양성예측도/음성예측도 (Predictive Value)
쉽게 풀면
어떤 검사에서 "양성"이라는 결과를 받았다고 해봅시다. 사람들이 가장 궁금해하는 건 "그래서 내가 진짜 병에 걸린 확률이 얼마나 되나요?"입니다. 이 질문에 답하는 지표가 바로 양성예측도(PPV, Positive Predictive Value)입니다. 반대로 "음성"이라는 결과를 받았을 때 "그래서 내가 진짜 병이 없을 확률이 얼마나 되나요?"에 답하는 지표는 음성예측도(NPV, Negative Predictive Value)입니다. 여기서 중요한 함정이 하나 있는데, 이 값은 검사 자체의 성능뿐 아니라 그 병이 애초에 얼마나 흔한지(유병률)에 따라 크게 달라집니다. 아무리 정확한 검사라도 아주 드문 병을 검사할 때는 양성이 나와도 실제로는 병이 아닐 가능성이 꽤 높아질 수 있습니다.
왜 중요한가
양성예측도와 음성예측도는 검사 결과를 받은 환자나 임상의가 실제로 알고 싶어 하는 질문("내 결과가 실제로 맞을 확률은?")에 직접 답하는 지표이기 때문에, 선별검사 도입의 타당성을 평가하는 진단검사 연구와 보건정책 논문에서 핵심적으로 다뤄집니다. 신약이나 진단 알고리즘의 임상 적용 가능성을 논의할 때도 민감도·특이도만으로는 부족해 예측도를 함께 제시하는 경우가 많습니다.
논문에서는 이렇게 쓰입니다
이 문장은 검사 자체는 성능이 좋아 보이지만(민감도·특이도가 높음), 실제로 그 병이 드문 집단에서 검사하면 양성 판정을 받은 사람 중 실제 환자는 34%밖에 안 된다는 뜻입니다. 나머지 66%는 위양성인 셈입니다.
같은 검사라도 대상 집단의 유병률이 달라지면 양성예측도와 음성예측도가 서로 다른 방향으로 변할 수 있음을 보여주는 예입니다.
조금 더 깊게 보면
예측도와 유병률의 관계는 베이즈 정리(Bayes' theorem)로 수학적으로 설명할 수 있습니다. 검사 전 확률(유병률)에 검사의 우도비를 곱해 검사 후 확률(예측도)을 계산하는 방식으로, 유병률이 낮을수록 같은 검사라도 양성예측도가 급격히 낮아지는 이유를 여기서 확인할 수 있습니다. 그래서 논문을 읽을 때는 예측도 수치와 함께 그 값이 어떤 유병률을 전제로 계산되었는지를 함께 확인하는 것이 중요합니다.
주의할 점
양성예측도와 음성예측도는 민감도와 특이도와 자주 혼동되지만 전혀 다른 질문에 답하는 지표입니다. 민감도·특이도는 "병이 있는(없는) 사람 중 검사가 맞힌 비율"을 보는 반면, 예측도는 "검사 결과가 양성(음성)인 사람 중 실제로 맞은 비율"을 봅니다. 그리고 예측도는 대상 집단의 유병률에 따라 값이 크게 달라지므로, 다른 연구나 다른 인구집단의 예측도를 그대로 비교하면 안 됩니다.