한양방 통합의학을 위한 데이터 과학적 접근 : 진단 분야 연구 현황과 미래 과제

1. 문헌 검색 전략

문헌 검색은 PubMed, Embase, IEEE Xplore 데이터베이스에서 수행하였으며, 각 데이터베이스의 특성에 맞는 검색식을 사용하였다. 검색식은 인공지능 기술, 동아시아 전통의학, 서양의학, 통합 접근법, 진단 관련 용어를 포괄적으로 포함하도록 5개의 주요 개념군으로 설계하였다: ①인공지능 관련 용어(artificial intelligence, machine learning, deep learning 등), ②동아시아 전통의학 관련 용어(traditional Korean medicine, traditional Chinese medicine, East Asian traditional medicine 등), ③진단 관련 용어(diagnosis, pattern identification, syndrome classification 등), ④통합 관련 용어(combined, integrated, hybrid, fusion 등), ⑤서양의학 관련 용어(western medicine, conventional medicine, biomedical, modern medicine 등)를 Boolean 연산자 AND로 조합하였다. 검색 대상은 영어로 작성된 문헌으로 제한하였다. 데이터베이스 별 구체적인 검색식은 다음과 같다.

Pubmed: ((artificial intelligence[Title/Abstract]) OR (ai artificial intelligence[MeSH Terms]) OR (deep learning [Title/Abstract]) OR (machine learning[Title/Abstract])) AND ((east asian traditional medicine[MeSH Terms]) OR (traditional korean medicine[MeSH Terms]) OR (traditional chinese medicine[MeSH Terms])) AND ((diagnosis [Title/Abstract]) OR (diagnostic[Title/Abstract]) OR (pattern identification[Title/Abstract]) OR (pattern classification[Title/Abstract]) OR (syndrome classification[Title/Abstract]) OR (pattern diagnosis[Title/Abstract]) OR (syndrome prediction[Title/Abstract])) AND ((combined[Title/Abstract]) OR (integrat*[Title/Abstract]) OR (hybrid[Title/Abstract]) OR (fusion[Title/Abstract])) AND ((western medicine[Title/Abstract]) OR (conventional medicine[Title/Abstract]) OR (biomedical[Title/Abstract]) OR (modern medicine[Title/Abstract])) AND (english[Language]), Embase: ('artificial intelligence'/exp OR (artificial NEXT/1 intelligence):ti,ab OR 'deep learning'/exp OR (deep NEXT/1 learning):ti,ab OR 'machine learning'/exp OR (machine NEXT/1 learning):ti,ab) AND ('oriental medicine'/exp OR 'Korean medicine'/exp OR 'Chinese medicine'/exp) AND ('diagnosis'/exp OR diagnos*:ti,ab OR (pattern NEXT/1 identification):ti,ab OR (pattern NEXT/1 classification):ti,ab OR (syndrome NEXT/1 classification):ti,ab OR (pattern NEXT/1 diagnosis):ti,ab OR (syndrome NEXT/1 prediction):ti,ab) AND (combined:ti,ab OR integrat*:ti,ab OR hybrid:ti,ab OR fusion:ti,ab) AND ('western medicine'/exp OR (western NEXT/1 medicine):ti,ab OR (conventional NEXT/1 medicine):ti,ab OR biomedical:ti,ab OR (modern NEXT/1 medicine):ti,ab) AND [english]/lim, IEEE: (("artificial intelligence" OR "machine learning" OR "deep learning" OR "neural network*" OR "transfer learning" OR "supervised learning" OR "unsupervised learning") AND ("traditional medicine" OR "oriental medicine" OR "Chinese medicine" OR "Korean medicine" OR "East Asian medicine") AND (diagnosis OR diagnostic OR "pattern recognition" OR classification OR "pattern identification" OR "syndrome classification" OR "pattern diagnosis" OR "syndrome prediction") AND (combined OR integrat* OR hybrid OR fusion) AND ("western medicine" OR "conventional medicine" OR biomedical OR "modern medicine"))

2. 문헌 선정 기준 및 배제 기준

본 연구에서는 데이터 과학 방법을 활용하여 진단 측면에서 한양방 통합의학적으로 접근한 연구들을 수집하고, 이와 관련성이 먼 연구들은 제외하였다. 구체적으로 중복된 문헌, 영어 이외의 언어로 작성된 논문, 실제 데이터에 기반하지 않은 이론 연구, 한의학 정보와 서양의학 정보를 모두 활용하지 않고 한쪽만 활용한 연구, 원저(original article)가 아닌 리뷰 연구, 통합의학과 관련 없는 연구, 진단과 관련 없는 연구는 제외하였다.

3. 연구 분류 및 분석

포함된 연구들은 다음과 같은 객관적 기준에 따라 분류하였다. 첫째, 입력 데이터 유형에 따른 분류로 한의학 정보(Traditional East Asian Medicine information, TEAM)의 포함 여부와 서양의학 정보(Western Medicine information, WM)의 포함 여부를 확인하였다. 둘째, 진단 목표에 따른 분류로 한의학적 진단(변증, 체질 등)을 목표로 하는지, 서양의학적 진단(질병, 병태생리 등)을 목표로 하는지, 연관성 분석을 목표로 하는지를 구분하였다. 분류의 일관성을 확보하기 위해 모든 논문에 대해 동일한 기준을 적용하였으며, 애매한 경우 원저의 연구 목적과 방법론을 재검토하여 최종 분류를 결정하였다. 이를 통해 최종적으로 ‘1) 한양방 정보를 모두 활용한 모델로 다양한 진단을 수행한 연구’, ‘2) 한의 정보 기반 서양의학적 진단을 수행한 연구’, ‘3) 한의 진단과 서양의학 정보의 연관성을 분석한 연구’의 세 가지 카테고리로 분류하였다. 세 가지 카테고리에 속하는 연구들에 대해 각 카테고리 별로 연구의 목적, 데이터 크기, 수집된 한의 정보와 양의 정보, 정보 통합 방법 및 통합의학 측면에서 핵심 결과를 중심으로 내용을 정리하였다.

Fig. 1.

Flow diagram of literature selection and classification

1. 한·양방 정보를 모두 활용한 모델로 다양한 진단을 수행한 연구

Table 1.

Integrated diagnosis models that utilize both traditional East Asian medicine and Western medicine information

Table 2.

Western diagnosis from traditional East Asian medicine-based information

Table 3.

Correlation studies between traditional East Asian medicine diagnoses and Western medicine information

Chen 등¹⁴⁾은 뇌졸중 후 인지장애(Post stroke cognitive impairment; PSCI) 예측을 위해 기계학습 알고리즘을 활용한 모델을 개발하고자 했다. 85명의 급성 허혈성 뇌졸중 환자를 대상으로, 중의학의 체질(기허체질, 음허체질 등 9종 체질) 및 변증 정보와 서양의학의 위험인자를 결합하여 분석했다. 서양의학 인자에는 인구통계학적 정보, 과거력, 뇌졸중 관련 과거력, 랩 검사 수치(혈청 아밀로이드 A, C-반응성 단백질 수치 등), NIHSS 점수(National Institutes of Health Stroke Scale), MMSE와 MoCA 같은 인지 평가 척도 등이 포함되었다. Gradient Boosting Decision Tree(GBDT), Random Forest(RF), Support Vector Machine(SVM) 알고리즘을 사용하여 모델을 구축했으며, 10 fold 교차검증을 통해 모델 성능을 평가하고 최적화했다. GBDT모델이 80.77%의 높은 예측 정확도를 보였으며, 중서의학 요소를 통합한 이 접근법은 PSCI 예측에 있어 우수한 성능을 보여주었다. 주요 예측 인자로는 서양의학 지표(바델 지수, 나이, 공복 혈당, 호모시스테인)와 중의학 인자(체질 및 변증 유형)가 모두 포함되었다. 이 통합적 접근법은 PSCI의 조기 발견, 진단, 치료를 가능하게 하여 발생률과 부작용을 잠재적으로 줄일 수 있음을 시사했다.

Jiang 등¹⁵⁾은 기계학습을 활용하여 당뇨병성 말초신경병증(Diabetic peripheral neuropathy; DPN)을 예측하는 다중 특징, 중서의학 통합 모델을 개발하고자 했다. 안휘중의약대학 제1부속병원의 제2형 당뇨병 환자 1,142명(DPN 환자 681명, 비DPN 환자 461명)을 대상으로 연구를 진행했다. 중의학 증상 15가지, 설진과 맥진 특성, 일반 정보, 랩 검사 수치 등을 포함한 총 49개의 특징(서양의학 지표 27개, 중의학 지표 22개)을 분석에 사용했다. 로지스틱 회귀와 RF 알고리즘을 사용하여 예측 모델을 구축하고, SHAP 프레임워크를 적용하여 모델을 해석했다. 통합 모델은 서양의학 지표만을 사용한 모델보다 우수한 성능을 보였으며, 최고 성능은 정확도 0.81, 정밀도 0.80, 재현율 0.91, F1 점수 0.85, AUC 0.90으로 나타났다. 주요 예측 인자 분석 결과 중의학 증상(사지 저림, 갈증, 시력 흐림)이 나이, 질병 이환 기간, HbA1c와 함께 상위 예측 인자로 나타났다. 이 통합적 접근법은 질병 특성을 보다 종합적으로 반영하고, 제2형 당뇨병 환자에서 고위험 DPN 그룹의 조기 식별을 개선했으며, 중서의학 접근법을 결합한 만성 질환 관리의 가능성을 보여주었다.

Xia 등¹⁶⁾은 기계학습 알고리즘을 사용하여 중의학 증상과 생리화학적 지표를 통합한 대사증후군(Metabolic syndrome; MS) 예측 모델을 개발하고자 했다. 중국의 네 병원에서 모집한 586명(MS 환자 450명, 건강인 대조군 136명)을 대상으로 연구를 진행했다. 47개의 중의학 증상(갈증, 현맥, 어지러움, 설태 등)과 20개의 생리화학적 지표(성별, 나이, 키, 체중, BMI, 허리둘레, 혈압, 간 기능 검사, 공복혈당, 신장 기능 검사 등)를 수집했다. Decision tree(DT), SVM, RF 세 가지 모델을 사용하여 세 가지 데이터셋(통합 지표, 생리화학적 지표만, 중의학 지표만)을 분석했다. 통합 지표를 사용한 RF 모델이 가장 높은 정확도(0.97), 민감도(0.99), 특이도(0.92)를 보이며 최고의 성능을 나타냈다. 한의 예측 인자로는 현맥, 흉부 압박감, 자한, 설태 등이 중요한 것으로 확인되었다. 이 통합적 접근법은 단일 유형의 지표만을 사용한 모델에 비해 MS 환자와 대조군을 더 잘 구분했으며, 중의학 증상과 생리화학적 지표의 조합이 MS 진단의 정확도를 향상시키고 잠재적으로 조기 발견을 가능하게 할 수 있음을 보여주었다.

Zhang 등¹⁷⁾은 전자의무기록(EHR)을 기반으로 입원 환자를 위한 중의학 처방을 예측하는 보조 도구를 개발하고자 했다. 2017년 1월부터 2018년 12월 사이에 광안문 병원에서 구축된 21,295건의 입원 EHR을 사용했다. 중의 진단 및 처방 정보, 중의 약물 분류 시스템(819가지 1차 분류 약물), 인구통계학적 정보, 임상 데이터 등을 포함했다. 자연어 처리(NLP) 기술을 사용하여 TCM과 서양의학 섹션에서 관련 정보를 추출했고, 중의학과 서양의학 데이터를 결합한 트랜스포머 기반 신경망 모델을 훈련시켰다. 생성적 적대 신경망(GAN)을 사용하여 훈련 데이터를 증강했다. 훈련된 트랜스포머 모델은 평균 80.58%의 정밀도와 68.49%의 재현율을 달성했다. 이 통합 접근법은 기존 방법과 단일 시스템 접근법보다 우수한 성능을 보였으며, 중의학과 서양의학 관점의 종합적인 환자 정보를 바탕으로 처방을 제안하였다. 이 시스템은 중의사들에게 보조 도구를 제공하여 처방의 정확성과 효율성을 잠재적으로 향상시킬 수 있음을 보여주었다.

Park 등¹⁸⁾은 한의학과 표준 서양의학 기반 관점을 결합한 통합적 생리심리사회적 접근법을 사용하여 기능성 위장장애(Functional gastrointestinal disease; FGID)의 새로운 아형을 제시하고자 했다. 한국의 대학병원 소화기내과에서 모집한 198명의 FGID 환자를 대상으로 연구를 진행했다. 한의 소화기 변증 설문지(KM), 서양의학의 표준 진단 기준인 Rome criteria 기반 장질환 설문지(K-BDQ), 36항목 삶의 질 설문지(SF-36)를 사용하여 데이터를 수집했다. 정준 상관 분석과 다중 선형 회귀를 사용하여 KM과 SF-36이 K-BDQ에 대해 제공하는 보완적 정보를 평가했고, 극단적 랜덤화 트리 회귀 모델(ERT regression model)을 통해 세 설문지에서 FGID와 가장 관련성 높은 특징을 식별했다. 비선형 차원 축소(UMAP)와 군집화(Spectral clustering) 알고리즘을 통합 데이터에 적용하여 경증, 중증, 정신 증상 우세, 신체 증상 우세의 네 가지 새로운 FGID 아형을 도출하였다. 이 통합적 접근법은 기존 방법에 비해 보다 포괄적인 생물심리사회적 프로파일을 제공했으며, 서양의학의 표준 진단 에서 부족했던 심리사회적 측면을 보완했다. 이 방법은 한양방 통합의학적 접근이 FGID 관리에 있어 더욱 개인화된 치료 전략을 제공할 수 있는 가능성을 보여주었다.

2. 한의 정보 기반 서양의학적 진단을 수행한 연구

Cui 등¹⁹⁾은 맥진 파형을 수직으로 5개 층으로 나누어 분석함으로써 안정형 관상동맥질환(coronary heart disease; CHD)을 식별하기 위한 음향 기반 맥진 접근법을 개발하고자 했다. 안정형 CHD 환자 45명과 비교적 건강한 대조군 45명을 대상으로 연구를 진행했다. 중의학 이론에 기반한 현대 맥진 이론을 적용하여 요골 동맥의 촌, 관, 척 부위에서 특별히 설계된 장치로 음향 파형을 수집했고, 시간 영역, 주파수 영역, 경험적 모드 분해(empirical mode decomposition) 분석을 수행했다. 중의학의 맥진 이론과 현대 신호처리 기술을 결합하여 CHD를 식별하는 방법을 개발했다. 그 결과, 안정형 CHD 환자의 요골 동맥에서 비정상적인 음향 맥박 신호를 확인했으며, 특히 좌측 촌맥의 3층과 4층에서 각각 88.16%와 90.79%의 높은 정확도로 안정형 CHD를 식별할 수 있었다. 이 연구는 중의학에서 영감을 받은 맥진 방법과 현대 신호처리 기술을 결합하여 비침습적으로 CHD를 진단할 수 있는 가능성을 보여주었으며, 중의학 의사들이 맥상으로부터 안정형 CHD를 식별할 수 있는 객관적인 근거를 제공했다.

Qiao 등²⁰⁾은 전통 중의학의 설진 원리와 현대 의학의 진단 결과를 결합하여 위장관 질환을 진단하는 지능형 프레임워크를 개발하고자 했다. 949명의 환자로부터 수집한 2,167개의 설태 이미지(건강인 대조군 905개, 위장관 질환군 1,262개)를 분석 대상으로 삼았다. 중의학 이론에 기반한 설진 원리를 적용하여 스마트폰으로 설태 이미지를 촬영했고, 이를 위내시경 검사 결과와 결합하여 분석했다. 설태 이미지에서 추출한 특징을 이용하여 attention 메커니즘 기반의 딥러닝 모델을 구축했다. 그 결과, AUC 0.89, 진단 정확도 0.85, 민감도 0.97, 양성예측도 0.85, F1 점수 0.90을 달성했으며, H. pylori 감염, 담즙 역류, 역류성 식도염, 위 미란, 십이지장 미란 등의 위장관 질환을 효과적으로 식별할 수 있었다. 이 연구는 전통 중의학의 설진 이론과 현대 의료 기술을 결합하여 비침습적이고 비용 효율적인 위장관 질환 스크리닝 방법을 제시했으며, 중의학과 양의학의 통합적 접근의 잠재력을 보여주었다.

3. 한의 진단과 서양의학 정보의 연관성을 분석한 연구

Wang 등²¹⁾은 중의학의 변증과 서양 의학의 단백체 간의 관계를 조사하고, 비지도(unsupervised) 패턴 발견 알고리즘을 사용하여 중의학 변증의 분자적 기반을 탐색하고자 했다. 불안정형 협심증과 혈어증을 진단받은 12명의 관상동맥질환 환자와 6명의 건강한 대조군을 대상으로 연구를 진행했다. 중의사의 진단을 통해 혈어증과 관련된 10가지 증상을 확인하고, 2DE-MS 분석을 통해 10개 단백질의 발현 데이터를 수집했다. Mutual information에 기반한 비지도 패턴 발견 알고리즘을 사용하여 중의 증상과 단백질 발현 데이터를 결합하고, 벡터 외적을 통해 특징을 융합했다. 그 결과, 중의학 증상과 단백질의 14개 유의미한 패턴을 발견했으며, 이 패턴들은 SVM과 10 fold 교차검증을 통해 90% 이상의 분류 정확도를 보였다. 이를 통해 변증과 단백체 간의 관계를 확인하고, 증의 객관적 존재를 입증했으며, 중의학과 서양 의학의 통합적 접근 가능성을 제시했다.

Sun 등²²⁾은 전통 중의학 변증과 생리화학적 매개변수 간의 상관관계를 정량적으로 분석하고, 변증에서 가장 유용한 생리화학적 매개변수 조합을 찾아 변증을 표준화함으로써 서양 의학과 중의학 간의 격차를 줄이고자 했다. 중국 전통의학 아카데미에서 혈어증에 관한 400개의 임상 데이터를 사용했으며, 이는 혈어증의 5가지 하위 유형과 14가지 생리화학적 매개변수(적혈구 수, 백혈구 수, 혈소판, 헤모글로빈 등)를 포함했다. Renyi’s entropy에 기반한 새로운 상관도 측정 방법과 특징 선택 알고리즘을 사용하여 각 증에 가장 유용한 생리화학적 매개변수를 찾았고, SVM 알고리즘을 사용하여 분류 및 검증을 수행했다. 그 결과, 각 혈어증 하위 유형에 가장 관련성 높은 생리화학적 매개변수를 성공적으로 식별했으며, 전통적인 방법들보다 개선된 feature selection을 달성했다. 더 적은 수의 생리화학적 매개변수로 70% 이상의 분류 정확도를 달성했고, 중의사들이 서양 의학 매개변수를 사용하여 변증하는 데 참고할 수 있는 정보를 제공했으며, 변증과 서양 의학의 측정인자 간의 통합 가능성을 보여주었다.

1. 한양방 정보의 통합에 대한 다양한 접근과 각 유형별 의의

본 연구에서 검토한 논문들은 한의학과 서양의학의 통합에 대해 다양한 데이터 기반 접근 방식을 보여주었다. 이러한 접근 방식은 크게 세 가지 유형으로 분류되었다: 1) 한양방 정보를 모두 활용한 모델로 다양한 진단을 수행한 연구, 2) 한의 정보기반 서양의학적 진단을 수행한 연구, 3) 한의 진단과 서양의학 정보의 연관성을 분석한 연구.

첫 번째 유형의 연구들은 한의학적 증상, 체질 정보와 서양의학의 임상 지표, 검사 결과 등을 통합하여 질병을 예측하거나 진단하는 모델을 개발하였다. 이러한 접근은 각 의학 체계의 강점을 결합하여 더 포괄적이고 정확한 진단을 목표로 하였으며, 이 유형의 연구들은 통합의학의 핵심 가치인 상호 보완성을 실증적으로 입증하였다. Chen 등¹⁴⁾의 연구는 중의학 체질론과 서양의학 위험인자를 기계학습으로 통합한 최초의 시도로서, 뇌졸중 후 인지장애라는 복합적 병태에 대한 새로운 예측 패러다임을 제시하였다. 특히 중의학적 체질 정보가 서양의학적 지표와 함께 중요한 예측 인자로 작용함을 보여주어, 전인적 접근의 과학적 근거를 마련하였다. Jiang 등¹⁵⁾의 연구는 SHAP 프레임워크를 활용하여 통합 모델의 해석가능성을 확보함으로써 인공지능의 블랙박스 문제를 해결하고 임상 적용 가능성을 높였으며, 중의학 증상이 서양의학적 지표와 함께 상위 예측 인자로 나타남을 입증하였다. Xia 등¹⁶⁾의 연구는 중의학 증상과 생리화학적 지표를 통합한 모델이 단일 지표만을 사용한 모델보다 현저히 우수한 성능(정확도 0.97)을 보임을 실증적으로 입증하여 통합 접근의 우위성을 명확히 하였다. Park 등¹⁸⁾의 연구는 기존 Rome criteria의 한계를 보완하여 기능성 위장장애의 새로운 아형을 발견함으로써 개인맞춤형 치료 전략 수립의 기반을 마련하였으며, 한양방 통합적 접근이 보다 포괄적인 생물심리사회적 프로파일을 제공할 수 있음을 보여주었다.

두 번째 유형의 연구들은 한의학적 진단 방법(맥진 및 설진)을 사용하여 서양의학적 질병을 진단하였다. 이는 전통적인 진단 방법의 현대화와 객관화를 통해 두 의학 체계 간의 가교 역할을 할 수 있는 잠재력을 보여주고, 전통적 진단법의 현대적 활용 가능성과 과학적 타당성을 입증하였다. Cui 등¹⁹⁾의 연구는 전통적 맥진을 현대적 음향 분석 기술과 결합하여 비침습적 심혈관질환 진단의 새로운 가능성을 제시하였으며, 특히 좌측 촌맥에서 90% 이상의 높은 진단 정확도를 달성하여 중의학 맥진 이론의 과학적 근거를 제공하였다. 이는 동아시아의학에서 맥상으로부터 안정형 관상동맥질환을 식별할 수 있다는 전통적 주장에 객관적 근거를 제공하였다. Qiao 등²⁰⁾의 연구는 스마트폰 기반 설진 시스템을 개발하여 의료 접근성과 비용효율성을 획기적으로 개선하였으며, AUC 0.89, 진단 정확도 0.85의 우수한 성능으로 위장관 질환의 효과적인 스크리닝 도구로서의 가능성을 입증하였다. 특히 H. pylori 감염, 담즙 역류, 역류성 식도염 등 다양한 위장관 질환을 효과적으로 식별할 수 있음을 보여주어 전통 설진 이론의 현대적 적용 가능성을 확인하였다.

세 번째 유형의 연구들은 한의학의 증(證)과 서양의학적 생체 지표 간의 상관관계를 분석하였다. 이러한 접근은 한의학적 개념의 생물학적 기반을 탐색하고, 두 의학 체계 간의 공통점과 차이점을 이해하는 데 도움을 줄 수 있었다. 이 유형의 연구들은 한의학 이론의 과학적 근거를 제공하고 두 의학 체계 간의 연결 고리를 찾는 데 중요한 기여를 하였다. Wang 등²¹⁾의 연구는 중의학의 '혈어증'이라는 추상적 개념을 단백체학적 근거로 뒷받침함으로써 한의학 이론의 생물학적 타당성을 입증하였다. 특히 중의학 증상과 단백질 발현 패턴 간의 14개 유의미한 연관성을 발견하고 90% 이상의 분류 정확도를 달성하여, 변증의 객관적 존재를 과학적으로 입증하였다. 이는 한의학의 증후군 개념이 단순한 경험적 분류가 아닌 생물학적 실체를 가진다는 중요한 증거를 제시하였다. Sun 등²²⁾의 연구는 변증과 생리화학적 지표 간의 정량적 연관성을 제시하여 한의학과 서양의학 간의 번역 가능성을 보여주었으며, 적은 수의 생리화학적 매개변수로도 70% 이상의 분류 정확도를 달성하여 실용적 가치를 확인하였다. 이는 한의사들이 서양의학적 검사 지표를 활용하여 변증하는 데 참고할 수 있는 정보를 제공하였으며, 두 의학 체계의 통합 가능성을 구체적으로 제시하였다.

2. 문헌들에서 사용된 한의학적 정보와 그 수집 방법

본 연구에서 검토한 문헌들은 한양방 통합의학 연구에서 다양한 한의학적 정보를 활용하고 있었다. 이러한 정보들은 크게 증상 기반 정보, 체질 및 변증 정보, 맥진 정보, 설진 정보, 그리고 처방 정보로 분류할 수 있었다. 증상 기반 정보는 가장 널리 사용되는 한의학적 정보로, 사지 저림, 피로, 현맥, 설태 등 전통적인 한의학 이론에 기반한 증상들을 포함하고 있었다^15,16,18,21). 이러한 정보의 수집에 있어 표준화된 설문지 개발 및 사용¹⁸⁾, 증상의 정도를 정량화할 수 있는 척도 사용^16,21) 등의 방법이 적용되었다. 체질 및 변증 정보는 한의학의 전인적 접근을 반영하는 중요한 정보로 활용되고 있었다^14,22). 예를 들어, TCM 체질 유형과 증후군 유형¹⁴⁾, 혈어증 하위 증후군²²⁾ 등이 연구에 포함되었으며, 해당 정보는 현재 한의사의 종합적인 진단에 기반하여 수집되고 있었다. 맥진 정보는 일부 연구에서 중요하게 다루어졌으며^15,19), 전통적인 촉진법 기반의 주관적 평가¹⁵⁾와 현대적인 기술을 활용한 객관적 측정¹⁹⁾이 혼재되어 사용되었다. Cui 등¹⁹⁾의 연구에서는 특별히 설계된 장치로 음향 파형을 수집하여 맥진 정보를 정량화하였다. 설진 정보 역시 일부 연구에서 활용되었으며^15,16,20), 육안을 통한 정성적 평가^15,16)와 디지털 이미지 분석을 통한 정량적 평가²⁰⁾가 각각 적용되었다. Qiao 등²⁰⁾의 연구에서는 스마트폰으로 촬영한 설태 이미지를 딥러닝 모델로 분석하는 방법을 사용하였다. 마지막으로, 한약 처방 정보도 일부 연구에서 활용되었다¹⁷⁾. Zhang 등의 연구에서는 중의 진단 및 처방 정보와 819가지 1차 분류 약물을 포함한 중의 약물 분류 시스템을 활용하였다.

3. 검토된 통합의학 연구들의 한계 및 발전 방향 제안

검토된 연구들은 몇 가지 공통적인 한계점을 보여주었다. 첫째, 대부분의 연구에서 표본 크기가 작았다. 이는 모델의 일반화 가능성을 제한하였으며, 특히 외부 검증(external validation)의 부족으로 이어졌다. 향후 연구에서는 더 큰 규모의 전향적(prospective) 코호트 연구를 통한 모델 검증이 필요할 것이다. 비슷한 맥락에서 대부분의 연구가 단일 센터에서만 수행되어 결과의 일반화 가능성이 제한되었다. 향후 연구에서는 다기관 연구를 통해 이러한 한계를 극복할 필요가 있다.

둘째, 기존 진단 방법과의 비교 분석이 부족하였다. 제안된 방법의 상대적 우위성을 입증하기 위해서는 기존 방법들과의 체계적인 비교가 필요할 것이다. 특히 ‘1) 한양방 정보를 모두 활용한 모델 연구 유형’에서 한의학 모델과 서양의학 모델 간의 직접적인 성능 비교가 부족하였다. Jiang 등¹⁵⁾과 Xia 등¹⁶⁾의 연구에서는 기존 모델 대비 우수성을 확인하였으나 다수의 연구에서 이 부분이 누락되어 두 의학 체계를 통합하는 모델의 실제적 이점을 명확히 입증하기 어렵게 만들었다. 향후 연구에서는 통합 모델과 각 의학 체계의 단일 모델을 체계적으로 비교하는 것이 필요할 것이다.

셋째, 한의학적 정보 수집 방법의 다양성으로 인한 연구 간 비교 및 통합의 어려움이 있었다. 동일한 한의학적 개념에 대해 연구마다 서로 다른 측정 도구와 분류 체계를 사용하여 연구 결과의 통합적 분석이 제한되었다. 구체적으로 맥진의 경우 전통적 촉진법 기반의 주관적 평가¹⁵⁾와 음향 파형 분석 장치를 이용한 객관적 측정¹⁹⁾이 혼재하였고, 설진의 경우에도 정성적 육안 평가^15,16)와 디지털 이미지 분석 기반의 정량적 평가²⁰⁾가 각각 적용되었다. 또한 한의학적 증상의 정량화 방식에서도 이진 변수(있음/없음)를 사용하는 연구^16,21)와 연속형 척도를 적용하는 연구^15,18)가 공존하였다. 이러한 방법론적 다양성은 메타분석 수행을 어렵게 만들고 연구 결과의 일반화를 저해하는 주요 요인으로 작용하였다. 따라서 향후 연구에서는 체질·변증·맥진·설진 등 한의학적 진단 정보의 AI 기반 표준화와 한약 처방의 통합 코드 시스템 개발이 필요하다.

마지막으로 드러난 연관성 기저의 생리학적 메커니즘이나 인과관계에 대한 설명이 부족하였다. ‘2) 한의 정보기반 서양의학적 진단 연구유형’에서 두 연구 모두 맥박 신호와 목표 상태 간의 정확한 생리학적 연관성을 명확히 설명하지 못하였다. ‘3) 한의 진단과 서양의학 정보의 연관성 분석 연구유형’에서도 증후와 생물학적 지표 간의 연관성은 보였으나, 그 기저의 생리학적 메커니즘이나 인과관계에 대한 설명이 부족하였다. 향후 연구에서는 이러한 연관성의 기저 메커니즘에 대한 더 깊은 탐구가 필요할 것이다.

4. 본 연구의 한계와 의의, 그리고 미래 과제

본 연구는 다음과 같은 한계를 가진다. 첫째, 특정 데이터베이스와 키워드를 사용한 제한된 문헌 검색으로 인해 관련된 모든 연구를 포함하지 못했을 가능성이 있다. 둘째, 영어로 작성된 논문만을 대상으로 하여 다른 언어로 발표된 중요한 연구들이 제외되었을 수 있다. 셋째, 포함된 연구들의 방법론적 질에 대한 체계적인 평가가 이루어지지 않았다. 마지막으로, 연구 분류 및 분석 과정에서 연구자의 주관적 판단이 개입되었을 가능성이 있다. 이러한 한계점들로 인해 본 연구의 결과를 해석하고 일반화하는 데 주의가 필요하며, 향후 더 포괄적이고 체계적인 리뷰 연구가 필요할 것으로 보인다.

그럼에도 불구하고, 본 연구는 여러 측면에서 중요한 의의를 지닌다. 우선, 한양방 통합의학 연구의 현재 상황을 체계적으로 분석하여 이 분야의 연구 동향을 포괄적으로 파악하였다. 이는 향후 연구자들에게 유용한 참고 자료가 될 수 있을 것이다. 또한, 다양한 통합 방법론을 분류하고 분석함으로써, 향후 연구자들에게 새로운 연구 방향과 방법론적 접근을 제시하였다는 점에서 의의가 있다. 현재 연구들의 한계점을 명확히 제시하고 이를 극복하기 위한 발전 방향을 제안함으로써, 향후 연구의 질적 향상에 기여할 수 있을 것이다. 더불어 본 연구는 한양방 통합의학 연구의 현황과 과제를 제시함으로써, 이 분야의 연구 지원 및 정책 수립에 필요한 기초 자료를 제공하였다는 점에서 정책적 함의도 지니고 있다.

이러한 분석을 바탕으로, 향후 한양방 통합의학의 진정한 발전을 위해서는 생체신호를 활용한 통합적 접근이 필요함을 제시한다. 현재까지 맥진과 설진의 디지털화 연구가 초기 성과를 보인 것처럼, 향후에는 맥파·체온·심음·청진음 등 생체신호와 다중오믹스 데이터를 융합한 한양방 통합진단 모델, 설명가능한 AI 기반 실시간 한양방 협진 및 개인맞춤형 치료 의사결정 지원 시스템 등의 개발을 연구 방향으로 제안한다. 측정가능한 객관적 정보인 생체신호 및 오믹스 기반 연구를 통해 한의학의 전인적 접근과 서양의학의 정밀한 타겟 접근을 융합함으로써, 개인별 맞춤형 예방·진단·치료가 가능한 새로운 통합의학 패러다임을 구축할 수 있을 것으로 기대한다.