평균 혈당 136이 말해주지 않는 것들: CGM 데이터로 본 모니터링의 사각지대

이 글은 건강 관리 이야기이면서 동시에 시스템 운영 이야기입니다.

최근 CGM(Continuous Glucose Monitor, 연속혈당측정기)을 착용하고 4일간 데이터를 기록했습니다. 처음에는 단순한 건강에 대한 관심에서 시작했지만, 그래프를 들여다보는 과정에서 전혀 다른 사실을 발견하게 되었습니다. 평균 수치가 얼마나 많은 것을 숨기고 있는지, 그리고 ‘보이게 만드는 것’이 행동을 어떻게 바꾸는지에 대한 이야기입니다.

모니터링 시스템 도입을 고민하고 있거나, 현재 운영 중인 시스템이 “괜찮아 보이는데 왜 자꾸 문제가 생기지?”라는 의문이 드는 상황이라면, 이 글이 참고가 될 수 있습니다.

‍

CGM(연속혈당측정기)이란, 그리고 왜 써봤는가

CGM은 피부에 센서를 부착해 혈당을 연속적으로 측정하는 기기입니다. 기존의 혈당 측정이 특정 시점의 ‘스냅샷’이라면, CGM은 24시간 동안 혈당이 어떻게 변화하는지를 그래프로 보여줍니다.

당뇨 환자가 아니더라도, 대부분의 사람들은 자신의 혈당 패턴을 정확히 알지 못한 채 사실상 ‘감각’에 의존해 건강 상태를 판단합니다. 피곤하면 “오늘 좀 힘드네”, 식사 후 졸리면 “식곤증이네”라고 넘기는 식입니다. CGM을 사용해본 이유는 단순했습니다. 이러한 감각이 실제 데이터와 얼마나 일치하는지 확인해보고 싶었습니다.

‍

1~2일차: 평균 수치는 괜찮아 보였다

3월 30일, 첫날 평균 혈당은 136이었습니다. 31일은 129. 수치만 보면 나쁘지 않은 수준입니다. 일반적으로 공복혈당이 100~125이면 ‘주의’ 범주에 해당하고, 식후 혈당 상승은 자연스러운 반응이기 때문입니다.

하지만 그래프 형태는 전혀 다른 이야기를 하고 있었습니다.

30일에는 하루 동안 세 번의 스파이크가 발생했고, 각각 250mg/dL 가까이 상승했다가 급격히 하락했습니다. 31일에는 점심 식사 이후 한 번의 스파이크가 있었지만, 상승 폭이 더 가파르고 하락도 빠르게 이루어지면서 저혈당 경계선(붉은 점선) 근처까지 떨어졌습니다.

스파이크가 발생한 이후에는 피로감과 집중력 저하가 명확하게 나타났습니다. 이전에는 이를 단순히 “식곤증”으로 인식했지만, 그래프를 확인한 뒤에는 다르게 해석되기 시작했습니다. 혈당이 급격히 상승했다가 떨어지는 구간에서 신체가 실제로 반응하고 있었던 것입니다.

결국 평균 136이라는 숫자는 이러한 변동성을 전혀 설명하지 못합니다.

‍

3~4일차: 식사 패턴을 바꾸자 그래프가 달라졌다

2일간의 데이터를 보고 몇 가지를 바꿨습니다. 식사 순서를 조정하고(채소와 단백질을 먼저, 탄수화물을 나중에), 식사 간격을 늘렸습니다. 극단적인 변화가 아니라, 작은 조정이었습니다.

4월 1일은 평균 137로 수치 자체는 이전과 큰 차이가 없었지만, 스파이크의 형태가 달라지기 시작했습니다. 급격하게 치솟았다가 떨어지는 패턴 대신, 완만하게 상승하고 하락하는 구간이 나타났습니다.

4월 2일은 더욱 명확했습니다. 평균 혈당은 131로 오히려 31일(129)보다 높았지만, 하루 전체 그래프는 훨씬 안정적인 모습을 보였습니다. 스파이크의 높이는 낮아졌고, 급격한 하락도 사라졌습니다. 전체 곡선이 부드럽게 이어졌습니다. 그에 따라 식사 후 피로감도 눈에 띄게 줄었습니다.

같은 평균 수치라도 전혀 다른 상태를 의미할 수 있다는 점을, 4일간의 데이터를 통해 직접 확인할 수 있었습니다.

‍

평균이 숨기는 것들 - 시스템 운영에도 동일한 함정이 있다

이번 경험에서 가장 인상적이었던 점은 ‘수치’가 아니라 ‘패턴’이었습니다. 평균 혈당은 4일 내내 큰 차이가 없었지만, 실제 상태는 매일 달랐습니다.

이 구조는 시스템 운영에서도 동일하게 나타납니다.

예를 들어 평균 CPU 사용률이 40%, 평균 응답 시간이 200ms라고 하면 겉으로는 안정적으로 보입니다. 하지만 그 평균값 뒤에 어떤 일이 발생하고 있는지는 알 수 없습니다. 특정 시간대에만 나타나는 급격한 부하, 짧지만 반복되는 latency 스파이크, 겉으로 드러나지 않지만 누적되고 있는 에러 등은 대부분 평균값에서 사라집니다.

평균은 유용한 지표입니다. 다만 평균만으로는 변동성을 설명할 수 없습니다. 그리고 실제 장애나 장기적인 성능 저하 문제는 대부분 평균이 아니라, 이러한 변동성에서 시작됩니다.

‍

데이터가 행동을 바꾼다 - 의지가 아니라 가시화

이번 4일간의 경험에서 흥미로웠던 점은 변화가 일어난 방식이었습니다.

식사 패턴을 바꾼 이유는 “건강해져야겠다”는 결심 때문이 아니었습니다. 단지 그래프가 보였기 때문입니다. 어떤 식사가 어떤 스파이크를 만드는지 직접 확인하니, 자연스럽게 선택 기준이 달라졌습니다. 억지로 참는 것이 아니라, 결과가 예측되기 때문에 선택이 바뀐 것입니다.

이 원리는 시스템 운영에서도 동일하게 적용됩니다. 장애 알람이 발생한 이후에 대응하는 팀과, 이상 패턴이 나타나기 시작하는 시점에 대응하는 팀의 차이는 결국 ‘얼마나 잘 보이느냐’에서 갈립니다. 도구의 성능 차이라기보다, 무엇을 볼 수 있느냐의 차이에 가깝습니다.

‍

당신의 모니터링은 무엇을 놓치고 있는가

CGM 실험의 결론은 명확합니다. 평균 수치보다 연속적인 변화 패턴이 훨씬 더 많은 정보를 제공합니다. 그리고 그 패턴이 보이기 시작하면, 자연스럽게 행동이 바뀝니다.

시스템 모니터링도 동일합니다. 현재 보고 있는 대시보드가 평균값과 특정 시점의 수치만 보여주고 있다면, 여전히 놓치고 있는 영역이 존재합니다.

• 상태 값이 아니라, 시간에 따른 변화
• 평균이 아니라, 분포와 이상치
• 단일 이벤트가 아니라, 반복되는 패턴

혈당 관리를 위해 CGM이 필요한 것처럼 시스템의 패턴을 이해하려면 연속적인 데이터를 수집하고 그 변화를 추적할 수 있는 환경이 필요합니다. 단순히 로그가 쌓이는 것과 의미 있는 패턴이 보이는 것은 전혀 다른 문제입니다.

저는 시스템 모니터링을 다루는 일을 하고 있어서 이 비유가 더 생생하게 다가왔을 수 있습니다. 와탭(WhaTap)에서는 브라우저, 애플리케이션, 서버, 데이터베이스 등 프론트부터 백엔드단의 연속적인 성능 데이터를 수집하고 평균값이 아닌 이상 패턴을 실시간으로 감지하는 것에 집중합니다.

CGM이 혈당의 스파이크를 그래프로 보여주듯, 와탭은 트래픽 급증, 응답 시간 이상, 에러 패턴과 같은 변화를 시각화합니다. 모니터링 도구 도입을 고민하고 있다면, 와탭을 통해 직접 확인해보는 것도 하나의 방법이 될 수 있습니다.

와탭 15일 무료 체험하기