FDA 부작용 보고 시스템을 활용한 약물명 발생 빈도 탐색적 조사

본 논문은 FDA가 운영하는 부작용 보고 시스템(FDA Adverse Event Reporting System, FAERS)의 공개 데이터를 활용해, 약물명별 보고 횟수를 최대 민감도(relational) 모델로 집계하고 이를 통해 인구 수준 감시의 가능성을 탐색한다. 연구 목적은 2004년부터 2012년 2분기까지 34개 분기에 걸친 FAERS 데이터를 정제·재구성하여, 약물명 발생 빈도만으로도 대규모 약물 중독 사건을 탐지할 수 있는지를 검증하는 것이다. 서론에서는 FAERS가 전 세계 약물 사후 감시의 핵심 데이터베이스임을 강조하면서, 기존 연구가 주로 개별 약물에 대한 odds ratio 기반 신호 검출에 집중해 왔음을 지적한다. 저자는 FAERS에 존재하는 300 000여 개의 약물명이 실제 약물 종류보다 훨씬 많으며, 이는 오기입·중복 입력 등 데이터 품질 문제 때문이라고 설명한다. 이러한 배경에서 ‘최대 민감도 모델’이라는 새로운 접근법을 제시한다. 방법론에서는 먼저 FAERS 원시 데이터를 Microsoft Access와 Google BigQuery를 이용해 전처리한다. 환자 식별자, 임상 적응증, 반응 정보를 모두 제거하고, 약물명과 보고 시점(분기)만을 남긴다. 이렇게 만든 관계형 카운트 데이터베이스는 각 약물명이 특정 분기에 몇 번 보고되었는지를 집계한다. 통계 분석은 SPSS 19, 시각화는 Excel 2007, R 기반 RED‑R, 그리고 CIRCOS를 활용했다. 결과에서는 총 344 452개의 고유 약물명과 4 328 541 994건의 약물명 참조가 4 148 761명의 환자와 34개 분기에 걸쳐 기록되었다고 보고한다. 전체 약물명 중 75% 이상이 40건 미만의 보고를 보였으며, 상위 100개 약물명이 전체 보고의 33%를 차지했다. 특히 헤파린 나트륨 주입(HSI)과 VIOXX는 각각 QSUM(분기별 총합)에서 가장 높은 값을 나타내어, 과거 알려진 대규모 중독 사건과 일치함을 확인한다. 박스플롯과 인구 대비 약물명 참조 비율 그래프는 분기별 변동성을 시각화하여, 특정 분기에 급격히 증가하거나 감소하는 패턴을 명확히 드러낸다. 논의에서는 이 모델이 ‘민감도 우선, 특이도 후속 검증’이라는 전통적인 역학 절차를 그대로 반영한다는 점을 강조한다. 초기 단계에서 모든 약물명을 포괄적으로 모니터링함으로써, 잠재적 대규모 사건을 놓치지 않고 포착할 수 있다. 다만, 모든 보고가 실제 부작용을 의미한다는 가정과 임상 적응증·반응 정보를 배제함으로써 인과관계를 밝히지 못한다는 한계도 인정한다. 저자는 이러한 한계를 보완하기 위해, 고위험 약물에 대해 추가적인 통계·임상 검증을 수행할 필요성을 제시한다. 결론에서는 FAERS 데이터가 거대한 규모와 복잡성을 가지고 있음에도 불구하고, 약물명 발생 빈도만을 이용한 단순 카운트 모델이 대규모 약물 중독 사건을 조기에 탐지할 수 있음을 확인했다. 이는 기존의 odds ratio 기반 신호 검출에 대한 보완적 방법으로 활용될 수 있으며, 공공 보건 당국이 신속히 대응할 수 있는 근거를 제공한다. 향후 연구에서는 데이터 품질 개선, 중복 보고 제거, 그리고 약물명과 부작용 간 인과관계를 밝히는 정교한 모델을 결합함으로써 감시 체계의 효율성을 더욱 높일 수 있을 것으로 기대한다.