## 배경 미국 식품의약국(FDA)은 의약품 허가와 규제 정보를 대중에게 전달함으로써 국민 건강에 직접적인 영향을 미친다. 그러나 기존의 의약품 승인 정책은 임상 시험이나 약리학 데이터 중심의 정량 분석에 의존해온 측면이 강하다. 이러한 접근법은 신약 자체의 안전성과 효능 검증에는 탁월하지만, 실제 의료 현장에서 일어나는 복잡한 대중 행동을 예측하고 통제하는 데는 한계가 명확했다. 환자가 부작용 우려로 약물 복용을 임의 중단하거나, 처방된 마약성 진통제가 오남용 네트워크로 유입되어 사회적 재앙을 초래하는 현상은 단순한 약리학 데이터로 설명할 수 없기 때문이다. 따라서 약물 규제의 실효성을 높이려면 의사결정 메커니즘을 규제 과학 내부로 포섭해야 한다는 목소리가 커졌다. 이에 2017년 미국 국립과학공학의학원(NASEM)은 국가적 공중보건 위기 대응을 위한 다학제적 시스템 모델링 도입을 정식 권고했다. ## 핵심 발견 미국 국립과학원회보(PNAS)에 발표된 이번 논문은 행동의사결정과학(applied behavioral and decision sciences)이 FDA의 약물 규제 임무에 이식된 실제 사례를 체계적으로 보고한다. 전 FDA 의사결정 지원 및 분석 책임자인 사라 에거스(Sara L. Eggers) 박사와 피츠버그 의대 타마르 크리슈나무르티(Tamar Krishnamurti) 교수, 카네기멜론 대학교 바루크 피시호프(Baruch Fischhoff) 교수 연구팀은 행동과학이 FDA의 정책 결정 품질을 높인 네 가지 핵심 기둥을 제시하였다. 첫째는 신약 승인 과정의 표준으로 안착한 '혜택-위험 프레임워크(Benefit-Risk Framework)'로 볼 수 있다. 이는 임상 시험 자료에서 도출된 데이터와 부작용 위험을 심사관들이 일관된 논리 체계로 평가하도록 돕는 시각적 도구다. 둘째는 고위험 규제 결정을 실시간으로 조력하는 '의사결정 지원 서비스(Decision Support Service)'를 들 수 있다. 내부 전문가로 구성된 이 서비스는 복잡한 약물 규제 상황에서 행동과학적 이론을 접목한 분석 리포트를 제공하며 규제의 객관성을 배가했다. 셋째는 환자의 실제 경험과 선호도를 정량화하여 반영하는 '환자 중심 신약 개발(Patient-Focused Drug Development, PFDD)' 이니셔티브다. 기존 임상 시험이 간과하기 쉬웠던 환자의 고통 정도와 삶의 질 저하 요인을 설문 조사로 수집해 심사 지표에 포함하는 성과를 냈다. 넷째는 미국의 마약성 진통제 위기를 시뮬레이션하기 위해 탄생한 동적 시스템 모델 'FDA SOURCE'다. 이 모델은 12세 이상 미국 인구를 대상으로 처방 오피오이드의 유통 경로, 중독 발생률, 치료 시설 한계, 재발 패턴, 과다복용 사망률을 컴퓨터 환경(in silico)에서 시뮬레이션하는 기법이다. 환자의 위험 인식 변화나 사회적 전파 효과 같은 피드백 구조까지 정밀하게 모형화하여 특정 정책이 시행될 때 나타날 파급 효과를 예측하도록 돕는다. 이 모델의 뛰어난 과학적 가치를 인정받아 2025년 시스템 다이내믹스 학회의 최고 영예인 '제이 라이트 포레스터 상(Jay Wright Forrester Award)'을 수상했다. ## 의미와 전망 이번 연구는 의약품 규제 과학이 전통적인 분석 범주를 넘어 인간 심리와 행동을 예측하는 사회과학과의 융합으로 확장되어야 함을 증명한다. 약물의 생물학적 기전이 우수하더라도 사용자의 불확실한 행동 패턴을 예측하지 못한다면 규제 정책은 실효를 거두기 어렵기 때문이다. 이 같은 다학제적 예측 시뮬레이션 모델링은 오피오이드 제어뿐만 아니라 신종 감염병 대응이나 백신 접종률 제고 등 대중 행동 심리와 연계된 다양한 보건 정책 설계에 이정표를 제시할 것으로 전망된다. 다만 행동과학적 정성 지표와 시뮬레이션 데이터를 실제 사법적 규제 가이드라인에 완벽히 정착시키려면 정책 입안자들과 추가적인 조율을 거쳐야 한다. 또한 시뮬레이션 결과의 신뢰도를 높이기 위해 모델에 입력하는 실시간 환자 데이터와 사회 구조적 지표의 유효성을 끊임없이 검증하고 업데이트하는 모니터링 시스템을 지속적으로 가동해야 한다.