Data-Driven Change-Point SEIR Modeling of the 2025 COVID-19 Epidemic Wave in China: Model Comparison, Robustness Analysis, and Residual Diagnostics

전염병은 정적인 사건이 아니라, 사람과 바이러스의 움직임 속에 쓰인 살아있는 이야기입니다. 이러한 이야기를 이해하기 위해 과학자들은 종종 구획 모델(compartmental model)이라는 단순한 정신적 지도를 사용합니다. 인구를 네 그룹으로 나누어 상상해 보십시오. 질병에 걸릴 수 있는 사람들, 질병에 걸렸으나 아직 증상이 나타나지 않은 사람들, 병에 걸려 전파할 수 있는 사람들, 그리고 회복되었거나 순환에서 제외된 사람들입니다. SEIR로 알려진 이 프레임워크는 감염이 시간이 흐름에 따라 공동체 내에서 어떻게 흘러가는지를 추적할 수 있게 해줍니다. 이 흐름을 움직이는 엔진은 전파율(transmission rate)인데, 이는 바이러스가 한 사람에게서 다른 사람으로 얼마나 쉽게 옮겨가는지를 나타내는 숫자입니다. 수십 년 동안 이러한 모델의 일반적인 가정은 이 비율이 들판을 가로질러 부는 일정한 바람처럼 변하지 않고 유지된다는 것이었습니다. 그러나 현실 세계의 유행은 결코 그렇게 균일하게 작동하지 않습니다. 백신, 사람들의 상호작용 방식의 변화, 새로운 바이러스 변이, 계절적 변화 등은 모두 바람을 변화시킬 수 있으며, 때로는 급격하게 변화시키기도 합니다. 과학자들의 과제는 단순히 그래프상의 데이터를 보고 추측하는 것이 아니라, 언제 어떻게 이러한 변화가 일어나는지 결정하는 것입니다.

2026년 8월에 발표된 한 연구에서, 연구자 린 쉬(Lilin Xu)는 2025년 중국의 코로나19 파동을 조사함으로써 이 질문을 다루었습니다. 데이터는 명확한 패턴을 보여주었습니다. 사례가 봄에 급격히 증가하여 5월 말에 정점에 도달한 후, 여름 내내 길고 꾸준한 감소세를 보였습니다. 핵심 질문은 이 전체 여정이 단 하나의 변하지 않는 전파율로 설명될 수 있는지, 아니면 바이러스의 행동이 어느 시점에 근본적으로 변화했는지였습니다. 이 답을 찾기 위해 쉬는 단순히 사례가 정점에 달한 날을 선택하여 그때 전파율이 변했다고 선언하지 않았습니다. 대신, 연구는 변화의 시점을 데이터 스스로가 풀어내야 할 미스터리로 취급했습니다. 연구자는 수천 개의 가능한 날짜를 테스트하며, 각 잠재적 전환점에 대해 모델을 일일적인 사례 수에 맞추었습니다. 목표는 정확성에 보상을 주는 동시에 불필요한 복잡성에 벌칙을 주는 엄격한 통계적 방법을 사용하여, 수학적 설명이 실제 수치와 가장 잘 부합하는 특정 날짜를 찾는 것이었습니다.

분석 결과, 일정한 전파율을 가정하는 모델은 역병의 진정한 형태를 포착하는 데 실패했습니다. 그 모델은 5월의 급격한 상승과 그 뒤를 이은 지속적인 하락을 동시에 설명할 수 없었습니다. 그러나 모델이 두 개의 서로 다른 전파율—특정 날짜 이전과 이후의 전파율—을 가질 수 있도록 허용하자 적합도가 극적으로 향상되었습니다. 데이터는 2025년 5월 24일을 가장 가능성 높은 변화의 순간으로 지목했습니다. 이 날짜는 관찰된 일일 사례의 정점보다 이틀 앞선 날이었는데, 이는 변화 이전에 발생한 감염이 며칠 후에도 계속 진행되거나 보고될 수 있다는 점에서 생물학적으로 타당한 타이밍입니다. 이 전환점 이전에 모델은 바이러스가 확장 국면, 즉 한 명의 감염자가 한 명 이상의 다른 사람을 감염시킬 가능성이 높은 상태에서 퍼지고 있음을 나타냈습니다. 변화 이후에는 전파율이 크게 떨어져, 바이러스가 더 이상 성장을 유지할 수 없는 수축 단계로 접어들었습니다.

연구는 이 결론이 선택된 특정 숫자의 우연이 아님을 보장하기 위해 많은 노력을 기울였습니다. 연구자는 사람들이 감염력을 유지하는 기간과 증상이 나타나기 전 잠복기를 갖는 기간에 대한 광범위한 가정에 대해 모델을 테스트했습니다. 모든 시나리오에서 핵심적인 결과는 동일하게 유지되었습니다. 즉, 역병은 확장 상태에서 수축 상태로 이동했다는 것입니다. 또한 연구자가 보고된 사례가 실제 모든 감염의 일부에 불과하다는 점을 인정하며 데이터의 척도를 조정했을 때도 결론은 안정적으로 유지되었습니다. 이러한 견고함은 전파의 변화가 데이터 측정이나 해석의 결과물이 아니라, 2025년 파동의 실제적인 구조적 특징임을 시사합니다. 연구는 특정 정부 정책이나 개입이 이러한 감소를 일으켰다고 주장하는 것을 명시적으로 피했습니다. 대신, 전파 강도의 변화를 하나의 사실로서 식별하였으며, 행동 변화, 새로운 변이 또는 기타 요인들과 같은 구체적인 원인은 별도로 조사하도록 남겨두었습니다.

이 개선된 모델을 사용했음에도 불구하고, 연구진은 이야기가 완벽하게 매끄럽지는 않다는 것을 발견했습니다. 모델의 예측값과 실제 보고된 수치 사이의 차이를 살펴보았을 때, 뚜렷한 주간 패턴이 나타났습니다. 모델은 주말에 사례를 과대평가하고 평일에 과소평가하는 경향이 있었습니다. 이는 질병 감시 체계에서 흔히 발생하는 현상으로, 검사, 실험실 처리 및 보고가 주말에 느려졌다가 평일에 몰리는 현상 때문인 것으로 보입니다. 이 발견은 중요한 차이점을 강조합니다. 즉, 모델은 역병의 거시적인 궤적은 성공적으로 포착했지만, 보고 시스템의 일상적인 행정적 리듬까지는 설명할 수 없었다는 점입니다. 연구는 단순한 모델이 역병의 큰 그림을 이해하는 강력한 도구이지만, 무엇을 놓치고 있는지 이해하기 위해서는 세심한 점검이 병행되어야 한다고 결론지었습니다. 단일한 일정한 비율을 강요하기보다 데이터가 스스로 말하게 함으로써, 이 연구는 2025년 중국의 파동이 급격한 성장기에서 길고 꾸준한 감소기로 어떻게 전개되었는지에 대해 더 명확하고 정직한 그림을 제공했습니다.