과학 포털 iKAOS

12 Contents

[카오스 짧강] 인류와 함께 공존하는 감염병과 수리모델링_by정은옥｜2018 봄 카오스 강연 '모든 것의 수數다' 7강

4차 산업혁명 시대에 접어들었음에도 불구하고 인류는 여전히 신종 인플루엔자의 위협으로부터 자유롭지 못합니다. 2009년의 신종 인플루엔자 대유행과 2015년의 메르스 사태는 현대 사회에서 감염병 관리가 얼마나 중요한 과제인지를 여실히 보여주었습니다. 이러한 위기 상황에서 수리 생물학자들은 감염병의 확산 양상을 예측하고 효과적인 대응 방안을 마련하기 위해 수학적 모델링을 활용합니다. 특히 미분방정식을 이용한 모델은 시간에 따른 감염자 수의 변화를 정교하게 계산하여 방역 정책의 과학적 근거를 제시하는 핵심적인 역할을 수행하고 있습니다. 감염병 모델링은 단순히 수학적 수식만으로 완성되는 것이 아니라 역학자들과의 긴밀한 협력이 필수적입니다. 수학자들은 질병관리청의 감염 역학 전문가들과 소통하며 잠복기, 유병 환자, 회복자 등 의학적 개념을 수식에 반영하는 과정을 거칩니다. 대표적인 모델인 SEIR 모델은 인구 집단을 감수성자, 잠복기 감염자, 증상 유무에 따른 감염자, 그리고 회복자 그룹으로 세분화하여 분석합니다. 이러한 다학제적 접근은 복잡한 감염병의 전파 경로를 정확하게 파악하고 현실의 데이터를 모델에 투영하여 예측의 신뢰도를 높이는 근간이 됩니다. 2009년 신종 인플루엔자 확산 당시, 연구진은 전국적인 지역 확산 모델을 구축하기 위해 한국 특유의 통근 및 통학 데이터를 적극적으로 활용했습니다. 우리나라는 인구의 60% 이상이 지역 간 이동을 하는 특성을 가지고 있어 이를 반영한 네트워크 모델링이 무엇보다 중요했습니다. 연구자들은 사인 함수를 이용해 하루 중 출퇴근 시간에 따른 인구 흐름을 모델링하였고, 이를 미분방정식과 결합하여 수도권 각 지역 간의 감염 확산 양상을 매우 정교하게 재현해냈습니다. 이는 단순한 통계 수치를 넘어 질병이 지리적으로 어떻게 이동하는지를 시각화하는 성과를 거두었습니다. 수리 모델링의 진정한 가치는 과거의 데이터를 재현하는 것에 그치지 않고 다양한 방역 정책의 효과를 미리 시뮬레이션해 볼 수 있다는 점에 있습니다. 백신이나 치료제가 충분하지 않은 초기 단계에서는 격리나 이동 제한과 같은 비약물적 중재 전략이 매우 중요합니다. 정책 입안자들은 모델을 통해 제한된 예산과 자원을 어디에 집중할 때 가장 큰 효과를 거둘 수 있는지 판단할 수 있습니다. 이는 막대한 사회적 비용을 절감하고 인명 피해를 최소화하기 위한 전략적 의사결정 도구로서, 과학적 방역 체계의 핵심적인 요소로 자리 잡고 있습니다. 연구 결과에 따르면 감염병 확산을 막기 위해 교통망의 중심지인 허브 지역을 통제하는 것보다 최초 발생지인 소스 지역을 집중적으로 관리하는 것이 훨씬 효과적이었습니다. 예를 들어 유동 인구가 많은 강남 지역보다 최초 환자가 발생한 소도시의 이동을 제한했을 때 전국적인 감염자 감소 효과가 더 크게 나타났습니다. 또한 중재 시점은 빠를수록 좋으며 일정 기간 이상의 과도한 통제는 오히려 효율성이 떨어진다는 점도 확인되었습니다. 이러한 정밀한 분석 결과는 미래의 신종 인플루엔자 위기 상황에서 자원을 효율적으로 배분하고 최적의 방역 타이밍을 결정하는 데 중요한 지침이 됩니다.

카오스재단질토과 + 짧강

[코로나TALK-19] 전문가가 12월 코로나 대유행을 예측한 이유 _김기훈 대표 | 19강

바이러스의 전파는 단순히 병원체 자체의 특성만으로 결정되지 않습니다. 그것이 퍼져나가는 소셜 네트워크의 구조와 인간 사회의 상호작용이 결합하여 하나의 거대한 무늬를 그려내는 과정입니다. 코로나19를 깊이 있게 이해하기 위해서는 확진자 개개인의 임상적 특징을 넘어, 누가 누구에게 어떻게 바이러스를 전달하고 있는지 그 확산의 네트워크를 면밀히 살펴봐야 합니다. 이는 우리 사회가 그리는 보이지 않는 연결망을 분석함으로써 감염병의 실체에 다가가는 인문학적이고도 과학적인 접근이라 할 수 있습니다. 네트워크 분석의 핵심은 방역 당국이 수집한 접촉자 추적 조사 데이터를 정교하게 모델링하는 데 있습니다. 확진자가 발생했을 때 그들의 동선을 파악하고 밀접 접촉자를 분류하여 추가 검사를 진행하는 과정에서 방대한 '링크 테이블'이 만들어집니다. 이를 통해 감염의 시작점과 종착점을 잇는 전파 경로를 시각화하고 수치화할 수 있습니다. 특히 수작업에 의존하던 데이터를 자동화된 프로그램으로 처리함으로써, 복잡하게 얽힌 수천 명의 감염 관계를 단 몇 분 만에 분석하여 유의미한 구조적 특징을 도출해낼 수 있게 되었습니다. 집단 감염 사례를 분석해 보면 우리가 흔히 알고 있는 상식과는 다른 결과가 나타나기도 합니다. 데이터에 따르면 수도권 집단 감염의 절반 가까이가 종교 시설에서 발생했으나, 정작 방역 당국의 고위험 시설 지정 기준에서는 비중이 낮은 다른 시설들이 더 엄격하게 관리되는 경향이 있었습니다. 이는 방역 정책이 실제 발생 빈도와 위험도에 근거하여 더욱 정밀하게 타깃팅되어야 함을 시사합니다. 특정 시설의 위험성을 선입견으로 판단하기보다, 실제 데이터가 가리키는 감염 취약 지점을 정확히 파악하여 사회적 거리 두기의 효율성을 높이는 노력이 필요합니다. 개인 간 전파인 n차 감염은 평균적으로 약 3.8일이라는 짧은 주기로 진행되며, 최대 8차 전파까지 이어지는 사례도 관찰되었습니다. 특히 감염원을 알 수 없는 소위 '감염원 불명'은 n차 전파율이 월등히 높고 전파 속도도 빨라 방역망에 큰 위협이 됩니다. 해외 유입 사례가 국내 지역 사회 전파에 미치는 영향이 상대적으로 미미한 것과 대조적으로, 이러한 감염원 불명은 꼬리에 꼬리를 무는 연쇄 감염을 일으키며 새로운 집단 감염의 도화선이 되기도 합니다. 따라서 전파의 골든타임을 놓치지 않기 위한 신속한 추적 조사가 무엇보다 중요합니다. 네트워크 과학의 관점에서 볼 때, 감염망은 소수의 허브가 대다수의 연결을 독점하는 불평등한 구조를 띱니다. 실제로 상위 1%의 확진자가 전체 개인 감염의 60% 이상을 일으키는 '슈퍼 전파' 현상이 뚜렷하게 나타납니다. 이러한 슈퍼 전파자들은 대개 두 개 이상의 고위험 시설이나 집단에 중복으로 소속되어 활동하는 특징을 보입니다. 예를 들어 콜센터와 교회, 혹은 밀집 시설과 소모임을 연결하는 위치에 있는 개인들이 바이러스 확산의 가교 역할을 하게 됩니다. 이들을 사전에 특정하기는 어렵지만, 활동 반경이 겹치는 지점을 집중 관리함으로써 확산세를 꺾을 수 있습니다. 수도권의 감염 양상은 시기에 따라 해외 유입 중심에서 국내 집단 감염과 n차 감염의 악순환 구조로 진화해 왔습니다. 초기에는 외부로부터의 유입이 주된 원인이었으나, 시간이 흐를수록 집단 감염이 불똥이 되어 개인 간 전파로 번지고, 이것이 다시 새로운 집단 감염을 유발하는 복합적인 메커니즘이 정착되었습니다. 특히 감염 소요 일수가 점차 짧아지는 추세는 방역 당국이 대응할 수 있는 시간적 여유가 줄어들고 있음을 의미합니다. 이는 바이러스의 변이나 사회적 접촉 양상의 변화에 따라 방역의 난도가 급격히 높아지고 있음을 보여주는 지표입니다. 효과적인 방역을 위해서는 데이터 사이언스에 기반한 전략적 접근과 사회적 투자가 병행되어야 합니다. 집단 감염을 막기 위해 발생 빈도가 높은 부문에 대한 정밀한 사회적 거리 두기 합의가 필요하며, n차 감염의 고리를 끊기 위해 역학 조사관 확충과 분석 시스템 고도화에 과감히 투자해야 합니다. 현재의 방역 시스템은 인력의 헌신에 크게 의존하고 있지만, 네트워크 분석과 같은 과학적 도구를 적극 도입한다면 더욱 효율적인 대응이 가능할 것입니다. 결국 감염병과의 싸움은 데이터를 어떻게 해석하고 우리 사회의 연결망을 어떻게 관리하느냐에 달려 있습니다.