건강검진 결과표의 모든 수치가 정상 범위 안에 있는데도 몸은 천근만근인 날이 있다. 의사는 그저 나이가 들어서 그렇다며 대수롭지 않게 넘기지만 본인은 분명히 예전보다 회복이 느리고 집중력이 빨리 떨어진다고 느낀다. 주관적인 느낌이라 증명할 길 없는 이 피로감은 보통 단순한 노화의 과정으로 치부되어 무시되곤 한다.

벅 연구소가 제시한 에너지 스팬의 구성 요소

벅 연구소(노화 연구 전문 기관)의 노아 라포포트 박사는 헬스스팬 호라이즌스(건강 수명 전망 컨퍼런스) 강연에서 에너지 스팬(Energy Span, 신체 활력의 지속 기간과 강도)이라는 개념을 공개했다. 이는 피로를 단순한 느낌이 아니라 측정 가능한 생물학적 신호로 정의한 것이다. 에너지 스팬은 단 하나의 마법 같은 지표를 찾는 것이 아니라 신체 시스템 전체의 통합적인 작동 상태를 측정한다.

구체적으로는 Mitochondria(세포 내 에너지를 만드는 공장)의 출력, Metabolic flexibility(상황에 따라 에너지원을 바꾸어 쓰는 능력), Circadian rhythm(24시간 주기의 생체 리듬), 그리고 Autonomic regulation(심박수나 소화처럼 자동으로 조절되는 신경계 기능)이 얼마나 조화롭게 작동하는지를 본다. 라포포트 박사는 건강이 무너질 때 가장 먼저 신호가 오는 곳이 바로 이 에너지 영역이지만 정작 정밀하게 측정하는 방법은 부족했다고 지적했다.

에너지 스팬의 하락 궤적은 일정하게 내려가지 않는다. 서서히 낮아지는 드리프트(Drift, 점진적 하락) 구간과 질병이나 심리적 스트레스, 호르몬 변화 같은 갑작스러운 사건으로 인해 급격히 떨어지는 클리프 이벤트(Cliff event, 절벽 효과) 구간이 반복되며 건강 수명을 깎아먹는다.

단일 지표에서 시스템 궤적으로의 패러다임 전환

기존의 의학이 혈액 검사 결과처럼 특정 시점의 수치가 정상 범위에 있는지를 확인하는 스냅샷 방식이었다면 에너지 스팬은 신체 시스템 전체의 연결성을 보는 네트워크 방식이다. 쉽게 말하면 전구 하나가 켜졌는지 끄졌는지를 확인하는 것이 아니라 도시 전체의 전력망이 얼마나 안정적으로 에너지를 공급하고 있는지를 살피는 것과 같다.

비유하자면 피로는 질병이라는 큰 소리가 나기 전에 몸이 보내는 작은 속삭임이다. 많은 환자가 의사에게 세포 내 에너지 효율이 떨어졌다고 말하지는 않지만 예전보다 노력 대비 성과가 적고 회복이 더디다는 점은 명확히 인지한다. 이 주관적 경험을 객관적 데이터로 바꾸는 것이 이번 접근의 핵심이다.

이를 위해 Wearables(몸에 착용하는 측정 기기)와 Continuous monitoring(실시간 연속 모니터링) 기술이 활용된다. 심박 변이도를 통해 자율 신경계의 균형을 잡고 혈당 역동성으로 대사 안정성을 확인하며 수면 구조로 회복력을 측정한다. 여기에 Digital phenotyping(스마트폰과 센서로 일상 행동 데이터를 수집해 분석하는 기술)을 결합하면 일상의 무질서한 데이터가 하나의 지도로 변한다.

Machine learning(데이터를 통해 컴퓨터가 스스로 학습하는 기술)이 이 방대한 데이터를 분석하면 집단 평균값과 비교하는 것이 아니라 개인의 평소 기준점과 비교하는 것이 가능해진다. 결과적으로 내가 언제 회복력이 떨어지는지, 어떤 사건이 내 에너지 스팬을 절벽 아래로 밀어 넣었는지를 정확한 궤적으로 그려낼 수 있다.

이제 건강의 기준은 표준 수치라는 정지 화면이 아니라 어제의 나보다 얼마나 회복력이 떨어졌는가를 보여주는 개인의 동영상 궤적이 될 것이다.