게놈 데이터를 이용한 새로운 암 치료법 개발

특정 약이 “암 치료에 40% 효과가 있다”는 말에서, 특정 유전자 프로파일을 가진 환자라면 같은 약이 100% 효과를 낼 수 있다는 또 다른 해석을 내릴 수 있습니다. 그러나 게놈 데이터는 빅 데이터입니다. 단일 인간 게놈의 데이터에는 약 20,000개의 유전자가 포함됩니다. 이런 데이터를 기존 데이터 플랫폼에 저장하면 용량이 수백 기가바이트에 달합니다. 각 게놈을 백만 개의 가변적인 DNA 위치와 결합하면 1인당 약 200억 줄에 해당하는 데이터가 생성됩니다.

주요 대학교 및 대학 병원에서는 게놈 데이터를 저장하여 이 데이터를 인구통계, 실험 결과 및 실시간 환자 반응에 대한 기타 데이터와 합치는 경제적이고 신뢰할 수 있는 플랫폼으로 Hortonworks Data Platform을 사용하여 게놈 분야의 빅 데이터 분석을 실행하고 있습니다. 이들은 Hortonworks DataFlow를 채택하여 데이터를 HDP로 스트리밍하여 실시간 의사 결정과 장기적인 코호트 분석에 사용합니다. 연결 데이터 플랫폼은 이 의사들이 전체 유전 스펙트럼의 다양한 환자 집단에 가장 효과적인 약품과 치료법을 알아내는 데 도움이 됩니다.

환자의 바이탈 사인 실시간 모니터링

환자의 바이털 사인은 간호사가 병실을 돌면서 직접 모니터링하는 것이 일반적입니다. 보통 몇 시간마다 환자의 침대로 직접 가서 바이털 사인을 측정하고 기록하지만, 예정된 모니터링 시간 외에 환자의 상태가 나빠질 수도 있습니다. 따라서 의료 제공자는 환자의 문제에 사후 대응하는 일이 잦고, 조기에 대응하지 못하여 사후 대응한 경우 환자의 사활에 미치는 영향은 하늘과 땅 차이라고 할 수 있습니다.

새로운 무선 센서를 사용하면 사람이 환자를 살펴볼 수 있는 빈도보다 환자의 바이탈 신호를 훨씬 더 자주 확인하고 전송할 수 있으며, 이런 측정치를 Hadoop 클러스터로 스트리밍할 수 있습니다. 의료 제공자는 이 신호를 통해 실시간 알림을 전달받아 예상치 못한 변화가 감지될 경우 더욱 신속하게 대응할 수 있습니다. 시간이 지남에 따라 이 데이터는 HDP에 축적되어 응급 상황이 발생할 가능성을 회진 시에 발견하기 전에 미리 예측하는 데 도움이 되는 알고리즘에 사용됩니다.

가정 내 테스트를 통해 자폐증을 선별하는 기계 학습 접근법

자폐 스펙트럼 장애는 어린이 100명당 1명꼴로 나타나며 치료 비용만 해도 연간 1,000억 달러를 웃도는 것으로 추산됩니다. 자폐 스펙트럼 장애 증상은 18개월 때 유아의 행동을 통해 진단할 수 있지만 4가지 사례 중 하나 이상은 8살 연령에서도 진단이 되지 않는 경우가 있습니다. 또한 임상 검사 시설이 턱없이 모자란 관계로 진단을 받고자 하는 환자 수가 너무 많아 진단을 받기까지 오랜 시간을 기다려야 합니다. 가장 일반적인 진단 방법은 2시간 30분 동안 약물을 투여하고 그 결과치를 기록하는 것입니다.

데니스 월(Dennis Wall) 박사는 하버드 의과대학에서 컴퓨터 생명 공학 프로젝트를 주도하고 있는 담당 교수입니다. 이번 프레젠테이션에서 데니스 월 박사는 저렴한 비용으로 자폐증을 모바일로 선별할 수 있는 프로세스를 개발했다고 발표했습니다. 이 테스트에 소요되는 시간은 5분 미만이며, 가정에서 환자가 직접 시행하고 전송한 간단한 테스트 결과를 대량의 준구조적 데이터로 저장하는 기능을 기반으로 하고 있다고 설명했습니다. 또한 이 연구 팀은 사용자가 보고한 자폐증에 관한 정보를 Facebook을 통해서도 수집했다고 덧붙였습니다.

방대한 양의 데이터 세트에서 실행되는 인공 지능은 정확하고도 효율적인 진단에 데 도움이 됩니다. 이러한 접근법은 Hadoop 클러스터의 데이터 저장 공간에 결합되어 다른 혁신적인 기계 학습 진단 프로세스에서도 사용할 수 있습니다.

임상 연구 데이터의 영구 저장

대학에 몸담고 있는 의학 연구원이나 과학 연구원들 사이에는 "논문을 계속 발표하지 않으면 사라지는 것과 마찬가지(Publish or perish)”라는 신조가 있습니다. 일반적으로 논문에는 이를 뒷받침하는 데이터가 엑셀 스프레드시트로 첨부되지만 최근에는 이 데이터 세트의 양이 실로 방대합니다. 하지만 논문에는 항상 이를 뒷받침하는 데이터 자료가 첨부되어야 합니다. 이 데이터가 사라지면 논문도 그 근거력을 잃게 됩니다.

대학은 과학 연구원들의 데이터를 영구적으로 저장하는 비용 효율적인 플랫폼으로 HDP(Hortonworks Data Platform) 기반의 클러스터를 이용할 수 있습니다. 과학자들은 의료 분야의 편리한 오픈 쿼리 기능을 사용하여 데이터를 공유 및 검증하고 다운스트림 연구에 다시 사용할 수 있습니다.