편집된 글( PD의 흐름)

ᆢ
2026년 1월 13일
지난 20년 동안 파킨슨병 자체는 크게 변하지 않았지만, 우리는 이 질병을 이해하게 되었습니다.

한때 예측 가능하고 균일해 보였던 파킨슨병은 점차 다양한 양상, 불확실성, 그리고 개개인의 특성을 드러내기 시작했습니다.

인공지능이 파킨슨병에 대한 우리의 이해를 어떻게 바꾸고 있는가는 기존 지식을 대체하는 이야기가 아니라, 증상, 2000년 당시 파킨슨병은 새롭거나 혼란스럽거나 연구가 미흡한 질병이 아니었습니다. 의사, 연구자, 환자, 그리고 가족들은 파킨슨병의 일반적인 증상에 대해 공통된 이해를 가지고 있었습니다.

주로 운동 장애로 여겨졌습니다. 떨림, 경직, 느린 움직임, 균형 장애 등이 사람들이 예상하는 증상이었습니다. 이러한 증상들은 눈으로 확인할 수 있고, 측정 가능하며, 많은 환자들에게서 비교적 일관되게 나타났습니다.

근본적인 설명 또한 타당해 보였다. 파킨슨병은 뇌의 특정 부위에서 도파민을 생성하는 세포가 손실되는 것과 관련이 있었다 .

도파민 수치가 떨어지면 운동 능력이 저하되고, 약물로 도파민을 보충하면 운동 능력이 개선되는 경우가 많았다. 이러한 연관성은 타당해 보였고, 무엇보다 사람들의 삶의 질을 향상시키는 데 도움이 되었다.



치료는 나타나는 증상을 관리하는 데 중점을 두었습니다.


약물 조정, 물리 치료, 그리고 후기 단계의 개입은 익숙하고 예측 가능한 경로를 따랐습니다. 파킨슨병은 일반적으로 꾸준히 진행되는 질환으로 이해되었습니다.


이러한 관점은 편협한 것이 아니었습니다. 오히려 실용적인 관점이었죠. 당시 사람들이 이용 가능한 도구로 명확하게 보고, 측정하고, 대응할 수 있는 것들을 반영한 것이었습니다.

그러한 이해가 불완전하게 느껴지기 시작한 지점

세월이 흐르면서 파킨슨병의 증상이 사람마다 얼마나 다르게 나타날 수 있는지를 외면하기가 점점 더 어려워졌다.

어떤 사람들은 일찍부터 떨림 증상을 보였지만, 어떤 사람들은 전혀 그렇지 않았습니다.
어떤 사람들은 운동 장애가 시작되기 몇 년 전부터 수면, 기분, 소화 또는 사고력에 어려움을 겪기도 했습니다.

같은 나이에 진단을 받은 두 사람이 불과 몇 년 만에 매우 다른 경험을 할 수도 있습니다.

이러한 차이점들은 항상 인정되었지만, 더 심오한 무언가를 암시하는 단서라기보다는 같은 질병의 변형으로 취급되는 경우가 많았습니다. 이러한 개별적인 이야기들을 하나의 큰 그림으로 연결할 쉬운 방법은 없었습니다.


연구를 통해 더 많은 정보가 추가되었지만, 동시에 더 복잡해졌습니다.

비운동성 증상에 대한 관심이 높아졌고, 유전적 요인이 밝혀졌으며, 환경적 영향에 대한 논쟁이 벌어졌습니다.

파킨슨병은 더 이상 하나의 경로가 아니라 여러 경로가 중첩되는 양상을 보이기 시작했습니다.

       ※ 문제는 지식의 부족이 아니었습니다.

인간의 사고는 시간, 생물학, 행동 전반에 걸쳐 흩어져 있는 방대한 패턴들을 연결하는 데 어려움을 겪는다는 점이었습니다.

2026년까지 인공지능이 바꿀 것은 무엇일까요?

2026년까지 인공지능이 파킨슨병을 "해결"하지는 못하겠지만, 질병 패턴을 인식하는 방식을 바꿀 것이다.

AI는 웨어러블 기기에서 수집한 움직임 데이터, 뇌 영상, 유전 정보, 약물 반응, 수면 패턴, 장기 임상 기록 등 엄청난 양의 데이터를 한 번에 분석할 수 있습니다. 이러한 데이터는 이미 수집되고 있었지만, 완전히 통합된 적은 없었습니다.

그렇게 해서 하나의 새로운 이론이 나온 것이 아니라, 훨씬 더 명확한 여러 이론이 탄생했다.

인공지능은 사람들 사이의 차이를 단순한 잡음으로 취급하는 대신, 이러한 차이가 종종 일정한 패턴을 따른다는 사실을 보여주는 데 도움을 주었습니다.

파킨슨병은 다양한 하위 유형, 서로 다른 진행 속도, 그리고 각기 다른 주요 증상을 가진 질환으로 더욱 공개적으로 논의되기 시작했습니다.

이것이 기존의 이해를 완전히 대체한 것은 아닙니다.

도파민은 여전히 ​​중요하며, 약물 치료 또한 여전히 중요합니다. 하지만 파킨슨병은 이전보다 훨씬 더 개인적인 질병으로 인식되기 시작했습니다.


*인공지능 덕분에 예측도 더욱 신중해졌습니다.
*단일한 예상 진행 기간을 제시하기보다는 확률과 개별적인 추세에 더욱 초점을 맞추게 되었습니다.

이러한 변화는 파킨슨병을 앓고 있는 많은 사람들이 오랫동안 느껴왔던 것과 일치했습니다.

치료법은 이러한 사고방식과 함께 어떻게 발전해 왔는가

치료법의 발전은 이러한 더 넓은 관점을 따라 이루어졌습니다.

2000년대 초에 이미 알려졌던 심부뇌자극술(DBS)은 더욱 정교해지고 개인 맞춤형 치료법으로 발전했습니다.

고정된 자극 방식 대신, 새로운 시스템은 뇌 신호에 따라 실시간으로 자극을 조절하는 적응형 심부뇌자극술(aDBS)을 가능하게 했습니다. 이는 부작용을 줄이고 일부 환자의 증상 조절을 개선했습니다.

약물 치료 전략 또한 더욱 유연해졌습니다. 투약 일정, 투여 방법 및 조합은 표준화되기보다는 점점 더 개인 맞춤형으로 바뀌었습니다.

연구 범위는 운동량을 넘어 확장되었습니다.

수면, 인지 기능, 기분, 장 건강 및 조기 경고 신호에 대한 연구가 더욱 집중되었습니다.

디지털 도구와 가정 기반 모니터링을 통해 사람들은 병원 방문 시뿐만 아니라 실제 생활 속에서 증상을 추적할 수 있었습니다.

이러한 변화들은 인공지능(AI)만으로 이루어진 것은 아닙니다.

하지만 AI는 개인화가 가장 중요한 부분을 보여줌으로써 이러한 변화를 뒷받침하는 데 도움을 주었습니다.


일상적인 관점에서 이것이 의미하는 바는 무엇일까요?

파킨슨병을 앓고 있는 사람들에게 이러한 변화는 대개 조용히 느껴집니다.
진료 과정에서는 환자의 이야기를 더 경청하고 획일적인 예측은 줄어들 수 있습니다. 예전에는 이해하기 어려웠던 증상들도 이제는 질환의 일부로 쉽게 인식될 수 있습니다. 치료는 정해진 모델에 맞추기보다는 환자 개개인의 경과를 이해하는 데 중점을 둡니다.

여전히 한계가 있습니다.

여전히 불확실한 점이 있습니다. 만병 통치약은 없습니다.
하지만 차이점을 수용하고, 조정하고, 알려진 것과 알려지지 않은 것에 대해 솔직한 대화를 나눌 수 있는 여지는 더 많습니다.

2026년의 시점에서 돌아보면
2000년에서 2026년으로의 변화는 단순히 틀렸다가 나중에 옳았다는 이야기가 아닙니다.
더 많은 것을 보는 것에 대한 이야기입니다.

초기의 이해는 명확성이 필요했던 시기에 구조와 안정감을 제공했습니다. 새로운 도구들은 그 구조를 허물지 않고 확장했습니다. 인공지능은 인간의 판단력을 대체한 것이 아니라, 인간 혼자서는 감당하기 어려웠던 더 넓은 범위의 복잡성을 이해하는 데 도움을 주었습니다.

이러한 의미에서 진보란 속도나 혁신에 관한 것이 아니었습니다.
그것은 미묘한 차이를 받아들이고 살아가는 법을 배우는 것이었습니다.


파킨슨병처럼 개인적인 질병에 있어서는 그러한 진전이 중요합니다.

면책 조항: 여기에 제공된 정보는 의학적 조언으로 간주되어서는 안 됩니다.