인구생리학: 전자건강기록을 활용한 내분비 동역학 연구

초록

본 연구는 전자건강기록(EHR) 데이터를 이용해 인구 수준에서 혈당·인슐린 역학 모델을 검증하는 방법론을 제시한다. 평균 혈당은 일주기 변화를 보이지 않지만, 시간 지연 상호정보량(TDMI)이라는 비선형 상관 지표는 일반인 집단에서 뚜렷한 일주기 패턴을 드러낸다. 반면, 지속적인 정맥 영양을 받는 중환자군에서는 이러한 TDMI 패턴이 사라진다. 모델링 결과는 식사 패턴 차이가 TDMI 변화를 주도한다는 것을 보여준다.

상세 분석

이 논문은 전통적인 생리학 실험이 비용·위험·침습성 때문에 대규모·장기 데이터를 확보하기 어려운 점을 지적하고, EHR이 이러한 공백을 메울 수 있음을 주장한다. 그러나 EHR 데이터는 측정 시점이 불규칙하고, 환자군이 이질적이며, 통제군이 부재한 등 여러 한계를 가진다. 저자들은 이러한 제약을 극복하기 위해 두 가지 핵심 전략을 채택한다. 첫째, 평균 혈당값과 같은 1차 통계량은 일주기 변동을 포착하지 못한다는 사실을 확인하고, 대신 시간 지연 상호정보량(TDMI)을 이용해 서로 다른 시간 간격(예: 1시간, 2시간…)에 측정된 혈당값 사이의 비선형 의존성을 정량화한다. TDMI는 데이터가 불균등하게 샘플링되더라도 적용 가능하며, 정보 이론적 관점에서 시스템의 기억(memory)과 주기성을 드러낸다. 둘째, 저자들은 기존 문헌에 기반한 6차 방정식으로 구성된 간단한 포도당‑인슐린 모델을 사용한다. 모델은 혈당 생산·소비, 인슐린 분비·소멸, 그리고 세 단계 지연 필터(h1‑h3)를 포함한다. 주요 파라미터는 기존 연구와 동일하게 설정하고, 외부 입력인 포도당 공급율(I_G)만을 네 가지 식사 패턴(연속 공급, 정규 식사, 잡음이 섞인 식사, 무작위 식사)으로 변형한다.

데이터는 콜롬비아 대학교 의료센터의 20년간 기록된 80만 명 환자의 혈당 측정값을 활용했으며, 여기에는 입원·외래 환자 전체와 NICU에 입원한 지속적 영양 공급 환자군이 포함된다. 각 환자의 혈당 시계열을 추출하고, TDMI를 계산해 일주기(24시간) 주기의 존재 여부를 검증한다. 결과는 다음과 같다. (1) 평균 혈당값은 모든 하위 집단에서 일주기 변동이 없으며, 이는 전통적인 평균 기반 분석이 일일 리듬을 놓친다는 것을 의미한다. (2) 일반인 집단에서는 TDMI가 24시간 주기로 뚜렷한 피크를 보이며, 이는 식사와 같은 외부 자극이 시스템에 주기적 정보를 부여한다는 증거다. (3) NICU 환자군에서는 TDMI가 거의 평탄하게 나타나 일주기 패턴이 사라진다. 이는 지속적인 정맥 영양이 외부 주기성을 제거했기 때문이다. (4) 모델 시뮬레이션에서 연속 공급(IG,cp)과 정규 식사(IG,pi) 등 네 가지 입력을 적용했을 때, TDMI 곡선이 실험 데이터와 일치함을 확인했다. 특히, 잡음이 섞인 식사(M_ni)와 무작위 식사(M_ri)는 TDMI 피크를 감소시키는 효과를 보여, 식사 시간의 규칙성이 TDMI에 직접적인 영향을 미친다는 결론을 뒷받침한다.

이러한 분석은 EHR 데이터가 비선형 정보 지표와 결합될 때, 인구 수준의 생리학적 리듬을 탐지할 수 있음을 시사한다. 또한, 모델 기반 접근법을 통해 관찰된 TDMI 패턴을 생리학적 메커니즘(식사 주기, 인슐린-포도당 피드백)과 연결할 수 있다. 한계점으로는 혈당 측정이 임상 상황에 따라 선택적으로 이루어지므로, 측정 빈도와 타이밍이 편향될 가능성이 있다. 또한, 모델 파라미터를 고정하고 외부 입력만을 변형했기 때문에, 개인별 인슐린 감수성 차이나 약물 복용 등 다른 요인은 충분히 반영되지 않았다. 향후 연구에서는 다변량 EHR 데이터(예: 약물, 체중, 활동량)와 베이지안 추정 기법을 결합해 모델 파라미터를 환자별로 추정하고, 장기적인 대사 상태 변화를 추적하는 것이 필요하다.