바이오인

증후군 감시체계의 원리와 미래 활용을 위한 검토

◈목차

(1) 들어가는 말

(2) 맺는말

(3) 참고문헌

◈본문

증후군 감시체계(syndromic surveillance)는 특정 질병의 실험실 검사나 명확한 임상증상에 기반한 진단이 내려지기 전에 초기에 나타나는 증상들에 집중하는 감시체계이다. 접촉자를 찾아내 실험실진단으로 확진하고 감염원을 찾아 확산을 차단하기가 쉽지 않은 질병, 혹은 은밀한 생물테러가 발생했거나, 원인 미상의 질병이 일정 규모 이상으로 발생하였을 때 이를 조기에 인지하는 방법으로 증후군 감시체계가 이용되어왔다. 주로 조기 감지와 규모 및 확산 정도를 추적하고 질병 유행의 시기를 파악하는 목적으로 기획되었지만, 새로이 정보를 모으기보다는 기존 데이터를 활용하는 방식으로 실시간에 준하는 데이터의 경향을 분석하여 짧은 시간 내 유행잠재력이 있는 질병 사건에 대응하기 위한 정보 수단으로써 그 목적을 둔다[1].

이론적으로는 흔히 알려진 증상에 대한 정보를 범주화하여 수집하면 이를 증후군(syndrome)이라 정의하게 되고, 이에 따라 정보를 수집하여, 분석, 환류하면 감시체계가 갖추어진다고 보아야 할 것이다. 대표적으로 고열, 기침, 호흡곤란 등의 호흡기 증상들을 묶어 집단으로 감시하는 인플루엔자 유사 질병(Influenza-like illness, ILI)이나 기타 호흡기 병원체에 의한 유의미한 유행이 있는지 감시하는 것을 예로 들 수 있다.

가령, 반국가단체 혹은 개인이 사회적 혼란을 일으킬 목적으로 고위험 병원체를 대중이 많이 모인 공간에서 은밀히 분사하였다면, 이 병원체에 노출된 많은 이들이 이후 며칠 동안 발열이나 기침 등 비특이적인 증상들을 보이게 될 것이다. 이들 중 몇몇은 약국에서 해열제나 감기약을 구입해 자가 치료를 하게 될 것이고, 다른 이들은 직장을 가지 않고 집에서 쉬거나 혹은 증상이 없이 일상생활을 하게 될 수도 있다. 또 몇 명은 통증을 견디다가 의료기관에 방문하면 의사는 단순히 증상만을 근거로 대증치료를 위한 처방을 내리거나, 의심 증상에 대해서 여러 검사를 받게 할 수 있으며 이 들 중 증상이 심해져 중증으로 진행된 자는 응급실로 입원하게 될 수도 있다. 얼마나 많은 이들이 응급실에 가게 되고 의사를 찾게 될지는 병원체의 종류, 인구집단의 분포, 병원체 노출 규모 및 농도 등에 따라 다르게 결정될 것이다. 이러한 증상이 가장 먼저 관찰되고, 가장 먼저 기록되는 곳은 대부분 의료기관의 응급실 혹은 외래진료 환경이다. 그러므로, 증후군 감시체계를 위해 가장 적절한 데이터 자원은 전국의 응급실에서 최초로 입력되는 증상에 대한 정보라고 볼 수 있다.

증후군 감시체계를 활용하기 위해서는 이러한 비정형 데이터를 얼마나 신속하게 그리고 체계적으로 수집하고 분석하는가가 매우 중요하다. 현실적으로 이러한 증상들을 기록하는 체계가 정착되어 있지 않다면 이런 유형의 정보를 감시체계에서 체계적으로 활용하는 것은 그리 수월하지 않을 수 있다. 따라서, 증후군 감시체계의 방법론을 활용하면서 증상들의 집합을 대체할 수 있는 다른 정보를 대상으로 증후군 감시체계를 운용하는 경우들이 종종 있어왔다.

그림 1에서 보듯, 일반적으로 건강 상태를 관찰할 수 있고 진단이 가능한 가장 빠른 시점은 증상이 발현되었을 때이다. 코로나바이러스감염증-19(코로나19) 대응에서처럼, 적극적으로 접촉자를 찾아, 노출된 사람들을 중심으로 진단검사를 실시하게 되면, 증상이 나타나기 전 단계에서도 감염자를 찾아낼 수 있다. 하지만, 이는 능동감시체계의 방식으로 여러 가지 면에서 고비용의 방식이다. 모든 질병에 대해서 이런 방식으로 감시하고 대응하는 것은 현실적으로 부담이 크고, 기술적으로 많은 여건들이 갖추어져야 한다. 따라서, 대부분의 감시체계는 수동적으로 보고되는 자료에 의존한다. 이에 따라, 질병 발생의 보고 혹은 정보수집이 가능한 가장 이른 단계는 증상이 발현되었을 때이다. 자기 보고 방식이 아니라면, 가장 먼저 증상에 대한 정보가 만들어지는 단계는 환자가 의료진의 문진을 받는 시점이 될 것이다.

증상이 나타나면 개별적으로 인터넷에 증상에 대한 질문을 올리거나 검색을 하는 행위를 큰 인구 단위에서 감시하는 일명, Google Flu Trends의 사례가 있지만, 이 경우 특이도가 매우 낮고 많은 매체에 의해서 생산되는 정보에 의존하는 경우, 위양성경보(false positive alarm)를 많이 생산하게 되는 단점이 있어 공중보건기관이 활용하기에는 한계점이 있을 수 있다. 실제로 2009년 신종플루의 발생을 예측하지 못한 것과, 이후 계절독감의 유행을 대규모 판데믹으로 잘못된 경보를 발령했던 경우도 있다. 그렇지만, 전형적인 감시체계 정보가 부재한 중저소득 국가들에서 대중매체의 정보를 활용하는 방법으로는 여전히 효과가 있을 수 있다[2].

...................(계속)

☞ 자세한 내용은 내용바로가기 또는 첨부파일을 이용하시기 바랍니다.