행동임상 페노타입 탐색: 2형 당뇨 자가모니터링 데이터 활용

초록

본 연구는 6명의 2형 당뇨 환자가 기록한 식사 사진·텍스트와 혈당 변화를 이용해, 계층적 군집(Hierarchical Clustering)으로 행동‑임상 페노타입을 자동 생성하고, 인증된 당뇨 교육자(CDE)들이 만든 금표준(gold standard)과의 일치도, 전문가의 직관적 타당성, 그리고 임상 판단 지원 효과를 평가하였다. 결과는 대부분의 군집이 금표준 패턴을 재현했으며, 시각화된 군집이 전문가의 패턴 인식을 70% 개선함을 보여준다.

상세 분석

이 논문은 자가모니터링 데이터(식사 사진·텍스트, 혈당 측정)를 활용해 개인 수준의 행동‑임상 페노타입을 자동으로 도출하는 방법론을 제시한다. 핵심 기술은 계층적 군집(Hierarchical Clustering)이며, Euclidean 거리와 평균 연결(mean linkage)을 사용해 최소-최대 정규화된 연속형 피처(탄수화물, 단백질, 지방, 섬유소의 그램 또는 칼로리 비율, 식후 혈당 변화)를 기반으로 클러스터를 형성한다. 클러스터 수는 Calinski‑Harabasz 지표를 최대화하는 지점에서 결정하고, 5개 미만의 식사는 통계적 파워 부족과 전문가 의견에 따라 제외하였다.

전문가 금표준은 두 단계로 구축되었다. 첫 번째는 원시 데이터만을 보고 CDE 2명이 독립적으로 패턴을 도출한 뒤 합의한 것이며, 두 번째는 자동 군집 결과와 병행 좌표 플롯을 확인한 후 보완된 패턴이다. 금표준은 질적 서술을 복합 부등식 형태(예: “점심, 지방 칼로리 비율 >45%, 혈당 상승 >50 mg/dL”)로 변환해 정량적 비교가 가능하도록 했다. 이후 각 군집이 금표준 패턴을 얼마나 포괄하는지 평가했으며, 50% 이상의 식사가 동일 클러스터에 속하면 ‘재발견’으로 간주했다.

평가 결과는 다음과 같다. 총 9개의 금표준 패턴 중 4개는 하나의 클러스터에 50% 이상 식사가 포함돼 완전 재발견되었고, 나머지 5개는 더 넓은 클러스터 안에 부분 집합으로 존재했다. 전체 18개 클러스터 중 9개(50%)가 전문가가 5점 Likert 척도에서 타당성·의미·실행 가능성을 3점 이상으로 평가했다. 또한, 클러스터 시각화를 검토한 후 CDE는 기존 패턴과 데이터 간 모순을 70% 감소시켜 보다 일관된 임상 해석을 도출했다.

이 연구는 몇 가지 중요한 시사점을 제공한다. 첫째, 행동(식사 영양)과 임상(혈당) 데이터를 동시에 고려한 혼합형 페노타입이 개인 맞춤형 관리에 유용함을 실증했다. 둘째, 금표준을 질적에서 정량적 부등식으로 변환하는 절차가 전문가 의견과 자동화된 결과를 연결하는 다리 역할을 수행했다. 셋째, 계층적 군집은 사전 클러스터 수를 지정할 필요가 없고, 비선형·비구형 패턴을 포착할 수 있어 복합적인 대사 반응을 모델링하는 데 적합하다. 마지막으로, 시각화 도구(병렬 좌표 플롯)가 전문가의 인지 부하를 낮추고, 데이터 기반 패턴 인식을 촉진한다는 점은 향후 임상 의사결정 지원 시스템 설계에 중요한 설계 원칙이 될 수 있다.

하지만 제한점도 존재한다. 참가자 수가 6명으로 매우 제한적이며, 데이터는 자가보고식이므로 식사 구성 오류가 있을 수 있다. 또한, 피처 선택이 네 가지 후보에 국한돼 있어, 식사 시간, 음식 종류(예: 고GI vs 저GI) 등 추가 변수의 영향을 평가하지 못했다. 향후 연구에서는 더 큰 코호트와 다양한 피처를 포함하고, 군집 결과를 실제 치료 개입 효과와 연결하는 전향적 임상 시험이 필요하다.