'정확도 99%'를 믿어도 될까? 진단검사 숫자 읽는 법

📌 이 글에서 알 수 있는 것

• 민감도·특이도·양성예측도·음성예측도가 각각 무엇을 묻는 숫자인지
• ‘정확도 99%‘가 왜 함정이 될 수 있는지
• 같은 검사의 ‘양성’이 왜 상황에 따라 다른 의미를 갖는지
• 연구 설계와 검진의 함정, 그리고 숫자를 볼 때 던질 다섯 가지 질문

왜 숫자를 제대로 읽어야 하나

“혈액 한 번으로 암을 99% 정확하게 찾는다.” 이런 기사 제목을 자주 봅니다. 그런데 이 99%는 무엇의 99%일까요? 환자를 찾아내는 능력일까요, 건강한 사람을 건강하다고 말하는 능력일까요, 아니면 양성이 나왔을 때 진짜 병일 확률일까요? 셋은 전혀 다른 숫자이고, 셋이 모두 99%인 검사는 거의 없습니다.

이 시리즈의 액체생검, 치매 혈액검사, NIPT 글에 나온 숫자들도 모두 이 글의 개념으로 읽을 수 있습니다.

네 개의 숫자 — 1,000명으로 생각하기

확률보다 사람 수(자연빈도)로 생각하면 훨씬 쉽습니다¹. 병이 있는 사람이 10%인 집단 1,000명에게, 민감도 90%·특이도 90%인 검사를 했다고 해 봅시다.

여기서 네 숫자가 나옵니다. 각 숫자가 어떤 질문에 답하는지가 핵심입니다.

민감도와 특이도가 모두 90%인 ‘좋은’ 검사인데도, 양성이 나온 사람의 절반은 병이 없습니다. 병이 없는 사람(900명)이 훨씬 많아서, 그중 10%만 잘못 양성이 나와도(90명) 진짜 환자(90명)만큼 많아지기 때문입니다. 이 함정을 ‘기저율 무시’라고 부릅니다.

💬 환자가 실제로 궁금한 건 양성예측도와 음성예측도입니다. “내가 양성이 나왔는데 정말 병일까?“에 답하는 숫자이기 때문입니다. 민감도와 특이도는 검사 자체의 성질에 가깝지만, 이것도 누구를 검사했느냐에 따라 달라집니다. 400여 개 연구를 분석한 결과, 병이 흔한 집단일수록 특이도가 낮게 나오는 경향이 있었습니다².

‘정확도’의 함정

기사에서 흔히 쓰는 ‘정확도’는 전체 중 맞힌 비율입니다. 이 예시에서는 (90 + 810) ÷ 1,000 = 90%입니다. 그런데 병이 있는 사람이 1%뿐인 집단이라면, 모두에게 무조건 ‘음성’이라고 말하는 엉터리 검사도 정확도가 99%가 됩니다. 환자는 한 명도 찾지 못했는데 말이죠. 그래서 ‘정확도 99%’ 하나만으로는 검사가 좋은지 알 수 없습니다.

같은 검사, 다른 의미 — 유병률과 사전확률

양성예측도는 검사를 받는 집단에서 그 병이 얼마나 흔한지(유병률)에 따라 크게 달라집니다. 개인에게는 사전확률, 즉 검사 전에 ‘나’에게 그 병이 있을 확률이 중요하며, 나이·증상·가족력 등에 따라 달라집니다. 위와 같은 민감도·특이도 90% 검사로 계산하면:

그래서 증상 없는 사람을 대상으로 한 검진에서는 양성의 대부분이 위양성이 되기 쉽고, 반대로 음성은 매우 믿을 만해집니다³. 2편에서 치매 혈액검사가 1차 진료에서 ‘가능성 배제’ 용도로 허가된 이유, 3편에서 젊은 임신부의 NIPT 양성예측도가 낮아지는 이유가 모두 이것입니다. 같은 이유로, 논문에 나온 양성예측도·음성예측도는 나와 다른 집단의 값일 수 있어 그대로 옮겨 쓰면 안 됩니다.

양성은 ‘가능성 배수’를 올린다 — 우도비

검사 결과는 병의 가능성을 몇 배로 바꾸는지로도 표현합니다. 이를 우도비라고 합니다⁴. 위 검사의 양성 우도비는 민감도 ÷ (1 − 특이도) = 0.9 ÷ 0.1 = 9입니다. 양성이 나오면 병일 가능성(오즈)이 9배가 된다는 뜻입니다.

• 유병률 1% 집단에서 첫 검사 양성 → 진짜일 확률 약 8%
• 서로 독립적인 두 번째 검사도 양성 → 약 45%로 상승

그래서 선별검사가 양성이면 원리가 다른 확진검사로 한 번 더 확인합니다. 같은 원리의 검사를 반복하면 두 결과가 독립적이지 않아 효과가 작습니다.

기준값을 어디에 둘까 — 민감도와 특이도의 줄다리기

대부분의 검사는 수치를 재고 기준값(cutoff)을 넘으면 양성이라고 판정합니다. 그런데 환자와 정상인의 수치는 겹치는 구간이 있습니다.

• 기준값을 낮추면 환자를 더 많이 잡지만(민감도↑) 정상인도 양성이 많아집니다(특이도↓).
• 기준값을 높이면 위양성은 줄지만(특이도↑) 환자를 놓칩니다(민감도↓).

그래서 어떤 검사는 기준값을 두 개 두고, 그 사이를 ‘판정 보류’로 남겨 추가 검사로 확인합니다. 2편의 치매 혈액검사가 이런 방식입니다. 이때 발표되는 정확도는 판정 보류를 뺀 사람들에서 계산한 경우가 많으니, 판정 보류 비율이 얼마인지도 함께 확인하세요.

💬 AUC는 ‘정확도’가 아닙니다. AUC(곡선 아래 면적)는 환자 한 명과 건강한 사람 한 명을 무작위로 뽑았을 때 환자의 수치가 더 높게 나올 확률입니다. 0.5면 동전 던지기 수준, 1이면 완벽합니다. ‘AUC 0.95’가 ‘95%를 맞힌다’는 뜻은 아니며, 실제로 맞히는 비율은 기준값과 대상 집단에 따라 달라집니다.

연구 설계가 숫자를 부풀린다

같은 검사라도 어떤 사람들로 시험했는지에 따라 숫자가 크게 달라집니다.

• 환자-대조군 연구: 이미 진단된 환자와 건강한 사람을 따로 모아 비교합니다. 구분하기 애매한 사람이 빠져 있어 성능이 좋게 나오기 쉽습니다.
• 실제 진료·검진 집단 연구: 실제로 검사를 받을 사람들(증상이 애매한 사람, 다른 병이 있는 사람 포함)에게 검사합니다. 현실에 가까운 숫자가 나옵니다.

1999년 Lijmer 등이 184개 연구를 분석한 결과, 환자와 건강한 대조군을 따로 모아 비교한 연구는 실제 진료 집단 연구보다 성능 지표(진단 오즈비)가 평균 약 3배 높게 나왔습니다⁵. 민감도가 3배 부풀었다는 뜻은 아닙니다. 예를 들어 실제로는 민감도·특이도 80%인 검사가 87% 안팎으로 보이는 정도입니다. 하지만 이 몇 %포인트 차이가 검진 현장에서는 위양성 수를 크게 바꿉니다.

또 하나의 함정은 검증 편향입니다. 양성자만 정밀검사를 하고 음성자는 확인하지 않으면, 놓친 환자가 집계되지 않아 민감도가 좋게 나옵니다.

1편의 다중암 검사는 유병률의 힘을 보여 주는 예입니다. 환자-대조군 연구(4,077명)에서 특이도는 99.5%였습니다⁶. 증상 없는 50세 이상 6,621명을 실제로 검사한 연구에서도 잘못된 양성은 100명 중 1명이 안 됐으니, 특이도는 비슷하게 유지된 셈입니다. 그런데도 양성 92명 중 실제 암은 38%였습니다⁷. 일반인 중 암이 있는 사람이 워낙 적기 때문입니다. 다만 두 연구는 검사 버전과 대상자가 달라 숫자를 그대로 맞대어 비교할 수는 없습니다.

숫자의 ‘폭’도 보세요 — 신뢰구간

3편 NIPT 메타분석에서 13번 삼염색체 검출률은 99.0%였지만, 95% 신뢰구간은 65.8~100%로 넓었습니다⁸. 사례가 119건으로 적은 데다 여러 작은 연구에 나뉘어 있었고, 연구마다 결과가 달랐기 때문입니다. 즉 ‘99%‘는 가장 그럴듯한 추정값일 뿐, 자료로는 실제 검출률이 60%대일 가능성도 배제할 수 없습니다. 숫자 옆 괄호 속 범위와 사례 수를 함께 보세요.

일찍 찾는다고 꼭 좋은 것은 아니다

검진의 진짜 목표는 ‘병을 찾는 것’이 아니라 ‘사망과 고통을 줄이는 것’입니다. 여기에는 세 가지 함정이 있습니다³.

• 선행시간 편향(lead-time bias): 병을 일찍 찾으면 ‘진단 후 생존 기간’은 자동으로 길어집니다. 사망 시점이 그대로여도 마찬가지입니다.
• 길이 편향(length-time bias): 정기 검진에는 천천히 자라는 순한 암이 더 잘 걸리고, 빨리 자라는 암은 검진 사이에 증상으로 나타납니다. 그래서 ‘검진으로 찾은 암’은 원래 예후가 좋은 경우가 많습니다.
• 과잉진단: 평생 아무 문제도 일으키지 않았을 병을 찾아내는 것입니다. Welch와 Black은 무작위 임상시험 자료를 바탕으로, 유방촬영으로 찾은 유방암의 약 25%, 과거 흉부 X선·객담 검사로 찾은 폐암의 약 50%, PSA로 찾은 전립선암의 약 60%가 과잉진단일 수 있다고 추정했습니다⁹. 이 비율은 추정 방법에 따라 연구마다 크게 다르고, 진단받은 개인이 과잉진단인지는 알 수 없어 대부분 치료를 받게 됩니다.

이런 함정 때문에 ‘5년 생존율’은 실제 이득이 없어도 좋아 보일 수 있습니다. 그래서 검진의 효과는 생존율이 아니라 사망률을 무작위 임상시험으로 비교해 확인해야 합니다.

진단검사 숫자를 볼 때 던질 다섯 가지 질문

1. 이 숫자는 네 숫자 중 무엇인가? 민감도·특이도인가, 양성·음성예측도인가? ‘정확도’라면 유병률이 얼마인 집단에서 계산했나?
2. 누구를 대상으로 얻은 값인가? 증상 있는 환자인가, 증상 없는 일반인인가? 나와 비슷한 집단인가? (예측도는 집단이 다르면 그대로 옮겨지지 않습니다)
3. 어떤 연구 설계인가? 환자-대조군 연구인가, 실제 진료·검진 집단 연구인가? 음성자도 확인했나? 사례 수와 신뢰구간은?
4. 판정 보류나 판정 불가는 어떻게 처리했나? 빠진 사람들이 숫자를 좋게 만들지 않았나?
5. 결과가 실제로 무엇을 바꾸나? 치료 결정, 사망, 삶의 질을 바꾼다는 근거가 있나?

진단 연구가 이런 정보를 빠짐없이 보고하도록 만든 국제 기준(STARD)¹⁰과, 연구의 비뚤림을 평가하는 도구(QUADAS-2)¹¹도 있습니다. 좋은 논문은 이 항목들을 투명하게 밝힙니다.

⚠️ 이 글은 의학적 조언이 아닙니다. 검사 결과의 해석은 담당 의료진과 상의하세요.

📚 진단 기초 시리즈

• 1편: 액체생검이란? 피 한 방울이 질병의 흔적을 읽는 원리
• 2편: 피 검사로 알츠하이머병을 알 수 있을까? p-tau217 혈액검사의 현재
• 3편: 엄마 혈액으로 태아 염색체를 본다? NIPT의 원리와 한계
• 5편: 수술 후 남은 암을 피로 찾는다? 미세잔존질환(MRD) 검사 완전 정리
• 6편: cfDNA, ctDNA, CTC, 엑소좀은 뭐가 다를까? 혈액 속 질병의 흔적 한눈에 비교
• 7편: 검사 여러 개를 합치면 더 정확해질까? 멀티오믹스 진단 쉽게 이해하기
• 8편: 피 검사로 이식 장기의 거부반응을 살필 수 있을까? 기증자 DNA(dd-cfDNA) 검사 정리
• 9편: 원인 모를 감염, 피·척수액으로 병원체를 찾을 수 있을까? 메타게놈 시퀀싱(mNGS) 검사 정리
• 10편: 피 검사로 심근경색을 더 빨리 가려낼 수 있을까? 고감도 트로포닌 검사 정리
• 11편: 지방간이 간경변으로 가고 있는지 피 검사로 알 수 있을까? FIB-4·간 탄성도 등 간섬유화 비침습 검사 정리
• 12편: 당화혈색소와 연속혈당측정(CGM), 숫자를 어떻게 읽어야 할까?
• 13편: 소변 검사, 방광암·전립선암 진료에서 어디까지 쓰일까? 소변 액체생검 정리
• 14편: 패혈증, 균을 빨리 찾으면 생명을 구할 수 있을까? 혈액배양과 신속 진단검사 정리
• 15편: 피 검사로 뇌 손상을 볼 수 있을까? 신경미세섬유 경쇄(NfL) 혈액검사 정리

참고