요즘 Real World Evidence(RWE)가 핫하다. 기존 RCT 연구가 가지는 한계는 상대적으로 건강한(less risky) 환자군, 제한적 약물복용기간, 규칙적인 compliance 등 엄격히 통제된 환경에서 진행하다보니 현실적인 clinical environment와 동떨어져 있다는 단점이 있다. 이를 극복하고 실제 환자들의 일상생활에서 약물을 복용하고 질환을 관리하는 패턴과 그와 관련된 임상적 결과를 알아보기 위해 RWE에 대한 관심이 점차 높아지고 있다.
사실 이쯤되면 임상학적 목적때문인지 마케팅목적 때문에 자료를 모으는지 혼선이 온다. 왜냐하면, 시장조사를 통해 얻고자 하는 것도 실제 가장 이상적인 표준 프로토콜인 RCT 모형과 실제 사용 패턴간의 gap을 알아내는 과정이기 때문이다.
1. 자료는 어떻게 모으나?
먼저 시장조사 데이터를 모은다. 시장조사 방법은 크게는 두가지로 나눠볼 수 있다.
1차 자료는 현재 수행중인 조사연구의 목적을 달성하기 위해 직접 수집하는 자료이다. 조사연구의 목적을 달성하기 위해 직접 수집하는 자료를 말한다. 면접, 설문지, 관찰, 우편조사, 면접, 질문서 등 철저한 자료수집 방법을 결정하여 자료를 수집한다. 주로는 시장조사 기관을 활용한다.
2차 자료는 다른 조사자에 의해 수집되어 공개된 자료를 말한다. 수행중인 조사목적에 도움을 줄 수 있는 기존의 모든 자료로 조사자가 현재의 조사목적을 위하여 직접 자료를 수집하거나 작성한 1차 자료를 제외한 모든 자료를 말한다. 다른 연구자가 수집한 자료, 기업체, 정부기관, 신문기사, 그리고 각종 조사기관의 간행물에 이르기까지 다양하다.
또한 조직 내부에 보유하는 2차 자료로 일상 업무와 관련하여 발생하는 각종 기록과 보고자료와 이전에 실시된 마케팅조사 자료, 그 외 마케팅 자료나 데이터베이스 시스템에 저장되어 있는 자료를 예로 들 수 있다. 내부자료는 비용이 거의 들지 않고, 언제든지 얻을 수 있다. 따라서 자료 수집을 위해 가장 먼저 해야 할 일은 내부 자료를 찾아보는 것이다.
다만, 자료수집목적, 측정단위, 조작적 정의 등이 현재 하려고 하는 조사와 일치하지 않는 경우가 많다. 또한 당면한 마케팅 의사결정에 관련된 정보라고 하더라고 시간이 상당히 경과하여 시의적절하지 못한 정보일 수 있다. 하지만, 논문을 쓰는 용도가 아니므로 이런 자료라도 있는 것이 없는 것보다는 낫다. 실제로 자료가 하나도 없으면 그야말로 뜬금없는 대하소설이 탄생한다.
어떤 종류의 데이터이든 중요한 의사결정을 위해 필요하다면 정기적으로 업데이트하는 것이 가장 좋고 여의치 않으면 최소한 일년에 1회라도 업데이트하는 것이 지속적으로 자신들의 업무를 트래킹하기 위해 필요한 과정이다.
2. 깊이있는 정보일수록 wants가 아닌 needs를 더 잘 이해할 수 있다.
외부환경은 사회적, 문화적, 기술적, 정치적 요인등으로 나뉜다. 마케팅의 첫번째 단계는 이런 외부환경을 분석하는 것으로부터 시작한다. 그런데 외부환경은 서로 사회가 문화에 기술과 정치에 서로 상호작용 하며 변화한다. 예를 들어 노인인구가 증가하고 있다는 인구학적 트렌드가 있다고 하자. 그렇다면, 앞으로 노인인구가 늘것이기 때문에 의료비용이 증가하고 이는 정부의 보험재정에 악영향을 주고, 이로 인해 기존 의료비를 줄이기 위한 정책을 펼 것이라는 예측이 가능하다.
지난 4월, 페이스북이 병원측에 환자 의료데이터를 요구하여 Social Media 글과 링크하여 어떤 사람이 special care가 필요한 환자인지 알아내어 도움을 주려고 시도했다는 기사가 난적이 있다. Cambridge Analytica data leak 혐의로 청문회까지 연 상황이라 페이스북의 계획은 중단되었는데, 여러모로 충격을 안겨주고 있다.
왜 그랬을까? 소비자의 needs를 이해할 수 있는 입체적 데이터를 원하기 때문이다. 데이터가 단편으로 조각나 있으면 표면적인 wants 밖에 알수가 없다. 하지만, 여러가지 데이터가 있으면 그 사람의 행동의 표면적인 wants 보다 그 행동의 내면적 동기인 needs를 더 잘 이해할 수 있기 때문이다. 의사결정은 wants가 아니라 내재적 동기, 욕망 등으로 인해 이루어진다. 특히 요즘은 먹고살는 문제보다 더 복잡한 개인의 다양성이 이런 행동에 영향을 주기 때문에 이런 내재적 욕망을 드러내지 않는 한 알아내기 여간 힘든 것이 아니다. 그래서 여러자료가 통합되어 모일수록 유추하기가 더 용이해지는 것은 당연하다.
3. 회사는 빅데이터 관련 어떤 노력을 하고 있을까?
지난 2월 암전문치료제 회사인 로슈는 Flatrion이라는 Cancer에 특화된 소프트웨어 회사를 인수했다. 당시 로슈는 18%에 해당하는 지분을 가지고 있었지만, 2.1bil USD라는 비싼 가격에 사들여 놀라움을 주었다. 지난 달 다케다에 인수된 샤이어가 세르비에라는 회사에 항암제 사업부를 2bil USD에 팔았다. 즉, 데이터의 가치는 항암제 약물의 가치와 맞먹다는 의미로 받아들여진다.
왜 사들였을까?
약 2,500명에 해당하는 Oncologist가 Flatrio이라는 EHR(Electronic Health Record) 시스템을 사용한다. 이 회사는 이렇게 획득한 정보를 비개인화하여 통합된 자료로 제약사들에게 판매한다. 여기까지 들으면 우리나라 심평원 빅데이터와 다를바 없이 들린다. Flatrion은 여기서 한발 더 나아간다. 의사들이 수기로 차트에 쓴 내용까지 모두 전자문서로 data화 한다. 고도로 훈련된 사람들이 직접 입력하기 때문에 시간은 걸리지만 그만큼 어떤 데이터보다도 더 많은 양질의 정보를 담고 있다고 할 수 있다.
(실제로 화이자와 함께 공동연구를 통해 정형화된 데이터 vs. 정형화된 데이터 +비정형화된 데이터를 비교할 경우 두 코호트는 비슷한 면이 거의 없다는 것을 증명하였는데, 충격적이다. 이 주제는 다음에 다루도록 하겠다.)
이뿐만 아니라, 글로벌 제약사들은 발 빠르게 AI 스타트업과 전략적 제휴를 맺으며 신약 개발에 적극적이다. 글로벌 1위 제약사 화이자는 IBM의 신약 탐색용 AI 왓슨을 도입, 면역항암제 개발에 착수했다. 얀센은 버네벌런트 AI와 손 잡고 임상 단계 후보물질에 대한 평가, 난치성 질환 타깃의 신약 개발을 시작했다. 일본의 경우 정부 산하 연구소인 이화학연구소와 교토대학이 신약 개발에 특화된 AI 개발 프로젝트를 진행 중이다.
반면 국내 제약사들은 아직 걸음마 수준이다. 제약산업 역시 빅데이터, AI 기술 등과 융합해야 한다는 공감대는 있지만 아직 구체적인 그림은 나오지 않고 있다. 그나마 영업ㆍ마케팅 분야에 빅데이터를 활용하는 쪽으로 움직임이 있다.
Comments