The public health value of wastewater surveillance for viruses with pandemic potential: a modelling study

새로운 바이러스가 동물에서 사람으로 옮겨올 때, 질병을 추적하는 의사와 병원들에게 초기 발병 징후는 종종 보이지 않는 경우가 많습니다. 환자를 관찰하는 시스템인 임상 감시(clinical surveillance)는, 초기 감염자들이 도움을 요청할 만큼 충분히 아프지 않거나 그들의 증상이 흔한 무언가로 오인될 수 있기 때문에 바이러스 확산의 가장 초기 순간들을 놓치는 일이 빈번합니다. 조용한 스필오버(spillover, 종간 전파)와 본격적인 유행 사이의 공간에서, 공중 보건 관계자들은 병상에 환자가 가득 차기 전에 무슨 일이 일어나고 있는지 알 수 있는 방법이 필요합니다. 한 가지 유망한 방법은 우리 도시에서 흘러나오는 폐수를 살펴보는 것입니다. 인간은 대변과 소변을 통해 바이러스를 배출하기 때문에, 하수 시스템은 공동체의 건강 상태를 측정하는 거대하고 자동화된 샘플 채취기 역할을 합니다. 하수 감시(wastewater surveillance)라고 알려진 이 접근법은 모든 사람을 검사할 필요 없이 병원체를 탐지할 수 있는 저비용의 방법을 제공하지만, 과학자들은 다음번 팬데믹을 일으킬 수 있는 미지의 바이러스에 대해 이 방법이 정확히 얼마나 유용할지 오랫동안 궁금해해 왔습니다.

연구팀은 이 질문에 답하기 위해 바이러스가 체외로 배출되는 방식에 대한 실제 데이터와 질병이 인구 집단 내에서 확산되는 시뮬레이션을 결합한 컴퓨터 모델을 구축하며 연구를 시작했습니다. 그들은 새로운 바이러스가 나타나기를 기다리지 않았습니다. 대신, 다양한 유형의 신종 위협에 대해 하수 감시가 얼마나 잘 작동할지를 테스트할 수 있는 프레임워크를 만들었습니다. 과학자들은 개인이 바이러스를 얼마나 배출하는지, 그 사람이 증상을 보일 가능성이 얼마나 높은지, 그리고 바이러스가 한 사람에게서 다른 사람으로 얼마나 빨리 이동하는지에 대한 정보를 모델에 입력했습니다. 이러한 시뮬레이션된 발병 사례를 수천 번 실행함으로써, 그들은 어떤 조건 하에서 하수 시스템이 전통적인 환자 관찰 시스템보다 더 빠르게 또는 더 신뢰성 있게 경보를 울릴 수 있는지 확인할 수 있었습니다.

이 시뮬레이션 결과는 하수 감시가 모든 바이러스에 대한 마법의 탄환은 아니지만, 특정 조건이 충족될 때 믿을 수 없을 정도로 가치 있다는 것을 보여주었습니다. 모델은 이 시스템이 발병을 조기에 발견하거나 탐지 속도를 높이는 데 기 기여하는 바가, 주로 대량으로 배출되는 바이러스의 경우에 그렇다는 것을 보여주었습니다. 구체적으로, 이 방법은 개인이 코로나19 바이러스에서 보이는 양의 100분의 1에서 10배 사이의 양을 방출하는 바이러스에 대해 가장 효과적이었습니다. 또한 이 조기 경보의 가치는 바이러스가 인구 집단 내에서 어떻게 행동하는지에 따라 크게 좌우되었습니다. 시스템은 감염이 좁고 집중된 폭발(bursts) 형태로 발생하여, 특정 날짜에 바이러스를 배출하는 사람의 수가 갑작스럽게 급증할 때 가장 잘 작동했습니다. 이러한 시나리오에서 하수 시스템은 임상 시스템이 너무 늦기 전까지는 놓칠 수 있는 바이러스 물질의 급증을 잡아내는 민감한 그물 역할을 합니다.

연구진은 자신들의 프레임워크를 몇 가지 실제 바이러스에 적용하여 이들이 어떻게 비교되는지 확인했습니다. SARS-CoV-2, 엠폭스(Mpox), 인플루엔자 A, 라사(Lassa), 자이르 에볼라(Zaire Ebola)와 같은 바이러스의 특성은 이들이 폐수를 통해 탐지될 만큼 충분한 양의 물질을 배출하는 경향이 있어, 이러한 유형의 모니터링에 좋은 후보가 될 수 있음을 보여주었습니다. 반면, 모델은 치쿤구니야(chikungunya)와 같은 다른 바이러스들은 동일한 높은 부피나 패턴으로 배출되지 않기 때문에 이 방식으로 추적하기가 쉽지 않을 수 있다고 시사했습니다. 이 연구는 하수 감시가 강력한 도구이지만, 그 성공 여부는 바이러스 자체의 생물학적 특성에 달려 있다고 결론짓습니다. 이러한 특성을 사전에 이해함으로써, 공중 보건 관계자들은 이 근거 기반의 프레임워크를 사용하여 자원을 어디에 투자할지 결정할 수 있으며, 이를 통해 이 저비용 탐지법이 실제로 차이를 만들어낼 수 있는 위협에 배치되도록 보장할 수 있습니다.