데이터 사이언스가 이끄는 코로나19 대응: 통찰과 전략

전 세계 보건 시스템 개선을 위한 지속적인 노력에도 불구하고, 새롭게 출현하는 전염병은 여전히 주요 공중 보건 우려 사항입니다. 이러한 발병에 대한 효과적인 대응은 이상적으로 이용 가능한 모든 데이터 소스에 의해 정보가 제공되는 적시 개입에 의존합니다.

발병 데이터의 증가하는 복잡성은 발병 분석(outbreak analytics)의 부상으로 이어졌습니다 — 발병 대응을 알리기 위해 설계된 데이터 과학입니다.

그것은 어떻게 작동할까요? 네 가지 주요 목표가 있습니다:

• 다중 소스 데이터 수집. 여기서 데이터 수집이 단순히 임상 문서에서 구조화된 데이터를 골라내는 것만이 아님을 기억하는 것이 중요합니다. 원시 데이터 소스도 관여합니다. 따라서 발병 데이터 분석은 노이즈 제거, 데이터 정제, 정규화를 통해 데이터가 실행 가능한 통찰력을 생성할 수 있도록 합니다.
• 상황 인식 제공. 팬데믹, 불확실성의 시기에, 리스크가 관리 가능한 때와 위험해질 가능성이 가장 높은 때를 아는 것은 중요합니다. 다양한 공공 소스를 통해 모니터링되는 상황 인식은 이 리스크를 완화하고 통제하는 데 도움이 됩니다.
• 효과적인 대응 형성. 이 시점에서 데이터 시각화가 개입합니다. 분석 결과를 대시보드, 차트 등 명확하고 사용자 친화적인 형태로 제시하여, 의사결정자들이 지체 없이 효과적인 대응 조치를 설계할 수 있도록 돕습니다.
• 훈련 및 역량 구축. 위기가 해결되면, 의사결정자들은 상황을 되돌아보며 수용된 대응 시나리오를 분석하고 성공적인 전략을 선택합니다. 그런 다음 전문 훈련과 보건 비상 계획에 관련 수정사항을 적용하여 또 다른 보건 위기에 더 잘 대비할 수 있도록 합니다.

코로나19 팬데믹은 21세기나 지난 10년간 유일한 팬데믹이 아닙니다. 얼마 전 에볼라와 지카가 서아프리카와 아메리카에서 큰 피해를 입혔습니다. 신속한 대응과 그 적응성, 감시 메커니즘, 관리 전략이 당시 연구자들과 임상의들을 도왔습니다. 하지만 지금 그것들로 충분할까요? 그렇지 않습니다.

팬데믹의 글로벌 도달 범위를 고려할 때, 주요 당사자들의 광범위한 협력 없이는 효과적인 대응을 설계하기 어렵습니다. 그것은 발병 분석 내 교차 분야 연구만이 아닙니다. 바이러스가 200개국 이상을 괴롭히는 상황에서, 적절한 대응 전략은 각 지역의 모범 사례에 의존해야 합니다.

다행히 임상 연구자들과 의료 전문가들이 전 세계적으로 바이러스와의 싸움에서 힘을 합쳤습니다. 최적의 위기 해결 전략을 찾기 위해, 그들은 정교한 데이터 공유 문화를 개발했습니다. 그들은 이제 개발을 오픈소스화하고 끊임없이 개선합니다. 이 접근법 덕분에, 다윈AI(DarwinAI)(캐나다) 같은 독특한 진단 프로젝트를 보았습니다. 이 컴퓨터 비전 도구로 흉부 방사선 촬영만으로 코로나19를 진단할 수 있게 되었습니다. 이전에는 컴퓨터 단층촬영(CT)만이 의료 영상 코로나19 진단 방법이었습니다.

협력적 접근법은 발병 분석도 포함하며, 이는 실시간 분석과 예방 분석을 촉진했습니다. 이 두 유형의 분석은 바이러스 확산 억제의 핵심입니다.

실시간 데이터

위급한 상황에서, 이 유형의 분석은 신속한 데이터 기반 의사결정을 주도하고 프로세스를 각 상황별로 맞춤화합니다. 이러한 분석은 바이러스 싸움의 최전선에 있는 지역 의료 전문가들에게 특별한 중요성을 가집니다.

지역 실시간 분석 도구는 핵심 행위자들의 니즈를 고려하여 개발됩니다. 예를 들어, 키네티카(Kinetica)와 디재스터 테크(Disaster Tech)는 미국 위기 대응자들이 코로나바이러스 관련 데이터를 실시간으로 추적할 수 있도록 동적 AI 기반 분석 플랫폼을 배치했습니다. 이 솔루션은 응급 서비스가 개인 보호 장비(PPE) 가용성, 병원 수용력, 검사 키트 수, 장비 가용성에 대한 실시간 통계 데이터를 시각화하여 환자에게 가장 적합한 위치를 선택하고 시간을 절약할 수 있게 합니다.

실시간 분석은 지역적 운영 작업 해결에 국한되지 않습니다. 글로벌 문제를 다루기 위해 설계된 옥스퍼드 기반 프로젝트인 아워 월드 인 데이터(Our World in Data)는 코로나19 전 세계 통계에 전념하는 방대한 간행물을 배치하여 지속적인 실시간 분석을 지원했습니다. 이 소스는 신규 확진자와 사망률부터 각국의 정책 대응까지 코로나바이러스 관련 데이터의 대량에 접근을 제공합니다. 모든 차트, 리포트, 기타 인터랙티브 데이터 시각화는 매일 업데이트되어 다운로드 가능합니다.

예방을 위한 분석

실시간 분석은 한국 정부가 예방 전략 설계와 확진자 감시에 활용하는 데 도움을 주었습니다. 이는 라이브 스마트 시티 네트워크의 기반이 되는 IoT와 AI 솔루션의 데이터와 확진자들이 제공한 개인 정보를 사용합니다. 이는 연구자들이 환자들의 이동을 추적하고, 접촉자를 식별하며, 빅데이터 분석을 통해 특정 지역의 잠재적 발병 규모를 예측할 수 있게 합니다. 이 데이터는 예방 조치와 지침 초안 작성에도 사용됩니다.

대만도 실시간 분석을 적시 예방에 활용했습니다. 아시아 연휴 시즌을 알리는 설날 축하 직전, 국가는 국가 건강보험 데이터베이스를 출입국 및 세관 데이터베이스와 통합했습니다. 감염된 여행자들이 도착하기 시작하자, 빅데이터 분석 솔루션은 통합된 데이터베이스를 샅샅이 뒤져 방문자들의 여행 이력과 그들이 경험한 증상 간의 연관성을 확립했습니다. 이 솔루션은 병원 방문 시 실시간 알림을 보내 사례 식별을 도왔습니다. 또한 비행기 출처와 최근 14일간의 여행 이력에 의존하여 여행자들을 감염 리스크별로 분류할 수 있게 했습니다.

현재 팬데믹 같은 불확실성과 혼란의 상황에서, 통찰력 있는 데이터는 왕입니다. 그리고 지체 없이 적절한 대응과 예방 조치를 활용할 수 있는 것은 관련 분석 솔루션들입니다. 이 점에서 발병 분석은 잘 작동합니다.

동시에, 바이러스의 글로벌 확산은 또 다른 측면을 조명합니다 — 국제 협력. 효과적인 관리 전략을 개발하기 위해, 전 세계의 주요 이해관계자들과 의사결정자들은 개발된 솔루션들을 검토하고 개선하며, 실시간 데이터에 의존하여 대응 조치를 다듬어야 합니다. 따라서 분석부터 진단과 치료까지 모든 분야에서 힘을 합치는 것이 팬데믹을 멈추고 다른 보건 비상사태에 더 잘 대비하는 유일한 길입니다.

Yaroslav Kuflinski는 Iflexion의 인공지능/머신러닝 옵저버입니다.