6년 전 대한당뇨병학회에서 당뇨대란을 이야기한 적이 있다. 당뇨병은 정말 우리나라 뿐만 아니라 다른나라에서도 흔한 질환인 것 같다. 전세계 당뇨병 환자수가 4억 2천만명이라고 하니 우리나라 인구 8배 정도되는 엄청난 수의 당뇨병 환자가 존재한다.
한국 당뇨병 환자는 어떤가? 당뇨병학회에서는 매년 Diabetes Fact Sheet를 발간한다. 아래 표에 의하면 30세 이상 성인 13.7%에서 당뇨병이 발생하며, 당뇨전단계(IFG)는 24.8%나 된다. 이 수치는 5명중 1명이다. 당뇨병 관리를 살펴보면, 오직 23.2%에 해당하는 환자만 HbA1c level 6.5% 미만으로 제대로 관리되고 있다고 할 수 있다.
<표1> 출처: http://www.diabetes.or.kr/temp/KDA_fact_sheet%202016.pdf
아래 심사평가원 빅데이터를 살펴보아도 우리나라 당뇨병 환자(Type 2)들은 매년 꾸준히 증가함을 알 수 있다.
<표2> 심사평가원 연간 환자수 빅데이터
1. 건강관리 앱, 진짜 도움이 되나?
발병 이유는 다양하겠지만, 일단 당뇨병에 걸리면 지켜야 하는 생활 수칙을 엄격히 따르는 것이 합병증 예방을 위해 필요하다. 하지만, 이런 저런 이유로 수칙을 지키기가 여간 까다롭지 않다. 주변에도 당뇨병 환자들이 있지만, 이들이 제대로 관리 못하는 이유는 무지해서가 아니라 지금까지 생활해 오던 습관이나 패턴을 변경해햐 하는 일이 생각처럼 잘되지 않기 때문이다.
그래서 wearable device는 매일 들여다 보기 때문에 아무래도 더 관심을 가질거라 생각하고 만보계 등 건강관리 보조기를 구입한다. 당연하겠지만, 이런 보조기구를 이용한다고 다 똑같은 결과를 얻는 것이 아니라 어떻게 활용하느냐에 따라 결과는 천차만별일 것이다.
요즘은 이런 저런 기능이 있는 패셔너블한 고가의 wearable device들이 많이 쏟아지는데 진짜 도움이 되는걸까라는 의구심을 가지게 된다.
올해 초, Nature에 wearable bio sensor가 환자들의 질환관리에 그다지 도움이 되지 못하고 있다는 meta analysis 논문이 실린 적 있다. body mass index (BMI), weight, waist circumference, body fat percentage, systolic blood pressure(SBP), and diastolic blood pressure(DBP)가 분석에 포함되었는데 수치상 약간의 차이는 있을 뿐 사용하지 않는 환자와 비교하여 유의한 차이를 보이는데는 실패했다.
<표3> BMI 수치 비교표
Healthcare에서 기술이 각광받는 이유는 병원을 정기적으로 방문하는 전통적 방법에 비해 질환 관리가 더 잘되어 환자들의 삶의 질이 더 좋아질거라는 기대 때문이다. 예를 들어 환자들의 순응도가 좋아지든가, 운동을 더 많이 하게 된든가, 건강한 식습관을 갖게된다든가 현재보다 더 나아져 질병 관리가 더 잘되고 사회경제적 비용이 더 줄어들기 때문이다. 하지만, 몸에 좋은 습관이나 건강한 음식보다 단 음식이나 게으르고 싶다는 유혹을 뿌리치기는 참 쉽지 않다.
우리의 이런 본성을 이해한다면, 인식을 변화시키고 행동을 바꾸는 것이 얼마나 오래걸리고 어려운 일인지 알게된다. 차라리 젊은 사람들이라면 쉬울 수도 있다. 하지만, 연세드신 60대 당뇨병 환자를 하루 아침에 바꾸기는 여간 어려운 일이 아닐 것이다.
일례로 과거 한국인이 껌을 전혀 안 씹던 시절에 롯데제과에서 껌을 팔기 위해 강남역 일대에서 멋진 모델 남녀가 껌을 씹으면서 하루종일 걸어다니게 했다는 일화를 들은 적이 있다. 이 얘길 들을 당시에는 그냥 웃어넘겼는데, 지금 생각해 보니 당시 고객층이 비교적 변화가 쉬운 젊은 사람들이었고, 롤모델이 된 모델들이 동경의 대상이었기 때문이라 생각된다.
2. 똑똑한 건강 관리 앱은 존재한다!
얼마전 제2형 당뇨병 관리를 지원하는 디지털 솔루션을 찾는 국제대회가 있다는 기사를 접했다. 주최사는 Ascensia라는 곳인데 생소해서 찾아보니 우리가 알고있는 Bayer Diabetes Care 라는 회사가 전신이다.
3년 전, 파나소닉 홀딩스사가 1조에 Bayer diabetes care라는 계열사의 제품과 서비스를 모두 사들여서 지금의 Ascensia가 되었다. 당시 매각에 따라 혈당 모니터링 미터기와 스트립스에 관한 콘투어(contour) 포트폴리오, 브리즈2(Breeze2)와 엘리트(Elite) 마이크로렛 랜싱 디바이스(Microlet lancing devices)가 포함되었다고 합니다. 당시 구입금액이 1조원이었는데, 이 규모는 국내 전체 제약기업 1년치 R&D 비용에 해당한다.
전문가로 구성된 패널단이 리뷰해서 우승자는 ADA(American Diabetes Association)에서 발표한다고 한다. 이번에 결승에 오른 6개팀 중, 하나만 소개하자면 Harvard Medical School에서 계발한 교육용 소프트웨어 계발사인 Qstream 이다. 이 회사에서 당뇨병 환자들의 행동 변화를 위한 게임을 계발했다. 실제로 이 게임으로 인해 HbA1c 수치 감소 효과도 있어 이 결과를 Diabetes Care에 발표도 했다.
어떤 게임인지 잠깐 소개하자면, 아래 그림과 같은 사진을 보여주고, 식사량을 줄이려면 어떻게 해야 하는지 질문하고 응답자는 가장 올바른 답을 찾는 과정을 거치면서 자신의 행동에 대해 되짚어 보게 된다.
<그림1> Example of DSME game content. The patient was presented with a multiple-choice question (A). Upon submitting an answer, the patient was immediately presented with the correct answer and a detailed explanation of the question content (B). After a question was first presented (round 1), it was sent again 4 weeks later to reinforce learning points (round 2) via the spacing effect. Points were earned based on performance on each question (photo from iStock; istockphoto.com).
이 회사에 대해 좀 더 소개하자면, 인간의 인지행동을 잘 이해하여 이를 소프트웨어를 활용하게 하는데 잘 접목하는 회사이다. 예를 들어, 학습 후 망각하게 되는 "forgetting curve" 를 이해하여, 영업사원들 교육을 지속적으로 remind해주며 코칭 제안을 해주는 서비스이다. 작년에는 Bronze Stevie® Award를 new product & service category 부문에서 수상했다. 영업부 매니저들이 팀을 코칭하기 위한 지식과 행동을 익힐 수 있도록 도와주는 프로그램인 Coaching Hub™이 그 우수성을 인정받아서이다. 현재 다양한 회사와 일하고 있는데, 제약회사 중에서는 Pfizer와 파트너쉽을 맺고 있다.
3. 왜라는 질문에 답하자.
환자들의 행동 패턴을 고쳐서 엄마같은 잔소리해주는 device가 있다. 바로 아마존에서 내놓은 알렉사이다. 실제 이 앱은 음성과 앱을 병합한 소프트웨어이다. 아래 링크 동영상을 확인하면, 환자는 자신의 식단과 족부 사진을 찍어 의사에게 보내고 알렉사가 의사의 조언을 이야기해 준다. 물론 매일 환자가 해야할 일에 대해 꼼꼼하게 잔소리를 해준다. 우리로 말하자면, 따라다니며 잔소리하는 엄마같은 역할을 톡톡히 하는 것이다.
<그림2> 알렉사를 활용한 당뇨병 환자들을 위한 앱을 계발한 SugarPod
출처: http://www.alexadiabeteschallenge.com/winner-sugarpod-wellpepper/
현재 기술이 시장에서 빨리 안착하기 위해 가장 필요한 것은 인간과 연결 접점을 최대한 넓혀 그 유용성을 확보하는 것이다. 특히, 기술의 활용은 일부 엔지니어를 제외하고는 일반인들에겐 배우고 익혀야 하는 숙제같은 것이다. 대부분의 행동변화는 인식변화가 선행된다. 인식변화는 자신이 필요성을 느끼는 과정에서 생겨난다. 내가 왜 이 앱을 이 기술을 활용해야 하지? 라는 질문에 똑부러지게 답할 수 있는 회사가 앞으로도 잘될거다. 기술여부를 떠나 이런 회사는 원래 잘 됐기 때문이다.
Comments