당신의 신진대사, 디지털화

특정 식사 후 혈당 수치가 어떻게 급상승할지, 수면 패턴이 인슐린 감수성에 어떻게 영향을 미치는지, 또는 어떤 음식이 당신의 건강 목표를 몰래 방해하고 있는지 예측할 수 있는 컴퓨터에서 실행되는 신체 신진대사의 가상 복사본이 있다고 상상해 보세요. 이것이 Silicon Valley 스타트업 Twin Health의 약속입니다. 이 회사는 소비자 의료 분야에서 가장 정교한 디지털 트윈 기술 응용 프로그램을 개발했을 수 있습니다.

최근 5,300만 달러의 투자 라운드를 발표한 이 회사는 여러 착용 가능한 센서의 데이터를 집계하여 각 환자의 신진대사 시스템의 AI 기반 디지털 복제본을 만듭니다. 이 디지털 트윈들은 매일 수천 개의 데이터 포인트를 처리하여 일반적인 식이 조언을 훨씬 능가하는 고도로 개인화된 영양, 운동 및 라이프스타일 권장사항을 생성합니다.

센서 생태계

환자가 Twin Health 프로그램에 등록하면 네 가지 핵심 장치가 포함된 키트를 받습니다. 실시간으로 혈당 수치를 추적하는 연속 혈당 모니터, 정기적인 심혈관 수치 측정을 위한 혈압계, 체중과 체성분 지표를 측정하는 스마트 체중계, 그리고 신체 활동, 수면 품질 및 스트레스 지표를 모니터링하는 피트니스 추적 장치입니다.

이러한 장치들은 함께 매일 약 3,000개의 데이터 포인트를 수집합니다. 연속 혈당 모니터 자체만해도 몇 분마다 수치를 제공하여 시간에 따른 식사, 운동, 스트레스 및 수면에 대한 혈당 반응이 어떻게 발생하는지에 대한 상세한 그림을 만듭니다. 이러한 세밀한 데이터 수집은 일반적으로 정기적인 혈액 검사와 가끔의 혈당 측정에 의존하는 전통적인 당뇨병 관리와 디지털 트윈 접근 방식을 구분합니다.

모든 센서 데이터는 단일 모바일 애플리케이션으로 유입되며, 여기서 AI 시스템이 데이터를 처리하여 환자의 디지털 트윈을 구축하고 지속적으로 개선합니다. 가상 모델은 각 개인의 신진대사의 고유한 패턴과 반응을 학습하여 개별 수준의 특정성으로 맞춤형된 예측과 권장사항을 가능하게 합니다.이는 인구 수준의 식이 지침으로는 불가능합니다.

디지털 트윈이 지침을 제공하는 방법

디지털 트윈의 실질적인 출력은 Twin Health 앱을 통해 전달되는 개인화된 권장사항 스트림입니다. 사용자는 음식 라벨을 스캔하거나, 플레이트 사진을 찍거나, 음성으로 식사 설명을 기록함으로써 하루 종일 식사를 기록합니다. AI는 영양 콘텐츠를 분석하고 간단한 신호등 시스템을 사용하여 음식을 분류합니다: 초록색 음식은 그 특정 환자의 신진대사에 최적이고, 노란색 음식은 절제 있게 섭취해야 하며, 빨간색 음식은 문제성 신진대사 반응을 일으킬 가능성이 있습니다.

이 시스템을 특히 강력하게 만드는 것은 개인화입니다. 한 환자에게는 초록색으로 분류될 수 있는 음식이 다른 환자에게는 노란색 또는 빨간색일 수 있으며, 이는 그들의 개별 신진대사 반응 패턴에 따라 달라집니다. 백미는 한 사람의 혈당을 급상승시킬 수 있지만 다른 사람에게는 중간 정도의 영향을 미칠 수 있습니다. 디지털 트윈은 이러한 개별 차이를 배우고 그에 따라 권장사항을 조정합니다.

  • 시스템은 연속 혈당 모니터, 혈압계, 스마트 체중계 및 피트니스 추적기에서 매일 3,000개의 데이터 포인트를 처리합니다
  • AI는 각 환자의 고유한 신진대사 반응 패턴을 기반으로 음식을 초록색, 노란색 또는 빨간색으로 분류합니다
  • 임상 시험은 2형 당뇨병이 있는 참가자들 중 HbA1c의 평균 1.8% 감소를 보였습니다
  • 1년 연구에 참가자의 89%가 HbA1c 수준을 7% 미만으로 달성했으며, 이는 당뇨병 관리의 핵심 임계값입니다
  • 프로그램은 환자들이 Ozempic 같은 값비싼 GLP-1 약물을 포함한 약물을 줄이거나 없애는 것을 도와주는 것을 목표로 합니다

임상 증거

Twin Health의 접근 방식은 의료 커뮤니티의 주목을 받은 임상 데이터로 뒷받침됩니다. Scientific Reports 저널에 발표된 회고적 실제 연구는 1년 동안 참가자의 결과를 추적했습니다. 결과는 놀라웠습니다: 참가자들은 장기 혈당 조절의 핵심 지표인 HbA1c의 평균 -1.8%의 변화로 현저한 감소를 보였습니다. 연구한 참가자의 89%가 American Diabetes Association이 적절한 혈당 조절로 간주하는 임계값인 7% 미만의 HbA1c 수준을 달성했습니다.

이러한 결과는 많은 참가자가 동시에 당뇨병 약물을 줄이고 있는 동안 달성되었다는 점에서 특히 중요합니다. 이미 복잡한 약물 요법에 단순히 다른 약물을 추가하는 대신, 디지털 트윈 접근 방식은 라이프스타일 최적화를 통해 근본적인 신진대사 역기능을 해결하고 잠재적으로 시간 경과에 따라 약물 치료의 필요성을 줄이는 것을 목표로 합니다.

이 회사는 또한 디지털 트윈 AI가 지속 가능한 체중 감량과 Ozempic과 Wegovy를 포함하는 약물 클래스인 GLP-1 수용체 작용제 약물의 제거를 지원할 수 있다고 발표했습니다. 보험 없이 월 1,000달러가 넘을 수 있는 이러한 약물과 관련된 엄청난 비용을 감안할 때, 환자들이 지속적인 약물 치료 없이 체중 감량을 유지하도록 도와주는 기술 기반 대안은 상당한 잠재적 비용 절감을 나타냅니다.

의료 분야를 넘어선 디지털 트윈 개념

디지털 트윈, 즉 실시간 데이터로 지속적으로 업데이트되는 물리적 시스템의 가상 복제본은 수십 년 동안 엔지니어링과 제조 분야에서 사용되어 왔습니다. 항공우주 회사들은 제트 엔진을 모니터링하기 위해 사용하고, 지방 자치단체는 교통 패턴과 인프라 스트레스를 모델링하기 위해 사용합니다. Twin Health의 혁신은 이 개념을 인체에 적용하여 개인의 신진대사에 대한 지속적으로 업데이트되는 계산 모델을 만드는 데 있습니다.

의료 응용 프로그램은 특히 매력적입니다. 2형 당뇨병과 비만과 같은 신진대사 상태는 원인과 진행에 있어 매우 개별적이기 때문입니다. 동일한 진단을 받은 두 명의 환자도 같은 식단, 운동 요법 또는 약물에 매우 다르게 반응할 수 있습니다. 전통 의학은 의사가 정기적인 실험실 결과를 기반으로 치료를 조정하는 시행착오를 통해 이를 해결합니다. 디지털 트윈 접근 방식은 이 피드백 루프를 주 또는 월 단위에서 시간 단위로 가속화하여 치료 전략을 빠르게 최적화할 수 있도록 합니다.

도전 과제 및 고려 사항

유망한 임상 데이터에도 불구하고, 신진대사 건강 관리에 대한 디지털 트윈 접근 방식은 여러 도전 과제에 직면해 있습니다. 여러 착용 가능 장치의 요구 사항은 모든 환자가 장기간 유지하지 못할 수도 있는 순응 부담을 만듭니다. 연속 혈당 모니터는 점점 더 인기가 있지만, 여전히 정기적인 센서 교체가 필요하며 일부 사용자에게는 불편할 수 있습니다.

데이터 개인 정보 보호는 또 다른 고려 사항입니다. 연속 혈당 수치, 체중 측정, 혈압 데이터 및 상세한 식이 로그를 포함하여 시스템이 수집하는 건강 데이터의 양은 환자의 일상 생활에 대한 극히 친밀한 초상화를 나타냅니다. 이 데이터의 보안을 보장하고 사용 방식에 대한 환자 신뢰를 유지하는 것은 회사가 확장됨에 따라 중요할 것입니다.

접근성 문제도 있습니다. 기술이 인상적인 결과를 입증했지만, 현재 배포 모델은 신진대사 상태가 있는 모든 환자에게 경제적으로 합리적이지 않을 수 있는 구독 기반 프로그램을 포함합니다. 보험 커버리지와 고용주 웰니스 프로그램을 통해 접근성을 확대하는 것은 인구 수준에서 당뇨병과 비만 대유행을 해결할 기술의 잠재력을 실현하는 데 필수적일 것입니다.

그럼에도 불구하고 Twin Health는 지속적인 센서 데이터, 인공 지능 및 행동 과학이 만성 질환 관리를 위해 결합될 때 개인화된 의학이 어떻게 보일 수 있는지에 대한 설득력 있는 비전을 나타냅니다. 디지털 트윈 모델이 성숙해지고 착용 가능한 센서의 비용이 계속 하락함에 따라, 이 접근 방식은 수백만 명이 신진대사 건강을 관리하는 방식을 근본적으로 바꿀 수 있습니다.

이 기사는 Wired의 보도에 기반합니다. 원본 기사를 읽어보세요.