의학은 강력한 경험과 근거에 기대지만, 인체의 복잡성·측정 오류·연구 설계 제약·데이터 편향·윤리와 자원 한계로 인해 불확실성을 완전히 제거하지 못한다. 이 글은 그 구조적 원인을 분석하고 대응 원칙을 제시한다.
지식의 경계: 불확실성과 인과 추론의 한계
의학 지식은 확률적 예측과 통계적 결론에 의존한다. 대부분의 근거는 모집단 수준의 경향을 보여줄 뿐, 개별 환자에게 동일하게 재현되리라는 보장을 제공하지 않는다. 교란변수, 선택편향, 측정오차는 인과관계를 흐리고, 생물학적 이질성은 치료 반응의 분산을 확대한다. 결과적으로 ‘효과가 있다’는 주장은 조건부이며, 적용 맥락·환자 특성·동반질환에 따라 추정치가 달라진다. 임상에서 필요한 것은 단일 정답이 아니라, 불확실성의 폭을 인식하고 결정을 업데이트하는 절차다.
- 인과 추론은 무작위화·블라인딩·충분한 표본 없이는 취약하다.
- 효과 크기와 신뢰구간은 함께 해석되어야 하며, p값 단독 해석은 지양한다.
임상시험과 근거 생성의 구조적 제약
무작위대조시험은 황금표준으로 여겨지나, 엄격한 적격 기준과 관리된 환경 때문에 외적 타당도가 낮아질 수 있다. 희귀질환처럼 표본이 제한된 영역에서는 통계적 검정력이 부족하고, 대리결과(surrogate endpoint)는 실제 임상적 유용성을 온전히 대변하지 못한다. 또한 출판편향과 중간분석 중지, 산업계 이해상충은 근거의 방향성을 왜곡할 수 있다. 근거는 위계가 아니라 적합도로 평가되어야 하며, 임상시험·관찰연구·리얼월드데이터를 상보적으로 해석해야 한다.
- RCT는 내부 타당성이 높지만 일반화 가능성에 한계가 있다.
- 적응형 설계·플랫폼 시험은 효율적이나 통계적 복잡성이 증가한다.
측정과 진단의 불완전성
진단은 임상 징후, 영상, 검사치의 조합으로 내려지지만, 어떤 검사도 감도와 특이도가 100%에 이르지 못한다. 기준검사 자체가 불완전할 수 있고, 사전확률이 낮은 집단에서 양성예측도는 급격히 떨어진다. 재현성은 장비 교정, 판독자 경험, 표본 처리에 영향을 받는다. 더 정밀한 측정이 곧바로 환자중심의 가치로 이어지는 것도 아니다. 과잉진단은 불필요한 치료와 불이익을 낳을 수 있어, 검사의 임상적 효용은 질병 전이 확률, 환자 선호, 자원 배분과 함께 종합적으로 판단해야 한다.
- 베이지안 접근으로 사전확률과 검사의 가능도비를 결합해 해석한다.
- 검사 전략은 순차·병렬 조합과 임계값 설정의 근거를 명시한다.
복잡계로서의 인체와 예측 불가능성
인체와 질병은 다층적 상호작용을 가진 복잡계다. 선형 모델은 비선형 반응, 임계점, 피드백 루프를 충분히 포착하지 못한다. 같은 유전형에서도 후성유전, 미생물군집, 환경 노출, 생활습관이 상호작용해 상이한 표현형과 치료 반응을 낳는다. 다중 만성질환과 다약제 병용 상황에서는 약물 간 상호작용이 기하급수적으로 증가하여, 근거의 공백이 커진다. 예측 모델의 성능은 데이터 분포가 바뀌면 급격히 저하되며, ‘알려지지 않은 미지(unknown unknowns)’는 시스템 외삽의 한계를 드러낸다.
- 메커니즘 모델과 데이터 기반 모델을 결합한 하이브리드 접근이 요구된다.
- N-of-1 시험과 적응형 치료는 개인 반응의 변이를 포착한다.
데이터 편향과 인공지능 활용의 한계
의료데이터는 누락, 라벨 오류, 선택적 기록, 기관 간 코딩 차이 등 편향을 내포한다. 인공지능 모델은 학습 데이터의 분포와 편향을 증폭시킬 수 있으며, 외부 검증 없이 배포될 경우 안전성 문제가 발생한다. 설명가능성 부족은 의사결정 책임과 검증의 어려움을 키운다. 성능 평가는 시간적·지리적 외부 검증과 임상 영향 평가로 확장되어야 하며, 모델 업데이트와 성과 감시가 체계적으로 이뤄져야 한다. AI는 보조 도구일 뿐, 임상 판단을 대체하지 않는다.
- 데이터셋 시그널의 편향을 측정·완화하는 공정성 지표를 적용한다.
- 모델 거버넌스: 버전관리, 드리프트 감시, 철회 절차를 명문화한다.
윤리·법·자원 제약이 만드는 과학적 경계
임상연구는 참여자 보호 원칙에 따라 금기 영역이 존재한다. 무작위화가 불가능하거나, 대조군 설정이 비윤리적인 상황에서는 인과 추론의 강도가 제한된다. 의료자원은 유한하며, 기회비용은 개별 치료 선택뿐 아니라 연구 의제에도 영향을 준다. 또한 규제 요건은 안전성을 강화하지만 혁신의 속도를 조절한다. 결과적으로 의학의 발전은 윤리·법·재정의 제약 하에서 최적화를 모색하며, 모든 상황에서 과학적 정밀도의 극대화를 달성하는 것은 불가능하다.
- 가치 기반 보건(Value-Based Care)은 성과·비용·형평의 균형을 요구한다.
- 적응적 승인 후 실제환경 증거 수집(LEOP, RWE)이 대안이 된다.
| 항목 | 설명 | 특징 | 예시 | 주의사항 |
|---|---|---|---|---|
| 무작위대조시험(RCT) | 개입 효과를 추정하는 표준 설계 | 내부 타당성 높음 | 이중맹검 약물 시험 | 엄격한 적격 기준으로 외적 타당성 제한 |
| 관찰연구 | 실세계 데이터 기반 추정 | 일반화 용이, 교란 민감 | 코호트·케이스컨트롤 | 잔여 교란과 선택편향 관리 필요 |
| 진단검사의 ROC | 민감도·특이도 균형 평가 | AUC로 종합 성능 요약 | 암 선별검사 판별력 | 사전확률 반영한 임상적 가치 별도 평가 |
| 리얼월드데이터(RWD) | 일상 진료에서 수집된 데이터 | 대규모·다양성 | 전자건강기록, 청구자료 | 코딩 일관성, 누락, 시간편향 교정 |
| 희귀질환 연구 | 소표본·이질성 높은 영역 | 단일군·베이지안 접근 | 바스켓·엄브렐라 시험 | 대리결과의 임상적 의미 검증 |
| AI 보조진단 | 패턴 인식·예측 지원 | 고속·확장성 | 영상 판독, 분류기 | 외부 검증·공정성·감시 체계 필수 |
| 프리프린트 근거 | 동료평가 전 공개 | 신속 공유 | 팬데믹 시기 연구 | 품질 변동성 높아 임상 적용 신중 |
자주 묻는 질문 FAQ
의학의 과학적 한계는 무엇을 의미하나요?
현재 이용 가능한 방법으로는 제거할 수 없는 불확실성과 편향, 복잡계로 인한 예측의 제약, 윤리·법·자원에 따른 연구·진료의 구조적 한계를 의미합니다.
근거중심의학이 만능이 아닌 이유는 무엇인가요?
근거는 조건부 추정치로, 모집단 평균 효과를 보여줍니다. 외적 타당도, 이질성, 출판편향, 대리결과 사용 등으로 실제 환자에게 동일하게 적용되지 않을 수 있습니다.
개인맞춤의학은 한계를 줄일 수 있나요?
예측 변수를 늘려 변이를 설명하되, 데이터 품질·모델 일반화·실행 가능성의 제약이 남습니다. N-of-1, 적응형 치료로 보완하지만 불확실성을 제거하지는 못합니다.
인공지능이 진단 오류를 해결할 수 있나요?
특정 과제에서 오류를 줄일 수 있으나, 데이터 편향·분포 이동·설명가능성 한계로 전면 대체는 불가합니다. 외부 검증과 지속적 모니터링이 필수입니다.
불확실성 하에서 환자와 의사는 무엇을 할 수 있나요?
사전확률과 환자 선호를 반영한 공유의사결정, 신뢰구간과 절대위험 차이 해석, 치료 후 모니터링·재평가를 통해 결정을 업데이트합니다.