의료 분야에도 대대적으로 고급 분석이 도입 중입니다. 귀하의 조직은 준비되어 있습니까?

최근 Forrester의 설문1에 따르면 의료 기관 중 90퍼센트가 분석을 구현했거나 향후 12개월 내에 구현할 계획이라고 합니다. 업계 전반에서 머신 러닝, 인공 지능 및 예측 분석과 같은 고급 분석 기법의 사용이 더욱 일반화되고 있는 상황에서 귀하의 조직은 이런 기술을 제대로 활용할 준비가 되어 있습니까? 이 글에서는 이러한 기법을 도입할 때 생각해봐야 할 몇 가지 주요 고려사항에 대해 살펴봅니다.

의료 분야에도 대대적으로 빅 데이터가 도입되었습니다. 지난 몇 년에 걸쳐 병원들은 전자 건강 기록, PACS 영상 시스템과 같이 방대한 양의 정형/비정형 데이터를 생성하는 다양한 디지털 시스템을 도입했습니다. 많은 사례에서 이러한 시스템의 시장 침투율은 90퍼센트가 넘는 것으로 나타나고 있습니다.2 이러한 시스템 구현에 드는 비용은 막대합니다. Mayo Clinic과 Partners Healthcare에 따르면 Epic EHR 시스템 구현에 두 기관 모두 거의 10억 달러가 들었다고 합니다.3

이런 상황이기 때문에 '어떻게 이러한 투자에서 최대한의 가치를 얻을 수 있는가?'라는 질문에 반드시 답해 볼 필요가 있습니다. 가치 창출을 위한 핵심 원동력은 이러한 시스템에서 수집하는 데이터로부터 운영, 재정 및 임상 면에서 훌륭한 인사이트를 확보할 수 있는지 여부에 달려 있습니다. 이러한 목적을 달성하고 이후에도 성공하기 위한 기반을 마련하기 위해서는 이런 데이터를 활용해 새로운 수익원을 창출하거나 운영 효율을 개선하거나 치료 결과를 높이기 위한 방법을 알아두는 것이 중요합니다.

그러나 이런 데이터를 제대로 활용하기 위한 분석 전략을 실행하는 일은 쉽지 않은 경우가 많습니다. 최근 설문조사에 따르면 병원의 94퍼센트4가 국민의 건강 상태 분석에 필요한 정보를 수집하지 못한다고 답했습니다. 이 글에서는 의료 분야에 지속가능한 고급 분석 프로그램을 구현하기 위해 해결해야 할 몇 가지 일반적인 과제에 대해 알아보고 이런 과제들을 어떻게 극복할 수 있는지도 살펴보겠습니다.  

고급 분석은 임상, 운영 및 재정 분야의 활용 사례 모두에서 가치를 입증하고 있으며

의료 분야에 고급 분석이 도입된 활용 사례는 많습니다. 그 중에서 맞춤 치료 계획 마련을 위해 게놈 데이터를 응용하는 정밀 의학은 암 치료 결과 개선을 위해 방대한 데이터 집합에 분석을 활용하는 사례입니다. 병원 운영 팀은 고급 분석을 이용해 환자들의 입원율을 예측해 병원 내 환자 흐름을 능률화함으로써 입원 기간을 줄이고 수익을 개선하고 있으며 사이버 보안 팀은 병원 데이터 센터로 유입되고 나가는 실시간 데이터 흐름을 분석해 데이터 침해가 있는지 감지해서 보호합니다. 

이 밖에 의료 기관의 거의 모든 부문에 영향을 미치고 있는 사례들도 무궁무진합니다. 그러나 이렇게 광범위한 활용 사례에도 불구하고 대부분의 기관들이 고급 분석을 구현하는 데 비슷한 어려움을 겪고 있습니다. 다음에서는 많은 의료 기관에서 겪고 있는 어려움 중에서도 가장 일반적인 세 가지 문제인 데이터 전략, 활용 사례 선택 및 문화에 대해 살펴보겠습니다.

전략: 고급 분석 구현을 위한 장애물 극복

고급 분석 지원을 위한 데이터 전략을 수립할 때 당면하게 되는 주요 과제 중 하나는 종종 전략을 소급해서 적용해야 한다는 것입니다. 즉, 데이터를 생성하는 중요 시스템이 이미 구현된 후에 전략을 수립하는 일은 쉽지 않습니다. 기업에서 새로운 디지털 시스템 구현을 위한 프로세스를 수립할 때 처음부터 데이터 전략을 프로세스의 일부로 포함시키면 훌륭한 해결책이 될 수 있을 것입니다.

많은 의료 기관에서는 분석에 이용 가능한 잠재적 데이터를 파악하는 일을 과중한 부담으로 느낄 수 있습니다. 데이터 사일로는 모두 어디에 있으며 누가 소유하는가? 어떤 정형 데이터와 비정형 데이터를 이용할 수 있는가? 어떻게 이런 데이터를 일관적이면서도 손쉽게 분석 가능하게 만들 수 있는가? 모든 관련 데이터 소스를 파악해 데이터 거버넌스 프로세스를 수립하는 것이 첫 걸음입니다. 여러 소스에서 동일한 데이터 요소를 생성한다면 어떤 소스가 가장 정확한가? 어떤 오류와 누락들이 많이 발생하는가?

다음으로는 적합한 분석 툴킷을 이용해 데이터를 데이터 레이크와 같은 중앙집중식 환경으로 통합해야 합니다. 데이터 및 분석 환경을 유연하게 유지하는 것이 중요합니다. 시간이 지나면서 새로운 프레임워크가 필요해질 수도 있는데, 이러한 새 프레임워크가 성공적일 경우 기존의 모델을 토대로 개선하거나 새로운 모델을 구축하려면 더욱 많은 데이터 소스들을 통합해야 합니다.

이 모든 전략의 근간에는 임상 데이터 소스를 단일 분석 환경으로 통합하면서 필요한 액세스 통제 및 사이버 보안을 위한 보호 방안을 제공하는 탄탄한 데이터 보안 전략이 마련되어 있어야 합니다.

활용 사례: 최고의 해결책을 얻기 위해 무엇이 필요한지 파악하기

위에서 설명한 메커니즘도 중요하지만 활용 사례 선택은 특히 초기에 분석 프로그램의 성패를 좌우할 수 있습니다. 숙련된 분석 담당자들은 일선 관리자 및 임상 책임자들과 긴밀하게 협력해 활용 가능한 데이터(또는 수집 가능한 데이터)와 정확한 구현 경로를 통해 실현 가능한 장단기 분석 활용 사례를 심사하게 될 것입니다. 분석 팀은 이해 관계자 및 최종 사용자들과 긴밀하게 협력하여 분석 접근법의 기술적인 성능을 의료 업계의 현실에 맞게 도입하도록 해야 합니다.

그리고 상호 협의를 거쳐 마련된 명확한 핵심 성과 지표(KPI)에 비추어 활용 사례를 평가하면 프로젝트의 성공 여부를 가늠할 수 있게 됩니다. 점차 더욱 많은 관련 활용 사례들을 통해 비즈니스 및 임상 워크플로와의 통합이 활발해지면 더욱 훌륭히 통합된 데이터 인프라를 얻을 수 있습니다. 

문화: 조직의 동의 얻기

마지막은 숙련도와 문화의 문제입니다. 임상 워크플로에 분석을 도입하면 기존의 방식대로 업무를 처리하는 데 익숙한 직원들이 동요하게 될 수 있습니다. 그렇기 때문에 프로젝트 추진에 필요한 자금과 지침을 얻을 수 있도록 경영진으로부터 분석 프로그램 도입에 대한 동의를 얻어내는 것이 중요합니다. 이와 동시에 일상 업무에 분석 인사이트를 직접 도입해 활용하게 될 직원들에게 그 방법을 교육하고 이러한 인사이트로 인해 그들과 그들의 환자들이 누리게 될 가치를 보여주도록 합니다.

조직에 고급 분석을 도입함으로써 얻을 수 있는 혜택은 막대합니다. 힘들긴 하지만 고급 분석을 구현하면 임상, 운영 및 재정적으로 더욱 높은 목표를 달성할 수 있습니다. 희망적인 소식은 이미 어떤 데이터를 이용하고 있든, 어떤 보고 방식을 사용하든 이러한 고급 분석이 더욱 통합된 데이터 수집과 분석을 위한 기반이 될 수 있으리란 사실입니다. 고급 분석의 구현은 힘든 여정이겠지만 귀사의 IT 팀의 도움으로 오늘 당장 시작할 수 있는 일이기도 합니다.

귀하와 의료진 그리고 환자들을 위해 데이터를 보다 잘 활용하기 위한 방법을 보려면 인텔의 최신 백서를 읽어보십시오.