AI는 의료 분야에서 작은 것을 생각해야 한다

1970년 아폴로 13호의 달 착륙 임무 6분 후, 산소 탱크가 폭발했다. 이 사건으로 인해 NASA는 우주선의 가능한 고장을 예측하는 새로운 접근 방식을 개발하게 되었다. 이 접근 방식은 연속적인 센서 데이터에 의존했으며, 이는 더 엄격한 테스트를 가능하게 하였다. 이것은 최초의 “디지털 트윈” 기술의 사용이었다.

오늘날, 디지털 트윈 시스템은 산업 전반에서 운영을 개선하고 시스템의 변경을 정확하게 시뮬레이션하기 위해 사용된다. 애플과 테슬라 같은 기술 회사들은 제품의 성능을 필드에서 모니터링하고 특정 시스템 구성 요소가 유지 보수가 필요한지 여부를 결정하기 위해 디지털 트윈을 사용한다.

디지털 트윈은 또한 의료 분야에서 사용되었으며, 주로 약물 연구 및 개발에서 사용되었다. 그러나 그 가장 큰 잠재력은 만성 질병 관리에 있다. 기계 학습과 사물 인터넷 기술을 디지털 트윈 AI와 결합함으로써, 우주 탐험에서 시작된 접근 방식은 의료를真正로 개인화할 수 있다.

전통적인 치료를 디지털화하는 것은 실패했다

현대 의학은 지난 10년 동안 환자에게 의사 결정에 대한 목소리를 주고, 유전체 연구의 발전을 통해 정밀 의학을 향상시키는 등 점진적인 발전을 이루어 왔다. 그러나 우리의 의료 시스템은 여전히 대규모 그룹 접근 방식을 사용한다.

이는 만성 질병을 관리하는 방식에서 명확하게 나타난다. 현재 1개 이상의 만성 질병을 앓고 있는 1억 3300만 명의 미국인은 모두 계획된 치료 경로를 따라간다. 즉, 치료 계획, 다이어트, 종종 여러 약물이 처방되며, 그들의 개선은 동일한 질병을 가진 다른 수천 명의 사람들과 함께 측정된다.

이 접근 방식은 효과가 없다. 유명한 것으로, 미국의 당뇨병, 심장병, 암에 대한 지출은 계속 증가하고 있으며, 기술의 영향은 결과와 비용에 거의 없다.

3월에 Peterson Health Technology Institute가 발표한 보고서는 이러한 지속적인 결과의 부족을 강조했다. 보고서는 평가된 모든 솔루션이 참여도와 결과에 있어 시간이 지남에 따라 불량한 성능을 보인다고 밝혔다. 그 결과, 체중 감소, A1C 감소, 약물 제거, 당뇨병 역전, 이러한 솔루션의 건강, 복지, 경제적 이점은 모두 제한적이고 지속되지 않는다.

그것은 대부분의 솔루션이 효과가 없는 치료 템플릿을 단순히 디지털화하기 때문이다. 개인의 차이를 고려하지 않는다. 모든 사람은 문화, 생물학, 식이, 행동, 환경 등이 건강에 깊이影響을 미치는 고유의 요소를 가지고 있다.

‘개인화된’ 치료에서 개인화된 치료로

디지털 트윈 AI는 템플릿에서 벗어난 새로운 접근 방식을 약속한다. 핵심 기술은 모든 개인이 하나의 唯一한 존재라는 개념이다. 개인의 디지털 트윈은 그들의 고유한 임상 및 행동 변수를 연속적으로 측정하여 가장 건강한 버전의 개인을 위한 치료 지침을 형성한다.

디지털 트윈 기술의 힘은 작은 것들, 즉 우리가 먹고 하는 것들, 그리고 그것들이 현재와 미래의 우리에게 미치는 영향에 대한 주의 깊은 관찰에 있다. 실제로, 디지털 트윈은 특정 개인의 대사나 심혈관 건강에 대한 스테이크 저녁의 영향을 정확하게 예측할 수 있다. 그 영향이 부정적인 경우, 디지털 트윈은 그 영향을 완화하는 방법을 제안할 수 있다. 10분간의 산책이나 대체 디저트를 제안할 수 있다. 아이스크림 대신 바나나 너트 브레드와 그리스 요거트, 신선한 베리를 제안할 수 있다.

이러한 방식으로, 디지털 트윈 AI는 개인이 현재의 궤도에서 벗어나지 않는다면 앞으로 어떤 일이 발생할 수 있는지, 그리고 시간이 지남에 따라 작은 조정이 큰 변화를 가져올 수 있는지 보여줄 수 있다. 현재 루틴을 유지하면 3주 후 메트포민을 중단할 수 있다. 옛 습관으로 돌아가면 재처방을 기대할 수 있다.

이것은 강력한 기술이며, 그 영향은 주로 학계에서 인정되었지만, 상업적 사용 사례에서 그 역할을 찾기 시작했다. 2014년, Dassault Systemes와 FDA는 SIMULIA Living Heart 프로젝트를 시작하여 장치 제조업체와 함께 심장 기기를 더 빠른 속도로 개발하고 개선한다. 코로나19 팬데믹 초기, OnScale의 Project BreathEasy는 코로나19 환자의 폐의 디지털 트윈을 개발하여 환기기 자원을 최적화하고 개선했다.

의료 연구자들은 또한 디지털 트윈 질병 모델을 사용하여 복잡하고極めて 개인적인 생물학적 과정에 기반한 약물干渉의 효과를 예측한다. Takeda Pharmaceuticals는 약물 프로세스를 단축하고 생화학적 반응에 대한 현실적인 입력-출력 예측을 위해 이 기술을 채택했다. 최근 연구자들은 디지털 트윈 기술을 사용하여 치료 결과를 시뮬레이션하고 개인의 구강암에 대한 최적의 치료를 결정했다.

만성 질병 관리는 다음 전선이다

최근 Nature에 발표된 논문은 디지털 트윈이 “암 치료에 상당한 기여를 할 수 있다”고 주장한다. 특히 질병 진행과 치료 반응을 모니터링하는 데 있어, 이는 개인마다 크게 다르다. 동일한 논문은 영상, 전자 건강기록, 유전적, 연속적인 웨어러블 데이터를 사용하는 심장 디지털 트윈의 잠재력을 분석하고, 심각한 심장 사건을 예측하는 잠재력을 분석한다.

이러한 발전은 삶을 변화시키는 의료 기술을 가져올 것이다. 그들의 힘은 그들의 목적의 핵심 개념에 있다: 복잡한 것은 정적이지 않다.

이것은 특히 우리의 생물학적 시스템에 적용된다. 디지털 트윈은 개인의 생물학, 문화, 라이프스타일, 선호도, 건강을 깊이 이해하기 위해 일일히 수천 개의 데이터 포인트가 필요하다. 일부 데이터는 이미 웨어러블 기기와 모바일 앱으로 수집되고 있지만, 개인과 그들의 치료 경로의 맥락에서 데이터를 해석하는 모델이 없으면, 이는 방향을 잃은 것이다.

만성 질병 관리의 세계에서 작은 것들이 빠르게 큰, 생명 위협적인 것으로 될 수 있다. 디지털 헬스케어는 “개인화”라는 언어로 환자의 기대를 높였지만, 제공된 도구와 접근 방식은 개인의 고유한需求과 선호도를 충족하지 못했다.

디지털 트윈 AI는 이 접근 방식을 뒤집어 개인의 건강을 깊이 개인화된 수준에서 이해하고 개선하는 데 도움을 줄 것이다. 이것은 개인화된 치료의 약속을 이행할 수 있는 기술이다.