정밀·맞춤형 근거의 새로운 패러다임 일반화된 유사성 이론

초록

본 논문은 정밀·맞춤형 근거 기반 의학(pEBM)을 위한 이론적 틀로서 ‘일반화된 유사성 이론’을 제안한다. 이는 불확실성을 일반화된 제약으로 다루는 ‘일반화된 불확실성 이론’과 질병을 원형(prototype)과의 유사성으로 정의하는 ‘프로토타입 유사성 질병 이론’에 기반한다. 연구 질문별 평균 효과크기와 영가설을 확률적·가능성적 관점에서 비교하고, 고차원 특성의 유사도 측정을 통해 일반화와 동질성 사이의 최적 균형을 모색한다. 메타분석 사례와 임상 적용 예시를 통해 실용성을 입증한다.

상세 분석

이 논문은 기존 증거 기반 의학이 통계적 평균효과와 표본의 동질성에 지나치게 의존한다는 한계를 지적하고, ‘일반화된 유사성 이론(Generalized Resemblance Theory of Evidence, GRTE)’이라는 새로운 프레임워크를 제시한다. 핵심은 ‘일반화된 불확실성 이론(Generalized Theory of Uncertainty, GTU)’으로, 확률적 불확실성뿐 아니라 가능성(possibility) 기반의 불확실성도 제약(constraint) 형태로 표현한다. 이는 데이터가 부족하거나 이질적인 경우에도 의미 있는 제약조건을 설정해 의사결정을 지원한다는 점에서 혁신적이다.

또한 ‘프로토타입 유사성 질병 이론(Prototype Resemblance Theory of Disease)’을 차용해 질병을 고정된 정의가 아닌, 최적 사례와의 유사도 스코어로 모델링한다. 이 접근은 환자 개별 특성(유전·환경·생활양식 등)을 고차원 벡터로 표현하고, 코사인 유사도·마할라노비스 거리 등 다변량 유사도 측정법을 적용해 연구 대상군과 임상 환자 사이의 ‘유사성 매핑’을 수행한다.

논문은 메타분석 예시에서 각 연구의 평균 효과크기와 그 변동성을 제약으로 전환하고, 이를 영가설(무효과)과 비교한다. 영가설 자체를 확률적(귀무분포)와 가능성적(가능도 함수) 두 축으로 나누어 검증함으로써, 전통적인 p‑값 중심의 해석을 넘어 ‘가능성 수준’이라는 새로운 해석 차원을 제공한다.

이론적 강점은 다음과 같다. 첫째, 불확실성을 제약으로 재구성함으로써 작은 표본이나 이질적 데이터에서도 의미 있는 결론을 도출할 수 있다. 둘째, 프로토타입 기반 유사도는 환자 맞춤형 치료 선택에 직접 연결될 수 있어 정밀의학의 핵심 요구를 충족한다. 셋째, 확률·가능성 이중 프레임을 도입해 영가설 검정의 해석 폭을 넓힌다.

하지만 몇 가지 한계도 존재한다. 제약을 정의하는 과정이 주관적 판단에 의존할 가능성이 크며, 유사도 측정에 사용되는 가중치와 거리 함수 선택이 결과에 큰 영향을 미친다. 또한 가능성 기반 영가설 검정은 아직 통계학적 표준이 확립되지 않아 임상 현장에서의 수용도가 낮을 수 있다. 마지막으로, 고차원 데이터의 차원 축소와 정규화 과정이 추가적인 오류원을 제공한다.

전반적으로 GRTE는 정밀·맞춤형 근거 형성에 필요한 이론적 토대를 제공하지만, 실제 적용을 위해서는 표준화된 제약 정의 절차와 유사도 측정 프로토콜이 필요하다.