중세 의학 텍스트 데이터마이닝으로 밝혀진 약재 선택 패턴과 항균 활성

초록

이 논문은 15세기 영문 의학서 Lylye of Medicynes 를 전산화하고 네트워크 과학 기법을 적용해, 감염 증상 치료에 사용된 약재 조합의 통계적 규칙성을 탐색한다. 발견된 패턴은 단순 우연이 아니라, 당시 의사들이 미생물 병원체에 대한 실제 생물학적 활성을 고려한 합리적 선택을 했을 가능성을 시사한다.

상세 분석

본 연구는 먼저 Lylye of Medicynes 의 원문을 구조화된 전자 데이터베이스로 변환하였다. 텍스트 전처리 단계에서는 약재 명칭의 정규화, 복합 처방의 분리, 그리고 증상‑질환‑치료 관계를 메타데이터 형태로 추출하였다. 이후 약재‑약재 간 공동 등장 행렬을 구축하고, 이를 기반으로 무향 그래프(network) 모델을 생성하였다. 네트워크 분석에서는 노드 중심성(연결도, 베트위니스), 모듈러리티 기반 클러스터링, 그리고 무작위화된 네트워크와의 비교를 통해 통계적 유의성을 검증하였다. 특히, 감염 관련 증상(예: 고열, 화농, 부종)과 연관된 처방군에서 garlic, honey, vinegar, rosemary 등 항균 효과가 현대 실험에서 입증된 약재가 과다하게 나타났으며, 이들 약재는 네트워크 내에서 높은 연결 중심성을 보였다. 또한, 특정 약재 조합(예: garlic + honey, vinegar + rosemary)은 서로 다른 처방에 반복적으로 등장해 모듈 형태를 형성했으며, 이는 독립적인 경험적 검증 과정을 거친 ‘전통적 레시피’일 가능성을 높인다. 무작위 시뮬레이션 결과, 이러한 조합이 우연히 발생할 확률은 0.01% 이하로, 통계적으로 강력히 유의함을 확인했다. 저자들은 이러한 패턴이 중세 의사들이 경험적 관찰과 제한된 화학 지식을 바탕으로, 병원체 억제에 효과적인 물질을 선택했음을 암시한다는 점을 강조한다. 또한, 데이터베이스 구축 과정에서 직면한 어휘 변이, 복합 약재 명칭, 그리고 중세 라틴·프랑스어 혼용 문제를 해결하기 위한 사전 구축 및 기계 학습 기반 명칭 정규화 방법을 상세히 기술하였다.