Hippocratic Utility

이 논문은 해를 끼치지 않는 치료로 생명을 구하는 경우를 더 가치 있게 여기고 해를 끼치는 치료로 생명을 구하는 경우는 덜 가치 있게 여기는 '히포크라테스 효용'의 윤리적 동기는 인정하면서도, 저자의 예시를 통해 이러한 의사결정 기준의 적용 범위가 제한적일 수 있음을 지적합니다.

핵심

이 논문은 **"의사결정에서 '해가 되지 않는다 (First, do no harm)'는 원칙을 지나치게 맹목적으로 적용하면 오히려 더 큰 비극이 발생할 수 있다"**는 놀라운 사실을 지적하고 있습니다.

저자 토마시 스트잘레츠키는 복잡한 수학적 모델을 통해, 의료 현장에서 '새로운 약'과 '기존의 약 (또는 치료하지 않음)'을 선택할 때 어떤 윤리적 기준을 적용하느냐에 따라 결과가 어떻게 달라지는지 보여줍니다.

이 논문의 핵심 내용을 일상적인 비유와 함께 쉽게 설명해 드리겠습니다.

---

1. 상황 설정: 낡은 약 vs 새로운 약

상상해 보세요. 어떤 치명적인 질병이 있습니다.

• 낡은 약 (1926 년 개발): 환자 100 명 중 10 명만 구합니다.
• 새로운 약 (2026 년 개발): 환자 100 명 중 20 명을 구합니다. (효율이 두 배!)

의사는 지금 환자에게 어떤 약을 줄지 결정해야 합니다. 당연히 더 많은 사람을 구하는 '새로운 약'을 줘야 하지 않겠습니까?

2. '히포크라테스적 효용'이라는 이상한 규칙

하지만 이 논문에서 논의하는 어떤 윤리적 규칙 (히포크라테스적 효용) 은 다릅니다. 이 규칙은 다음과 같이 말합니다.

"우리는 새로운 약을 줘서 죽는 사람을, 약도 안 줘서 죽는 사람보다 훨씬 더 크게 처벌해야 한다."

비유: 요리사 이야기

• 상황 A: 요리를 안 해서 손님이 배고파서 죽었습니다. (과실 없음)
• 상황 B: 새로운 레시피로 요리를 했는데, 실수로 손님이 중독되어 죽었습니다. (과실 있음)

이 규칙은 "새로운 레시피를 시도했다가 실패한 요리사"를 "아무것도 안 한 요리사"보다 훨씬 더 무겁게 처벌합니다. 심지어 새로운 레시피가 성공할 확률이 훨씬 높더라도 말입니다.

이 규칙을 따르는 의사는 이렇게 생각합니다.

• "기존 약 (또는 치료 안 함) 을 줬는데 죽으면, 어쩔 수 없는 운명이다."
• "새로운 약을 줬는데 죽으면, 내가 '해 (Harm)'를 끼친 것이다."
• 그래서 **"새로운 약을 줘서 죽을 위험이 조금이라도 있다면, 차라리 기존 약을 주는 게 낫다"**고 판단합니다.

3. 이 규칙의 치명적인 세 가지 문제점

저자는 이 규칙이 세 가지 큰 문제를 일으킨다고 지적합니다.

① 더 좋은 선택을 버리는 우 (우연히 더 나쁜 선택을 고름)

새로운 약이 두 배 더 효과적임에도 불구하고, "죽을 사람을 더 많이 구한다"는 목표보다는 "죽게 만든 죄"를 더 두려워하기 때문에, 의사는 더 나쁜 약을 선택하게 됩니다.

• 비유: 비가 올 확률이 10% 인 날에는 우산을 안 쓰고, 비가 올 확률이 20% 인 날에는 우산을 씁니다. 그런데 우산을 쓰면 우산이 찢어질까 봐 무서워서, 비가 올 확률이 20% 인 날에도 우산을 안 쓰고 비를 맞습니다. (비가 올 확률이 더 높은 날에 더 안전한 선택을 안 하는 꼴입니다.)

② 결정의 불확실성 (데이터가 부족함)

우리는 약이 누구에게 효과가 있는지, 누구에게 부작용이 있는지 정확히 알지 못합니다. (통계적으로 '한계치'만 알 뿐, 개인별 상관관계는 모름)
이 규칙은 우리가 모르는 '상관관계'에 따라 결정이 뒤바뀝니다.

• 비유: 동전 던지기 게임에서 앞면이 나오면 100 원, 뒷면이 나오면 100 원 잃는 게임이 있습니다. 그런데 동전이 어떻게 떨어질지 모를 때, "앞면이 나올까 봐 무서워서" 게임을 아예 안 하기로 결정합니다. 하지만 동전이 어떤 패턴으로 떨어지느냐에 따라 게임을 해야 할 수도, 안 해도 될 수도 있는데, 규칙 자체가 모호해서 의사는 결정을 내리지 못합니다.

③ '현상 유지' 편향 (가장 중요한 문제)

이게 이 논문의 핵심입니다. 어떤 약이 먼저 발견되었는지 (역사적 우연) 에 따라 결정이 바뀝니다.

• 상황 1: 약 A(1926 년) vs 약 B(2026 년) → 약 B 가 더 좋지만, 약 A 가 '기존'이라서 약 A 를 줍니다.
• 상황 3: 약 B(1926 년) vs 약 A(2026 년) → 약 A 가 더 좋지만, 약 B 가 '기존'이라서 약 B 를 줍니다.

비유: 길 찾기

• A 길은 10 분 걸리지만, 100 년 전부터 있던 길입니다.
• B 길은 5 분 걸리지만, 어제 새로 뚫린 길입니다.
• 이 규칙은 "새로운 길 (B) 을 갔다가 사고가 나면 내가 죄인이다"라고 생각해서, B 길보다 10 분 더 걸리는 A 길을 고집합니다.
• 그런데 만약 B 길이 100 년 전부터 있었고, A 길만 어제 뚫렸다면? 그때는 B 길을 고집합니다.

결론: 환자의 생명을 구할지 말지가 약이 언제 발견되었는지라는 '우연한 역사적 사실'에 달려 있다는 것입니다. 이는 윤리적으로 옳지 않습니다. 의사는 환자의 생명을 구하는 데 집중해야지, 약의 출시 연도에 따라 판단을 바꿔서는 안 됩니다.

4. 결론: "해가 되지 않는다"는 원칙의 한계

저자는 결론을 내립니다.

1. "아무것도 하지 않는 것 (치료 안 함)"을 기준으로 삼는 경우: 이 규칙은 어느 정도 의미가 있을 수 있습니다. (약도 안 줬는데 죽은 건 운명, 약 줬는데 죽은 건 과실)
2. "두 가지 치료법 중 하나를 고르는 경우": 이 규칙은 완전히 실패합니다. 두 약 모두 '치료'이므로, 어느 쪽을 선택하든 '해'를 끼칠 수 있습니다. 이때는 "어떤 약이 더 많은 생명을 구하는가?"에 집중해야지, "어느 약이 더 새로운가?"에 집중해서는 안 됩니다.

한 줄 요약:

"새로운 것을 시도했다가 실패하는 것을 너무 두려워하면, 오히려 더 나은 기회를 놓쳐서 더 많은 사람이 죽을 수 있습니다. 의사는 '새로움'을 두려워하기보다 '생명을 구하는 것'에 집중해야 합니다."

이 논문은 의료 윤리에서 '위험 회피'가 지나치면 역설적으로 더 큰 비극을 부를 수 있음을 경고하는 중요한 메시지입니다.

기술 요약

히포크라테스 효용 (Hippocratic Utility) 에 대한 기술적 요약

토마시 스트잘레츠키 (Tomasz Strzalecki) 의 논문 **"Hippocratic Utility"**는 의료 의사결정 분야에서 제안된 새로운 효용 함수인 '히포크라테스 효용'의 적용 범위와 한계를 비판적으로 분석한 논문입니다. 저자는 "해를 끼치지 말라 (First, do no harm)"는 히포크라테스 선서에서 영감을 받아 제안된 비대칭적 효용 함수가 윤리적 동기는 타당할지라도, 실제 의사결정 기준으로서의 적용 범위가 매우 제한적일 수 있음을 논증합니다.

---

1. 문제 제기 (Problem)

의료 의사결정, 특히 무작위 대조 시험 (RCT) 데이터를 기반으로 한 신약과 기존 약 (또는 무치료) 간의 선택 문제에서, 최근 제안된 히포크라테스 효용 함수가 직면한 모순과 한계를 다룹니다.

• 배경: 히포크라테스 효용 함수는 새로운 치료 (d=1) 가 기존 치료 (d=0) 나 무치료보다 더 많은 생명을 구할지라도, 새로운 치료로 인해 사망하는 환자가 발생할 경우 그 손실을 기존 치료로 인한 사망보다 훨씬 더 크게 평가 (가중치 $\lambda > 1$) 합니다. 이는 손실 회피 (Loss Aversion) 와 유사한 윤리적 비대칭성을 반영합니다.
• 핵심 문제: 이러한 효용 함수가 확률적 우월성 (Stochastic Dominance) 원칙을 위반하거나, 역사적 우연 (어떤 약이 먼저 발견되었는지) 에 따라 의사결정이 달라지는 **현상 유지 편향 (Status Quo Bias)**을 초래할 수 있다는 점입니다.

2. 방법론 (Methodology)

저자는 **잠재 결과 모델 (Potential Outcomes Model, Neyman-Rubin)**을 사용하여 의사결정 문제를 형식화했습니다.

• 모델 설정:
  • 환자는 네 가지 주층 (Principal Strata) 으로 분류됩니다: $(y_0, y_1)$은 각각 기존 약 (d=0) 과 신약 (d=1) 을 투여했을 때의 생존 여부 (1=생존, 0=사망) 를 나타냅니다.
  • 의사결정자는 각 약물의 한계 확률 (Marginals) 은 알지만 ($P(y_0=1)=10\%, P(y_1=1)=20\%$), 두 약물의 반응 간의 결합 분포 (Joint Distribution, $P$) 는 알지 못합니다.
• 효용 함수 정의:
  • 의사결정 $d \in \{0, 1\}$에 대한 효용 차이는 다음과 같이 정의됩니다:
    $$u(1) - u(0) = \begin{cases} 0 & \text{if } y_0 = y_1 \\ 1 & \text{if } y_0 < y_1 \text{ (신약이 더 효과적)} \\ -\lambda & \text{if } y_0 > y_1 \text{ (신약이 해를 끼침)} \end{cases}$$
  • 여기서 $\lambda > 1$은 신약으로 인한 사망에 대한 가중치를 나타냅니다.
• 분석 접근:
  • 다양한 의사결정 시나리오 (Decision Problems) 를 설정하여 히포크라테스 효용 함수가 어떻게 작동하는지 시뮬레이션하고 분석했습니다.
  • 시나리오 1: 기존 약 (A) vs 신약 (B)
  • 시나리오 2: 무치료 vs 신약 (B)
  • 시나리오 3: 신약 (B) vs 기존 약 (A) (역사적 순서 변경)
  • 시나리오 4: 무치료 (실제로는 자가 치료 A 사용 가능성 포함) vs 신약 (B)

3. 주요 기여 및 결과 (Key Contributions & Results)

저자는 히포크라테스 효용 함수의 세 가지 주요 성질을 분석하며, 특히 세 번째 성질인 '현상 유지 편향'을 통해 이 접근법의 한계를 지적합니다.

3.1. 우월한 옵션의 배제 (Choosing the Dominated Option)

• 결과: $\lambda$가 충분히 크다면, 신약이 기존 약보다 두 배 더 많은 생명을 구함에도 불구하고 ($20%$vs$10%$), 의사결정자는 기존 약 (또는 무치료) 을 선택하게 됩니다.
• 이유: 히포크라테스 효용은 주층 (strata) 에 따라 사망을 다르게 평가합니다. 신약이 해를 끼치는 환자 집단 ($y_0=1, y_1=0$) 이 존재할 경우, $\lambda$의 가중치가 기대 효용을 음수로 만들어 확률적 우월성 원칙을 위반합니다.
• 의미: 이는 윤리적으로 타당할지라도, 통계적 우월성을 가진 옵션을 배제하는 결과를 낳아 의사결정의 비합리성을 초래할 수 있습니다.

3.2. 선택의 불확실성 (Choice Indeterminacy)

• 결과: 결합 분포 $P$가 알려지지 않은 상태 (오직 한계 확률만 알려진 상태) 에서, 히포크라테스 효용 함수는 명확한 의사결정을 내리지 못합니다.
• 이유: 기대 효용은 $P$의 상관 구조 (Correlation Structure) 에 의존합니다. $P_{01}$ (신약만 생존) 과 $P_{10}$ (기존 약만 생존) 의 비율에 따라 최적 결정이 달라지며, 이는 데이터가 아닌 임의의 가정 (Free Parameter) 에 의존하게 됩니다.
• 의미: 데이터만으로는 최적의 치료법을 결정할 수 없게 되어, 의사결정 규칙 자체가 모호해집니다.

3.3. 현상 유지 편향 (Status Quo Bias) - 핵심 기여

• 결과: 의사결정은 **역사적 우연 (어떤 약이 먼저 발견되었는지)**에 따라 달라집니다.
  • 시나리오 1 (기존 약 A vs 신약 B): 의사결정자는 A 를 선택할 수 있음.
  • 시나리오 3 (신약 B 를 '기존'으로 간주, A 를 '신약'으로 간주): 동일한 약물의 조합임에도 불구하고, '기존'으로 간주된 약물을 선택하게 됨.
• 논증: "해를 끼치지 말라"는 윤리적 신념을 가진 의사결정자가, 약물의 화학적 성질이 아닌 발견 순서라는 무작위적 역사적 사실에 기반하여 생사 결정을 내리는 것은 모순입니다.
• 시나리오 4 의 함의: 만약 '무치료' 상태에서도 환자가 자가 치료 (기존 약 A) 를 할 가능성이 높다면, 실질적인 '기존 상태 (Status Quo)'는 A 가 됩니다. 이 경우 히포크라테스 효용을 일관되게 적용하려면 신약 B 를 선택해야 하지만, 법적/윤리적 동기가 다르면 여전히 A 를 선택하게 되어 모순이 발생합니다.

4. 의의 및 결론 (Significance)

이 논문은 히포크라테스 효용 함수가 의료 윤리에서 중요한 논의 대상임은 인정하되, 그 적용 범위가 매우 제한적임을 강조합니다.

1. 현상 유지의 정의 문제: 히포크라테스 효용은 '무개입 (No Intervention)'이 명확한 상태 (시나리오 2) 에서는 타당할 수 있으나, 두 가지 치료법 중 하나를 선택해야 하는 상황 (시나리오 1, 3) 에서는 '현상 유지'를 어떻게 정의하느냐에 따라 결과가 달라져 비합리적 편향을 초래합니다.
2. 윤리적 vs 법적 동기의 충돌:
   • 윤리적 동기: 해를 끼치지 않으려는 의도라면, 발견 순서나 법적 소송 위험에 관계없이 생명을 더 많이 구하는 옵션을 선택해야 합니다.
   • 법적 동기: 소송 위험을 피하기 위해 (Tian and Pearl, 2000) $\lambda$를 높게 설정하는 경우, 이는 윤리적 원칙이 아니라 법적 방어 논리에 기반한 것이므로, '무치료'와 '자가 치료'가 혼재된 상황 (시나리오 4) 에서 일관된 의사결정을 방해합니다.
3. 결론: 히포크라테스 효용 함수는 "무개입"이 명확한 기준점일 때만 제한적으로 적용 가능하며, 두 대안 치료법 간의 비교나 역사적 맥락이 개입된 상황에서는 확률적 우월성 위반과 현상 유지 편향을 초래하여 바람직하지 않습니다.

요약하자면, 이 논문은 의료 의사결정에서 윤리적 직관 (해 끼치지 않기) 을 수학적으로 모델링할 때, 현상 유지 (Status Quo) 의 정의가 모호하면 의사결정 기준 자체가 무너질 수 있음을 경고하며, 보다 엄밀한 기준의 필요성을 제기합니다.