한국산업기술시험원(원장: 정동희·KTL)이 공고한 ‘헬스케어 빅데이터 쇼케이스 활용 서비스 지원 사업’에 선정된 기관 4곳이 사업 중간 추진 경과를 발표했다.

앞서 시험원은 올해 3월 보건복지부의 승인을 얻어 4차 산업혁명 시대를 맞아 부상할 대표적인 기술인 빅데이터를 이용한 헬스케어 산업의 새로운 비즈니스 모델을 발굴하기 위해 의료기관을 비롯한 헬스케어 사업자를 선정한 바 있다. 선정된 곳은 △서울아산병원 △한국디지털헬스산업협회 △메디사피엔스 △메디플러스솔루션 등 4곳이다.

서울아산병원

서울아산병원은 원내에서 채집한 임상데이터를 기반으로 가상 환자 합성 데이터 생산 기술을 개발하고 합성 데이터를 통한 개인 재식별화 위험성을 평가 연구한다는 목표로 사업에 참여했다.

아산병원은 합성데이터 생성을 위한 임상데이터 추출 작업 진행했는데 건강검진 환자 중 만성 질환자 대상 임상 데이터 항목 및 대상 환자를 선정했다. 이어 실제 환자 데이터 추출 및 활용을 위한 병원 내 절차를 진행하며 임상 환자 항목별 데이터를 추출하는 식으로 연구를 이어간다.

아산병원은 향후 임상 데이터 항목 확보에 있어 다양한 만성 질환 및 그에 대한 임상 항목을 추출하기 위해서는 건강검진 환자 중 병원에서 특정 질환에 대한 진단 및 검사 결과가 존재하는 환자를 대상으로 해야 한다는 방침을 밝힌 뒤 대상 환자 추출 기간을 확장해 임상 환자수를 확대한다고 알렸다.

또 현재 보험 급여의 대상 유전체 검사 항목은 암 및 희귀질환 패널 검사 결과만 존재하므로, 약물 유전체 분석을 위한 유전체 항목 부재했으나 최적 임상 치료 전략 권고 모델 등 대상 모델을 변경한다고 제언했다.

아울러 단면적인 합성 데이터 생성에는 성공했으나 시계열 변화를 가진 임상 항목 합성 모델 구축은 현재 진행 중이며 시계열 변화를 가진 혈액검사, 약물 처방 등의 고난이도 임상 항 목 합성 모델은 2차 년도에 개발할 계획을 세웠다.

한국디지털헬스산업협회

한국디지털헬스산업협회는 헬스데이터 참조 표준셋 활용을 위한 시스템 구축 및 헬스데이터 참조표준셋 가이드라인을 제안한다는 목표로 사업에 선정됐다. 헬스데이터 참조표준셋 활용 시스템 구축은 헬스케어솔루션 및 서비스 개발을 위해 기업이 필요한 헬스데이터를 자유롭게 선택하고 추출할 수 있도록 지원하는 시스템을 개발하는데 주력한다.

협회는 데이터 참조표준셋 시스템 구축을 위한 △실제 기업에서 활용 가능한 헬스데이터 수요조사 △국내 기업 헬스데이터 활용 현황 조사 및 분석 △기업수요 기반 표준화 DB 축적 및 이를 활용한 참조표준셋 가이드라인 △5개(당뇨, 신장질환, 고혈압, 암(공통), 유방암) DB 축적을 제안했다.

이를 바탕으로, 데이터 추출 프로그램의 보완 및 기업의 효율적 활용을 위해 다양하고 표준화된 헬스데이터의 확보 방안을 마련한 뒤, 기업 솔루션 개발에 필요한 실제 참조 표준셋을 추가 발굴하고 이를 고도화할 예정이다.

메디사피엔스

메디사피엔스는 다중임상 데이터를 이용해 약물 반응성 예측 서비스 플랫폼을 개발하고 있다. 이 시스템 개발을 위한 목표를 다중임상 데이터 확보 및 데이터 구조파악, 보안 처리 등으로 설정하여 수행했다.

현재 의료 데이터는 매우 방대한 양의 데이터가 축적되고 있지만, 동일인에 대한 다양한 항목의 임상 데이터가 체계적으로 수집되는 것은 아니기 때문에 고품질의 데이터를 다량 확보하는 것이 메디사피엔스의 개발 목표 중 핵심이라고 할 수 있다.

이를 위해 메디사피엔스는 병원과 연계한 데이터 수집 외에도 오픈 데이터를 활용해 자체 데이터베이스 구축을 위한 관련 데이터를 확보했다.

메디사피엔스는 이번 개발을 통해 비정형 데이터의 통합을 위한 기술적인 노하우를 축적하고, 헬스케어 빅데이터 수집을 위한 국가적인 큰 사업의 보탬이 됨으로써, 개인 맞춤형 정밀의학 실현을 시험해볼 예정이다.

메디플러스솔루션

메디플러스솔루션은 만성질환자 또는 위험군 대상 개인 맞춤형 건강관리 서비스 모델 개발을 목표로 사업에 선정됐다. 연구는 크게 두 범주로 이어가는데 만성질환자 및 고위험군 건강관리 서비스 개발과 만성질환자 및 고위험군 건강관리 서비스의 AI 지능형 알고리즘 개발로 나뉜다.

이를 바탕으로 만성질환자 치료와 관리에 딥러닝 기술을 이용해 보다 효과적이고 접근이 용이하며 데이터에 의한 정교한 모델을 개발할 것으로 예측된다.