The Cross-Immunity Valley: Non-Monotonic Dynamics and the Hospital-Morbidity Trade-off in Delayed Variant Emergence

새로운 바이러스 변종이 출현할 때, 공중보건 관계자들은 어려운 선택에 직면합니다. 이 바이러스가 국가로 들어오는 것을 막으려 노력할 것인가, 아니면 일단 들어오게 한 뒤 인구가 이미 보호받고 있기를 희망할 것인가? 이 질문은 역학(질병이 어떻게 퍼지는지를 연구하는 학문)과 면역학(신체가 어떻게 스스로를 방어하는지를 연구하는 학문)의 접점에 놓여 있습니다. 핵심 아이디어는 바이러스가 사람을 감염시킬 때, 신체가 보통 그 특정 바이러스에 대한 방어 체계를 구축하며, 때로는 유사한 바이러스들에 대해서도 보호를 제공한다는 것입니다. 하지만 바이러스는 변화합니다. 새로운 변종은 기존의 방어 체계를 빠져나갈 수 있을 만큼 충분히 다르게 보일 수 있으며, 과학자들은 이를 '면역 회피'라고 부릅니다. 이 새로운 변종이 도착하는 시점은 매우 중요합니다. 만약 첫 번째 바이러스가 인구 사이를 휩쓸고 있는 동안 새로운 변종이 도착한다면, 많은 사람이 현재 병을 앓고 있거나 방금 회복하여 여전히 보호를 받고 있는 상태입니다. 그러나 몇 달 후에 도착한다면, 그 보호 효과는 약해져 인구를 다시 취약한 상태로 만들 수 있습니다. 이러한 요인들이 어떻게 상호작용하는지 이해하는 것은 여행 금지나 국경 폐쇄가 실제로 생명을 구하는지, 아니면 단순히 질병의 부담을 나중으로 미루는 것인지를 결정하는 데 매우 중요합니다.

과학 기술 고등학교에서 연구 중인 아준 가르그(Arjun Garg)라는 연구자는 바로 이 딜레마를 탐구하기 위해 컴퓨터 모델을 사용했습니다. 이 연구는 기존 버전이 여전히 유행하는 동안 약간 더 전염성이 높은 새로운 바이러스 변종이 나타나는 시나리오에 초점을 맞췄습니다. 모델은 백만 명의 인구를 시뮬레이션하고 900일 동안 두 버전의 바이러스가 어떻게 경쟁하는지 추적했습니다. 연구자는 두 가지 주요 요인을 변화시켰는데, 첫 번째 바이러스가 퍼지기 시작한 후 새로운 변종이 도착할 때까지 걸리는 시간과, 새로운 변종이 첫 번째 바이러스에 의해 형성된 면역을 얼마나 잘 우회할 수 있는지였습니다. 목표는 이러한 선택들이 두 가지 구체적인 결과, 즉 병원 시스템에 가해지는 부담을 결정하는 '동시 감염 최고치'와 900일 동안 감염된 전체 인원수에 어떤 영향을 미치는지 확인하는 것이었습니다.

시뮬레이션 결과는 놀랍고도 직관에 반하는 패턴을 보여주었습니다. 새로운 변종이 기존 변종과 정확히 동시에 도착했을 때, 두 변종은 즉시 동일한 감염 가능 인구 집단을 두고 싸웠습니다. 새로운 변종은 전파력이 약간 더 높았기 때문에 기존 변종을 빠르게 밀어냈습니다. 이는 병원을 압도하는 약 344,000명의 환자가 발생하는 단일하고 거대한 감염 파동을 초래했습니다. 그러나 모든 경쟁이 한꺼번에 일어났기 때문에, 장기적으로 감염된 총 인원은 모든 시나리오 중 가장 낮았으며, 약 236만 건의 사례를 기록했습니다. 강력한 변종이 완전히 장악하면서 시스템이 빠르게 해결된 것입니다.

새로운 변종의 도착이 지연되면 이야기는 극적으로 바뀝니다. 만약 첫 번째 파동이 시작된 후 약 30일에서 100일 사이에 변종이 도착한다면, 변종은 첫 번째 바이러스로부터 회복 중인 대규모 인구 집단 속으로 들어오게 됩니다. 최근 회복된 개인들은 교차 보호(cross-protection) 형태를 갖추고 있어 새로운 변종이 그들을 감염시키는 것을 어렵게 만듭니다. 이는 자연적인 장벽을 형성하여 새로운 바이러스의 속도를 늦추고 그 정점을 완만하게 만듭니다. 이 시뮬레이션에서 감염 정점은 절반 이상 감소하여 약 160,000명 수준으로 떨어졌습니다. 저자가 '교차 면역 계곡(Cross-Immunity Valley)'이라고 부르는 이 현상은 병원을 위한 방패 역할을 하여, 의료 시스템에 가해지는 즉각적인 압박을 관리 가능한 수준으로 유지합니다.

하지만 이러한 병원의 안전에는 숨겨진 대가가 따랐습니다. 새로운 변종의 도착을 늦춤으로써 두 바이러스는 즉시 서로 싸우지 못하게 되었습니다. 대신, 첫 번째 바이러스가 자신의 주기를 마친 후, 두 번째 바이러스가 나중에 별도의 주기를 시작하게 된 것입니다. 이는 인구가 두 번의 뚜xt렷한 질병 파동을 겪게 된다는 것을 의미했습니다. 결과적으로, 900일 동안 감염된 총 인원은 약 281만 명으로 가장 높은 수치에 도달했습니다. 병원을 보호하기 위해 변종의 도착을 늦춘 결정이 장기적으로는 더 많은 사람을 감염시킨 것입니다. 이 연구는 변종의 진입을 늦춰 시간을 버는 전략이 하나의 트레이드오프(trade-off)임을 시사합니다. 즉, 병원을 보호하지만 시간이 흐름에 따라 총 감염자 수를 증가시킨다는 것입니다.

이러한 트레이드오프는 모든 바이러스에 동일하게 적용되지 않습니다. 시뮬레이션에 따르면 '교차 면역 계곡'은 새로운 변종이 면역을 회피하는 능력이 중간 정도일 때만 존재합니다. 만약 새로운 변종이 면역 회피 능력이 매우 높아 이전에 보호받았던 사람들을 쉽게 감염시킬 수 있다면, 변종의 도착 시점은 중요성이 훨씬 낮아집니다. 이런 경우, 새로운 바이러스는 인구가 언제 도착하든 상관없이 마치 면역이 전혀 없는 것처럼 행동합니다. 교차 면역 계곡의 보호 효과는 사라지고, 변종은 도착 시기와 관계없이 큰 감염 정점을 일으킵니다. 이는 매우 위험한 변종의 경우, 단순히 기다리거나 진입을 늦추는 것이 기존의 변종이 덜 위험할 때와 같은 병원 보호 효과를 제공하지 못함을 의미합니다.

연구는 또한 지연 시간이 거의 1년에 달할 정도로 길어질 경우 어떤 일이 발생하는지도 조사했습니다. 이 시나리오에서는 사람들의 면역력이 약해짐에 따라 첫 번째 바이러스로부터의 보호 효과가 완전히 사라집니다. 새로운 변종은 다시 대부분의 인구가 감염 가능 상태가 된 사회에 도착하게 됩니다. 이 상황은 중간 정도의 지연 시나리오에서 나타난 가장 높은 총 감염자 수는 피할 수 있지만, 가장 낮은 수치로 돌아가지도 못합니다. 대신, 정점은 상대적으로 낮게 유지되지만 총 감염자 수는 여전히 높게 유지되는 중간 지점을 형성합니다. 이는 두 바이러스가 동시에 발생했을 때보다 정점과 총 감염자 수를 동시에 최소화할 수 있는 단 하나의 '완벽한' 지연 시간은 존재하지 않음을 시사합니다.

이러한 발견은 새로운 바이러스를 늦추는 것이 항상 최선이라는 일반적인 본능에 도전합니다. 연구는 여행 제한과 같은 정책의 효과가 두 가지 요소, 즉 새로운 바이러스가 기존 면역을 얼마나 잘 피할 수 있는지와 현재 진행 중인 기존 바이러스 파동과 관련하여 변종이 정확히 언제 도착하는지에 크게 의존한다는 점을 보여줍니다. 만약 새로운 변종이 면역 회피 능력이 크지 않다면, 교차 보호의 '계곡'에 도달할 때까지 도착을 늦추는 것이 비록 향후 1년 동안 더 많은 사람이 병에 걸리게 될지라도 병원을 보호하기 위한 현명한 조치가 될 수 있습니다. 하지만 변종의 회피 능력이 매우 높거나 지연 시간이 너무 길어진다면, 그 전략은 힘을 잃습니다. 저자는 공중보건 관계자들이 국경을 폐쇄하거나 여행을 제한할지 결정하기 전에, 새로운 변종의 면역 회피 능력을 신속하게 판단하고 현재 진행 중인 기존 바이러스 파동의 상태를 모니터링해야 한다고 강조합니다.

궁극적으로 이 연구는 복잡한 균형 잡기의 모습을 그려냅니다. 병원을 보호하기 위해 '곡선을 완만하게 만든다(flattening the curve)'는 직관적인 목표가 때로는 시간이 흐름에 따라 더 높은 총 질병 부담으로 이어질 수 있습니다. 시뮬레이션은 두 바이러스가 즉시 경쟁하게 하여 더 강한 쪽이 빠르게 장악하도록 하는 것이 실제로는 총 감염을 줄이는 가장 효과적인 방법임을 보여줍니다. 이는 매우 높은 환자 정점을 유발하지만, 역병을 더 빨리 종결시킵니다. 반대로, 새로운 변종의 도착을 늦춰 감염을 분산시키는 것은 의료 시스템을 당장의 과부하로부터 보호하지만, 역병의 지속 기간을 연장하고 전반적으로 더 많은 사람을 감염시킵니다. 논문은 이것이 단순한 추상적인 숫자가 아니라 실질적인 정책적 선택임을 결론짓습니다. 즉, 오늘 병상 하나를 확보하는 것이 내일 더 많은 사람을 감염시키는 결과를 초래할 수 있으며, 이러한 특정한 트레이드오프를 이해하는 것이 팬데믹 상황에서 정보에 입각한 결정을 내리는 데 필수적이라는 것입니다.