본문 바로가기
지덕이의 돈공부/전문자료 정리

웨어러블 기기로 수집한 데이터를 가공해 효용을 제공하는 건강관리 앱

by 지표덕후 2022. 5. 12.
반응형

그러나 많은 앱들이 제대로 설계되지 않았다. 이런 류의 앱들이 제공하는 혜택과 문제점을 살펴보자.

 


어떤 추세선을 가만히 떠올려보라: 정상 혈당 범위를 표시하는 파란색 띠 상단 부근에 스파이크가 나타난 후 급격히 하락한다. 이유는 분명하다. 30분 전에 아침으로 먹은 사워도우 토스트다. 다음 날 아침에 먹은 바나나 빵 한 조각은 완전히 다른 흔적을 남긴다. 혈당 라인은 점심 시간까지 정상 범위의 중간 바로 아래를 멋지게 흐른다.

이 추세선은 동전만한 크기의 피부 부착형 혈당측정기가 스마트폰으로 보내주는 정보이다. 이 장치는 2주 동안 유효하며, 작은 바늘을 피부 바로 아래에 찔러 넣는다. 장치를 통해 몇 분마다 세포 사이의 체액에 있는 당의 농도를 측정한다. 이는 혈류에서 일어나는 일을 측정하기 위한 좋은 대용물(proxy)이다.

이와 같은 연속 혈당 측정기가 최초로 당뇨병 환자의 손가락을 찌르는 혈액검사를 대체하기 시작한 2014년 이후, 당뇨병도 아닌 실리콘 밸리의 괴짜들도 팔에 이걸 붙이고 다녔다. 그들은, 이를 테면 더 많은 에너지나 두뇌 명료성을 전달하기 위해 신진대사를 "해킹"하는 방법을 찾고 있었다. 그들의 애드혹한 실험은 신진대사에 대한 폭넓은 연구를 수행하는 공식 연구원에 의해 곧 복제되었다. 이윽고 그 연구들은 맞춤형 영양의 가능성으로 이어졌다.

이러한 신진대사 연구는 건강한 식단이 무엇인지에 대한 과학적 사고를 변화시켰다. 겉보기에는 건강해 보이는 많은 사람들이 식후 혈당이 크게 급등하는 경우가 종종 있으며, 이는 당뇨병 전단계의 발병과 연관있다. 당뇨병 전단계에서 필요한 개입을 하지 않으면 4년 이내에 37-70%는 당뇨병으로 변한다. 스파이크 이후 발생할 때가 많은 설탕 딥도 최근에는 사람들을 배고프게 만들기 때문에 문제가 있는 것으로 밝혀졌다. “빅 디퍼”인 사람들은 그렇지 않은 사람들보다 하루에 300칼로리 정도를 더 섭취한다.

2015년 이스라엘의 연구원들은 그들이 개발한 AI 기반 알고리즘이 다양한 음식에 대한 혈당 반응을 예측할 수 있음을 보여주었다. 알고리즘은 혈액 검사, 수면, 운동, 키 및 체중 등을 입력(인풋)으로 받는데 이는 모두 일일 대사 변화에 영향을 미친다. 여기에는 장내 미생물군유전체의 구성도 포함된다. 장내에서 우리가 먹는 것을 처리하는 수조 개의 박테리아 말이다. 미생물군유전체 분석은 대변 샘플에서 발견되는 모든 것에 대한 산탄총 게놈 시퀀싱으로 수행된다.

지난 5년 동안 미국, 유럽 및 아시아의 스타트업들은 이러한 발견을 기반으로 AI 개인 맞춤형 영양앱을 출시했다. 그 중 하나인 Zoe는 특별히 제조된 머핀 세트를 고객에게 보낸다. 먹는 음식에 무엇이 들어 있는지 정확히 파악한 상태에서 그에 따른 혈당과 지방의 변화를 측정함으로써 회사는 고객의 신진대사에 대한 예측모델을 만들 수 있다. 그런 다음 알고리즘은 예측된 혈당 반응을 바탕으로 맞춤형 식품 및 식사 카탈로그를 작성한다. 체중 감량을 위한 디지털 코칭을 제공하는 인도 스타트업인 HealthifyMe의 공동 설립자인 Tushar Vashisht는 다양한 장치들과 혈액검사를 통해 수집한 고객들의 데이터는 맞춤형 계획을 위한 입력값으로 활용되고 이 데이터가 고객 자체보다 훨씬 유용하다고 말한다. 이런 장치를 보유하지 못 한 사람들은 체중, 혈당 등에 대한 대용물을 AI로 산출하여 앱을 빌드할 수 있다.

이러한 시스템을 통해 신진대사의 균형을 유지할 수 있으려면 실천이 수반되어야 한다. 몸 안에서 무슨 일이 일어나고 있는지 아는 것만으로는 충분하지 않다. 관련된 행동 패턴을 바꾸어야 도움이 된다. 대개 행동을 바꾸는 게 이롭다라는 말을 듣는 것만으로는 충분하지 않다. 때문에 웨어러블로 측정한 결과 기반으로 건강 증진을 달성하고자 하는 앱들은 보통 사용자가 집중할 수 있도록 다양한 넛지 포인트를 포함하고 있다.

인공지능 알고리즘에 따라 제공되는 개인화된 식단의 혁신적인 점은 나쁜 음식을 덜 나쁘게 만드는 방법을 알려주고 사람들에게 선택권을 제공한다는 점이다. 때문에 장기적으로 유지하기가 더 쉽다. 알고리즘은 아이스크림에 견과류를 뿌리거나 먹은 후 긴 산책을 하는 것과 같은 작은 조정을 제안할 수 있다. 또 다른 개인 맞춤형 영양 스타트업인 January AI는 1600만 식료품점 품목의 영양 함량, 현지 식당의 레시피 및 메뉴에서 영양학적 콘텐츠를 개발하여 사용자가 끼니를 계획하고 추적하기 쉽게 했다고 말했다.

아직 초기 단계이지만 이러한 정밀 영양 프로그램의 사용자 결과는 고무적이다. 사용자는 체중이 줄고 더 에너지가 넘치며 잠도 더 잘 자고 있다고 말한다. 당뇨병을 앓던 일부 사용자는 더 이상 약이 필요하지 않게 되었다. 이러한 효과를 확증하고 정량화하기 위한 연구가 여러 앱을 대상으로 진행 중이다.

그러나 지침을 준수하도록 하기 위한 제안들이 얼마나 사례 깊은지에 대해 실펴보면 실망스럽다. 새로운 기술 제품을 설계할 때 행동 과학은 미처 고려되지 못 하는 경우가 너무 많다. NYU의 문화 인류학자인 Natasha Schüll은 자신의 책을 집필하면서 많은 건강 기술 제품 뒤에 작동하는 로직이 매우 실망스럽다는 것을 발견했다. 로직은 없었다."징벌적인 스키너 상자의 기반 아래 긍정심리학을 한 두 꼬집 넣고, 뇌에 대한 몇 가지 개념을 투입한" 결과 결국 "검증되지도 과학적이지도 않은 임시 사물의 잡동사니"가 되었다. 그녀가 결론내기로, 이런 앱들의 디자인 전략은 전형적으로 "그냥 벽에 던지는 식"이었다.

 

많은 앱들이 사람들의 삶에 자리를 잡지 못하는 이유가 이것일 수 있다(차트 참조). Apple 및 Google 앱 스토어에는 400000개 이상의 건강 및 웰빙 앱이 있으며 매일 250개의 새로운 앱이 추가된다. 하루에 약 500만 건의 앱 다운로드가 발생할 정도로 수요는 왕성하다. 그러나 이러한 다운로드의 95%는 24시간 이내에 삭제된다.

문제는 사람들이 단지 잘 설계된 제품을 필요로 하는 게 아니라는 점이다. National Health Service와 같이 건강 앱의 품질을 평가하는 영국 조직인 Orcha의 Liz Ashall-Payne이 말한 바와 같이 ‘그들을 위해’ 잘 설계된 제품이 필요하다. 그녀가 지적했듯이 온라인으로 바지를 구매할 때는 크기, 색상 및 스타일에 대한 필터를 통해 쉽게 적용하지만 앱 스토어에는 그러한 시스템이 없다. 불안에 대한 도움이 필요한 십대는 마찬가지 상태의 어르신들과는 다른 유형의 앱이 필요하다.

A lot of dead wood

Orcha는 개인정보보호, 사용자경험 및 기반 증거라는 세 가지 기준에 따라 7,000개의 건강 앱을 평가했다. 이들 중 약 4분의 1만이 세 가지 기준 모두에서 임계값을 충족했다. 정신건강 앱은 특히 취약하다. 그러나 품질이 향상되고 있다고 Ashall-Payne은 말한다. 그녀는 개발자들에게 무엇이 "좋은 건강 앱"인지 최근 명확하게 제공한 영국 보건 당국의 지침 때문이라고 설명한다. 시장이 성숙함에 따라 나쁜 제품은 사라질 것이지만 "시간이 걸릴 것"이다.

사람들이 건강한 행동을 고수하도록 만드는 건 공중보건이 직면한 가장 큰 도전일 것이다. 때문에 그런 행동을 준수토록 만드는 혁신이 특히 흥미로운 것이다. 이스라엘 신생 기업인 Sweetch가 개발한 기술은 건강앱이 제공하는 조언을 보다 실용적이고 개인화되도록 만든다. Sweetch의 AI 기반 알고리즘은 개인 비서와 동기 부여 코치의 하이브리드이다. 특정 걸음 수를 걷거나 매주 체중을 확인하는 등 사용자가 해야 하는 모든 작업을 추적하고 권고할 최적의 타이밍을 찾는다.

예를 들어, 봇은 회의 사이에 20분의 간격이 있다는 것을 인지하고 몇 블록 떨어진 커피숍으로 산책을 나가서 운동 하도록 제안할 수 있다. 사용자의 리액션에 따라 활동 목표를 상하향 하여 의욕이 꺾이고 아예 포기하는 상황을 방지한다. 프롬프트는 33가지의 음색을 지원한다: 친절, 구걸, 명령 등등을 담고 있는 어휘들을 조합한다. Sweetch의 CEO인 Yoni Nevo에 의하면 알고리즘은 어떤 날 어떤 이에게 할 말을 약 7억 개 조합을 평가해 선택한다. 알고리즘이 다양한 조합을 통해 당신에게 말 걸고 그 중 무엇이 당신을 행동하게 만드는지 학습하는 데 약 4-5주가 걸린다.

디바이스 제조업체는 사람들에게 건강 데이터를 제공할 때 때론 더 적은 것이 더 낫다는 사실을 깨닫기 시작했다. 많은 사람들은 아침 식사도 하기 전에 쏟아는 넘쳐나는 데이터들보다 그냥 상태가 좋은지 아닌지를 알려주는 데에 더 만족감을 느낀다. 일부 스마트 체중계는 이제 지표들을 제공하는 대신 체중과 체지방이 목표 범위에 있는지를 알려주는 알림음만 낸다. Oura 링과 같은 웨어러블은 이제 심박수, 수면 또는 온도 추세를 알려주는 데 그치지 않고 이것이 의미하는 바와 어떤 변화가 상황을 개선할 수 있는지 알려준다. 만약 데이터가 문제가 해결되지 않았다고 말한다면 새로운 디지털 치료법이 도움을 주기 위해 등장할 것이다.

반응형

댓글0