셀타스퀘어 "약물감시 '중증도'까지 반영…시뮬레이션서 위양성률 65% 감소"

경증·중등증·중증 구분해 기존 이상사례 탐지 방식의 정보 손실 보완 환자 특성 보정·AI 중증도 예측 결합해 약물 안전성 분석 정교화 통합 점수로 실마리정보 후보 선별, 전문가 검토 우선순위 제시 ROR 대비 위양성률 65.2%·PRR 대비 58.3% 감소…실제 임상환경 검증 과제

셀타스퀘어 김동욱 데이터센터장이 ‘KIC 2026’에서 발표하고 있다.©약업신문=허지수 기자

셀타스퀘어 김동욱 데이터센터장.©약업신문=허지수 기자

셀타스퀘어가 경증과 중증 이상사례를 구분하고, 약물과의 연관성을 함께 분석해 전문가의 검토 우선순위를 정하는 약물감시 모델을 제시했다.

약물과 이상사례의 연관성을 분석한 통계 결과와 AI 모델을 활용해 추정한 중증도 차이를 하나의 점수로 결합한다. 추가 조사가 필요한 약물–이상사례 조합의 검토 순위를 정하는 방식이다.

셀타스퀘어 김동욱 데이터센터장은 14일 서울 롯데호텔에서 열린 ‘2026 KoNECT 임상시험 국제 콘퍼런스(KIC 2026)’ 약물감시 세션에서 ‘이상사례 중증도를 반영한 약물감시 실마리정보 탐지 프레임워크’를 주제로 발표했다.

KIC 2026은 보건복지부와 식품의약품안전처, 국가임상시험지원재단(KoNECT)이 공동 주최한 국제 행사로, 13일 개막해 15일까지 이어진다. 올해 12회째를 맞아 인공지능(AI), 실사용데이터(RWD), 분산형 임상시험(DCT) 등 임상개발의 주요 현안을 다룬다.

셀타스퀘어는 제약·바이오 기업의 이상사례 수집·평가·규제 보고와 RWD 기반 연구를 지원하는 기업이다. RWD는 전자의무기록과 보험청구자료 등 실제 진료 과정에서 축적되는 데이터를 뜻한다.

회사는 AI와 디지털 기술로 문헌 검색과 데이터 입력 등 반복 업무를 줄이는 솔루션도 개발한다.

“경증·중증을 하나로 묶으면 정보 손실 일어나”

약물감시(Pharmacovigilance, PV)는 의약품 사용 중 발생한 이상사례와 안전성 문제를 탐지·평가하고 예방하는 활동이다. 실마리정보는 약물과 이상사례 사이의 새로운 잠재적 인과관계나 기존에 알려진 관계의 새로운 측면을 제시하는 정보를 뜻한다.

기존 자발보고 분석은 특정 약물과 이상사례가 다른 약물보다 상대적으로 많이 함께 보고되는지를 살핀다. 대표적인 지표가 비례보고비(PRR)와 보고오즈비(ROR)다.

PRR은 관심 약물의 보고 중 특정 이상사례가 차지하는 비율을 다른 약물과 비교한다. ROR은 특정 이상사례와 기타 이상사례의 보고 건수 비를 구한 뒤, 이를 관심 약물과 다른 약물 사이에서 비교한다.

김 센터장은 “기존 지표들은 대규모 자료에서 검토 대상을 빠르게 추리는 데 유용하지만, 전체 약물 사용자 수를 파악할 수 없어 실제 발생률을 구하기 어렵다는 한계가 있다”며 “특히 보고 건수가 적으면 값이 크게 흔들리고, 중증도를 구분하지 않아 증상의 경중에 관한 정보를 알기 어렵다”고 지적했다.

이어 그는 “경증과 중증에 해당하는 정보를 하나의 범주에 넣는 것은 많은 정보의 손실을 가져온다”며 “이상사례 중증도 정보를 반영하는 실마리정보 탐지 방법을 개발하자는 것이 이번 연구를 시작한 또 하나의 동기”라고 설명했다.

“발생 차이와 예상 중증도 차이를 함께 계산해야”

김 센터장이 제시한 분석은 비슷한 치료 목적으로 쓰이는 약물의 신규 사용자를 비교하는 ‘활성 대조군·신규 사용자 설계’를 바탕으로 한다. 관심 약물과 비교약물을 새로 사용하기 시작한 환자군을 구성해 분석하는 방식이다.

이상사례는 미발생·경증·중등증·중증의 네 범주로 구분한다. 발생 여부만 나누는 이분형 분석과 달리, 중증도가 높아지는 순서를 유지하는 ‘순서형’ 정보를 활용한다.

두 약물 사용군은 기저질환과 병용약물 등 환자 특성이 다를 수 있다. 연구에서는 이러한 환자 특성에 따른 교란을 줄이기 위해 역확률 치료가중법(IPTW)을 적용했다.

환자 특성에 따른 약물 사용 확률을 바탕으로 환자별 분석 비중을 조절해 두 군의 특성이 비슷해지도록 하는 방법이다. 측정하지 못한 요인의 영향까지 제거하는 것은 아니다.

통계 분석에서는 중증도 기준별로 약물과 이상사례의 연관성을 살핀다. AI 기반 순서형 모델은 같은 환자 특성을 놓고 관심 약물과 비교약물을 각각 사용한다고 가정했을 때 예상되는 이상사례 중증도를 추정하고, 그 차이를 계산한다.

김 센터장은 “기존 방법은 이상사례가 발생했는지 아닌지만 구분했다”며 “제가 제안하는 방법은 중증도에 따라 오즈비를 계산하고, 두 약물 간 예상 중증도의 차이도 구한다”고 설명했다. 이어 “두 분석 결과를 결합해 하나의 점수를 만드는 방식”이라고 덧붙였다.

두 결과를 합치는 비중과 후보 선별 기준값은 알려진 연관성이 있는 양성 참조 조합과 비교 기준이 되는 음성 참조 조합을 활용해 조정한다.

이후 연관성이 아직 확인되지 않은 약물–이상사례 조합에 같은 계산 방식을 적용해 점수와 검토 순위를 부여한다.

시뮬레이션서 위양성률 4%…실제 활용 검증은 과제

모든 실마리정보 후보가 실제 약물 관련 위험으로 이어지는 것은 아니다. 평가에서 음성으로 설정한 조합을 양성으로 잘못 분류하는 ‘위양성’이 많으면 전문가가 확인해야 할 대상도 늘어난다.

연구진은 제안 모델이 이러한 오분류를 줄이면서 양성으로 설정된 조합을 찾아낼 수 있는지 시뮬레이션으로 평가했다.

데이터를 50회 반복 분할해 평가한 결과, 제안 모델의 평균 위양성률은 4.0%였다. 기존 ROR의 11.5%, PRR의 9.6%보다 낮았으며, 상대적으로 각각 65.2%, 58.3% 감소했다. 양성으로 설정된 조합을 찾아내는 비율도 기존 지표보다 높았다.

김 센터장은 “실마리정보를 찾아낸 뒤 전문가들이 어떤 순서로 심사할 것인지 우선순위를 생각했다”고 말했다.

높은 점수가 약물의 위험이나 인과관계를 확정하는 것은 아니다. 전문가가 환자 기록과 관련 연구를 종합해 평가해야 한다. 실제 임상환경과 외부 데이터에서도 같은 성능이 재현되는지, 검토 부담 감소로 이어지는지도 추가 검증이 필요하다.

김 센터장은 “이번 연구는 시작점으로, 앞으로 더 많은 데이터를 활용하고 AI 기술을 결합해 다양한 분석으로 방법론을 발전시킬 것”이라며 “관련 데이터를 보유한 연구자들과 공동연구도 진행해 실마리정보 탐지 성능을 높이는 것이 목표”라고 밝혔다.

‘2026 KoNECT 임상시험 국제 콘퍼런스’ 현장.©약업신문=허지수 기자