핵심 내용 요약
중국의 새로운 암 발생 건수(482만 건/2022년)와 사망 건수(257만 건/2022년)는 전 세계에서 가장 높지만, 현재 사용되고 있는 암 등록 시스템은 데이터 지연(5년 이상), 적용 범위 제한(인구의 최대 37%만 포함), 모니터링 정보의 불완전성(현재 환자 수, 생존율 등 부족)이라는 세 가지 주요 문제를 안고 있습니다. 전문가들은 의료 보험, 사인 모니터링 등 다양한 데이터 소스를 통합하고 AI 기술을 활용하여 동적인 모니터링 시스템을 구축할 것을 제안합니다. 파일럿 프로젝트의 결과, 이러한 방식으로 보고 지연을 절반으로 줄일 수 있으며 기존 데이터의 한계를 보완할 수 있음이 확인되었습니다. 그러나 새로운 시스템의 도입에는 데이터 공유 장벽, 기술 통합, 전국적인 검증 등의 과제를 극복해야 합니다. 최종 목표는 암 예방과 관리에 대한 실시간적이고 정확한 의사 결정을 지원하여 건강한 중국을 만드는 것입니다.
1. 기존의 암 모니터링 시스템: 왜 느리고 정보가 부족한가?
기존의 암 등록 시스템은 60년 이상 운영되어 왔으며 예방과 관리에 중요한 역할을 해왔지만, 현재는 요구 사항을 충족시키지 못하고 있습니다:
- 데이터 지연: 환자 정보를 수집하고 검증하는 과정이 수작업으로 이루어져 전국적인 보고서가 발표되기까지 수년이 걸립니다. 예를 들어, 2022년의 환자 데이터는 2027년이 되어야 완전히 공개될 것이며, 의사 결정자들은 오래된 데이터만을 바탕으로 현재 상황을 판단해야 합니다.
- 적용 범위 제한: 국제 표준에 부합하는 등록 지점은 인구의 13%만을 포함하며, 모든 국내 자격 있는 지점을 포함하더라도 37%에 불과합니다. 지역별로 인력과 기술의 차이가 크고 데이터 품질이 매우 다릅니다.
- 모니터링 정보 부족: “새로운 환자 발생 건수”와 “사망 건수”만을 집계하지만, 현재 얼마나 많은 환자가 생존하고 있으며, 얼마나 오래 살았는지(생존율), 삶의 질이 어떤지와 같은 중요한 정보는 정기적인 모니터링을 통해 얻을 수 없습니다.
2. 의료 보험 데이터: 암 모니터링에 있어 “새로운 도구”로서의 신뢰성은?
의료 보험 데이터는 이 문제를 해결할 수 있는 새로운 방안으로 떠오르고 있습니다. 그 이유는 간단합니다: 거의 모든 암 환자가 진단부터 치료까지 의료 보험의 혜택을 받으며, 데이터가 자동으로 기록되기 때문입니다.
- 넓은 적용 범위와 실시간성: 의료 보험은 거의 전 국민을 대상으로 하며, 환자의 병리 진단, 입원 기록, 방사선 치료, 약물 사용 등의 정보가 실시간으로 데이터베이스에 저장됩니다.
- 국제적으로 검증된 효과: 캐나다, 독일 등의 국가에서는 의료 보험 데이터를 이용한 암 모니터링을 실시했으며, 그 결과가 기존 시스템과 일치하고 기존 시스템에서 놓친 환자들도 발견할 수 있었습니다.
- 국내 파일럿 프로젝트의 성공 사례:
- 남북 지역의 700만 명을 대상으로 한 파일럽트 프로젝트에서는 의료 보험 데이터를 사용하여 새로운 환자 발생 건수를 식별하는 데 성공했으며, 보고 지연이 절반으로 줄었으며 비용도 수작업에 비해 훨씬 저렴했습니다.
- 베이징에서의 비교 연구에서는 기존 시스템에서 누락된 환자들(예: 여러 병원을 방문한 환자)을 발견할 수 있었습니다.
- 사인 데이터와의 결합을 통해 “발병-사망-생존”에 대한 종합적인 모니터링이 가능해져 현재 환자 수와 생존율 모니터링의 문제를 해결했습니다.
3. 새로운 시스템의 도입: 어떤 장애물을 극복해야 할까?
파일럿 프로젝트에서 전국적인 확대에 이르기까지는 여러 실제적인 장애물이 있습니다:
- 데이터 공유의 어려움: 암 데이터는 보건, 의료 보험, 질병 통제, 공안 등 다양한 부서에 분산되어 있으며, 각 시스템의 기준이 일관되지 않고 성숙한 공유 메커니즘이 없습니다. 예를 들어, 의료 보험 데이터는 보건 당국에, 사망 데이터는 질병 통제 기관에 속해 있어 이들 간의 협력이 필요합니다.
- 기술 통합의 어려움: 다양한 시스템의 데이터 포맷과 질병 코드(동일한 암이라도 의료 보험과 병원의 코드가 다를 수 있음)가 혼란스러워 데이터 정제, 중복 제거, 중복 환자 식별이 필요하며 이에는 많은 기술적 검증이 필요합니다.
- 개인 정보 보호와 제도적 문제: 환자 데이터를 사용할 때는 개인 정보 보호가 필수적이며, 명확한 권한 규칙이 필요합니다. AI는 효율성을 높일 수 있지만 제도 구축을 대체할 수 없습니다. 명확한 협력 메커니즘이 없으면 아무리 기술이 발전해도 소용이 없습니다.
- 전국적인 검증의 부족: 현재는 지역별 파일럿 프로젝트에 불과하며, 전국적으로 시스템의 효과를 검증한 바 없습니다. 예를 들어, 다른 지역의 의료 보험 정책 차이가 데이터의 정확성에 영향을 미칠 수 있는지 등이 추가적으로 테스트되어야 합니다.
4. 어떻게 추진할 것인가? 전문가들은 다음과 같은 “로드맵”을 제시합니다
새로운 시스템을 구축하기 위해서는 단계적으로 진행해야 합니다:
- 협력 메커니즘 구축: 국가 보건위원회 주도로 의료 보험, 질병 통제 등 관련 부서와 협력하여 통합된 데이터 기준과 공유 규칙을 마련하고 장벽을 제거해야 합니다.
- 기술 활용: AI(자연어 처리, 대형 모델 등)를 사용하여 데이터를 자동으로 정제하고 환자를 식별함으로써 효율성과 정확성을 높입니다. 이를 위해서는 먼저 제도가 완비되어야 합니다.
- 파일럿 프로젝트 후 확대: 몇 개의 지역에서 파일럽트 프로젝트를 실시하여 암 등록, 의료 보험, 사인 데이터를 연동하고 그 타당성, 정확성, 비용 효율성을 평가한 후 전국적으로 확대해야 합니다.
- 최종 목표: 전국적으로 적용되는 동적인 모니터링 시스템을 구축하여 의사 결정자들이 암의 추세(예: 어떤 암이 가장 빠르게 증가하고 있는지), 예방/치료 정책의 효과(예: 특정 약물이 실제로 생존율을 향상시키는지), 자원의 합리적인 배분(예: 어디에 더 많은 암 전문 의사가 필요한지)을 실시간으로 파악할 수 있도록 해야 합니다.
이러한 새로운 시스템이 도입되면 데이터 지연 문제를 해결할 뿐만 아니라 암 예방과 관리를 보다 정확하게 할 수 있으며, 암으로 인한 부담을 줄이는 “새로운 도구”가 될 것입니다.