배경

의약품 개발 과정에서 무작위 대조 시험(RCT)은 오랫동안 표준 지표 역할을 수행해 왔다. 통제된 환경에서 환자를 무작위로 배정하여 약물의 유효성과 안전성을 검증하는 방식은 비교적 신뢰성이 높다. 그러나 환자 모집 비용이 막대하고, 희귀 질환과 같이 모집단이 적은 분야에서는 설계 자체가 어렵다. 또한 실제 의료 현실과의 괴리가 문제점으로 지적된다. 통제된 환경에서 선별된 소수의 환자만을 대상으로 진행하므로, 일상적인 진료 환경에서 다양한 연령대와 기저 질환을 가진 환자군이 나타내는 실제 반응을 온전히 반영하기 어렵다는 것이다.

이러한 제약을 극복하기 위해 의료 현장의 일상적인 진료 과정에서 발생하는 실질적 데이터(RWD)에 주목하는 움직임이 나타나고 있다. 이전까지 RWD는 신약 출시 후 부작용을 확인하는 시판 후 조사(PMS)에 주로 사용되었다. 활용 영역이 제한적이었지만, 대규모 전자의무기록(EHR)과 건강보험 청구 데이터가 축적되고 분석 기술이 발전하면서 상황이 변화하고 있다. 최근에는 RWD를 가공한 임상 증거인 실질적 증거(RWE)가 약물 허가 및 임상 설계의 핵심 요소로 급부상하고 있다.

핵심 발견

최근 학술지 네이처 메디슨(Nature Medicine)에 게재된 보고서는 RWE가 단순한 참고 자료를 넘어 기존 RCT를 모방하거나 실시간 임상 시험을 수행하는 단계까지 발전했다고 진단한다. 대표적인 사례로 미국 식품의약국(FDA)이 허가한 고위험 소아 신경모세포종 치료제 '이윌핀(Iwilfin, 성분명 에플로르니틴)' 사례를 들 수 있다. FDA는 전통적인 이중 맹검 RCT 대신 치료제 투여군 90명과 과거 임상 시험 데이터를 활용한 외부 대조군(ECT) 270명을 성향 점수 매칭 방식으로 비교 분석하여 약물의 효능을 검증했다. 분석 결과 이윌핀 투여군은 대조군과 비교하여 무사건 생존율(EFS)의 위험비(HR)가 0.48을 기록하며 재발 위험이 절반 이하로 줄어드는 것으로 나타났다. 이는 항암제 분야에서 외부 대조군 데이터를 주된 근거로 활용하여 신약 승인을 획득한 상징적인 사례로 기록되었다.

RWE의 급격한 확장은 에픽 코스모스(Epic Cosmos)를 비롯한 대형 EHR 데이터 플랫폼의 성장 덕분이다. 수억 명 규모의 종단적 데이터를 분석하는 대상 시험 모방(TTE) 기법은 무작위 배정 없이도 인과 관계를 추론하도록 돕는다. 최근 연구진들은 처방 이력과 임상 결과를 순차적인 사건 시퀀스로 변환하여 학습하는 의료 인공지능(AI) 기반 모델을 도입하고 있다. 이 기법을 통해 환자의 예후를 시뮬레이션하고 약물 반응률을 예측하여 임상 설계 단계를 보강하는 추세이다.

의미와 전망

RWE 활용은 희귀 질환이나 소아암과 같이 환자 모집이 어려운 영역에서 신약 개발의 길을 열어줄 것으로 기대된다. 임상 비용과 기간을 단축하여 환자의 치료 접근성을 높이는 긍정적인 효과도 기대된다. 각국 규제 기관 역시 관련 지침을 발표하며 제도적 수용력을 넓히고 있다.

다만 RWE가 기존 임상 시험의 완전한 대체재가 될 수는 없다는 신중론도 존재한다. 수집 방식이 표준화되지 않은 EHR 데이터의 불완전성과 숨겨진 교란 변수는 결과의 왜곡을 초래할 수 있다. 실제로 많은 RWE 기반 분석 계획서가 불명확한 설계 요건과 분석 오류로 인해 신뢰성을 의심받고 있다. 전문가들은 무작위 배정의 편향 통제력을 RWD 분석이 완전히 대체하기는 어렵다고 지적하며, RCT와 RWE가 서로 상호 보완하는 이중 모델 구조를 정착시키는 것이 바람직하다고 평가한다. 데이터 수집 단계부터 투명성을 확보하는 인과적 로드맵(Causal Roadmap)을 정립하는 것도 해결해야 할 과제이다.