1. 논문관련 분야의 소개, 동향, 전망을 설명, 연구과정에서 생긴 에피소드

이번 연구는 1형 당뇨병 환자 611명을 대상으로 90일의 연속혈당측정 (Continuous Glucose Monitoring, CGM) 데이터를 활용하여 수행되었습니다. 당화혈색소(HbA1c)는 장기간의 혈당 조절 상태를 평가하는 대표적인 지표로 널리 사용되어 왔으나 최근 CGM 사용이 확대되면서 평균 혈당을 기반으로 산출되는 glucose management indicator(GMI) 역시 중요한 혈당 관리 지표로 활용되고 있습니다. 그러나 실제 임상에서는 GMI와 HbA1c가 서로 일치하지 않는 경우가 자주 관찰되며, 이러한 불일치가 어떤 혈당 양상에서 비롯되는지는 아직 명확하지 않습니다.

특히 1형 당뇨병 환자는 인슐린 치료, 식사, 신체활동 등에 따라 혈당 변동성이 크고, 단순한 평균 혈당만으로는 고혈당의 크기나 지속 시간과 같은 세부적인 혈당 노출 양상을 충분히 설명하기 어렵습니다. 이에 본 연구는 Glucose Rate Increase Detector(GRID) 알고리즘을 이용하여 CGM 자료에서 혈당 상승 패턴을 정량화하고 이러한 glucose excursion이 GMI–HbA1c 불일치와 관련되는지를 평가하였습니다.

연구 결과에서 주목할 점은 최고 혈당이 250 mg/dL 이상이고 혈당 상승이 90분 이상 지속되는 고강도·지속성 glucose excursion이 많을수록 GMI와 HbA1c 간 불일치가 커지는 것으로 나타났습니다. 이러한 관련성은 서로 다른 CGM 기기, HbA1c 수준, 그리고 다양한 분석 조건에서도 일관되게 확인되었습니다. 또한 GRID 기반 excursion 지표를 고려했을 때, GMI는 알부민뇨 및 triglyceride-glucose(TyG) index와 같은 당뇨 합병증 대사 위험 지표(Surrogate marker) 와의 관련성을 더 잘 반영하는 것으로 나타났습니다.

따라서 본 연구는 GMI–HbA1c 불일치가 단순한 측정상의 차이나 우연한 변동이 아니라 고혈당의 크기와 지속 시간으로 특징지어지는 혈당 excursion 구조와 관련된 생리적 현상일 수 있음을 확인한 바에 의의가 있습니다. 즉, CGM 기반 혈당 지표를 해석할 때 평균 혈당뿐만 아니라 혈당 상승의 빈도와 지속성까지 함께 고려해야 함을 시사합니다.

본 연구를 수행하며 많은 노력과 어려움이 있었던 과정은 정제되지 않은 CGM 데이터와 병원 EMR 원자료를 전처리하여 분석 가능한 데이터셋을 구축하는 일이었습니다. 구체적인 연구 질문에 적합한 변수를 정의하고, 서로 다른 두 자료를 체계적으로 연계하는 과정에서 많은 시행착오를 겪었습니다. 하지만 여러 차례의 회의를 통해 교수님들께서 데이터 구조화에 대한 논의와 인사이트를 제시해 주셔서 데이터를 주도적으로 가공하는 역량과 임상 연구를 구조적으로 바라보는 시각을 확립할 수 있었습니다.

2. 연구를 진행했던 소속기관 또는 연구소에 대해 소개 부탁드립니다.

이번 연구는 삼성서울병원 내분비대사내과의 D&M Res Lab (https://dmreslab.github.io/DM-res-lab/)에서 수행되었습니다. 본 연구실은 내분비대사내과 임상 교수진과 성균관대학교 삼성융합의과학원 임상연구설계평가학과의 박사과정 연구원들이 함께 당뇨병 관련 다각적인 역학 연구를 수행하고 있습니다. 국민건강보험공단 데이터뿐만 아니라 병원 내 임상 데이터 웨어하우스(CDW)와 연속혈당측정 (CGM) 데이터를 활용한 연구들도 활발히 진행되고 있습니다.

3. 연구 활동 하시면서 평소 느끼신 점 또는 자부심, 보람

저는 평소 계획하며 수행하는 것을 선호하는 성향입니다. 하지만 연구는 생각보다 예상치 못한 순간과 결과들을 맞이할 때가 많았습니다. 처음에는 그런 과정이 낯설고 답답하게 느껴지기도 했지만 하나의 질문에 답을 찾아가다 보면 자연스럽게 다음 질문이 생겼고, 예상하지 못한 결과가 오히려 새로운 연구 방향을 열어주기도 한다는 것을 배웠습니다. 또한 예상치 못한 결과의 메커니즘을 고민하고 선행연구를 공부하면서 미처 알지 못했던 새로운 사실들을 배우며 그 과정에서 제가 알고 있는 세계가 조금씩 넓어지는 것이 연구의 가장 큰 재미라고 느꼈습니다. 최종적으로 작은 결과들이 쌓여 하나의 의미 있는 결론으로 이어지고 그 결과가 논문으로 완성될 때 가장 큰 보람을 느꼈습니다.

4. 이 분야로 진학하려는 후배들 또는 유학준비생들에게 도움이 되는 말씀을 해 주신다면?

저 역시 여전히 배우는 과정에 있는 연구자이기에 조언보다는 제 경험을 나누고 싶습니다. 당뇨병 역학이나 임상연구 분야에 처음 들어오면 통계, 역학, 임상 지식, 그리고 실제 병원 데이터에 대한 이해가 모두 필요해 어렵게 느껴질 수 있습니다. 특히 EMR이나 CGM 자료처럼 정제되지 않은 데이터를 다루다 보면 예상보다 많은 시행착오를 겪게 되는 것 같습니다. 하지만 처음부터 모든 것을 완벽하게 알고 시작할 수는 없음을 인정하고, 하나의 연구 질문을 세우고 그 질문에 답하기 위해 필요한 배경지식과 분석 방법을 공부하다 보면 점차 이해가 쌓이고 자신만의 연구 방향도 만들어지는 것 같습니다.

연구를 하다보면 예상했던 결과가 나오지 않거나 데이터 정제 과정에서 생각하지 못한 문제가 발견될 때는 막막함을 느끼기도 했습니다. 하지만 중요한 것은 원하는 결과를 얻는 것만이 아니라 예상과 다른 결과가 나왔을 때 그 이유를 해석하고 검증하려는 태도라고 생각합니다. 모르는 것을 인정하고 질문하는 태도, 데이터를 끝까지 확인하려는 끈기, 그리고 결과를 임상적 맥락 안에서 해석하려는 노력이 이 분야에서 특히 중요하다고 느꼈습니다. 다양한 경험에 열린 마음으로 부딪히다 보면 언젠가는 자신이 오래 붙잡고 싶은 질문이나 연구 주제를 만나게 될 것이라고 생각합니다.

5. 연구 활동과 관련된 앞으로의 계획이 있으시다면?

현재 박사과정 연구원으로서 CGM 데이터를 비롯한 임상 데이터, 환자 자가 보고 데이터 (Patient reported outcome), 라이프로그 데이터를 통합 분석하여 개인 맞춤형 혈당 조절 및 합병증 예측·관리할 수 있는 연구를 진행하고 싶습니다. 궁극적으로 실제 환자들에게 실질적으로 기여할 수 있는 근거 기반의 정밀 의료 연구를 지속하고자 합니다.

6. 다른 하시고 싶은 이야기들.....

이 인터뷰를 작성하며 다시 한번 연구자로서의 마음가짐을 되새길 수 있는 뜻깊은 시간이었습니다. 먼저, 본 연구의 교신저자로서 연구의 방향과 임상적 의미를 깊이 있게 지도해 주시고, 논문이 완성될 수 있도록 이끌어주신 진상만 교수님께 진심으로 감사의 말씀을 드립니다. 또한 밤낮으로 연구 결과에 대해 함께 고민해 주시고 논문 작성과 검토 과정에서 꼼꼼한 조언을 주신 조소현 교수님께도 깊이 감사드립니다.
마지막으로 함께 연구하면서 혼자서는 답을 찾기 어려운 순간마다 논의를 도와주신 임상 교수님들, 학생 연구원 선생님들, 그리고 CRC 선생님들께도 진심으로 감사드립니다.
끝으로 언제나 큰 힘이 되어 주는 가족들에게 진심으로 감사드립니다.