머신 러닝과 빅데이터는 뗄 수 없는 관계가 형성되어 있다. 의료 서비스도 일종의 통계라는 것은 잘 알려진 사실이다. 질병의 증상을 판정할 때 통계에 의해 정리된 질병 리스트를 참고하게 되고 처방을 할 때도 마찬가지 기법을 사용하고, 이러한 경험이 쌓일수록 우수한 의료진이 될 수 있다.
만약 머신 러닝이 적용된다면 빅데이터 분석을 통해 다양한 통계를 반영한 경험치가 헬스케어 시스템에 반영이 되고, 망각이 없는 시스템은 거의 모든 경우의 수를 반영한 경험치가 쌓여 고품질의 서비스를 제공할 수 있게 된다.
표2는 UNC(University of North Carolina) 헬스케어 기관에서 IBM의 빅데이터 분석 방법을 도입하여 매년 37,000명 이상의 환자를 대상으로 한 시스템의 평가 결과의 예다.
<표2> UNC 헬스케어의 빅데이터를 활용한 여성암 진단 시스템의 평가 결과
출처: 보건복지부
헬스케어 서비스에서 연결 가능한 비즈니스 모델을 그림5를 보면서 살펴보면 [1]생체신호 센싱은 다양한 웨어러블 디바이스로 건강 데이터를 생성하고, [2]저전력 통신은 IoT 서비스에서 제공하는 데이터 수집과 전송을 이용하여 건강 데이터를 수집하여 전송한다. [3]데이터 분석에서는 빅데이터와 머신 러닝을 통해 수집된 빅데이터를 분석하여 의미 있는 데이터로 저장, 관리한 후 [4]질병 분석과 예측을 수행한다. 이 곳에서 중요한 의료 지식이 발견([5])되면 의료 서비스를 제공하게 되고 필요한 경우 서비스 결과를 경험치로 축적하게 된다.
헬스케어 서비스는 일반적인 의료IT 서비스는 물론이고, 웨어러블과 IoT 등에서도 주요 비즈니스 모델을 찾아낼 수 있다. 가장 중요한 부분은 광범위한 빅데이터가 수집된다는 점이다. 헬스케어 서비스의 빅데이터는 서비스에 참여하는 사용자의 거의 모든 데이터를 센서를 통해 수집하기 때문에 헬스케어 외의 서비스와 연계점을 찾기 용이하다.
<그림5> 헬스케어 서비스의 주요 처리 단계
출처: Kaist
