임상 아카이브

의료 진단에서 가장 오해받는 개념 중 하나가 '검사 결과'의 의미다. '이 검사는 정확도 95%'라는 문구를 보면 대부분의 사람은 '양성이 나오면 95% 확률로 병이 있다'고 받아들인다. 완전히 틀린 해석이다. 실제 확률은 질병의 유병률(prevalence)에 따라 극적으로 달라진다. 드문 병에서 95% 정확도 검사가 양성을 가리켜도, 실제 병일 확률은 5%에 불과한 경우가 흔하다. 이 역설적 현상을 수학적으로 설명하는 도구가 베이즈 정리(Bayes' theorem)다. 18세기 영국 수학자 토머스 베이즈가 제안한 이 단순한 […]

임상 논문을 읽다 보면 거의 모든 결과에 'p < 0.05'라는 숫자가 따라붙는다. 이 숫자를 본 독자는 대개 '효과가 있다는 뜻'으로 받아들인다. 틀린 해석이다. p값은 오직 '이 결과가 우연일 확률이 5% 미만'이라는 통계적 진술일 뿐, 그 효과가 실제 환자에게 의미 있는 크기인지에 대해서는 아무 말도 하지 않는다. 통계적 유의성(statistical significance)과 임상적 유의성(clinical significance)의 간극은 현대 의료가 오래 다뤄온 숙제 중 하나다. 10만 명을 대상으로 한 대규모 연구는 […]

20세기 후반까지 의료는 '평균의 학문'이었다. 동일 진단을 받은 환자에게 동일한 약이 처방되었고, 용량은 체중과 나이로만 결정되었다. 같은 병명 안에 숨은 수천 가지 개인차는 임상 현장에서 사실상 무시되었다. 이 시스템은 수십억 명을 치료해왔지만, 동시에 수많은 '약이 듣지 않는 환자', '부작용만 경험한 환자', '원인 모를 실패'를 남겼다. 정밀 의료(Precision Medicine)는 이 한계에 대한 응답이다. 같은 병명이라도 유전자·대사·환경·생활 습관이 다른 개인에게 다른 치료를 설계해야 한다는 사상이다. […]

의료 현장에서 숫자는 언어다. 혈압 120/80, LDL 수치 130, 헤모글로빈 A1c 5.9. 이 세 자리 수들은 환자의 몸 안에서 일어나는 복잡한 생리 현상을 단 한 줄로 압축해 전달한다. 그러나 같은 숫자를 보고도 임상의마다 전혀 다른 판단을 내리는 경우가 흔하다. 숫자가 거짓말을 해서가 아니라, 숫자 뒤에 숨은 맥락을 어떻게 읽어내느냐에 따라 해석이 달라지기 때문이다. 이 글은 의료 데이터 해석의 기초를 정리한다. 단순히 수치를 읽는 법이 아니라, 그 수치가 어떤 가정 위에 서 있고 어떤 한계를 품고 있는지를 […]