Weak health phenotypes but distinct depressive-symptom subtypes among United States adults: an unsupervised analysis of NHANES 2007–2018

당신이 사람들의 감정을 해결하려는 미스터리를 풀고 있는 탐정이라고 상상해 보세요. 정신 건강 연구의 세계에는 PHQ-9이라는 매우 인기 있는 도구가 있습니다. 이것은 사람들이 '우울함', '수면 문제', '피로감' 등을 어떻게 느끼는지 점수를 매기는 9가지 질문으로 구성된 퀴즈라고 생각하면 됩니다. 보통 과학자들은 이 점수들을 모두 더해 하나의 숫자를 얻습니다. 만약 숫자가 높으면, 그들은 "이 사람은 우울증이다"라고 말합니다. 이것은 마치 시험 성적을 매기는 것과 같습니다. 점수가 90점이면 A이고, 40점이면 F인 것과 같습니다.

하지만 이 단순한 수학법에는 문제가 있습니다. 두 사람이 정확히 같은 점수를 받더라도 그 이유는 완전히 다를 수 있기 때문입니다. 어떤 사람은 잠을 잘 수 없고 기진맥진해서 "90점"을 받았을 수 있고, 다른 사람은 무가치함을 느끼고 자신을 해치고 싶다는 무서운 생각을 해서 "90점"을 받았을 수 있습니다. 이 둘은 완전히 다른 이야기이지만, 단 하나의 숫자는 그 차이를 숨겨버립니다. 이 연구는 큰 질문을 던집니다. 모든 우울증 환자가 그냥 하나의 크고 엉망인 집단일까요, 아니면 각자 고유한 "증상 레시피"를 가진 숨겨진 하위 집단들이 존재할까요? 이를 알아내기 위해 연구진은 "비지도 학습(unsupervised learning)"이라는 특별한 종류의 컴퓨터 마법을 사용했습니다. 레고 브릭이 가득 담긴 커다란 상자를 로봇에게 주면서, 자동차나 집이 무엇인지 알려주지 않고 스스로 분류하게 하는 것을 상상해 보세요. 로봇은 스스로 패턴을 찾아내야 합니다. 또한 연구진은 로봇이 구름 속에서 얼굴을 찾아내는 것처럼, 아무것도 없는 곳에서 패턴을 만들어내고 있는 것이 아닌지 확인하기 위해 "셔플링 기법(순열 영 모델, permutation null model)"을 사용했습니다.

거대한 실험

연구진은 2007년부터 2018년까지 미국의 대규모 국가 건강 조사인 NHANES에서 추출한 31,000명 이상의 성인 데이터를 사용했습니다. 그들은 조사를 두 부분으로 나누기로 했습니다. 첫째, 사람들의 연령, 혈압, 식단, 운동 등을 바탕으로 사람들이 자연스럽게 서로 다른 "건강 유형"으로 나뉘는지 보고 싶었습니다. 결정적으로, 컴퓨터가 사람들을 분류하는 동안 우울증 관련 질문은 모두 숨겼습니다. 그들은 컴퓨터가 누가 슬픈지 아닌지를 모르는 상태에서 스스로 그룹을 찾아내기를 원했습니다.

파트 1: 건강 유형 (연령이라는 단서)

컴퓨터가 31,166명의 성인을 건강 그룹으로 분류하려고 했을 때, 컴퓨터는 분리를 해냈지만 연구진이 기대했던 흥미로운 결과는 아니었습니다. 컴퓨터는 두 개의 주요 그룹을 찾아냈는데, 그것은 주로 "젊은 층"과 "노년 층"이었습니다. 노년층 그룹은 만성 질환, 높은 혈당, 낮은 신장 기능 등 일반적인 건강 변화를 보였습니다. 즉, 나이가 들면서 나타나는 통상적인 변화들입니다.

컴퓨터는 이 분리를 할 때 매우 일관적이었으며(매번 시도할 때마다 동일한 분리를 해낼 확률이 97.6%였습니다), 이 그룹들은 무작위 소음과는 확실히 달랐습니다. 그러나 두 그룹은 대부분의 색깔이 비슷한 두 구름처럼 서로 많이 겹쳐 있었습니다. 연구진이 각 그룹에 우울증 증상이 얼마나 있는지 확인했을 때, 그 차이는 작았습니다. 노년층 그룹의 약 10%가 유의미한 증상을 보였고, 젊은 층은 약 7%였습니다. 실제적인 차이는 있었지만, 엄청난 차이는 아니었습니다. 여기서의 주요 결론은, 일반적인 건강 상태만 본다면 결국 나이 문제를 다시 말하는 것에 불과하다는 것입니다. "건강 유형"은 별개의 새로운 범주가 아니라, 나이가 들수록 건강 문제가 많아진다는 사실을 재확인한 것에 가까웠습니다.

파트 2: 증상 레시피 (진정한 발견)

두 번째 파트는 연구가 흥미로워지는 부분이었습니다. 이번에 연구진은 이미 우울증 증상이 있다고 보고한 7,861명의 성인만을 대상으로 했습니다. 그들은 점수를 단순히 합산하는 대신, 답변의 패턴을 살펴보았습니다. 그들은 다음과 같이 물었습니다. "두 사람의 총점이 같다면, 그들이 가진 증상의 조합도 같을까?"

이를 위해 그들은 영리한 기술을 사용했습니다. 그들은 각 개인의 답변을 자신의 총점으로 나누었습니다. 피자를 가지고 있다고 상상해 보세요. 만약 당신이 작은 피자를 가지고 있고(낮은 점수), 다른 사람이 거대한 피자를 가지고 있다면(높데 점수), 이 기술은 피자의 크기가 아니라 조각의 모양을 비교할 수 있도록 정규화해 줍니다. 이 과정은 "심각도"(얼마나 힘들게 느끼는지)를 제거하고 오직 "맛"(어떤 구체적인 증상이 있는지)만을 남겼습니다.

연구진이 이 "맛"들에 대해 컴퓨터를 실행하자, 8개의 뚜렷한 하위 유형이 발견되었습니다. 이것들은 단순히 "경증", "중등도", "중증" 같은 것이 아니었습니다. 그것들은 완전히 다른 레시피였습니다. 컴퓨터가 찾아낸 것은 다음과 같습니다:

1. 불면–피로(Insomnia–Fatigue): 주로 잠을 잘 수 없거나 피곤함을 느끼는 사람들. 이 그룹 중 **4.8%**만이 "임상적으로 유의미한" 영역을 넘어섰습니다.
2. 무쾌락증(Anhedonic): 주로 즐거움을 느끼지 못하는 사람들.
3. 식욕–신체 증상(Appetite–Somatic): 식습에 변화가 있거나 신체적 느낌을 동반하는 사람들.
4. 우울한 기분(Depressed Mood): 주로 슬프게 느끼는 사람들.
5. 집중력(Concentration): 주로 집중하지 못하는 사람들.
6. 자기 비판(Self-Critical): 주로 무가치함을 느끼는 사람들.
7. 정신운동(Psychomotor): 신체적으로 느려지거나 초조함을 느끼는 사람들.
8. 정동–자살 사고(Affective–Suicidal): 슬픔과 함께 자해에 대한 생각을 가진 사람들. 이 그룹은 가장 높은 위험도를 보였으며, **58.4%**가 임상적 문턱을 넘었습니다.

이것이 왜 중요한가

이 연구의 가장 충격적인 부분은 "총점"이 형편없는 거짓말쟁이라는 점입니다. 연구는 두 그룹이 거의 동일한 평균 총점을 가질 수 있지만, 한 그룹은 주로 피곤함을 느끼는 것이고 다른 한 그룹은 주로 자살 충동을 느끼는 것임을 보여주었습니다. 예를 들어, "무쾌락증(즐거움이 없는)" 그룹과 "식욕-신체 증상(식사 문제)" 그룹은 총점이 비슷했지만, 임상적 우울증 위험도는 완전히 달랐습니다 (13.4% 대 19.5%).

연구진은 매우 신중했습니다. 그들은 컴퓨터가 단순히 8개의 그룹을 환각하고 있는 것이 아닌지 확인하기 위해 "셔플링 테스트"를 사용했습니다. 그들은 데이터를 뒤섞어 모든 패턴을 파괴했고, 컴퓨터는 이 뒤섞인 난장판 속에서 8개의 그룹을 찾아내지 못했습니다. 이는 8개의 그룹이 컴퓨터의 오류가 아니라 데이터 속의 실제 패턴임을 입증했습니다.

결론

이 연구는 우울증을 하나의 숫자로 취급하는 것이 오케스트라 전체를 설명하면서 단지 "소리가 크다"라고 말하는 것과 같다는 점을 시사합니다. 때로는 드럼(신체적 증상) 때문에 시끄러운 것이고, 때로는 바이올린(정서적 생각) 때문에 시끄러운 것입니다. "소리의 크기"(총점)는 같을지라도, 음악은 완전히 다릅니다.

연구진은 일반적인 건강 상태가 주로 연령에 대해 말해주는 반라면, 사람들이 우울증을 경험하는 방식은 훨씬 더 다양하다는 것을 발견했습니다. 적어도 8가지의 서로 다른 "우울증 맛"이 존재하며, 그 사람이 어떤 맛을 가지고 있는지 아는 것이 음악이 얼마나 큰지를 아는 것만큼이나 중요할 수 있습니다. 이것이 우리가 우울증의 미스터리를 풀었다는 뜻은 아니지만, 이제는 단 하나의 숫자를 보는 것을 멈추고 각 개인이 연주하는 구체적인 음표에 귀를 기울여야 한다는 것을 의미합니다.