Triangulation of evidence to examine selection bias in lifecourse Mendelian randomization studies: an example using early life adiposity and breast cancer.

이 연구는 삼각화 (triangulation) 접근법을 통해 초기 생활 비만이 유방암 위험 감소에 미치는 역상관 관계가 생존 또는 참여 선택 편향으로 인한 인위적 결과가 아닐 가능성이 높으며, 인과적 해석을 지지한다는 결론을 도출했습니다.

핵심

이 논문은 **"어릴 때 살이 찌면 나중에 유방암에 걸릴 확률이 왜 낮아지는 것처럼 보이는가?"**라는 흥미로운 의문에서 시작합니다. 많은 연구가 어릴 때 비만하면 유방암 위험이 줄어든다고 주장해 왔지만, 일부 전문가들은 "그게 진짜 원인일까, 아니면 연구 방법의 오류일까?"라고 의문을 제기했습니다.

이 논문은 그 의문을 해결하기 위해 **'삼각 측량 (Triangulation)'**이라는 방법을 사용했습니다. 마치 삼각형의 세 변을 모두 확인하여 정확한 위치를 찾는 것처럼, 서로 다른 세 가지 방법을 동원해 오류 가능성을 꼼꼼히 따져본 것입니다.

이 복잡한 내용을 일상적인 비유로 쉽게 설명해 드리겠습니다.

---

🕵️‍♀️ 1. 문제의 시작: "살찐 아이는 유방암에서 안전할까?"

과거의 연구들은 "어릴 때 살이 많으면 나중에 유방암에 걸릴 확률이 낮다"는 결과를 보여줬습니다. 마치 "어릴 때 뚱뚱한 아이는 유방암이라는 괴물로부터 보호받는 방패를 가지고 있다"는 이야기처럼 들립니다.

하지만 비판적인 목소리가 나왔습니다.

"아니, 그건 진짜 효과가 아니라 연구 참여자 선정의 오류 (선택 편향) 때문일 수 있어! 예를 들어, 살이 찐 아이들은 어릴 때 건강이 안 좋아서 연구에 참여하지 못했을 수도 있고, 혹은 유방암에 걸린 사람들이 연구에 참여하지 않았을 수도 있어. 그래서 결과가 왜곡된 거야."

이 논문은 "그런 오류가 진짜 결과를 뒤집을 만큼 강력할까?"를 검증하려 했습니다.

---

🛠️ 2. 검증 방법 1: "가족 대가족 조사" (가족 기반 시뮬레이션)

비유: "친구와 가족의 이야기를 비교해 보기"

연구자들은 먼저 "어릴 때 살이 찐 아이의 유방암 위험"을 조사할 때, 자신의 데이터와 형제자매나 부모의 데이터를 비교했습니다.

• 비판자의 주장: "자신의 데이터는 왜곡됐지만, 가족 데이터는 왜곡되지 않았을 거야. 만약 가족 데이터에서도 효과가 약해지면, 그건 '선택 오류' 때문이야."
• 이 논문의 발견: 연구자들은 컴퓨터 시뮬레이션을 통해 **"선택 오류가 전혀 없는 상황"**에서도 가족 데이터를 분석했을 때 효과가 약해지는 현상이 자연스럽게 발생한다는 것을 발견했습니다.
• 결론: "가족 데이터에서 효과가 약해진다고 해서 무조건 오류라고 단정할 수 없어. 유전적 특성상 자연스럽게 그렇게 보일 수도 있어."

---

⏳ 3. 검증 방법 2: "부모님의 생존 여부 확인" (생존 관련 선택 편향)

비유: "누가 먼저 떠나셨을까?"

비판자들은 "어릴 때 살이 찌면 건강이 안 좋아져서 연구에 참여하기 전에 이미 사망했을 수도 있다"고 주장했습니다.

• 이 논문의 검증: 연구자들은 부모님의 유전자를 이용해 "어릴 때 살이 찐 부모님"과 "어른이 된 후 살이 찐 부모님" 중 누가 더 일찍 돌아가셨는지 분석했습니다.
• 결과: 놀랍게도, 어릴 때 살이 찐 것보다는 '어른이 된 후 살이 찐 것'이 사망률에 훨씬 큰 영향을 미쳤습니다.
• 결론: "연구에 참여하기 전에 어릴 때 살이 찐 사람들이 대거 사라져서 결과가 왜곡됐을 가능성은 낮아. 왜냐하면 어릴 때 살이 찐 것보다 어른이 돼서 살이 찌는 게 훨씬 더 위험하니까."

---

🎲 4. 검증 방법 3: "가상의 극한 상황 시뮬레이션" (컴퓨터 게임)

비유: "가장 최악의 상황을 상상해 보기"

연구자들은 컴퓨터 안에서 **"유방암과 살 찐 것 사이에 전혀 인과관계가 없다 (완전한 무작위)"**는 가정을 세우고, 다양한 오류 상황을 넣어봤습니다.

• 시나리오: "만약 연구 참여자가 아주 극단적으로 선택된다면? (예: 유방암 환자는 절대 참여 안 함, 혹은 특정 체형만 참여함)"
• 실험: 컴퓨터가 수백 번 시뮬레이션을 돌리며, 이런 오류들이 실제 연구 결과 (유방암 위험 감소) 를 만들어낼 수 있는지 확인했습니다.
• 결과: 오류를 극한으로 늘려도, 실제 연구에서 본 것처럼 "어릴 때 살이 찐 것이 유방암을 막아준다"는 강력한 효과를 만들어내지는 못했습니다. 오류가 아무리 커도 실제 결과만큼은 못 미쳤습니다.

---

💡 최종 결론: "방패는 진짜였다!"

이 논문은 세 가지 다른 각도 (가족 분석, 생존 분석, 컴퓨터 시뮬레이션) 에서 꼼꼼히 따져본 결과 다음과 같이 결론 내립니다.

"선택 편향 (연구 참여자 선정 오류) 이 완전히 없지는 않지만, 그것만으로는 '어릴 때 살이 찌면 유방암 위험이 줄어든다'는 놀라운 사실을 설명할 수 없다."

즉, 어릴 때 살이 찌는 것이 유방암을 예방하는 진짜 생물학적 원인 (호르몬 변화 등) 일 가능성이 매우 높다는 것입니다.

한 줄 요약:
"어릴 때 뚱뚱하면 유방암이 줄어든다는 건 단순한 착각이나 통계 오류가 아니라, 진짜 우리 몸에서 일어나는 보호 작용일 가능성이 높습니다!"

이 연구는 과학적 의심이 있을 때, 단순히 "오류일 거야"라고 치부하지 않고 여러 가지 방법을 동원해 진실을 찾아내는 '삼각 측량'의 중요성을 잘 보여줍니다.

기술 요약

논문 기술적 요약: 유방암 연구에서의 생애주기 MR 편향 평가 (Triangulation of Evidence)

1. 연구 배경 및 문제 제기 (Problem)

• 배경: 초기 생활 (어린 시절) 의 비만 (adiposity) 이 후기 생활의 유방암 위험을 감소시킨다는 일관된 역학적 증거가 존재합니다. 멘델 무작위화 (MR) 연구들은 이 관계가 인과적일 가능성을 지지합니다.
• 문제: 최근 일부 연구자들은 이러한 역상관 관계가 실제 인과 효과가 아니라 선택 편향 (Selection Bias), 특히 콜라이더 층화 (Collider Stratification) 에 기인한 인위적 결과일 수 있다고 주장합니다.
  • 메커니즘: 연구 참여 (또는 생존) 가 어린 시절의 체형과 유방암 위험 (또는 그 원인) 모두에 의해 영향을 받는 경우, 분석 표본을 조건부로 선택함으로써 인과 관계가 없는 두 변수 사이에 가짜 연관성이 발생할 수 있습니다.
  • 논쟁: 기존 MR 연구에서 관찰된 '어린 시절 비만의 보호 효과'가 이러한 선택 편향에 의해 생성된 인위적 결과인지, 아니면 진정한 인과 효과인지에 대한 검증이 필요했습니다.

2. 방법론 (Methodology)

저자들은 다양한 접근법을 결합한 증거의 삼각측량 (Triangulation) 프레임워크를 사용하여 선택 편향이 관찰된 결과를 설명할 수 있는지 평가했습니다.

• 1. 프록시 - 유전자형 MR 분석 및 가족 기반 시뮬레이션:

  • 기존 연구에서 자손의 유전자형을 부모의 유전자형 대리변수로 사용한 '프록시 - 유전자형 MR' 분석에서 관찰된 효과의 감쇠 (attenuation) 가 선택 편향 때문인지 확인했습니다.
  • 시뮬레이션: 선택 편향을 전혀 도입하지 않은 가족 기반 시뮬레이션을 수행하여, 멘델 유전 법칙과 측정 오차 (measurement dilution) 만으로도 부모 - 자식 간 효과 크기의 차이가 자연스럽게 발생할 수 있음을 입증했습니다.

• 2. 부모 생존에 대한 다변량 MR 분석:

  • 어린 시절 체형이 생존율에 영향을 미쳐 선택 편향을 유발할 수 있다는 가설을 검증하기 위해, 부모의 생존 데이터를 분석했습니다.
  • 다변량 MR: 어린 시절 체형과 성인기 체형을 동시에 조절하여, 생존 관련 선택이 어린 시절 체형에 의해 직접적으로 발생하는지, 아니면 성인기 체형에 의해 주로 발생하는지 확인했습니다.

• 3. 선택 유도 콜라이더 층화 시뮬레이션 (Simulation under Null Model):

  • 가정: 어린 시절 및 성인기 체형이 유방암에 인과 효과가 전혀 없다 (Sharp Null Model) 고 가정했습니다.
  • 시나리오: 다양한 선택 메커니즘 (가산적 선택, 상호작용 기반 선택) 과 측정되지 않은 교란 변수 (confounding) 를 포함한 27 가지 시나리오를 시뮬레이션했습니다.
  • 목표: 선택 편향만으로는 관찰된 MR 효과 크기 (logOR = -0.53) 를 재현할 수 있는지, 그리고 단변량 (univariable) 과 다변량 (multivariable) MR 결과의 특정 패턴을 동시에 설명할 수 있는지 평가했습니다.

3. 주요 결과 (Key Results)

• 프록시 - 유전자형 분석:

  • 시뮬레이션 결과, 선택 편향을 도입하지 않아도 자손의 유전자형이 부모의 유전자형을 불완전하게 대변할 때 발생하는 측정 희석 효과로 인해, 친척 (형제, 어머니) 의 유방암 위험에 대한 효과 크기가 개인 자신의 위험에 대한 효과 크기보다 작게 나타나는 패턴이 재현되었습니다. 이는 선택 편향의 증거가 아님을 시사합니다.

• 부모 생존 분석:

  • 다변량 MR 분석 결과, 부모의 생존 차이는 주로 성인기 비만에 의해 결정되었으며, 어린 시절 비만의 직접적 영향은 성인기 체형을 보정하면 사라졌습니다. 이는 생존 관련 선택 편향이 어린 시절 체형을 통해 유방암 결과에 영향을 미친다는 가설을 지지하지 않습니다.

• 시뮬레이션 결과:

  • 가산적 선택 (Additive selection): 선택 편향이 가산적으로 작용할 때는 MR 추정치에 거의 왜곡을 일으키지 않았습니다.
  • 상호작용 기반 선택 (Interaction-driven selection): 선택이 상호작용에 의존할 때 편향이 증가했으나, 관찰된 효과 크기 (logOR -0.53) 에 도달하기 위해서는 현실적으로 불가능할 정도로 극단적인 선택 매개변수가 필요했습니다.
  • 성인기 체형 중심 선택: 선택이 성인기 체형을 통해 발생할 경우, 편향은 성인기 추정치에 주로 나타나며 어린 시절 추정치는 0 에 수렴했습니다.
  • 종합적 패턴 부재: 781,250 개의 시뮬레이션 시나리오 중 단변량과 다변량 MR 결과의 관찰된 패턴 (어린 시절의 보호 효과 유지, 성인기 효과 감쇠) 을 모두 재현한 경우는 단 하나도 없었습니다.

4. 주요 기여 및 결론 (Contributions & Conclusions)

• 인과 해석의 지지: 선택 편향은 MR 추정치에 영향을 미칠 수 있지만, 합리적인 선택 메커니즘만으로는 초기 생활 비만의 유방암 보호 효과를 설명할 수 없습니다. 따라서 관찰된 역상관 관계는 인과적 해석을 지지합니다.
• 방법론적 통찰:
  • 프록시 - 유전자형 MR 에서의 효과 감쇠는 편향이 아닌 유전적 대리의 불완전성으로 설명 가능함을 보였습니다.
  • 생애주기 MR 연구에서 선택 편향을 평가할 때, 단일 분석이 아닌 다양한 접근법 (가족 기반 분석, 생존 분석, 시뮬레이션) 을 결합한 삼각측량의 중요성을 강조했습니다.
• 생물학적 메커니즘 제안: 초기 생활의 비만이 성호르몬 수치 변화나 유방 밀도 감소 등을 통해 유방암 위험을 낮추는 생물학적 경로가 존재할 가능성이 높음을 시사합니다.

5. 의의 (Significance)

이 연구는 유방암 예방 및 생애주기 역학 연구에서 초기 생활 비만의 보호 효과가 단순한 통계적 인공물 (artifact) 이 아니라 실제 인과 관계일 가능성이 높음을 강력하게 지지합니다. 또한, 대규모 코호트 연구 (예: UK Biobank) 에서 관찰되는 선택 편향에 대한 우려를 불식시키고, MR 연구 설계 및 편향 평가에 대한 엄격한 방법론적 기준을 제시했다는 점에서 중요한 의의를 가집니다.