Personal Health Data and Behavior Changes

0
May 24, 2013 // Digital Health, Science

이 글은 플래텀기고된 글입니다.

데이브 디킨슨(Dave Dickinson) 전 지오(Zeo)社 최고경영자(CEO)는 지난 5년간의 경험을 바탕으로 “개인건강데이터가 행동변화의 동기를 유발할 수 있는가(Can personal health data motivate behavioral change)?“라는 질문에 대한 네 가지 힌트를 제시한다.

Zeo Personal Sleep Coach

지오社는 2003년 12월 매사추세츠(Massachusetts)州 뉴턴(Newton)에 문을 연 스타트업으로 뇌전도(EEG: Electroencephalography)를 측정해 무선으로 전송하는 헤드밴드와 전송받은 데이터를 보여주기 위한 탁상형 디스플레이(Bedside Display) 및 스마트폰 앱을 개발했고, 수집된 데이터를 이용한 수면지도(Sleep Coaching) 서비스도 제공했다. 하지만 지오社는 핏빗 플렉스(Fitbit Flex)조본 업(Jawbone Up) 등 수면패턴을 기록할 수 있는 활동량 측정기(Activity Tracker)의 등장으로 갈수록 경쟁이 치열해짐에 따라 적절한 투자자를 찾지 못한 채 결국 작년 말 CEO인 데이브 디킨슨이 회사를 떠나며 폐업을 기정사실로 만든다.

“All data is not created equal.”

데이브 디킨슨은 센서가 만들어내는 데이터가 모두 행동변화의 동기를 유발하는 것은 아니라며 단순히 수면과 깨어있는 상태만 구분해주는 것처럼 직관적으로 알 수 있는 명백한 데이터는 행동변화에 도움을 주지 못한다고 말한다. 하지만 REM (Rapid Eye Movement) 수면, 깊은 수면, 얕은 수면의 양과 역할 등 기존에 알지 못한 정보를 전달할 수 있는 더 세밀화된 데이터는 새로운 수준의 충격과 공포를 만들어 행동변화를 일으킬 수도 있다고 설명한다. 데이브 디킨슨은 이를 하나의 수치가 아닌 HDL(좋은 콜레스테롤)과 LDL(나쁜 콜레스테롤) 수치로 나눠 데이터를 제공하는 콜레스테롤 검사에 빗대어 설명하지만 실제로 지오社에서 도입했던 ZQ (Zeo Quotient)와 같이 수면의 질을 평가해 하나의 수치로 보여줄 때 어떤 차이가 있었는지는 설명하고 있지 않다. 그는 또 행동변화의 동기를 유발하는 것뿐 아니라 변화된 행동을 지속시키기 위한 긍정적인 피드백의 중요성을 강조하며, 작은 변화를 명확하게 보일 수 있는 높은 수준의 데이터 척도(Scale)가 일반적으로 유리할 것이라 말했다.

하지만 데이터의 입도나 척도에 대한 절대적인 기준은 없다는 데이브 디킨슨의 결론처럼 행동변화의 동기를 유발하는 것은 데이터 자체가 아니라 얻어진 데이터를 소비자에게 전달하는 방식에 있다. 실제로 지오社의 헤드밴드는 수면단계(Sleep Phase)뿐 아니라 뇌파(Brainwaves)를 측정해 제공하는데, 수면단계보다 입도가 훨씬 세밀한 뇌파를 소비자에게 그대로 제공한다면 오히려 전달할 수 있는 정보의 양이 줄어들고 행동변화에 대한 동기를 유발하기도 어려울 것이다. 또 30여 년 전 양치질 습관을 기르기 위한 실험에서 나타난 것처럼 충격과 공포가 항상 행동변화를 가장 잘 일으키는 것은 아니므로 효과적으로 “데이터가 이야기하게 하는 것(Making Data Talk)“이 필요하다.

“Relate the data to something else I care about NOW.”

데이브 디킨슨은 먼 미래의 이익이나 위험을 알리는 것만으로 소비자의 행동변화를 일으키긴 어렵다고 말한다. 예를 들어, 소비자가 흡연이 폐암의 원인이 된다는 사실을 아는 것만으로 흡연량을 줄이거나 금연을 하지는 않는다는 것이다. 하지만 그는 자신의 ZQ를 같은 나이의 다른 이와 비교할 때 행동변화에 대한 소비자의 동기가 크게 유발된다고 밝혔다. 데이브 디킨슨은 이 같은 현상을 두고 자신의 나이보다 빠른 노화가 당장의 능력, 성적매력, 경력 등에 영향을 미치기 때문이라 해석하지만, 소셜네트워크를 통해 비만이 확산하는 것처럼 다른 사람과의 관계도 행동변화의 동기 유발에 영향을 미칠 수 있을 것이다. 실제로 아이들의 활동량을 높이기 위한 서비스 잠지(Zamzee)는 자신감(Competence), 자주성(Autonomy), 숙달(Mastery), 목적(Purpose)과 함께 다른 사람과의 관계(Relatedness)를 행동변화의 동기를 유발하는 데 중요한 요소로 꼽았고, 임상시험을 통해 그 효과를 입증했다. 물론 먼 미래에 일어날 일보다는 지금의 걱정거리에 대한 데이터가 행동변화의 동기 유발에 더 유리한 것은 자명하다.

“Make your advice as personalized as possible.”

페이션츠라이크미(PatientsLikeMe)가 같은 질병을 앓고 있는 다른 사람을 찾아 도움을 얻는데 사용되지만, 데이브 디킨슨은 기술의 발전으로 소비자의 기대가 이보다 높아져 개인화된 자가 진단(Personalized Self-Assessment)을 통해 더 “규범적인(Prescriptive)” 조언을 제공해야 한다고 말한다. 그는 아직 개인화 기술이 적용된 사례가 많지 않지만, 행동변화의 동기를 유발하는데 더 나은 결과를 가져올 것이라 예상한다.

Ways You Can Share, Find and Learn at PatientsLikeMe

“The presentation of the data matters.”

Comparing the 30 g/day results with the combination of earlier and later 60 g/day results, t = 3, p = 0.006.

버터의 섭취가 산술 능력에 미치는 영향을 보여주는 세스 로버츠(Seth Roberts)의 그래프처럼 퀀티파이드셀프(Quantified Self) 운동에 참여하는 사람들은 데이터의 상관관계를 보여주고, 원인과 결과를 공유하거나 새로운 가설을 살펴보는 데서 즐거움을 찾는다고 한다. 하지만 이 분야에서 행동 심리학자, 디자이너나 예술가처럼 시각의 힘을 빌려 감성을 자극할 수 있는 전문가의 참여가 많지 않다고 데이브 디킨슨은 지적한다. 그는 데이터 시각화를 통해 행동변화의 동기를 유발하는 것은 과학보다 예술에 가깝다며 더 다양하고 많은 전문가가 참여해야 한다고 말한다.

Health Data Liberation

모비헬스뉴스(mobihealthnews)에 기고한 글에서 데이브 디킨스는 개인건강데이터가 어떻게 행동변화의 동기를 유발할 수 있는지 설명하지만, 실제로 행동변화의 동기 유발에 영향을 미치는 요소는 데이터 자체보다 데이터를 표현하고 전달하는 방식 즉 데이터 중심의 서비스에 있다. 따라서 우리는 개인건강데이터를 다양한 서비스의 개발을 위한 기반으로 인식하고, 더 많은 개인건강데이터가 서비스에서 활용될 수 있도록 지원해야 한다. 실제로 미국 정부는 블루버튼(Blue Button)이라는 이름으로 환자가 자신의 의무기록을 내려받을 수 있도록 하고, 이를 활용한 서비스 개발을 촉진하기 위해 노력하고 있다. 우리나라도 국민건강보험공단이나 건강보험심사평가원 등의 공공기관 홈페이지나 몇몇 병원에서 제공하는 개인건강기록(PHR: Personal Health Records) 서비스를 통해 자신의 데이터를 열람할 수 있으나 내려받을 방법이 없어 그 활용에 제약이 따른다. 개인건강데이터의 열람권은 법적으로 보장되는 권리인 만큼 이를 내려받아 자유롭게 활용할 수 있도록 지원하는 것도 당연하다. 지금은 보안에 대한 우려로 이 같은 권리의 행사가 어렵지만, 온라인금융이나 전자상거래가 가능해진 것처럼 앞으로 개인건강데이터를 내려받을 길이 열리길 기대한다.

Motivation, Ability, and Trigger

결국, 소비자 행동변화의 동기 유발은 단순히 데이터의 표현이나 전달로 가능한 것이 아니다. 스탠포드 대학교 설득형기술연구실(Persuasive Technology Lab.)을 이끄는 B.J. 포그(B.J. Fogg) 교수는 행동변화가 동기(Motivation), 능력(Ability), 트리거(Trigger)의 세 가지 요소가 한 점에 모일 때 일어난다고 포그행동모델(Fogg Behavior Model)을 이용해 설명한다. 즉, 아무리 행동변화에 대한 동기가 강해도 지금 당장 행동변화를 일으킬 수 있는 능력이 없거나 행동변화를 일으키기 위한 트리거가 존재하지 않는다면 행동변화까지 이어지지 못한다는 것이다. 따라서 개인건강데이터를 활용해 행동변화를 이끌기 위한 서비스를 개발할 때는 모든 측면에서 이 세 가지 요소를 고려할 수 있어야 한다.

About the author

James G. Kim is a toolsmith turned innovator. He has been working with Web technologies for more than a decade, and has recently developed strong enthusiasm for Health/Medicine 2.0 along the similar lines of Web 2.0. He has M.Sc. in Computer Science, and is working on his Ph.D. in Medical Informatics, serving a role as a researcher and independent consultant.