러 하드웨어 업체, 소프트웨어 업체와 과제 상용화를 계획하고 있으며, 고려대학교 병원, 강북구 치매안심센터와 공동연구를 진행하고 있습니다.

그리고 생활능력정보를 분석하기 위해서는 1~2년 정도가 아니라 그보다 장기적인 추적관찰을 통해서 수집된 코호트 데이터가 필요합니다. 병원과 환자분들의 협조 아래 데이터가 지속적으로 수집·축적될 수 있다면, 그 데이터를 활용해 치매예측이 보다 수월해지고 안정될 것이라 생각합니다.

Q. 박사님의 최종 목표는 무엇인가요?

저는 자연어처리 전공자로서 텍스트만으로도 어떤 지식이나 상황을 예측할 수 있는 내용은 무궁무진하다고 믿습니다. 다만, 텍스트 이외의 데이터를 활용하지 못하면서 자연어처리기술에 한계가 있다고 느낀 적이 있습니다. 그런데 이번 과제를 수행하면서 

활용하는 데이터의 범위를 논문, 특허 등의 텍스트뿐만 아니라 생활능력 데이터, 영상, 음성 데이터까지 확대함으로써 각 데이터의 가치를 확인했고 각 데이터가 융합돼 시너지 효과를 내며 가치가 커지는 걸 경험했습니다. 

향후 어떤 과제를 수행하든 지식의 굴레를 벗어나 다양한 데이터를 융합·활용하는 연구를 수행하고 싶습니다. 이런 게 바로 Data Scientist가 해야 할 일이라고 생각합니다.

Q. 끝으로.

저를 비롯해서 이 과제에 참여하는 KISTI 연구원들 모두 의학 전공자가 아닙니다. 저희는 데이터만을 분석해서 미래를 예측하는 Data Scientist일 뿐입니다. 연구를 통해 저희가 할 수 있는 일은 모든 공공데이터와 각종 센서로부터 개인 생활습관에 관한 데이터를 수집하고, 이를 지식화해 보다 객관적인 예측모델을 만듦으로써 환자의 고통을 최소화할 최적의 시기를 찾는 것입니다. 

우리에게 치매는 두려운 존잰데요, 이 기술로 조금이나마 두려움과 걱정을 덜고, 많은 사람들이 건강하게 살아갔으면 합니다.