By David Cox, WIRED US

소아 감염증 전문의로 25년간 경력을 쌓은 아순시온 메지아스(Asunción Mejías)에게는 예측할 수 없는 치명적인 호흡기 세포융합 바이러스(RSV)는 매우 익숙한 질환이다. RSV는 매년 미국 전역 5세 미만 아동 최대 8만 명의 입원 원인이 되는 질병이다.

테네시주 멤피스 세인트주드 아동연구병원 전문의인 메지아스는 “RSV는 빠른 속도로 바뀌는 질병이다. RSV 환아 두 명이 입원할 때마다 한 명은 3시간 이내로 응급실로 이송하고, 나머지 한 명은 다음날 퇴원 절차를 밟게 될 것이라고 말한다. RSV 발병 상황 전체는 예측할 수 없다”라고 말했다.

RSV는 2살 미만 영유아 대부분 한 번은 감염될 정도로 매우 흔한 질병이다. RSV 증상을 겪는 아동 대부분 기침, 재채기 등 감기와 비슷한 증상을 보이지만, 간혹 폐질환과 같은 심각한 증상으로 발전할 수도 있다. RSV는 매년 전 세계 10만 명이 넘는 영아가 사망에 이르는 원인이 되는 질병이다. RSV로 사망하는 영아 절반 이상은 생후 6개월 미만이다.

문제는 미숙아 출산, 기존의 폐 건강 이상 등 일부 알려진 요인을 제외하면, RSV 감염 증상이 가장 심한 원인을 설명하기 어렵다는 점이다. 메지아스는 “RSV 감염 후 입원하는 영유아 80%는 매우 건강한 상태처럼 보인다. 출산 예정일에 맞추어 태어나고, 중증 질환 발병 위험 요인이 전혀 없는 아동도 많다”라고 말했다.

현재 세계 곳곳의 여러 연구팀이 RSV 감염에 가장 취약한 아동을 찾아내기 위한 머신러닝 훈련이나 통계 모델 개발 작업을 진행 중이다. 광범위한 전자 건강 기록 데이터베이스를 바탕으로 RSV 입원 위험성이 가장 높은 아동을 예측하는 데 도움이 되는 위험 요인 집단을 찾는 것을 목표로 한다. 보건 복지 기관은 예측 정보를 이용하여 위험성이 가장 높은 아동을 백신 접종 및 기타 예방 조처 우선순위로 지정한다.
 
2024년 초반 밴더빌트대학교 호흡기 질환 유행병학자인 티나 하터트(Tina Hartert) 박사는 동료와 함께 통계 모델을 이용하여 RSV의 위험 요인 19종을 찾아내는 머신러닝 툴을 개발했다. 개발 완료 전, 테네시 메디케이드 프로그램으로 수집한 영아 40만 명의 데이터로 머신러닝 툴을 훈련했다. 하터드 박사는 “출생 시점에 신생아 개인의 RSV 감염 위험을 계산할 수 있다”라고 전했다.

머신러닝 툴에서 사용하는 일부 변수는 충분히 예측 가능한 요인이다. 예를 들어, 부모의 흡연은 태아의 폐질환 발병 요인이 되어 태어난 아기는 바이러스성 폐렴에 가장 취약한 상태가 되는 것으로 알려졌다. 또, 저체중 상태로 태어난 신생아는 정상적으로 호흡할힘이 부족한 것으로 알려졌다. 그러나 하터드 박사는 RSV 입원 영유아 다수는 여러 위험 요인이 결합하여 RSV에 취약한 상태가 된다는 점에 주목하며, “개별 요인만 평가한다면, RSV 감염 위험성이 가장 높은 신생아를 놓칠 수 있다”라고 설명했다.

2023년, 미국 식품의약청(FDA)은 임신 32~36주차 산모의 RSV 백신인 아브리스보(Abrysvo)를 승인했다. 아브리스보는 신생아가 RSV 항체 보호 상태로 태어나는 것을 목표로 개발되었다. FDA는 단일 클론 항체라고도 불리는 연구실에서 개발한 단백질인 베이포투스(Beyfortus)도 승인했다. 베이포투스는 겨울 RSV 유행 시기 전 1회 접종으로 바이러스 감염 보호가 가능하다.

그러나 모든 임신부와 영유아를 대상으로 한 RSV 면역력을 기르도록 처방하는 일이 항상 금전적으로 가능한 일은 아니다. 특히, RSV 사망 사례 97%가 보고되는 저소득 국가나 중간 소득 국가의 보건복지 체계로는 지원이 어렵다. 헬싱키대학교 RSV 연구원인 페카 바티아넨(Pekka Vartiainen) 박사는 “신생아 항체와 산모의 백신 접종을 모두 포함한 RSV 면역력 형성에 필요한 비용은 여러 국가의 RSV에 취약한 아동에게 심각한 장벽이 된다. RSV 증상이 가장 심각한 아동이 많은 곳은 최신 면역 형성 방식 접근이 제한되었다”라고 설명했다.

바티아넨 박사도 하터드 박사 연구팀과 비슷한 머신러닝 툴인 RSV 리스크(RSV Risk)를 개발했다. RSV 리스크는 신생아 체중, 산모 나이, 가족 병력, 출생 당시 신생아의 선천성 심장 결함 유무를 포함하여 여러 검사 결과를 바탕으로 RSV 중증 질환 발병 위험성을 예측한다. RSV 리스크의 머신러닝 알고리즘은 핀란드, 스웨덴 신생아 260만여 명의 검사 데이터를 바탕으로 RSV에 가장 취약한 영유아를 파악하는 데 필요한 가장 중요한 요인을 확인한다.

바티아넨 박사는 핀란드와 같은 부유한 선진국에서도 RSV 리스크와 같은 머신러닝 툴이 자원 우선순위를 파악하는 데 도움이 된다고 전했다. 이어, “RSV 감염 위험성이 가장 높은 것으로 예측된 아동 10%를 살펴보면, RSV 리스크 개발 과정의 연구 결과는 실제 중증 RSV 감염 위험성이 경미한 RSV 증상보다 약 5배 더 위험하다는 점을 입증할 수 있다”라고 설명했다.

지금까지 RSV 증상 고위험 영유아 예측 목적으로 개발된 디지털 툴은 출생 직후 몇 년 이내로 면역력 형성을 위한 의학 결정에 필요한 정보를 제공할 의도로 설계되었다. 그러나 중증 RSV 발병 이후 병원에 입원할 때 아동을 검사하는 첨단 검사 방식을 제공할 수도 있다.

2023년, 메지아스 박사는 RSV 관련 중증 질환이 생물학 경고 체계 역할을 하면서 면역 세포의 바이러스 존재를 경고하는 단백질인 점막 인터페론(mucosal interferon) 생성량이 적은 것과 관련이 있다는 사실을 입증한 연구에 참여했다.

현재 일부 기업은 병원 입원 시 아동의 인터페론 반응을 평가할 때 활용하는 비강 면봉 검사를 개발 중이다. 메지아스 박사는 면봉 검사가 의사에게 아동의 면역 체계 예측과 추후 발병 위험성이 높은 질병 감염 경로 등 중요한 단서를 제공할 수 있다고 전했다.

메지아스 박사는 “인터페론 반응 검사는 아직 병원에서 접근할 수 없으나 추후 RSV 중증 감염 아동을 분류하고, 의사가 더 많은 정보를 바탕으로 진료한 뒤 가족에게 상담하는 데 도움을 줄 수 있다”라며, “지금 당장은 RSV 감염 아동의 증상 우려가 많은 데다가 병원에 입원한 아동의 24시간 이후 상황을 예측할 수 없다. 인터페론 반응 검사는 중증 RSV 질환 위험이 높은 아동의 집중 진료에 도움을 줄 수 있을 것이다”라고 말했다.

** 위 기사는 와이어드US(WIRED.com)에 게재된 것을 와이어드코리아(WIRED.kr)가 번역한 것입니다. (번역 : 고다솔 에디터)

<기사원문>
RSV Can Be a Killer. New Tools Are Identifying the Most At-Risk Kids