신약 개발, 그 화려한 숫자 뒤의 진실
신약 개발의 성패를 가르는 데이터는 결국 “이 약이 우연이 아닌 실력으로 병을 고쳤는가?”라는 근원적인 질문에 답하는 과정이다.
1. 첫 번째 문턱: ‘우연’인가 ‘실력’인가
데이터에서 가장 먼저 마주하는 주인공은 p값(p-value)이다. 통계학에서 p < 0.05라는 수치는 “이 결과가 우연히 일어났을 확률이 5% 미만”임을 의미한다. 즉, 약의 효과가 ‘진짜’라는 과학적 보증 수표와 같다. 아무리 결과가 드라마틱해 보여도 이 p값이 기준을 넘지 못하면, 과학계는 그것을 ‘운이 좋았을 뿐’이라고 냉정하게 평가한다.
2. 승부의 지점: 무엇을 ‘결승선’으로 삼았는가
모든 임상 시험에는 1차 평가지표(Primary Endpoint)라는 단 하나의 결승선이 존재한다. 예를 들어 항암제라면 ‘생존 기간 연장’이 그 선이 된다. 2차 지표에서 아무리 좋은 성적을 거뒀더라도, 정작 1차 지표라는 결승선을 통과하지 못하면 그 임상은 실패로 간주된다. 따라서 데이터의 화려한 수식어보다, 처음에 약속했던 그 목표를 달성했는지가 무엇보다 중요하다.
3. 양날의 검: ‘독’이 되지 않는 ‘약’인가
효능만큼 중요한 것이 안전성(Safety)이다. 임상 데이터 속의 Grade 3 이상의 이상반응 수치는 약의 어두운 면을 보여준다. 병은 고치지만 환자의 일상을 무너뜨릴 정도로 독성이 강하다면 시장의 선택을 받기 어렵다. 효능(Efficacy)과 부작용(AE) 사이의 아슬아슬한 균형점을 찾는 것이 데이터 해석의 핵심이다.
4. 상대의 존재: 누구와 비교했는가
세상에 없던 혁신 신약이라면 ‘가짜 약(위약)’과 비교해도 충분하지만, 이미 치료제가 존재하는 분야라면 ‘기존의 1등 약’과 싸워야 한다. 대조군(Control Group)이 무엇인지 확인해야 한다. 강한 상대와 싸워 이긴 데이터일수록 그 약이 가진 가치는 기하급수적으로 상승한다.
맺으며: 행간을 읽는 눈
임상 결과 자료를 볼 때 가장 주의해야 할 표현은 “통계적 유의성은 확보하지 못했으나, 긍정적인 경향성(Trend)을 보였다”는 문구이다. 이는 시험 문제는 틀렸지만 공부는 열심히 했다는 일종의 완곡한 표현일 수 있다.
데이터는 냉정하다. 수치 뒤에 숨겨진 통계적 엄밀함과 안전성의 균형을 읽어낼 수 있을 때, 비로소 신약 개발이라는 거대한 드라마의 진짜 결말을 예측할 수 있다.
Leave a Reply