과학기술기반 미래연구사업 Ⅷ

응급의료체계에서는 지속적이고 안정적인 전력공급 시스템이 중요하다. 2003년 미국에서 발생한 대규모 정전사태의 사례를 살펴보면 응급체계에서 전력의 중요성을 다시금 고찰해 볼 수 있다(Gibson et al., 2013). 데이터 기반 보건의료 체계로 변화하면서 응급실이나 중환자실에서 발생하는 생체 신호 데이터(Bio-signal data)를 수집하여 질환의 예측모델을 개발하고자 하는 노력이 있다. 이러한 시스템 구축에 있어서 가장 중요하게 고려되는 점은 데이터 수집을 위한 전력 시스템이 원래의 응급실, 중환자실 등 병원의 전력시스템에 과부하나 정전의 사태가 피해가 일어나지 않도록 설계하는 것이다. 첨단 기술의 발전으로 응급의료체계에서 전력을 요구하는 기기들과 기반 인프라 시스템은 계속적으로 증가하고 있으며 이로 인해 안정적인 전력공급은 공중 보건 서비스와 재난대응에 있어서 필수적이다. 체계적 문헌고찰(Systematic Reviews)이란 의료기술 영향평가(Health Technology Assessment) 및 의료정책 의사결정을 위해 관련 과학문헌들을 종합해 메타평가를 수행하는 표준 방법론이다. 어떤 자료들이 근거에 포함될 수 있고 그 근거들이 얼마나 양질인지를 결정하는 기준은 엄격하게 확립되어 있어 활용 가능한 문헌 근거들에 대한 요약 평가와 함께 이 근거들의 질적 지표를 제공한다. 하나의 연구 안에서 무작위 통제 실험 등을 통해서 보건의료 조치(Health care intervention)가 건강상태 증진(Health outcome)에 미치는 직접적 영향을 도출한 경우에만 해당 근거를 직접적이라 평가할 수 있는 반면, 여러 연구에서 도출된 근거들을 연관 지어야만 개입의 효과를 추정할 수 있는 경우 해당 근거들은 간접적이라 평가한다(Kuntz, K. et al., 2013 : 6). 일반적으로 의료 개입 효과의 근거들은 대부분 간접적이기 때문에 공식적이든 혹은 비공식적이든 다양한 출처의 근거들을 효과적으로 통합하는 것이 보건의료 의사결정에 있어 매우 중요하다. 데이터 기반 보건의료 시스템으로의 변화에서 다룬 것처럼 인공지능 기술은 실제 의료현장에서 사용이 추진되고 있다. 현재 IBM watson도 진단보조시스템(Clinical Decision Support System; CDSS)로 의사결정의 보조적인 수단으로 활용되고 있다. CDSS는 환자의 진단과 치료과정에서 요구되는 의사결정 및 최상의 해결방안을 도출하거나 의사의 오진, 부적절한 약물처방 등의 실수를 감소시키기 위한 지원 시스템이다(한국전자통신연구원, 2015). 그런데 이렇게 인공지능 기반의 의료가 확산되어 보조적인 수단이 아니라 의사의 자격으로서 진료의 과정과 결과를 결정한다면 시스템의 분석 결과에 따른 치료방법과 예후가 만족스럽지 못하거나 의료사고가 발생한다면 다수의 이해관계자 및 다양한 귀책사유로 인해 분쟁가능성이 커지게 된다. 인공지능 시스템의 책임성 문제는 의료행위에서 자동화의 범위와 역량에 대한 의료적 판단 및 사회적 합의가 매우 중요(한국정보화진흥원, 2015)하기 때문에 그에 따른 책임범위를 명확화하기 위한 메커니즘이 필요하다. 기술 수용과 관련된 선행연구 중 대표적인 방법론은 Bass가 1969년 발표한 모형인데, 신제품에 대해 이미 구매한 소비자들과 잠재적 구매자들 간의 상호작용 분석이 핵심이다 (Bass, 1969). Bass 모형에서 개별 소비자들의 구매 시기는 본인의 혁신성(Innovativenss)과 다른 구매자를 흉내 내는 모방성(Imitativeness)에 달렸다고 가정하며, 신제품 구매자를 혁신자와 모방자로 구분한다. 그런데, Bass 모형과 같은 확산모형은 개인의 특성을 반영하지 않고 집단 전체의 보급률 예측에만 한정된다. 신기술 수용 예측의 또 다른 대표적 방법론으로 Davis(1989)가 제안한 ‘기술수용모형(TAM: Technology Acceptance Model)’이 있다. 이 모형에서는 수용자가 인지하는 해당 기술의 사용용이성 인식(Perceived Ease of Use)과 유용성 인식(Perceived Usefulness) 등 양대 요소가 그 기술의 사용 결정에 영향을 미친다고 가정한다. 그런데, 이러한 유용성과 사용용이성의 인식이 사용자의 사회경제적 여건에 의해 어떻게 영향 받는지에 대한 설명은 미흡하다. STEEP은 기본적으로 외재적인 환경인 사회적(Social), 기술적(Technological), 경제적(Economical), 환경적(Environmental), 정치적(Political) 영역을 스캐닝하기 위한 분류체계를 말하며, 미래연구에서 적극적 환경분석을 위해 대표적으로 사용되는 방법이다. 미래연구자료 검색시스템에서는 이러한 STEEP분류와 함께 Vision·Strategy의 6개를 대분류로 구분하여 자료를 구축하고 있어 자료 검색의 유용성과 사용자의 편의성을 더하고 있다. 현재 대분류로 본 자료의 분포는 기술적, 경제적 영역의 자료가 전체의 절반정도를 차지하고 있으며, 정치적 영역의 자료가 가장 적게 구축되어 있다. 실제 발표되는 자료의 영역이 기술과 경제에 치중되어 있다는 한계도 있으나, 일부 자료에 치중되지 않도록 노력하고 있다. 둘째, 전 세계적으로 클라우드 컴퓨팅을 활용한 원격의료, 환자 데이터 공유 등 클라우드를 헬스케어 산업에 도입하고자 노력하고 있으며 이로 인해 많은 변화가 초래될 것으로 판단된다. 클라우드 컴퓨팅은 데이터 분석과 저장 능력 향상에 있어 중요한 역할을 한다. 클라우드 컴퓨팅은 적은 관리 노력으로 수요 지향적이며 유연하고 탄력적인 방법으로 컴퓨팅 리소스를 제공하는 서비스 모델이다. 클라우드 컴퓨팅 이점은 데이터 기반 보건의료체계에서도 보건의료 체계의 서비스 질, 운영 효율성 향상, 타 지역과 정보 공유, 관리비용 절감 등 다양한 측면들의 개선을 불러일으킬 수 있다. 또한 데이터 저장과 데이터 손실 예방, 환자 정보 기록 유지, 정보 공유 승인 등 다양한 방식으로 적용할 수 있다(홍은이, 2015). 셋째, 유전분석의 대중화와 바이오 인포매틱스로 예상되는 변화이다. 최근 등장하고 있는 초고속 염기서열분석장비(ultra-high-throughput sequencing systems)들은 동시에 5만개 이상의 염기서열을 분석해낼 수 있는 기능을 갖추고 있다. 유전분석의 대중화가 열리면 데이터 처리와 시각화 기술이 중요하게 부각될 것이다. 마이크로시뮬레이션 연구를 수행하기 위해서는 우선 마이크로데이터를 확보해야 한다. 한국에서 가장 대표적인 마이크로데이터로는 통계청의 인구주택총조사, 가계동향조사와 다양한 국책연구기관이 조사하는 각종 패널조사가 있다. 통계청이 제공하는 마이크로데이터는 마이크로데이터 서비스시스템(MDIS) 홈페이지에서 다운로드받을 수 있으며, 패널조사 데이터는 각각의 연구기관에 접속해서 다운로드 받을 수 있다. 먼저 인구주택총조사는 통계청이 5년마다 실시하는 가구 단위의 전국 조사로서 인구규모, 분포, 구조와 주택의 특성을 파악하여 각종 가구관련 경상조사의 표본틀로 활용된다. 가장 최근 조사인 2015년 조사는 인구 관련 41개 항목(전수조사 7개, 표본조사 34개)과 가구 관련 13개 항목(전수조사 1개, 표본조사 12개), 주택 관련 10개 항목(전수조사 4개, 표본조사 6개) 등 총 64개 항목에 대해 집계하였다. 전수조사를 수행하는 전통적 조사방식과 달리 주민등록부, 외국인등록부, 건축물대장, 학적부 등 24종의 기존 행정자료를 활용하는 등록센서스 방식을 활용하여 시행되었다. 인구주택총조사 데이터는 크게 인구부문, 가구부문, 주택부문으로 구성된다.