실제 데이터를 활용한 의약품 효과성 비교 연구(Comparative Effectiveness Research, CER): RWD/RWE 기반 분석 접근

서론

의약품 개발 및 평가 분야에서 비교 효과성 연구(Comparative Effectiveness Research, CER)는 환자, 의료 제공자, 정책 결정자에게 중요한 정보를 제공합니다. 특히, 실제 진료 환경에서 수집된 실세계 데이터(Real-World Data, RWD)와 이를 분석하여 얻은 실세계 근거(Real-World Evidence, RWE)는 임상시험의 한계를 보완하고, 다양한 환자 집단에 대한 치료 효과를 평가하는 데 유용합니다.

이 글에서는 RWD/RWE를 활용한 CER의 개념, 데이터 소스, 통계 분석 기법, 국내외 대표 사례, 그리고 향후 전망에 대해 자세히 살펴보겠습니다.

실제 데이터를 활용한 의약품 효과성 비교 연구(Comparative Effectiveness Research, CER): RWD/RWE 기반 분석 접근

---

1. 비교 효과성 연구(CER)의 개요

1.1 정의 및 목적

비교 효과성 연구(CER)는 다양한 치료 옵션의 효과와 안전성을 비교하여, 특정 환자 집단에 가장 적합한 치료법을 식별하는 연구입니다. 이는 임상시험에서 얻은 결과뿐만 아니라, 실제 진료 환경에서의 데이터를 활용하여 보다 현실적인 근거를 제공합니다.

1.2 CER의 중요성

• 의료 의사결정 지원: 환자와 의료 제공자가 치료 옵션을 선택하는 데 필요한 정보를 제공합니다.
• 정책 결정: 보건 정책 및 보험 급여 결정에 근거를 제공합니다.
• 의약품 개발: 제약사가 신약 개발 및 마케팅 전략을 수립하는 데 활용됩니다.

---

2. 실세계 데이터(RWD)와 실세계 근거(RWE)

2.1 정의

• 실세계 데이터(RWD): 임상시험 외의 실제 진료 환경에서 수집된 건강 관련 데이터입니다.
• 실세계 근거(RWE): RWD를 분석하여 얻은 치료 효과 및 안전성에 대한 근거입니다.

2.2 RWD의 주요 소스

• 전자건강기록(EHR): 환자의 진료 기록, 검사 결과, 처방 정보 등을 포함합니다.
• 보험 청구 데이터: 진료 및 처방에 대한 청구 정보를 포함합니다.
• 환자 등록 데이터베이스: 특정 질환이나 치료에 대한 환자 정보를 수집합니다.
• 건강 설문조사: 환자의 건강 상태, 생활 습관 등에 대한 정보를 제공합니다.

2.3 RWE의 활용 분야

• 의약품 효과성 평가: 실제 진료 환경에서의 치료 효과를 평가합니다.
• 의약품 안전성 모니터링: 장기간의 부작용 및 이상 반응을 감지합니다.
• 건강 기술 평가(HTA): 의료 기술의 비용-효과성을 평가합니다.

---

3. RWD 기반 CER의 통계 분석 기법

3.1 혼란 변수 조정

RWD는 무작위 배정이 없기 때문에, 혼란 변수(confounding variables)를 조정하는 것이 중요합니다.

• 다변량 회귀 분석: 여러 변수의 영향을 동시에 고려하여 치료 효과를 추정합니다.
• 성향 점수 매칭(Propensity Score Matching): 치료 그룹과 비교 그룹 간의 기초 특성을 일치시켜 비교합니다.
• 도구 변수 분석(Instrumental Variable Analysis): 측정되지 않은 혼란 변수의 영향을 조정합니다.
• 마진 구조 모델(Marginal Structural Model): 시간에 따라 변하는 혼란 변수의 영향을 조정합니다.

3.2 민감도 분석

분석 결과의 견고성을 평가하기 위해 다양한 민감도 분석을 수행합니다.

• 트리밍(Trimming): 극단적인 성향 점수 값을 가진 데이터를 제외합니다.
• 다중 대체(Multiple Imputation): 누락된 데이터를 보완합니다.
• 서브그룹 분석: 특정 환자 집단에 대한 분석을 수행합니다.

---

4. 국내외 대표 사례 분석

4.1 미국: ROS1 양성 비소세포폐암 치료 비교 연구

미국에서는 ROS1 양성 비소세포폐암 환자를 대상으로 크리조티닙과 엔트렉티닙의 치료 효과를 비교하는 연구가 수행되었습니다. 전자건강기록 데이터를 활용하여 치료 지속 시간(Time-to-Treatment Discontinuation, TTD)을 주요 지표로 평가하였습니다. 

4.2 영국: 스타틴의 심혈관 질환 예방 효과 평가

영국에서는 전자의료기록을 활용하여 스타틴의 심혈관 질환 예방 효과를 평가하는 연구가 수행되었습니다. 마진 구조 모델을 적용하여 시간에 따라 변하는 혼란 변수를 조정하였습니다. 

4.3 한국: 당뇨병 치료제의 효과성 비교 연구

한국에서는 건강보험 청구 데이터를 활용하여 당뇨병 치료제의 효과성을 비교하는 연구가 수행되었습니다. 성향 점수 매칭을 통해 치료 그룹 간의 기초 특성을 조정하였습니다.

---

5. RWD 기반 CER의 장점과 한계

5.1 장점

• 현실성: 실제 진료 환경에서의 데이터를 활용하여 현실적인 근거를 제공합니다.
• 다양성: 임상시험에서 제외된 다양한 환자 집단에 대한 정보를 제공합니다.
• 비용 효율성: 기존 데이터를 활용하여 연구 비용을 절감할 수 있습니다.

5.2 한계

• 데이터 품질: 누락된 데이터, 부정확한 기록 등이 있을 수 있습니다.
• 혼란 변수: 무작위 배정이 없기 때문에 혼란 변수의 영향을 받을 수 있습니다.
• 일반화 가능성: 특정 기관이나 지역의 데이터에 기반한 결과는 일반화에 제한이 있을 수 있습니다.

---

6. 향후 전망

RWD 기반 CER은 의료 의사결정, 정책 수립, 의약품 개발 등 다양한 분야에서 중요한 역할을 할 것으로 기대됩니다. 특히, 인공지능과 머신러닝 기술의 발전은 RWD 분석의 정밀도와 효율성을 향상시킬 것입니다. 또한, 데이터 표준화 및 품질 관리의 중요성이 더욱 강조될 것입니다.

---

결론

RWD를 활용한 CER은 실제 진료 환경에서의 의약품 효과성과 안전성을 평가하는 데 중요한 도구입니다. 적절한 통계 분석 기법과 데이터 품질 관리가 병행된다면, RWD 기반 CER은 의료 분야의 다양한 의사결정에 유용한 근거를 제공할 수 있습니다.