핵심 요약
연세대 예방의학교실 연구진이 국민건강보험 빅데이터 7,655,238명(2009년 검진 참여, 연령 30–79세)을 대상으로 미국심장협회(AHA)에서 개발한 PREVENT 모형의 한국인 적용 유효성을 평가했다. 10년 심뇌혈관질환 예측에서 PREVENT는 판별력(C-지수) 0.766–0.805로 기존 서양 모형과 유사하거나 더 우수한 성능을 보였다. 다만 심부전 예측 등 일부 항목에서는 성별에 따른 보정기울기 차이가 있어 임상 적용 전 한국인 특성을 반영한 추가 보정이 필요하다. 연구 결과는 Journal of the American College of Cardiology(2025)에 게재됐다.
핵심 사실
- 대상: 2009년 국가건강검진 참여자 30–79세 성인 7,655,238명(국민건강보험 빅데이터)
- 추적기간: 검진 시점부터 2022년까지 실제 심뇌혈관질환 발생을 추적
- 평가 지표: 판별력(Harrell의 C-지수)과 보정도(보정곡선·보정 기울기)로 예측 성능 평가
- PREVENT 10년 예측 판별력: C-지수 0.766–0.805(미국 보고치 0.736–0.830과 유사)
- 죽상경화성 심뇌혈관질환 보정기울기: 남자 0.98, 여자 0.93(대체로 양호한 보정도)
- 심부전 보정기울기: 남자 0.64(과대예측 경향), 여자 0.86(약간의 과대예측)
- 비교 대상인 통합 코호트 모형(Pooled Cohort Equations)은 죽상경화성에서 남자 0.46, 여자 0.50으로 상당한 과대예측을 보임
사건 배경
심뇌혈관질환 예방은 개인의 위험도를 정확히 평가해 맞춤형 예방 전략을 세우는 것이 핵심이다. 전통적 위험모형들은 혈압, 콜레스테롤, 당뇨병 여부, 흡연 등 주요 위험인자에 근거하지만, 인구구성 변화와 치료 전략 발전으로 모형의 재검증과 보정 필요성이 커지고 있다. 특히 한국인은 서양인 대비 심뇌혈관질환 발생 위험이 상대적으로 낮아 서양에서 개발된 예측모형이 한국인에서는 위험을 과대예측하는 경향이 보고되어 왔다. 이러한 배경에서 최신 데이터를 반영한 PREVENT 모형의 한국인 적용 가능성 검증은 임상과 보건정책 측면에서 중요한 의미를 가진다.
PREVENT 모형은 AHA가 여러 위험인자를 종합해 10년·30년 심혈관질환 위험을 예측하도록 최근 개발한 도구다. 기존 예측모형과 달리 심근경색·뇌졸중 등 죽상경화성 질환뿐 아니라 심부전 발생 위험까지 포함해 예측 범위를 확대한 점이 특징이다. 그러나 PREVENT은 미국 성인 자료를 토대로 설계되어 인종·지역별 이식성(transportability)에 대한 검증이 필요했다. 한국의 대규모 행정 데이터는 이러한 외국 모형의 타당성을 대규모로 확인할 수 있는 실용적 자원이다.
주요 사건
연구진은 2009년 국가건강검진 자료에서 혈압, 콜레스테롤, 당뇨, 신기능 등 핵심 위험인자를 추출해 PREVENT 모형으로 개인별 10년 위험을 산출했다. 산출된 예측치와 2022년까지 실제 발생한 심뇌혈관질환(죽상경화성 심뇌혈관질환, 심부전, 전체 심뇌혈관질환)을 대조해 판별력과 보정도를 산정했다. 판별력은 Harrell의 C-지수를 사용했으며, 보정도는 보정곡선과 보정 기울기로 평가했다.
분석 결과 PREVENT의 C-지수는 0.766에서 0.805 범위로, 국내 임상에서 통상 허용되는 0.7–0.8 범위에 해당했다. 죽상경화성 질환에 대해선 보정 기울기가 남자 0.98, 여자 0.93으로 실제 누적 발생률과 예측치 간 균형이 양호했다. 반면 심부전 예측에서는 남자에서 보정 기울기 0.64로 예측치가 실제보다 다소 높게 산출되는 경향을 보였고, 여성은 0.86으로 남성보다 상대적으로 보정이 우수했다.
비교 대상으로 쓰인 통합 코호트 모형(Pooled Cohort Equations)은 동일 데이터에서 죽상경화성 질환에 대해 남자 0.46, 여자 0.50으로 큰 폭의 과대예측을 보이며 PREVENT보다 보정 성능이 떨어졌다. 연구팀은 이 차이를 근거로 PREVENT가 한국인 연구·역학 목적으로는 활용 가능하나, 임상적 의사결정 도구로 쓰려면 추가 보정과 현장 검증이 필요하다고 결론지었다.
분석 및 의미
첫째, PREVENT의 판별력 향상은 최신 데이터 기반 알고리즘과 예측 변수를 확장한 설계 덕분으로 보인다. 심부전 예측이 포함되면서 임상에서 예방과 치료전략을 더 넓게 설계할 수 있는 잠재력을 제시한다. 그러나 판별력과 보정도는 별개의 성능 지표이므로 보정기울기 편차가 임상 적용의 핵심 걸림돌이다.
둘째, 한국인 특유의 낮은 발생률 구조는 서양 모형의 위험 과대예측 문제를 여전하게 남긴다. 보정기울기 값이 1에 가까울수록 이상적이므로 죽상경화성 예측에서 PREVENT가 0.93–0.98을 기록한 것은 고무적이지만, 심부전의 남성 과대예측(0.64)은 임상적 오판을 유발할 소지가 있다. 따라서 임상의사와 보건당국은 보정된 한국형 절단값이나 리스크 스케일을 별도로 마련할 필요가 있다.
셋째, 정책적 관점에서는 PREVENT의 비교적 우수한 성능이 대규모 스크리닝이나 역학 연구에서 외국 모형을 무작정 배제하지 않아도 된다는 신호다. 다만 예방의학적 개입 우선순위, 자원배분, 고위험군 식별 기준 설정 등 실전 적용에서는 한국인 보정값 적용 여부가 결정적이다. 향후 전자건강기록(EHR) 기반 임상결정지원 시스템에 통합할 때도 현장 검증 연구가 병행되어야 한다.
비교 및 데이터
| 모형 | 판별력(C-지수) | 죽상경화성 보정기울기(남/여) | 심부전 보정기울기(남/여) |
|---|---|---|---|
| PREVENT (한국 평가) | 0.766–0.805 | 0.98 / 0.93 | 0.64 / 0.86 |
| Pooled Cohort Equations (통합 코호트) | — | 0.46 / 0.50 | 자료 없음 |
위 표는 연구에서 보고한 주요 성능 지표를 비교한 것이다. PREVENT는 판별력 면에서 임상적으로 수용 가능한 범위를 보였고 죽상경화성 예측의 보정도도 양호했다. 반면 통합 코호트 모형은 동일한 한국 데이터에서 현저한 과대예측을 보여 인종·지역별 보정이 필수적임을 시사한다. 특히 심부전 예측의 성별 차이는 모형 변수의 가중치가 인구집단별로 다르게 작동함을 암시한다.
반응 및 인용
연구 책임자인 이호규 교수는 연구의 임상적 함의를 설명하며 보완 필요성을 강조했다.
“PREVENT 모형은 연구 목적으로 한국인에서 충분히 활용 가능하지만, 임상 적용을 위해서는 한국인 특성을 반영한 추가 보정이 필요하다.”
이호규 교수(연세대 예방의학교실, 연구책임자)
논문 게재 저널과 연구팀은 대규모 행정자료를 활용한 외부검증의 의의를 언급했다.
“대규모 인구 기반 자료에서의 검증은 모형의 실사용 가능성을 판단하는 중요한 단계다.”
Journal of the American College of Cardiology(2025), 연구팀 요약
불확실한 부분
- 성별·연령별 세부 성능: 연구는 전체 및 주요 하위범주를 분석했으나 연령대별(예: 30대·40대) 상세 C-지수와 보정도는 추가 공개 자료가 필요하다.
- 임상 적용 임계값: PREVENT를 임상에서 바로 사용할 경우 어떤 절단값(cutoff)을 적용할지에 대한 합의는 아직 이루어지지 않았다.
- 지역별 이질성: 도시·농촌, 의료 접근성 차이에 따른 모형 성능 변동 여부는 추가 검증이 필요하다.
총평
이번 대규모 외부검증은 PREVENT 모형이 한국인 집단에서 기존 서양 모형보다 더 현실적인 예측력을 보일 수 있음을 보여줬다. 특히 죽상경화성 심뇌혈관질환 예측의 보정도는 양호해 역학 연구나 집단 수준의 위험평가 도구로 유용하다. 그러나 심부전 예측에서 관찰된 성별 편차와 임상 적용 시 요구되는 보정은 무시할 수 없는 과제다.
향후 과제는 한국인 특성을 반영한 모형 보정(또는 한국형 모형 개발)과 실제 임상 환경에서의 전향적 검증이다. 보건당국과 임상의는 연구 결과를 토대로 고위험군 식별 기준을 재검토하고, 전자건강기록 기반 의사결정지원에 적용하기 전 추가적인 검증 단계를 설계해야 한다.