From Disease Classification to Whole-Patient State Regulation: A Longitudinal Clinical Computation Framework for Whole-Patient State Trajectories

의사의 대시보드: 스냅샷에서 영화로

당신이 좋아하는 TV 프로그램처럼 복잡한 이야기를 이해하려고 노력하고 있다고 상상해 보십시오. 오늘날 대부분의 의료용 컴퓨터는 특정 순간의 캐릭터를 찍은 고품질의 단일 스냅샷을 찍는 사진가와 같습니다. 이들은 "저 사람은 영웅이다"라거나 "저 사람은 악당이다", 혹은 "저 사람은 다리가 부러진 사람이다"와 같이 지금 당장 그 캐릭터가 누구인지를 식별하는 데 매우 뛰어납니다. 이것이 바로 **질병 분류(disease classification)**의 세계입니다. 여기서 목표는 환자를 현재 무엇이 잘못되었는지에 따라 깔끔한 상자 안에 분류하는 것입니다. 이는 자동차 사고의 정지 영상을 보고 "저것은 사고다"라고 말하는 것과 같습니다.

하지만 실제 삶은 일련의 정지 사진이 아니라 하나의 영화입니다. 환자는 단순히 '부러진 다리'가 아닙니다. 환자는 끊임없이 변화하고, 약물에 반응하며, 세균과 싸우고, 스트레스를 처리하는 역동적이고 움직이는 시스템인 '전체적인 환자의 상태(whole-patient state)'를 가진 한 사람입니다. 이 개념은 사람이 연결된 모든 것이 움직이는 체계라는 생각입니다. 의사들은 항상 이 '영화'를 머릿속에 담아두려 노력해 왔지만, 현재의 컴퓨터 시스템은 이를 수행하는 데 어려움을 겪고 있습니다. 이들은 프레임을 라벨링하는 데는 뛰어나지만, 줄거리를 이해하는 데는 서툽니다. 이 논문은 큰 질문을 던집니다. 만약 우리가 단순히 스냅샷을 찍는 것을 멈추고, 환자의 상태가 시간이 지남에 따라 어떻게 변하는지 추적하여 회복을 돕도록 영화 전체를 관찰할 수 있는 시스템을 구축한다면 어떨까요?

스냅샷에서 스트리밍 영화로: 건강을 추적하는 새로운 방법

이 논문은 컴퓨터가 의사를 돕는 새로운 방식, 즉 기존의 '스냅샷' 스타일 의학에서 '영화' 스타일 의학으로 나아가는 방법을 제안합니다. 저자인 뵨 위안(Bing Yuan), 갱 판(Gang Fan), 치판 위안(Qifan Yuan)은 단순히 "이 환자는 지금 어떤 질병을 가지고 있는가?"라고 묻는 대신, "이 환자의 전체적인 상태가 어떻게 변하고 있으며, 그 변화를 어떻게 올바른 방향으로 유도할 것인가?"라고 물어야 한다고 제안합니다.

이것이 어떻게 작동하는지 설명하기 위해, 매우 복잡하고 오래된 시계를 고치려는 의사를 상상해 보십시오.

• 기존 방식 (질병 분류): 컴퓨터는 시계를 보고 부러진 스프링을 발견한 뒤, "부러진 스프링 증후군"이라고 말합니다. 그러고 나서 부러진 스프의 일반적인 해결책을 제안합니다. 컴퓨터는 기어가 녹슬었는지, 혹은 시계가 너무 빨리 가고 있는지에는 관심이 없습니다. 그저 부러진 부품 하나를 보고 거기서 멈춥니다.
• 새로운 방식 (전체 환자 상태 조절): 컴퓨터는 시계가 하나의 전체 시스템이라는 것을 깨닫습니다. 단순히 부러진 스프링을 찾는 데 그치지 않고, 시계가 작동하는 동안의 전체 과정을 관찰합니다. 컴퓨터는 스프링이 부러졌을 뿐만 아니라, 기어가 너무 느리게 움직이고 있고 추의 진폭이 너무 크다는 사실도 알아차립니다. 컴퓨터는 이것들을 연결된 시계의 '상태'로 인식합니다.

저자들은 이 새로운 접근 방식을 **종단적 임상 계산 프레임워크(Longitudinal Clinical Computation Framework)**라고 부릅니다. "종단적(Longitudinal)"이란 식물이 씨앗에서 꽃이 될 때까지 자라는 과정을 지켜보는 것처럼, 긴 기간 동안 사물을 관찰한다는 의미입니다.

핵심 아이디어: 환자를 하나의 "상태 공간"으로 보기

논문은 환자를 질병의 목록이 아니라 **계층적 잠재 상태 공간(hierarchical latent-state space)**으로 생각해야 한다고 제안합니다. 이는 복잡하게 들릴 수 있지만, 비디오 게임 캐릭터의 대시보드를 생각하면 쉽습니다.

• 대시보드: 단순히 "건강: 50%"라고 보여주는 대신, 대시보드에는 많은 다양한 슬라이더와 게이지가 있습니다. 어떤 것은 크고 전역적인 게이지(예: "전체 에너지" 또는 "스트레스 수준")이며, 다른 것들은 더 작고 국소적인 게이지(예: "폐 기능" 또는 "소화")입니다.
• 슬라이더: 이것들은 **상태 변수(state variables)**라고 불립니다. 기존 시스템에서 변수는 "On"(질병 있음) 또는 "Off"(질병 없음) 중 하나였습니다. 하지만 이 새로운 시스템에서 슬라이더는 어디든 위치할 수 있습니다. "약간 어긋남", "중간 정도 어긋남", 또는 "심하게 어긋남"과 같은 상태를 가질 수 있습니다.
• 영화: 환자가 새로운 치료를 받거나 신체가 반응함에 따라 이 슬라이더들이 움직입니다. 컴퓨터는 단순히 "당신은 감기에 걸렸습니다"라고 말하지 않습니다. 대신 " '폐의 열(Lung Heat)' 슬라이더가 올라가고 있지만, '에너지' 슬라이더는 떨어지고 있습니다. 에너지를 소모하지 않으면서 폐를 식힐 수 있도록 치료를 조정해야 합니다"라고 말합니다.

시스템 작동 방식: 역동적인 루프

논문은 사용자의 행동에 따라 실시간으로 업데이트되는 비디오 게임처럼, 지속적인 루프로 실행되는 시스템을 설명합니다.

1. 단서 수집 (구조적 관찰): 단순히 메모를 상자에 적어 넣는 대신, 시스템은 증상, 검사 결과, 심지어 환자의 수면이나 식사 패턴과 같은 정보를 구조화된 지도로 조직합니다. 이는 탐정이 단순히 단서를 적는 것이 아니라, "환자가 기침을 하고 열이 나며 땀을 흘리고 있다. 이는 특정 패턴을 시사한다"와 같이 단서들을 서로 연결하는 것과 같습니다.
2. 상태 추정 (진단): 시스템은 이 모든 단서들을 살펴보고 슬라이더가 어디에 있는지 파악합니다. 단순히 하나의 라벨을 선택하는 것이 아닙니다. 예를 들어, "환자는 주로 '풍열(Wind-Heat, 일종의 불균형)' 상태이지만, 약간의 '담(Phlegm)'도 가지고 있다"라고 말할 수 있습니다. 시스템은 환자가 동시에 여러 가지 문제를 가질 수 있음을 이해합니다.
3. 목표 설정 (조절 목적): 이것이 똑똑한 부분입니다. 시스템은 모든 '고장 난' 슬라이더를 살펴보고, "지금 당장 가장 중요한 것은 무엇인가?"라고 묻습니다. 설령 복통이 있더라도, 오늘 가장 큰 문제는 열일 수 있습니다. 시스템은 대상 상태 변수 집합(target state-variable set), 즉 먼저 고쳐야 할 구체적인 슬라이더 그룹을 선택합니다.
4. 계획 수립 (개입): 그 목표를 바탕으로 치료 계획을 제안합니다. 단순히 "이 약을 드세요"가 아니라, "열을 내리기 위해 이렇게 하되, 복통을 악화시키지 않도록 주의하십시오"와 같은 방식입니다.
5. 영화 관찰 (종단적 업데이트): 이것이 가장 중요한 부분입니다. 시스템은 거기서 멈추지 않습니다. 환자가 일주일 후에 다시 왔을 때, 시스템은 처음부터 다시 시작하지 않습니다. 새로운 단서들(열이 내려갔는가? 배가 더 아픈가?)을 가져와서 영화를 업데이트합니다. 슬라이더가 다시 움직입니다. '풍열'은 사라졌을 수도 있지만, 이제 '음허(Yin Deficiency, 체액 부족)'가 나타났을 수 있습니다. 시스템은 목표를 '열을 식히는 것'에서 '체액을 보충하는 것'으로 전환합니다.

이 논문의 실제 연구 결과

저자들은 이 아이디어를 테스트하기 위해 기능적 프로토타입 시스템을 구축했습니다. 그들은 단순히 이론만 쓴 것이 아니라, 실제로 작동하는 모델을 만들었습니다.

• 시뮬레이션: 그들은 이 시스템이 복잡성을 처리할 수 있는지 확인하기 위해 대표적인 사례(가상의 환자 시나리오)를 통해 시스템을 실행했습니다.
• 결과: 시스템은 환자의 상태를 성공적으로 받아들여, 이를 '상태 변수'로 조직화한 뒤, 방문 기간 동안 상태가 어떻게 변하는지 추적했습니다.
  • 처음에 시스템은 지배적인 문제(예: '풍열')를 식별했습니다.
  • 환자가 치료를 받으면서, 시스템은 그 문제가 사라지는 것을 관찰했습니다.
  • 결정적으로, 시스템은 새로운 문제(예: '폐열' 또는 '음허')가 나타나는 것을 포착하고, 자동으로 그 새로운 문제를 해결하기 위해 초점을 전환했습니다.
  • 시스템은 환자의 상태가 진화함에 따라 '열을 내리는 것'에서 '체액을 보충하는 것'으로 치료 계획을 성공적으로 업데이트했습니다.

이 논문은 이러한 접근 방식이 **역동적 조절(dynamic regulation)**을 가능하게 한다고 제안합니다. 이는 컴퓨터가 단순한 라벨 생성기가 아니라, 의사가 환자의 건강 여정을 항해하도록 돕는 부조종사가 될 수 있음을 의미합니다.

이것이 '아닌' 것

이 논문이 주장하는 바가 아닌 것을 아는 것도 중요합니다.

• 이것은 마법의 치료제가 아닙니다: 저자들은 이것이 하나의 프레임워크이자 프로토타입임을 명확히 밝히고 있습니다. 그들은 병원에서 수천 명의 실제 환자를 대상으로 테스트하여 생명을 구한다는 것을 증명한 것이 아닙니다. 그들은 이 구조가 계산적으로 작동하며 타당하다는 것을 보여주었습니다.
• 의사를 대체하는 것이 아닙니다: 이 시스템은 의사가 다루는 방대한 양의 정보를 정리하는 것을 돕기 위해 설계된 것이지, 인간의 판단을 대체하기 위한 것이 아닙니다.
• 단순히 전통 중의학(TCM)에 관한 것이 아닙니다: 이 논문은 '기허(Qi deficiency)'나 '담열(Phlegm-heat)'과 같은 TCM 개념을 "전체 환자 상태" 추적이 어떻게 수 세기 동안 작동해 왔는지를 보여주는 완벽한 예시로 사용합니다. 그러나 저자들은 우리가 TCM으로 전환해야 한다고 말하는 것이 아닙니다. 그들은 "보십시오, TCM은 이미 이 '전체 환자 상태' 추적을 오랫동안 해왔습니다. 현대적인 컴퓨터 시스템을 구축하되, 우리의 현재 의료 데이터도 함께 사용하여 그와 같은 일을 수행하게 합시다"라고 말하는 것입니다.

이것이 왜 중요한가

저자들은 현대 의학이 질병을 식별하는 것(스냅샷)에는 매우 능숙해졌지만, 모든 것이 연결되어 있는 복잡하고 장기적인 질환을 관리하는 데는 점점 더 어려워지고 있다고 주장합니다. "당신은 어떤 질병을 가지고 있습니까?"에서 "당신의 전체적인 상태가 어떻게 변하고 있습니까?"로 초점을 옮김으로써, 이 프레임워크는 헬스케어에 대한 새로운 사고방식을 제공합니다.

논문은 미래의 의료 AI가 단순한 분류 도구가 되어서는 안 된다고 결론짓습니다. 대신, AI는 종단적 조절 시스템—즉, 의사가 환자의 삶이라는 영화를 관찰하고, 줄거리가 어떻게 변하는지 이해하며, 행복한 결말을 보장하기 위해 이야기를 조정하도록 돕는 도구가 되어야 합니다. 저자들은 우리가 인체의 모든 미세한 기계적 작동 원리(기계적 불완전성)를 항상 알 수는 없더라도, 이러한 편차를 추적하고 이야기가 전개됨에 따라 치료를 조정함으로써 환자의 상태를 성공적으로 관리할 수 있다고 제안합니다.

요약하자면, 이 논문은 의료용 컴퓨터의 미래가 더 나은 사진을 찍는 것에 그치지 않고, 영화를 연출하는 법을 배우는 데 있다고 제안합니다.