Lesson 18 of 20

【실습】 HLA 와 질병 — 오즈비가 커도 못 쓰는 이유

강한 연관 ≠ 좋은 검사 · 유병률이 모든 것을 바꾼다

HLA 는 여러 질병과 강하게 연관됩니다. 사람 유전체에서 질병 연관이 가장 강한 구역이에요.

HLA	연관 질병	왜 그럴 것 같은가
*B27**	강직성 척추염	자기 펩타이드 제시 · 잘못 접힘
DQ2 / DQ8	셀리악병	글루텐 조각을 잘 제시한다
*B57:01**	아바카비어 과민반응	약이 홈을 바꿔 새 조각이 오른다
*B15:02**	카르바마제핀 중증 피부반응	같은 원리
*DRB115:01**	다발성 경화증	수초 단백질 조각 제시

약물 과민반응 쪽은 특히 흥미롭습니다 — 약 분자가 홈에 끼어들어 홈의 모양 자체를 바꿔 버립니다. 그러면 평소에 안 오르던 자기 조각이 오르고, T세포는 그걸 남으로 봅니다.

High school오즈비가 커도 못 쓰는 이유

부제가 이 강의의 결론을 미리 말합니다.

강한 연관 ≠ 좋은 검사 — 유병률이 모든 것을 바꾼다

HLA 와 질병 연관의 예

HLA	질병	오즈비
B*27	강직성척추염	매우 크다
DQ2/DQ8	셀리악병	거의 필수
*B57:01**	아바카비르 과민반응	매우 크다 ⭐

오즈비가 수십~수백인데도 — 대부분 선별검사로 못 쓴다 ⚠

왜 못 쓰나

/stat · /ml 7강의 그 이야기입니다.

—	—
질병이 드물면	—
양성이라도	대부분 정상 ⚠

정밀도는 유병률에 좌우된다 — 오즈비와 무관하게

숫자로

—	—
B*27 을 가진 사람	인구의 몇 %
그중 강직성척추염이 생기는 비율	아주 낮다 ⚠

가졌다고 걸리는 게 아니다 — 위험이 높을 뿐이다

High school면역계가 '자기' 를 아는 방식이 얼마나 아슬아슬한가

note 의 이 이야기가 깊은 통찰입니다.

HLA 가 자가면역과 연관되는 것은 우연이 아니다

왜 연관되나

—	—
HLA 가 무엇을 보여 줄지 정한다	1강 ⭐
그러면	가슴샘 교육도 정해진다 (11강)
결과	어떤 자기 항원이 안 지워지나 도 ⚠

"보여 주는 판" 이 관용의 범위도 정한다

그래서 균형이 아슬아슬합니다

—	—
너무 둔하면	감염·암을 놓친다 ⚠
너무 예민하면	자기를 공격한다 ⚠

7강의 다양성이 이 균형을 집단 수준에서 맞춘다

교차반응 가설

—	—
병원체 조각과 자기 조각이 비슷하면	—
병원체를 잡던 T세포가	자기도 공격 ⚠ ⭐

감염이 자가면역의 방아쇠가 될 수 있다 — 분자 모방

비유 — 얼굴 인식

—	—
비슷하게 생긴 사람을	잘못 지목할 수 ⚠
인식이 정밀할수록	실수가 준다 — 대신 못 알아볼 수도

민감도와 특이도의 맞바꿈이 — 면역계 설계에도 있다

그런데 모든 HLA-질병 연관을 검사로 쓸 수 있는 건 아닙니다

B*27 과 강직성 척추염의 오즈비는 매우 큽니다. 그런데 B*27 검사로 강직성 척추염을 선별하지 않습니다. 왜일까요?

직접 계산해 봅시다.

오즈비가 아무리 커도, <b>드문 병</b>이면 양성예측도가 낮습니다.

Python Runs in your browser

# 강한 연관도 검사로는 못 쓴다 - 직접 계산
import ag

# 아래 셋은 **문헌에서 흔히 인용되는 어림값**입니다. 우리가 잰 값이 아닙니다.
유병률 = 0.005          # 강직성 척추염 대략 0.5%
환자보인 = 0.90          # 환자 중 B*27 양성 비율
정상보인 = 0.08          # 비환자 중 B*27 양성 비율

print("가정 (전부 문헌 인용 어림값 - 측정값이 아닙니다)")
print(f"  유병률            {100*유병률:>6.2f}%")
print(f"  환자의 B*27 양성   {100*환자보인:>6.1f}%")
print(f"  비환자의 B*27 양성 {100*정상보인:>6.1f}%")
print()

N = 1_000_000
환자 = N * 유병률
정상 = N - 환자
환자양성 = 환자 * 환자보인
정상양성 = 정상 * 정상보인
print(f"인구 {N:,}명 중")
print(f"  환자        {환자:>10,.0f}   그중 B*27 양성 {환자양성:>9,.0f}")
print(f"  비환자      {정상:>10,.0f}   그중 B*27 양성 {정상양성:>9,.0f}")
print()
ppv = 환자양성 / (환자양성 + 정상양성)
print(f"B*27 양성인 사람이 실제 환자일 확률(양성예측도) = {100*ppv:.2f}%")
print()
print(f"양성이어도 **{100*(1-ppv):.1f}% 는 병이 없습니다.**")
print("헛양성이 참양성보다 훨씬 많아요 - 비환자가 압도적으로 많으니까요.")

표 하나로 두 숫자를 다 만들 수 있습니다. 어느 쪽을 인용하느냐가 인상을 바꿔요.

Python Runs in your browser

# 오즈비를 계산해 본다 - 얼마나 '강한' 연관인지
import ag

유병률, 환자보인, 정상보인 = 0.005, 0.90, 0.08
N = 1_000_000
환자 = N * 유병률
정상 = N - 환자
a = 환자 * 환자보인          # 환자 · 양성
c = 환자 - a                 # 환자 · 음성
b = 정상 * 정상보인          # 비환자 · 양성
d = 정상 - b                 # 비환자 · 음성
print(f"{'':<10}{'B*27 양성':>12}{'B*27 음성':>12}")
print(f"{'환자':<10}{a:>12,.0f}{c:>12,.0f}")
print(f"{'비환자':<10}{b:>12,.0f}{d:>12,.0f}")
print()
print(f"오즈비 = (a/c) / (b/d) = {(a/c)/(b/d):.1f}")
print(f"양성예측도            = a/(a+b) = {100*a/(a+b):.2f}%")
print()
print("같은 표에서 나온 두 숫자입니다. 하나는 100배, 하나는 5%.")
print("**어느 쪽을 인용하느냐가 인상을 완전히 바꿉니다.**")

High school그래서 HLA 검사가 실제로 쓰이는 곳

note 의 이 목록이 예외의 조건을 알려 줍니다.

쓰이는 곳은 — 결과가 극단적이고 대안이 있는 경우다

쓰임	왜 되나
*B57:01 · 아바카비르**	과민반응이 치명적 ⭐
*B15:02 · 카바마제핀**	중증 피부반응
장기이식 매칭	거부반응 ⭐
셀리악 배제	음성이면 거의 배제 ✔

약물 과민반응이 가장 성공적이다 — 다른 약을 쓰면 되니까

왜 이 경우엔 되나

조건	—
양성이면 매우 위험	—
대안 약이 있다	⭐ — 조치가 가능
검사가 싸다	—

"위험이 크고 대응이 있으면" 검사가 값어치를 한다

배제 검사의 특별함

—	—
DQ2/DQ8 이 없으면	셀리악이 거의 아니다 ✔ ⭐
있어도	대부분은 안 걸린다 ⚠

음성이 강한 정보다 — 높은 민감도의 검사가 배제에 좋다

일반 원칙

검사 목적	필요한 성질
배제	민감도 ↑ (음성이 확실)
확진	특이도 ↑ (양성이 확실) ⭐

/ml 7강의 그 구분이 임상 판단이 된다

같은 검사도 <b>누구에게 쓰느냐</b>에 따라 쓸모가 달라집니다.

Python Runs in your browser

# 유병률이 모든 것을 바꾼다 - 검사 성능은 그대로 두고
import ag

환자보인, 정상보인 = 0.90, 0.08
오즈비 = (환자보인/(1-환자보인)) / (정상보인/(1-정상보인))
print(f"검사 자체는 고정 - 환자 보인율 {100*환자보인:.0f}% · 비환자 보인율 {100*정상보인:.0f}%")
print(f"그러면 오즈비는 유병률과 무관하게 늘 {오즈비:.1f} 입니다.")
print()
print(f"{'유병률':>10}{'양성예측도':>14}{'오즈비':>10}   누구를 검사하나")
설명 = ["일반 인구 선별", "일반 인구 선별", "요통 환자 중에서",
        "염증성 요통 · 젊은 남성", "이미 영상 소견이 있는 사람"]
for 유병률, 누구 in zip([0.0005, 0.005, 0.05, 0.2, 0.5], 설명):
    a = 유병률 * 환자보인
    b = (1 - 유병률) * 정상보인
    print(f"{100*유병률:>9.2f}%{100*a/(a+b):>13.1f}%{오즈비:>10.1f}   {누구}")
print()
print("오즈비는 **한 칸도 안 변합니다.** 양성예측도만 0.6% 에서 91.8% 로 움직여요.")
print()
print("그래서 B*57:01 은 검사로 씁니다 - **아바카비어를 먹으려는 사람** 안에서는")
print("과민반응이 훨씬 흔하기 때문이에요. 대상을 좁히면 유병률이 올라갑니다.")

High school연관 연구를 읽는 법

18강을 마치며 읽는 기준을 정리합시다.

오즈비 하나만 보면 속는다

함께 봐야 할 것

항목	왜
유병률	정밀도를 정한다 ⭐
절대 위험	"몇 배" 가 아니라 "몇 %" ⭐
집단	17강 — 다른 집단에 통하나
대응 가능성	알아서 뭘 할 수 있나

절대 위험이 1% → 3% 면 — 오즈비 3 이어도 대개 조치가 없다

상대 위험의 함정

표현	—
"위험이 3배"	극적으로 들린다 ⚠
"1%에서 3%로"	같은 말인데 차분하다 ✔ ⭐

뉴스가 상대 위험을 쓰는 이유다 — /viz 18강의 성격

그리고 인과 주의

—	—
HLA 연관은 강한 후보	유전자는 고정이니까 ⭐
그래도	연관불평형으로 옆 유전자일 수 ⚠

HLA 부위는 유전자가 빽빽하다 — 진짜 원인 유전자 찾기가 어렵다

그래서 기능 연구가 따라와야 합니다. 연관은 시작이지 끝이 아니에요.

🤔 Check yourself

B*27 과 강직성 척추염의 연관이 아주 강한데도 선별검사로 쓰지 않는 이유는?

🤔 Check yourself

아바카비어 과민반응에서 B*57:01 검사가 실제로 쓰이는 이유는?

🤔 Check yourself

약물 과민반응에서 HLA 가 관여하는 방식으로 설명된 것은?