“논문까지 나왔대. 백신 맞고 암 늘었다더라.”
논문, 그래프, 통계라는 단어가 붙는 순간
이야기는 사실처럼 굳어진다.
하지만 과학에서 중요한 건 결론보다 과정이다.
이번 논란의 핵심은
백신이 암을 만든다는 주장 자체보다,
그 결론이 어떤 방식으로 만들어졌는가에 있다.
조회수 19만 회 논문, 하지만 출발선부터 달랐다
문제가 된 논문은 공개 직후
19만 회가 넘는 조회수를 기록했다.
의학 논문으로서는 매우 이례적인 관심이다.
그러나 이 글은
새로운 결론을 확정하는 오리지널 연구가 아니라
논란의 가능성을 제기하는 코레스폰던스 형식이었다.
코레스폰던스는
“이렇게 해석할 여지가 있다”는 문제 제기에 가깝고,
엄격한 검증을 거쳐 결론을 확정하는 단계는 아니다.
그럼에도 대중의 언어 속에서는
이미 “백신이 암을 유발했다는 논문”으로
단정되어 소비되기 시작했다.
의학 연구가 항상 조심스러울 수밖에 없는 이유
의학과 보건학은
실험실에서 마음껏 조건을 통제할 수 있는 학문이 아니다.
사람을 대상으로 하는 연구에는
윤리라는 넘을 수 없는 선이 있다.
그래서 많은 연구가
이미 벌어진 현실의 데이터를 분석하는
관찰 연구에 의존한다.
이때 반드시 구분해야 할 개념이 있다.
-
인과성: 이것 때문에 저것이 생겼다
-
연관성: 함께 나타났지만 진짜 원인은 따로 있을 수 있다
의학 연구의 절반은
이 둘을 구분하는 싸움이라고 해도 과장이 아니다.
백신 이후 1년 내 암 발생, 이 설정이 가진 함정
해당 논문은
백신 접종 후 1년 이내에 진단된 암을 분석했다.
하지만 암은
대부분 수년에서 수십 년에 걸쳐 진행되는 질병이다.
짧은 시간 안에 원인을 특정하기에는
구조적으로 매우 불리하다.
더 큰 문제는
백신 접종자가 대체로
의료 접근성이 높고 병원을 자주 이용한다는 점이다.
병원에 더 자주 가는 사람은
암이 더 빨리 발견될 확률도 높다.
암이 늘어난 것이 아니라
발견 시점이 앞당겨졌을 가능성이다.
이 차이를 고려하지 않으면
그래프는 쉽게 착시를 만든다.
데이터는 말하지만, 항상 진실을 말하지는 않는다
논문에는
관찰 시작 시점부터
접종자와 비접종자의 암 발생 곡선이
곧바로 벌어지는 모습이 나타난다.
하지만 암은
발견까지 시간이 필요한 질병이다.
시작과 동시에 차이가 난다는 건
원인이라기보다 관찰 설계의 신호에 가깝다.
여기에 더해
연구 대상자 선정 기준이
접종자와 비접종자에게 다르게 적용되었고,
일부 수치에서는 단순 계산 오류까지 발견됐다.
이런 작은 비대칭과 오류는
통계 결과를 한쪽으로 기울게 만든다.
결정적으로,
접종 횟수가 늘어날수록
암이 일관되게 증가하는 방향성도 보이지 않았다.
원인이 분명하다면
결과는 정돈된다.
랜덤한 결과는 대개 인과가 아니다.
그렇다면 전체 국가 데이터는 무엇을 말할까
한국 성인 인구의 약 90%는
이미 코로나 백신을 접종했다.
만약 백신이 암 발생률에
실질적인 영향을 줬다면
국가 전체 암 통계에서 변화가 나타나야 한다.
하지만 실제 데이터는
접종 이전부터 이어진
기존 추세선 안에서 움직이고 있다.
미국, 영국 등
다른 국가의 통계도 마찬가지다.
일시적 변동은 있었지만,
새로운 흐름이 만들어졌다고 보기는 어렵다.
마무리: 과학은 결론보다 과정을 본다
건강 이슈에서
자극적인 결론은 매우 빠르게 퍼진다.
하지만 그 결론을 검증하는 과정은
항상 더디다.
이번 논문이 던진 질문은 의미가 있다.
하지만 그 질문이
곧바로 답이 되지는 않는다.
과학은 믿음의 학문이 아니다.
의심하고, 따져보고, 다시 확인하는 과정의 학문이다.
그래서 논문을 볼 때
가장 먼저 던져야 할 질문은 이것이다.
“무슨 결론인가?”가 아니라
“그 결론에 어떻게 도달했는가?”
댓글
댓글 쓰기