Fragmented Data, Fragmented Decisions: Integrating Knowledge Systems in Modern Pharmacotherapy

개요: 카탈로그가 없는 도서관

현대 의학의 세계를 거대한 도서관이라고 상상해 보십시오. 이 도서관에는 약물이 어떻게 작용하는지, 환자들이 어떻게 반응하는지, 그리고 어떤 부작용이 발생하는지에 대한 수백만 권의 책(데이터)이 있습니다.

이 논문에 따르면 문제는 이 도서관이 파편화되어 있다는 점입니다.

• 어떤 책들은 엄격한 사서가 지키는 잠긴 방 안에 있습니다 (임상 시험).
• 어떤 책들은 바쁜 커피숍의 냅킨 위에 휘갈겨 써져 있습니다 (리얼 월드 데이터/실제 임상 데이터).
• 어떤 책들은 저자만이 읽을 수 있는 일기에 기록되어 있습니다 (약물 감시/이상 사례 보고).
• 어떤 책들은 서로 다른 언어로, 서로 다른 글꼴과 페이지 번호를 사용하여 기록되어 있습니다.

이 책들은 서로 다른 곳에 있고, 다르게 쓰였으며, 소유자도 다르기 때문에, 사서들(의사, 규제 기관, 정책 입안자)은 이들을 쉽게 하나로 모아 완전한 이야기를 만들어낼 수 없습니다. 그들은 퍼즐을 풀려고 노력하고 있지만, 퍼즐 조각들은 서로 다른 방에 흩어져 있고 일부 조각은 아예 빠져 있는 상태입니다.

핵심 문제: "파편화"

이 논문은 주요 문제가 정보가 부족하다는 것이 아니라고 주장합니다. 우리는 정보가 너무 많습니다! 문제는 정보가 조각조각 끊어져 있다는 것입니다.

• 사일로 효과 (The Silo Effect): 거대한 만찬을 요리하려는 요리사 그룹을 상상해 보십시오. 한 요리사는 고기를 가지고 있고, 다른 요리사는 채소를, 세 번째 요리사는 향신료를 가지고 있습니다. 하지만 그들은 세 개의 서로 다른 주방에 있고, 서로 다른 언어를 사용하며, 다른 사람들이 무엇을 하고 있는지 알지 못합니다. 그 결과는 무엇일까요? 맛이 서로 충돌하는 엉망진창인 식사가 됩니다.
• 결과: 데이터가 흩어져 있기 때문에, 어떤 약을 승인할지, 가격을 어떻게 책정할지, 그리고 어떻게 사용할지에 대해 내려지는 결정들은 종종 불완전하거나 상충하는 이야들에 기반하게 됩니다. 이는 불확실성, 자원 낭비, 때로는 환자들에게 불공정한 결과를 초래합니다.

"편향"의 함정: 왜곡된 거울

논문은 이 흩어진 조각들을 억지로 하나로 합치려 할 때, 종종 왜곡된 그림을 얻게 된다고 설명합니다. 이를 **편향 증폭(bias amplification)**이라고 합니다.

• 비유: 즐거운 집(funhouse)의 거울에 비친 자신의 모습을 상상해 보십시오. 만약 하나의 거울만 본다면 모습이 약간 늘어나 보일 뿐입니다. 하지만 약간씩 기울어진 여러 개의 깨진 거울들을 연속해서 본다면, 당신의 모습은 괴물처럼 변할 것입니다.
• 발생 과정:
  1. 기원 (Origination): 데이터는 작은 결함에서 시작됩니다 (예: 특정 연구가 젊고 건강한 남성만을 대상으로 테스트한 경우).
  2. 전파 (Propagation): 데이터가 실험실에서 병원으로, 다시 정부로 이동함에 따라, 각기 다른 사람들이 자신만의 "기울기"를 더하며 다르게 해석합니다.
  3. 증폭 (Amplification): 인공지능(AI)이 이 왜곡된 거울들을 한꺼번에 읽으려고 할 때, AI는 문제를 해결하지 못합니다. 대신, AI는 확성기처럼 작동하여 그 왜곡을 더 크고 설득력 있게 만듭니다. AI는 원래 데이터가 아주 작은 집단만을 대상으로 했음에도 불구하고, 그 약이 모든 사람에게 완벽하게 작용한다고 자신 있게 말할 수 있습니다.

돈의 역할: "수익 필터"

논문은 또한 돈이 데이터가 생성되고 공유되는 방식에 큰 역할을 한다고 지적합니다.

• 비유: 티켓이 팔리는 이야기에만 보도하는 뉴스 네트워크를 상상해 보십시오. 그들은 희귀 질환이나 빈곤 지역에 관한 중요하지만 지루한 이야기들은 무시합니다. 왜냐하면 그런 이야기들은 돈이 되지 않기 때문입니다.
• 현실: 제약 회사와 연구자들은 종종 수익성이 높은 질병에 노력을 집중합니다. 이는 흔하고 비싼 약물에 대해서는 산더미 같은 데이터가 존재하지만, 희귀 질환이나 저소득층을 위한 치료법에 대해서는 데이터의 사막이 존재함을 의미합니다. 이는 데이터가 풍부하여 훌륭한 케어를 받는 사람들과, 데이터가 없어 소외되는 사람들 사이의 "지식 격차"를 만듭니다.

해결책: "스마트 시티" 구축

논문은 새로운 사고방식을 제안합니다. 개별적인 데이터 포인트를 수정하려고 노력하는 대신, 연결된 시스템을 구축해야 합니다.

• 비유: 현재의 시스템을 도로도 없고 중앙 교통 제어도 없는, 고립된 동네들이 모여 있는 도시라고 생각하십시오. 제안된 해결책은 스마트 시티를 건설하는 것입니다.
  • 상호 운용성 (Interoperability): 데이터가 서로 다른 데이터베이스(동네) 사이를 자유롭게 흐를 수 있도록 도로와 다리를 놓는 것입니다.
  • 적응형 거버넌스 (Adaptive Governance): 경직된 일정에 매달리는 대신, 상황 변화에 따라 실시간으로 신호등을 바꿀 수 있는 교통 관제 센터를 갖추는 것입니다.
  • 피드백 루프 (The Feedback Loop): 이 새로운 시스템에서는 거리에서 일어나는 일(실제 환자의 결과)이 즉시 도시 계획가들에게 보고되어 내일의 도로를 개선하는 데 사용됩니다.

AI의 역할: 양날의 검

논문은 인공지능에 대해 매우 신중하게 접근합니다.

• 긍정적인 면: AI는 백만 권의 책을 1초 만에 읽고 인간이 놓칠 수 있는 연결 고리를 찾아내는 초고속 사서와 같습니다. AI는 흩어진 데이터 사이의 간극을 메우는 데 도움을 줄 수 있습니다.
• 부정적인 면: 만약 AI가 읽는 책들이 이미 편향되어 있거나 망가져 있다면, AI는 그 실수들을 학습하여 더 빠르게 반복할 것입니다. 논문은 AI가 망가진 시스템을 고칠 수는 없으며, 단지 망가진 시스템을 더 빠르게 실행할 뿐이라고 경고합니다.

결론: 데이터의 양이 문제가 아니다

논문의 최종 메시지는 간단합니다: 우리는 더 많은 데이터가 필요한 것이 아니라, 더 나은 연결이 필요합니다.

의학의 미래는 더 많은 사실을 수집하는 것에 달려 있지 않습니다. 그것은 사실들이 서로 대화할 수 있고, "왜곡된 거울"이 수정되며, 파편화된 조각이 아닌 전체 그림을 바탕으로 결정이 내려지는 시스템을 구축하는 것에 달려 있습니다.

요약하자면: 이 논문은 우리가 정보의 홍수 속에 살고 있지만 지혜에는 굶주려 있다고 말합니다. 이를 해결하기 위해, 우리는 데이터를 고립된 섬으로 취급하는 것을 멈추고 그 사이를 잇는 다리를 건설하기 시작해야 합니다.