전염병은 개인의 문제를 넘어 사회 전체에 영향을 미치는 현상입니다. 이를 과학적으로 이해하고 예측하기 위해 수학은 매우 강력한 도구로 활용됩니다. 특히 수학적 모델링은 전염병의 확산 속도, 정점 시기, 감염자 수, 그리고 방역 정책의 효과까지 분석할 수 있게 해줍니다. 이번 글에서는 대표적인 전염병 모델인 SIR 모델을 중심으로, 수학이 전염병 확산을 어떻게 예측하는지를 단계별로 설명합니다.
전염병 확산 모델의 개요: SIR 모델
SIR 모델은 전염병 확산을 설명하는 가장 기본적인 수학적 모델로, 인구를 다음 세 가지 상태로 나눕니다:
- S (Susceptible): 감염되지 않았지만 감염될 수 있는 사람
- I (Infected): 현재 감염되어 다른 사람에게 전염시킬 수 있는 사람
- R (Recovered): 감염 후 회복되어 면역이 생기거나 사망한 사람
이 모델은 시간에 따라 세 그룹 간 인구 이동을 미분방정식으로 설명합니다.
SIR 모델의 수학적 표현
SIR 모델은 다음과 같은 연립 미분방정식으로 표현됩니다:
\[ \begin{cases} \frac{dS}{dt} = -\beta SI \\ \frac{dI}{dt} = \beta SI – \gamma I \\ \frac{dR}{dt} = \gamma I \end{cases} \]
여기서:
- \(\beta\): 감염률 – 감염자가 감수자를 감염시킬 확률
- \(\gamma\): 회복률 – 감염자가 회복되는 비율
이 방정식을 통해 시간에 따라 감염자 수가 어떻게 변화하는지를 수치적으로 분석할 수 있습니다.
기초감염재생산수 \(R_0\)
전염병의 확산 가능성을 판단하는 중요한 지표가 바로 기초감염재생산수 \(R_0\)입니다. 이는 한 명의 감염자가 몇 명에게 병을 옮길 수 있는지를 나타냅니다.
\[ R_0 = \frac{\beta}{\gamma} \]
만약 \(R_0 > 1\)이면 감염자가 증가하며, \(R_0 < 1\)이면 감염은 점점 줄어듭니다. 이 지표는 방역 정책(사회적 거리두기, 마스크 착용, 백신 접종 등)의 목표를 설정할 때 핵심적인 기준이 됩니다.
모델 시뮬레이션을 통한 확산 예측
수학적 모델은 이론적일 뿐 아니라, 실제 데이터를 기반으로 컴퓨터 시뮬레이션을 통해 감염자 수의 변화를 예측할 수 있습니다. 초기 조건으로 인구 수, 초기 감염자 수, 감염률, 회복률 등을 설정하면, 다음과 같은 시뮬레이션 결과를 얻을 수 있습니다:
- 감염자 수의 정점(peak)이 언제 도달하는가
- 전체 인구 중 얼마나 많은 사람이 감염될 것인가
- 면역이 생기기까지 걸리는 시간
이러한 예측은 방역 정책의 시점과 강도를 조절하는 데 사용됩니다.
확장 모델: SEIR, SIRD, 등
SIR 모델은 간단하고 직관적이지만, 현실은 더 복잡하기 때문에 다양한 확장 모델이 개발되었습니다:
- SEIR 모델: 노출자(E, Exposed)를 포함. 감염되었지만 아직 전염성이 없는 상태.
- SIRD 모델: 회복자(R)와 사망자(D)를 분리하여 사망률을 반영.
- SIQR 모델: 격리(Q, Quarantined)된 사람들을 따로 추적.
이러한 모델들은 실제 전염병 특성에 따라 구조를 달리하여 더 정밀한 예측이 가능합니다.
현실 적용을 위한 변수 보정
수학적 모델이 효과적으로 작동하려면 실제 데이터를 기반으로 한 변수 추정이 필수적입니다. 예를 들어 다음과 같은 데이터를 활용합니다:
- 신규 확진자 수
- 검사 수와 양성률
- 입원/회복/사망 비율
- 사회적 이동성 데이터
이 데이터를 기반으로 감염률 \(\beta\)와 회복률 \(\gamma\)를 실시간으로 조정하며, 모델의 예측 정확도를 향상시킵니다.
모델의 한계와 해석 주의점
모든 모델은 현실을 단순화한 것이기 때문에 한계가 존재합니다. 예를 들어:
- 개인의 행동 변화나 정책 대응을 즉각 반영하기 어려움
- 모든 감염자가 동일한 전염 가능성을 가진다는 가정
- 사회 구조나 이동 패턴, 의료 자원 한계 등의 반영 부족
따라서 수학적 모델은 ‘정확한 예언’보다는 ‘경향성 예측’과 ‘정책 시뮬레이션’을 위한 참고 도구로 해석하는 것이 중요합니다.
결론
수학적 모델은 전염병 확산을 이해하고 예측하는 데 매우 중요한 역할을 합니다. SIR 모델과 그 확장 모델들은 감염 경로, 확산 속도, 면역 시기 등을 정량적으로 분석할 수 있게 해주며, 방역 정책의 근거를 제공합니다.
기초감염재생산수 \(R_0\)는 전염병의 확산 여부를 판단하는 핵심 지표이며, 감염률과 회복률 같은 변수의 조정은 예측 정밀도를 높이는 데 필수적입니다.
비록 현실의 복잡성을 완벽히 반영하지는 못하지만, 수학적 모델은 전염병 대응에 있어 과학적 사고와 정책 설계의 출발점이자, 실시간 대응을 위한 중요한 지침 역할을 합니다.