Counterfactual Optimization of Policy Interventions: Lexical Ordering and Leapfrogging

의학 및 공공 정책의 세계에는 다수를 위해 선을 행하는 것과 소수에게 해를 입히지 않는 것 사이의 근본적인 긴장이 존재한다. 수십 년 동안, 치료나 개입을 할당하기 위해 설계된 데이터 기반 시스템은 '평균적 이득을 극대화한다'는 단순한 원칙에 따라 작동해 왔다. 만약 새로운 약물이 기존의 약물보다 평균적으로 더 많은 생명을 구한다면, 알고리즘은 그것이 특정 개인에게 어떤 영향을 미칠지와 상관없이 그 프로필에 부합하는 모든 사람에게 권고한다. 이러한 접근 방식은 효율적이기는 하지만, 결정적인 윤리적 현실을 간과한다. 즉, 스프레드시트상으로는 좋아 보이는 정책이라도 그것이 닿는 상당수의 사람에게는 재앙이 될 수 있다는 사실이다. "먼저 해를 끼치지 말라"는 고대의 의학 원칙은, 만약 그렇게 하는 것이 필연적으로 취약한 소수를 짓밟는 결과를 초래한다면 단순히 가장 높은 평균 점수를 쫓아서는 안 된다고 제안한다. 현대 과학자들의 과제는 이러한 한계를 존중하는 의사결정 도구를 구축하여, 너무 많은 사람이 상황이 악화되는 선을 넘지 않으면서도 전반적인 결과를 개선할 방법을 찾는 것이다.

이것이 바로 캠브리지 대학교와 로잔 연방 공과대학교(EPFL)의 연구진이 다루고 있는 정확한 문제다. 그들은 개인적 해악의 위험을 명시적으로 고려하여 정책 변화를 설계하는 새로운 방법을 개발했다. 그들의 접근 방식은 단지 "무엇이 평균적으로 가장 잘 작동하는가?"라고 묻는 대신, "현재의 치료법에서 더 나은 것으로 어떻게 옮겨가면서, 누군가에게 해를 끼칠 최악의 경우의 확률을 특정 가능한 허용 한도 아래로 유지할 수 있는가?"라고 묻는다. 연구진은 이러한 엄격한 안전 제약을 부과할 때, 정책을 변경하는 최적의 방법이 점진적이고 단계적인 개선이 아니라는 것을 발견했다. 대신, 최선의 전략은 종종 '도약(leapfrogging)' 구조를 포함한다. 이는 특정 환자 집단에 대해, 시스템이 현재의 치료법을 유지하거나 혹은 해당 프로필에 가장 적합한 단 하나의 최선책으로 즉시 직접 전환해야 함을 의미한다. 이는 중간 단계의 치료법들이 비록 안전한 절충안처럼 보일지라도, 궁극적으로는 해악에 대한 최선의 보호를 제공하지 못한다면 이를 건너뛰어야 함을 뜻한다.

이것이 어떻게 작동하는지 이해하기 위해, 환자의 특정 생물학적 표지에 따라 성공률이 각기 다른 여러 가지 유방암 치료 옵션이 있는 병원을 상상해 보라. 전통적으로 의사는 새로운 약물의 평균 성공률을 살펴보고, 통계적으로 약간의 이득을 보이는 모든 이에게 그 약을 제공하기로 결정할 수 있다. 그러나 새로운 방법은 이러한 평균치가 위험한 진실을 숨길 수 있음을 드러낸다. 어떤 환자들에게 그 새로운 약은 기적의 치료제가 될 수 있지만, 생물학적 특성이 약간 다른 다른 환자들에게는 효과가 없거나 심지어 해로울 수도 있다는 것이다. 연구진의 모델은 가능한 모든 환자-치료 조합에 대해 우선순위 점수를 계산한다. 이 점수는 치료법을 변경함으로써 얻을 수 있는 잠재적 이득과 해를 끼칠 최악의 경우의 위험 사이의 균형을 맞춘다. 만약 특정 집단에 대한 해악의 위험이 너무 높다면, 모델은 평균적인 이득이 유망해 보이더라도 치료법을 변경하지 말라고 지시한다.

이 연구는 약 천 명의 환자와 열 가지의 서로 다른 치료군이 포함된 대규모 연구인 I-SPY2 유방암 임상 시험의 실제 데이터를 사용하여 테스트되었다. 연구진은 이 데이터에 새로운 '해악 인지형(harm-aware)' 논리를 적용하고, 이를 평균적 이득만을 고려하는 표준 방식과 비교했다. 결과는 극명했다. 평균적 이득을 기준으로 우선순위를 정하는 표준 방식은 어떤 치료법을 유지하거나 중단할지에 대한 특정 순서를 제안했다. 반면, 새로운 해악 인지형 방식은 완전히 다른 순위를 만들어냈다. 어떤 경우에는 표준 체제 하에서는 명백한 승리처럼 보였던 치료법이, 특정 하위 집단에 해를 끼칠 수 있는 상당한 위험이 있다고 모델이 식별했기 때문에 우선순위에서 밀려났다. 연구진은 소수의 사람들이 부정적인 영향을 받을 수 있는 통제된 범위를 수용함으로써, 전통적인 평균 극대화 접근 방식보다 윤리적으로 더 안전하고 많은 시나리오에서 더 견고한 정책 경로를 만들 수 있음을 입증했다.

그들의 연구에서 얻은 핵심적인 통찰은 '도약' 솔루션의 성격이다. 연구진이 여러 치료 옵션을 허용했을 때, 그들은 최적의 정책이 환자들을 일련의 중간 단계로 이동시키는 과정을 거의 포함하지 않는다는 것을 발견했다. 예를 들어, 환자가 현재 치료법 A를 받고 있고 치료법 C가 최선의 옵션이라면, 모델은 종-종 환자가 치료법 B를 거쳐 가는 대신 곧바로 치료법 C로 뛰어넘도록 지시한다. 이는 중간 단계가 최선의 옵션이 주는 완전한 이득을 제공하지 못하면서 불필요한 해악의 위험을 초래할 수 있기 때문이다. 그들의 솔루션이 가진 수학적 구조는 모든 전환이 해당 환자에게 가장 적합한 최선의 케어로의 직접적인 이동이거나, 혹은 이동하지 않는 것임을 보장한다. 이는 가장 중요한 전환이 먼저 일어나고, 해악의 위험이 높은 경우는 안전 예산이 허용될 때까지 그대로 두는 명확한 계층적 우선순위 구조를 만든다.

연구진은 또한 잠재적 결과들 사이의 관계에 대한 서로 다른 가정이 결정에 어떻게 영향을 미치는지 탐구했다. 현실 세계에서 우리는 환자가 받지 않은 치료에 대해 어떻게 반응했을지를 정확히 알 수 없는 경우가 많다. 모델은 치료법들이 어떻게 상호작용하는지에 대한 가장 낙관적인 시나리오부터 가장 비관적인 시나리오까지 범위의 불확실성을 고려함으로써 이를 반영한다. 그들은 이러한 깊은 불확실성을 고려하더라도 도약 구조가 유효하다는 것을 발견했다. 치료법이 실패하는 방식에 대해 최악의 시나리오를 가정하든, 혹은 결과 간의 더 완만한 상관관계를 가정하든 결과는 동일했다. 즉, 점진적이고 위험한 전환보다는 직접적이고 안전한 전환을 우선시하는 정책이라는 점이다. 이는 이 발견이 특정 수학적 가정의 우연한 결과가 아니라, 해악을 엄격히 제한하면서 선을 행하려는 노력의 근본적인 속성임을 시사한다.

유방암 데이터 분석에서 연구진은 환자들을 우선순위 '티어(tier)'로 그룹화하여 이러한 발견을 시각화했다. 그들은 어떤 방법을 사용하여 치료법의 순위를 매기느냐에 따라, 실패하는 요법을 중단하는 최우선 순위가 완전히 달라질 수 있음을 보여주었다. 표준 평균 이득 방식 하에서는 특정 약물과 환자 유형의 조합이 가장 먼저 탈락할 수 있다. 반면, 새로운 해악 인지형 방식에서는 다른 조합이 그 자리를 차지하는데, 이는 표준 방식이 소수이지만 유의미한 집단에 대한 숨겨진 위험을 포착하지 못했기 때문이다. 이러한 재배열은 임상 시험이 운영되고 치료법이 승인되는 방식에 심오한 시사점을 던진다. 이는 규제 기관과 의사들이 단순히 누가 가장 많은 이득을 보는지가 아니라, 변화에 의해 해를 입을 가능성이 가장 낮은 사람이 누구인지에 기초하여 어떤 치료를 계속 제공하는 것이 안전한지를 재고해야 할 필요가 있음을 시사한다.

이 연구는 의학의 모든 윤리적 딜레마를 해결한다거나, 모든 위험을 제거하는 마법의 공식을 제공한다고 주장하는 것이 아니다. 연구진은 자신들의 방법이 인구 수준에서의 기대되는 해악을 제어하는 것이지, 모든 개인이 반드시 보호받는 것을 보장하는 것은 아님을 분명히 하고 있다. 수학적으로 소수의 사람들이 더 큰 이득을 위해 위험에 노출되어야 한다고 판단하는 시나리오도 존재한다. 그러나 이러한 트레이드오프를 명시적이고 정량화 가능한 것으로 만듦으로써, 이 방법은 모호한 윤리적 우려를 구체적이고 관리 가능한 한계치로 옮겨 놓는다. 이를 통해 정책 입안자들은 "우리는 전체적인 결과를 개선하되, 최악의 경우 발생하는 해악을 이 특정 임계치 아래로 유지할 수 있을 때만 그렇게 하겠다"라고 말할 수 있게 된다.

궁극적으로 이 연구는 의료 의사결정의 복잡한 메커니즘을 바라보는 새로운 렌즈를 제공한다. 이는 최고의 정책이란 단순히 가장 높은 평균 점수를 산출하는 것이라는 오랜 믿음에 도전한다. 대신, 가장 윤리적이고 효과적인 길은 인간의 안전 한계를 존중하며, 직접적이고 신뢰할 수 있는 개선을 우선시하고 점진적이며 불확실한 변화의 위험한 길을 피하는 것이라고 제안한다. 최적의 전환이 갖는 '도약'의 본질에 초점을 맞춤으로써, 이 연구는 선을 행하는 것과 해를 끼치지 않는 것 사이의 어려운 균형을 항해하기 위한 실질적인 프레임워크를 제공하며, 진보의 추구가 취약한 이들의 희생을 담보로 하지 않도록 보장한다.