[NEXT Seoul 2024] Medical Information Construction Strategies for Drug Development

* 해당 포스트는 NEXT Seoul 2024의 세션을 요약 및 발췌하여 작성한 내용입니다.

by 김민걸 교수 (임상시험센터장, 전북대학교병원)

디지털 헬스 기술의 신약 개발 적용

2023년 7월, 포켓몬 슬립(Pokémon Sleep)이라는 게임이 출시됐습니다. ‘Pokemon GO Plus+’라는 장비를 사용하는 이 게임은 스마트폰 센서를 통해 이용자의 수면 리듬을 측정하고 기록하는 수면 게임 애플리케이션입니다. 이와 같이, 임상시험 참여자들도 쉽고 재미있게 임상시험에 참여하게 할 수는 없을까요? 포켓몬 슬립과 같은 게임과 재미 요소를 임상 연구에 도입한다면 참여도가 높을 것입니다.

디지털 헬스에 재미 요소를 접목하려는 시도가 계속되고 있습니다. 삼성헬스에서는 갤럭시 워치 기반의 '수면 무호흡 기능'을 개발했습니다. 미국 FDA 로부터 '드 노보(De Novo)' 승인을 획득한 이 기능은 갤럭시 워치의 '바이오 액티브 센서'를 통해 수면 중 혈중 산소포화도를 측정하고, 측정된 산소포화도 값이 무호흡·저호흡으로 변화되는 패턴을 분석해 수면 중 무호흡·저호흡 지수의 추정치를 계산해 증상 여부를 사용자에게 알려줍니다. 심박수 측정, 달리는 거리 측정, 운동 프로그램 제시 등 재미 요소를 넣기 위해 상당히 노력하고 있다.

조깅 앱 STRAVA 역시, 많은 노력을 기울인 흔적을 곳곳에서 찾아볼 수 있습니다. 달리기를 기록하고, 다른 사람과 공유하고, RWD(Real World Data)를 결합하여 흥미를 느끼게 합니다. 요즘 많은 사람들이 연속 혈당기를 사용합니다. 의사는 환자들의 연속 혈당값을 자세히 볼 수 있습니다. 이것이 바로, 우리가 말하는 RWD입니다. 이러한 것을 임상연구에 적용할 수는 없을까요?

이러한 기술을 신약 개발에 사용하려면 아직까지는 시간이 더 필요해 보입니다. 엔드 포인트로서 타당성이 입증되지는 않았기 때문입니다. 병원 의료기기만큼 정밀하지도 않습니다. 기존 검사 및 엔드 포인트와 별개로 새로운 엔드 포인트를 개발해야 사용할 수 있을 것입니다. 하지만 시간과 공간에 제약 없이 언제든 측정이 가능하다는 장점만은 분명합니다.

RWD, 어떻게 활용할 수 있을까?

크게 4가지로 설명할 수 있습니다. ▶첫째, Hepatotoxicity 여부 평가(Medical Claim Data). 국민건강보험공단 자료를 기반으로 독성 모니터링을 할 수 있습니다. ▶둘째, 주관적 증상의 개선 여부 평가(EHR+DHT). 병원 자료를 이용하면 주관적 증상의 개선 여부를 평가할 수 있습니다. ▶셋째, 합성대조군(SCA) 사용(Clinical Trials). 이는 메디데이터가 보유한 임상시험 자료를 이용해 합성대조군을 하는 것으로, 현재로서는 신약 개발 시 가장 유리한 부분입니다. ▶넷재, 병원 의무기록의 외부대조군(EHR) 사용. 유한양행 렉라자의 경우 병원 의무기록을 외부대조군으로 사용해 규제기관의 승인까지 받은 대표적인 사례입니다.

RWD는 이처럼 다양하게 활용할 수 있는데도 활용률이 높지는 않습니다. 그 이유는 무엇일까요? 전 국민 건강보험 체계가 갖춰져 있음에도 불구하고 현재의 데이터에는 한계가 많습니다. 데이터의 구체성과 품질에 제약이 있고, 임상시험에서 필요로 하는 선정 제외 기준을 평가하는 데 제약이 있습니다. 병원 자료를 반출하기도 쉽지 않습니다

메디컬 데이터 구축 시 고려할 4가지 요소

실사용 데이터를 활용 가능한 데이터로 만들려면 데이터를 어떻게 구축하는 것이 좋을까요? 이를 위해서는 다음 4가지를 고려해야 합니다.

첫째, 데이터 생성 시점입니다. 옛날 데이터를 갖고 갈 것인지, 현재의 데이터를 갖고 갈 것인지, 앞으로 생길 데이터를 갖고 갈 것인지에 대한 고민을 해야 합니다. 규제 관점을 고려한다면 과거 데이터보다는 앞으로 생길 데이터를 갖고 가는 것이 훨씬 유리합니다. 여기에는 비용이 듭니다. 그러나 데이터 품질만은 보장됩니다. 임상시험에는 막대한 비용이 들지만, 필요한 메디컬 데이터만 모을 수 있다면 직접적인 임상시험보다는 훨씬 저렴합니다.

둘째, 데이터 수집 시점입니다. 크게 전향적(Prospective), 후향적(Retrospective)으로 구분되며, 일반적으로 RWD를 언급할 때는 ‘후향적 데이터’를 말합니다. 그러나 규제까지 고려한다면 전향적으로 하는 것이 훨씬 더 유리합니다.

셋째, 동의서 취득 여부입니다. 일반 동의서, 정보 활용 동의서 등의 동의를 받는 것은 필수입니다. 하지만 환자의 과거 자료, 또는 일상 진료 자료를 사용하고자 한다면 1~2장 정도의 정보 활용 동의서로도 충분합니다.

넷째, 데이터 종류입니다. 가장 대표적인 데이터가 병원의무기록, 공단 자료, DHT 자료, 레지스트리(특정 질병, 상태 또는 약물 노출로 정의된 집단에 대해 표준화된 형식으로 임상 및 기타 데이터를 수집하는 조직화된 시스템), 임상시험 데이터가 있습니다. 이 중 임상시험 데이터를 제외한 나머지가 RWD에 해당합니다.

무엇을 해야 할까요?

우선 활용 가능한 병원 의무기록(EHRs Data) 기반의 DB를 구축해야 합니다. 병원 자료를 가져와 CDW를 만들고, 레지스트리 만들고, 표준화해야 합니다. 하지만 이러한 일은 결코 쉽지 않습니다. 여러 어려움 중 하나가 데이터 큐레이션(Data Curation)입니다. 데이터 큐레이션은 소스 데이터에 표준(예: 건강 수준 7, ICD-10-CM)을 적용합니다. 예를 들어, 부작용, 질병 병기, 질병의 진행, 기타 의학적 및 임상적 개념에 대한 코드를 EHR에 적용해야 하는데, 이를 위해서는 많은 노동력이 요구됩니다.

미국 FDA의 최신 가이드라인에서는 이 작업을 AI에 맡길 수 있다고 언급합니다. 하지만 반드시 사람의 관리감독은 필요하다고 강조합니다. 기술은 이미 마련되어 있습니다. 물론 AI가 수행한 작업에 대한 인간의 검토는 필수입니다. 그래야만 규제에 사용할 수 있습니다.

RWD 연구를 위한 노력

RWD 연구는 결코, 간단하지 않습니다. 임상시험을 수행할 때처럼 많은 노력이 따라야 합니다.

먼저, 모든 인력 구조를 임상시험과 동일한 구조로 가져가야 합니다. RWD 연구에는 임상시험과 달리, 현재 품질 관리 개념이 없습니다. 그러나 기존의 임상시험처럼 품질관리를 해야 합니다. 병원 데이터를 제대로 만들어서 하려면 CRA를 투입하고, 임상시험과 마찬가지로 제약회사에서 데이터 품질을 검토해야 합니다.

RWD 연구를 위한 운영체계도 마련해야 합니다. 현재, 몇몇 대학병원에서 질환별로 레지스트리를 만들어 보기 위해 노력하고 있습니다. 전산으로 할 수 있는 것은 전산으로 해보자는 협의까지 마련된 상태입니다. 이 운영체계에서는 공통 형태로 데이터를 구축하고 중앙으로 모으는 체계를 만들고자 합니다. 중앙에서 모든 데이터를 활용하도록 지원하고 공단 자료 등과 연계까지 한다면 환자의 과거까지 조사할 수 있을 것입니다. 이를 위한 인프라를 구축해야 합니다.

인프라는 쉬운 것부터 단계별로 구축하는 것이 좋습니다. 우선 질환별 임상시험 데이터 표준항목을 선정한 다음, 질환별 임상시험 표준용어 매핑 체계를 구축하고, 질환별 임상시험 CDM 데이터 모델링 로직을 설계하는 것입니다.

이를 위해 필요한 자료 즉, 질환별 데이터를 모으고 공단과 연계할 수 있는 체계를 마련합니다. 또한 ChatGPT를 이용해 비정형 자료를 자동화합니다. 그리고 앞으로의 자료도 모을 수 있도록 전자동의도 취득합니다. 레지스트리를 구축하려면 전자동의를 받아 환자 데이터를 수집하는 체계를 갖춰야 합니다. 제약회사가 데이터를 사용하려면 제약회사가 데이터 품질을 관리하는 체계도 만들어야 합니다.

효과적인 RWD 연구를 진행하기 위해서는 이처럼 해야 할 일이 많습니다. 결코 쉽지 않은 여정인 것만은 분명합니다. 하지만 미래는 항상 현실이 되어왔듯, RWD 연구 또한 그리 멀지 않은 시간에 임상연구의 중요한 요소로 자리할 것입니다.