유튜브에서 우리가 원하는 축구영상을 몇 차례 구독하다보면 이와 유사한 채널이 자동으로 제시된다. 쇼핑몰 사이트에서 원하는 제품을 선택하면 알고리즘을 통해 다른 사람의 유사한 선택을 보여준다. 머신러닝(Machine learning)의 결과이다. 각자의 패턴은 타인의 선택에 영향을 미친다.

지금 진단은 정확한가?
우리가 하고 있는 진단에는 기준과 분류가 있다. 이것은 의학을 통한 인류의 연구와 수많은 치료 경험의 산물이다. 의학의 발전을 통해 진단은 더욱 날카로워지며 더 나은 치료법이 개발되고 있다.

병의원을 운영하는 입장에서 진단과 치료계획은 매출과 직결된다. 꼭 필요한 진료가 이뤄지지 못할 수 있고 경과관찰만을 요하는 상태에서 무리한 진료가 시행될 수도 있다. 환자의 생명과 직결되지 않다는 이유로 교과서와 학계에서 제시하는 진단 기준이 다른 이유로 흔들리게 되는 것이다.

환자의 입장에서 진단은 치료 필요성의 판결이다. 1부터 100이라는 수치가 있을 때 판결 기준은 기존의 데이터를 통해 시간이 갈수록 더욱 정확히 수렴해 가고 있다(마치 고혈압의 기준 수치와 같이). 이러한 기준은 기존의 데이터에 근간해야 하며 그 데이터는 정확해야 한다.

따라서 올바른 진단과 치료를 시행하며 축적된 새로운 결과들은 다시 데이터로 쌓여야 한다. 만약 어떠한 진단에 있어 지금까지 70이라는 수치가 기준이었다면, 축적된 데이터를 바탕으로 기준이 73이 될 수도 있는 것이다.

치료 또한 마찬가지이다. 치료는 기존의 데이터에 의존한다. 이 순간 떠오르게 될 말은 ‘말로는 설명할 수 없는 경험적 처치’에 대한 문제이다(항생제 선택과 같은). 하지만 경험적 처치 또한 당신의 데이터를 포함한 기존의 데이터에 기초한다. 의사의 직감을 논할 수도 있겠지만 모든 것을 개인의 직감으로 해결할 수는 없다. 뭐든지 기준이 있어야 하고 설명이 가능해야 한다.

우리가 올바른 진단과 치료, 그리고 데이터 공유를 해야 하는 이유이다.

머신러닝을 통해 올바른 결과가 나오기 위해서는 통제된 조건 속의 객관적인 데이터가 필요하다. 올바른 데이터가 쌓일 때 비로소 머신러닝은 힘을 얻게 된다. 더욱 정확한 진단 기준과 치료 모델이 생성되는 것이다.

나만 잘하면 된다는 생각을 버려야 한다. 우리는 인류의 건강을 책임져야 한다. 그 책임을 위해 올바른 데이터를 생산해야 한다(정확히 진단하고 치료해야 한다). 이러한 데이터를 바탕으로 후대에서 더욱 정확한 진단과 치료가 가능해지기 때문이다.

누락되거나 무리한 진단과 치료가 지금 우리 앞의 환자뿐 아니라 후대에도 영향을 미칠 수 있다는 것을 알아야 한다. 나아가 개인의 경험과 사례를 정리하여 데이터에 추가하기 위한 학술적인 노력을 기울여야 한다.

의학은 과학이다. 과학은 데이터를 기반으로 발전한다. 따라서 의학은 데이터의 축적으로 발전할 수 있다. 의학의 발전을 원한다면 올바른 데이터 축적과 공유에 힘써야 한다.

우리는 과거를 바탕으로 현재를 치료하며, 현재를 통한 미래의 치료까지 생각해야 한다. 우리는 현재의 의사이자 ‘미래’의 의사이다.