[COVID-19_talk_1] Epidemic Models and Data-Driven Approaches _Beom Jun Kim | 1강
데이터는 현대 과학에서 현상을 이해하는 가장 강력한 도구입니다. 감염병 확산 역시 방대한 데이터를 통해 그 이면에 숨겨진 패턴을 찾아낼 수 있습니다. 흔히 데이터 과학 분야에서는 데이터를 깊이 분석하다 보면 결국 그 의미를 찾아낼 수 있다는 뜻으로 '데이터를 고문하면 자백한다'는 표현을 쓰기도 합니다. 하지만 데이터가 들려주는 이야기가 항상 진실은 아닐 수 있기에, 우리는 데이터에 대한 애정을 갖되 비판적인 시각으로 그 속에 담긴 진정한 스토리를 읽어내려는 노력을 멈추지 말아야 합니다. 감염병 확산 데이터는 대개 전형적인 로지스틱 곡선을 그립니다. 초기에는 확진자 수가 급격히 늘어나며 아래로 볼록한 형태를 띠지만, 확산세가 꺾이기 시작하면 곡선의 기울기가 변하여 위로 볼록한 형태로 바뀌게 됩니다. 이 과정에서 나타나는 변곡점은 감염병 통제의 중요한 지표가 됩니다. 전 세계 여러 국가의 데이터를 살펴보면 이미 안정기에 접어든 국가와 여전히 지수함수적 증가세를 보이는 국가가 명확히 구분됩니다. 단순히 확진자 수라는 숫자 자체보다 그래프의 곡선이 그리는 형태를 유심히 관찰하는 것이 현 상황을 직관적으로 이해하는 데 큰 도움이 됩니다. 지리적 면적 대신 확진자 수에 비례하여 지도를 왜곡하는 '카토그램'은 감염병의 전 지구적 이동 경로를 시각적으로 명확하게 보여줍니다. 코로나19 초기에는 중국에서 시작하여 한국을 거쳐 유럽과 미국으로 이어지는 동서 방향의 확산 축이 뚜렷하게 나타났습니다. 그러나 시간이 흐르면서 러시아, 인도, 남미 국가들의 면적이 급격히 커지는 남북 방향의 확산세가 두드러지기 시작했습니다. 이는 바이러스가 항공망을 타고 전 세계를 한 바퀴 돈 뒤, 이제는 보건 인프라가 상대적으로 취약한 지역으로까지 깊숙이 침투하고 있음을 시사하며 새로운 경각심을 일깨워 줍니다. 과학자들은 감염병 확산을 이해하기 위해 '구획 모형'이라는 이론적 모델을 사용합니다. 가장 간단한 형태인 SI 모형이나 SIR 모형은 마을 구성원들이 무작위로 섞인다는 가정하에 미감염자와 감염자의 비율로 확산 확률을 계산합니다. 현실의 복잡한 지리적 요소를 모두 반영하지는 못하지만, 이를 미분 방정식으로 풀이하면 실제 데이터와 유사한 로지스틱 곡선을 얻을 수 있습니다. 이러한 수리적 모델링은 감염병이 정성적으로 어떻게 퍼져나가는지 파악하게 해주며, 방역 정책의 효과를 가늠할 수 있는 이론적 토대를 제공합니다. 한국의 확진자 발생 패턴은 단일한 로지스틱 곡선이 아닌, 여러 개의 곡선이 중첩된 형태로 분석됩니다. 초기 소규모 발생부터 대구·경북 지역의 대유행, 그리고 수도권을 중심으로 한 확산세가 각각의 로지스틱 곡선을 형성하고 있습니다. 흥미로운 점은 뒤로 갈수록 곡선의 기울기가 완만해진다는 것인데, 이는 보건 당국의 신속한 대응과 시민들의 방역 노력이 확산 속도를 늦추는 데 실질적인 기여를 했음을 보여줍니다. 데이터는 우리가 과거에 어떤 위기를 겪었는지뿐만 아니라, 우리의 노력이 실제 확산 양상을 어떻게 변화시켰는지도 정직하게 기록하고 있습니다. 국가 간의 이동을 고려한 '메타포퓰레이션 모형'은 항공망 데이터와 같은 실제 인적 교류 패턴을 모형에 삽입하여 확산을 예측합니다. 연구 결과에 따르면 국가 간 이동을 90% 이상 제한하더라도 확산의 시작 시점을 늦출 뿐, 최종적인 확산 규모를 줄이는 데는 한계가 있습니다. 반면 여행 제한과 더불어 사회적 거리두기나 마스크 착용을 병행하여 지역 내 감염 확률을 절반으로 낮추면 최종 확산 규모를 극적으로 줄일 수 있습니다. 이는 강력한 봉쇄 정책보다 일상에서의 방역 수칙 준수가 감염병 통제에 얼마나 결정적인 역할을 하는지 과학적으로 입증해 줍니다. 감염 재생산 지수는 감염 확률, 접촉 횟수, 감염 지속 시간이라는 세 가지 요소의 곱으로 결정됩니다. 마스크 착용과 사회적 거리두기, 신속한 격리는 이 숫자들을 낮추어 감염병을 종식시키는 핵심 열쇠가 됩니다. 하지만 이러한 방역 조치들은 단순한 수학적 문제를 넘어 막대한 사회경제적 비용을 수반합니다. 따라서 미래에 다가올 또 다른 감염병에 대비하기 위해서는 물리학적 모델에 사회경제적 효과까지 통합한 확장된 형태의 모형을 준비해야 합니다. 데이터에 기반한 합리적이고 융합적인 접근만이 인류가 새로운 위기를 극복할 지혜를 제공할 것입니다.
![[COVID-19_talk_1] Epidemic Models and Data-Driven Approaches _Beom Jun Kim](https://i.ytimg.com/vi/CWmvegX7Wpg/maxresdefault.jpg)
![[코로나TALK-1] 코로나19 확산 모형, 김범준 교수 연구발표](https://i.ytimg.com/vi/-lUzkAe7ds4/maxresdefault.jpg)