몬테카를로위해성시뮬레이션 (Monte Carlo Risk Simulation)

한 줄 정의: 몬테카를로위해성시뮬레이션은 노출량이나 독성값 같은 입력 변수의 불확실성을 확률분포로 반영하여 무작위 반복 계산을 통해 위해도의 분포를 추정하는 통계적 기법입니다.

쉽게 풀면

몬테카를로위해성시뮬레이션은 하나의 정해진 답을 구하는 대신, 가능한 여러 상황을 수천 번 무작위로 뽑아보며 "위험이 이 정도 범위 안에 있을 가능성이 높다"는 식으로 답을 구하는 방법입니다. 마치 주사위를 수만 번 던져서 나올 수 있는 결과의 분포를 파악하는 것과 비슷합니다. 사람마다 몸무게나 노출량이 다르듯, 이런 변수들의 다양성을 반영해 하나의 숫자가 아니라 위험의 범위와 확률을 함께 보여줍니다. 이를 통해 "최악의 경우"뿐 아니라 "평균적인 경우"까지 폭넓게 파악할 수 있습니다.

왜 중요한가

실제 노출량이나 독성 반응은 사람마다 다르고 불확실성이 크기 때문에, 단일 값만으로 위해성을 평가하면 정보가 지나치게 단순화될 수 있습니다. 몬테카를로위해성시뮬레이션은 이러한 변동성과 불확실성을 통계적으로 반영해 더 현실적인 위해성 범위를 제시할 수 있어 독성학 및 환경보건 위해성평가 논문에서 널리 활용됩니다.

논문에서는 이렇게 쓰입니다

"노출 변수의 불확실성을 반영하기 위해 몬테카를로위해성시뮬레이션을 10,000회 반복 수행하여 위해도의 확률분포를 산출하였다."

단일값이 아닌 확률분포 형태로 결과를 제시했다는 의미입니다.

"결정론적 접근법과 달리 몬테카를로위해성시뮬레이션은 노출량과 체중 등 개인차 변수를 확률분포로 입력하여 보다 현실적인 위해도 범위를 제공하였다."

단일 고정값을 쓰는 기존 방식과의 차이를 설명하는 문장입니다.

조금 더 깊게 보면

몬테카를로위해성시뮬레이션은 각 입력 변수(노출빈도, 섭취량, 체중 등)에 확률분포를 지정한 뒤, 이 분포에서 무작위로 값을 반복 추출해 계산을 여러 번 수행하는 방식으로 이루어집니다. 이렇게 얻어진 결과값들을 모아 전체 분포를 구성하며, 중앙값이나 특정 백분위수(예: 95백분위수)를 대표값으로 보고하는 경우가 많습니다.

주의할 점

몬테카를로위해성시뮬레이션의 결과는 입력 변수에 설정한 확률분포의 타당성에 크게 좌우되므로, 근거가 부족한 분포를 가정하면 결과의 신뢰도도 함께 떨어질 수 있습니다. 단순 결정론적 계산보다 해석이 복잡하다는 점도 유의해야 합니다.