빅데이터로 인한 디지털 트랜스포메이션은 모든 종류의 산업을 변화시키고 있습니다. 생명과학 부문도 예외는 아닙니다.
과거에는 하나의 인간 유전체를 배열하는 데 수년 수십억 달러가 걸릴 수 있었습니다. 오늘날 동일한 작업을 24시간 이내에 1,000달러 미만으로 완료할 수 있습니다.
이러한 분야에서 작동하는 데 필수적인 실험실 기술도 빠른 속도로 진화했습니다. 예를 들어, 생명과학 연구의 최신 툴을 통해 과학자들은 단백질 분자의 복잡한 3차원 시각화를 만들 수 있었습니다. 과학자들은 이러한 시각화를 통해 신약 개발을 지원하고 맞춤형 의학의 혁신을 선도합니다.
이러한 획기적인 발전의 핵심 동인은 빅데이터입니다. 데이터의 양과 복잡성은 특히 유전체학, 생물정보학, 예측 생물학 및 화학과 같은 분야에서 엄청난 속도로 계속 증가하고 있습니다.
실험실 기기는 또한 상당한 양의 데이터를 생성하는데, 이는 때때로 매시간 1테라바이트에 불과합니다.
물론 데이터가 클수록 데이터 스토리지 요구도 커집니다. 생명과학 데이터베이스의 IT 인프라는 데이터의 규모와 차원이 증가함에 따라 진화해야 합니다.
과학자들이 다루는 정보들이 많기 때문에, 빅데이터를 신속하게 시각화하고 상호 작용할 수 있도록 현대적인 소프트웨어 툴도 필요합니다. 그렇지 않으면 생명과학 조직은 데이터가 풍부하지만 정보가 부족합니다.
생명과학 산업에서 빅데이터의 광범위한 혜택
생명과학 조직이 빅데이터를 핵심 프로세스에 더 잘 통합하기 위해 IT 인프라를 지속적으로 업그레이드하는 한, 다음과 같은 놀라운 이점이 지속적으로 증가할 것입니다.
- 향상된 위험 평가: 빅데이터는 과학자들이 잠재적인 건강 위험을 파악하고, 그와 관련된 위험의 정도를 평가하며, 문제를 해결하기 위한 결론에 도달하는 데 도움이 될 수 있습니다.
- 맞춤형 의학: 과학자들과 의사들이 전자 개인 건강 정보를 보다 효과적으로 처리하고 이해할 수 있기에, 각 환자들이 필요로 하는 의약품 종류에 관해 보다 정확하게 판단할 수 있을 것입니다.
- 임상시험에서 보다 효과적인 평가: 현재 대부분의 의약품은 일반적인 집단 반응과 임상시험이 치료 제공에 영향을 미치는 “표준 치료” 모델을 사용합니다. 그러나 빅데이터를 효과적으로 활용하면, 약물이 특정 유형의 환자에게 어떤 영향을 미치는지에 대해 더 정확한 평가를 내릴 수 있으며, 여기에는 그렇지 않으면 알아차리지 못할 수 있는 부작용이 포함됩니다. 이는 신약 개발의 지속적인 혁신에 기여할 수 있습니다.
레거시 IT 인프라 병목현상 가능성
빅데이터가 생명과학에 가져올 수 있는 이점은 매우 유망하지만, 기업들은 증가하는 수요에 대응할 수 있는 IT 인프라와 데이터 스토리지 기능이 필요합니다.
2019년 Deloitte/MIT 연구에 따르면, 바이오파마 및 생명과학 조직의 20%만이 디지털 방식으로 빠르게 성장하고 있습니다. 안타깝게도, 레거시 스토리지 시스템은 성능에 병목 현상을 일으키고 있으며, 과학자들이 더 많은 혁신을 이루기 위해 필요한 데이터를 애플리케이션이 수신하는 것을 막고 있습니다.
새로운 생명과학 기기와 기술이 등장하고 있습니다. 이들은 더 많은 인사이트를 얻을 수 있는 새로운 연구 기회를 창출할 수 있습니다. 그러나 기업들은 이러한 혁신을 활용하기 위해 먼저 몇 가지 IT 문제에 대처해야 합니다.
도전 과제 #1: 데이터 사일로
많은 조직들이 데이터 사일로를 없애기 위해 애쓰고 있습니다. 사일로는 여러 부서의 연구원들이 업무에 의존하는 데이터에 접근하는 데 많은 시간과 어려움을 초래합니다. 부분적으로 사일로는 중앙화된 생명과학 데이터베이스가 아닌 여러 툴과 소프트웨어 솔루션에 데이터가 저장되기 때문에 발생합니다.
데이터 분리로 인해 발생하는 장벽을 무너뜨리려면 데이터 시스템을 사용자 친화적인 소프트웨어 툴로 원활하게 전환할 수 있는 방법을 찾아야 합니다.
도전 과제 #2: 유연한 확장
앞서 언급한 바와 같이, 최신 과학 기술은 상당한 양의 데이터를 생성합니다. 생명과학 기업들은 이러한 정보의 유입을 수용하기 위해 스토리지 용량을 확장해야 합니다.
적절한 규모에 도달하지 못하면 이러한 기기에서 캡처한 데이터에 의존하는 워크플로우가 중단됩니다.
도전 과제 #3: 빅데이터 분석
빅데이터는 추출할 수 있는 인사이트만큼만 유용합니다. 빅데이터 분석 파이프라인을 통해 개인화된 의료를 지원하든, AI를 활용하여 신약 개발을 지원하든, 고성능 컴퓨팅(HPC)은 고성능 데이터 스토리지를 필요로 합니다. 회전식 디스크 드라이브에서 낮은 레이턴시 및 높은 IOPS 올플래시 스토리지 어레이로 전환하는 것은 이제 필수적입니다.
