Paperis 아티클
무작위화는 왜 인과추론의 최강 도구인가 — 그리고 어디서 무너지는가. 논문의 Methods·Results를 비판적으로 읽는 법.
이 글은 AI가 연구 논문을 바탕으로 작성한 교육·정보 제공용 콘텐츠이며, 전문가의 조언을 대체하지 않습니다. 오류를 발견하셨나요? 알려주세요
© 2026 네오쿤스(Paperis) · 링크 공유는 환영합니다. 전문 전재·재배포는 사전 허가가 필요합니다.
새 약을 먹은 사람들이 나았다. 정말 그 약 때문일까 — 아니면 그 약을 처방받은 사람들이 원래 더 건강했거나, 병원에 더 부지런히 다녔거나, 시간이 지나 저절로 나은 것은 아닐까. 이 하나의 질문에 근거의학의 거의 전부가 걸려 있다. 우리가 알고 싶은 것은 언제나 인과(약이 낫게 했다)인데, 데이터가 보여 주는 것은 대개 상관(약을 먹은 사람과 안 먹은 사람의 결과가 다르다)일 뿐이기 때문이다.
상관과 인과 사이를 가로막는 훼방꾼의 이름은 교란(confounding) 이다. 약을 처방받은 환자와 받지 않은 환자는 애초에 다른 사람들이다 — 나이, 중증도, 소득, 생활습관, 그리고 "이 환자에게는 이 약을 쓰자"고 판단한 의사의 눈썰미까지. 이 차이들이 결과에 영향을 주면 약의 효과와 뒤엉켜 도무지 떼어낼 수 없다. 관찰만으로 얻은 결론이 "가설을 세울" 수는 있어도 "가설을 검증"하기는 어려운 이유가 여기 있다 (PMID 36050978).
무작위 대조시험(randomized controlled trial, RCT)은 바로 이 교란을 정면으로 겨냥한 설계다. 그리고 이 목적을 얼마나 잘 달성하느냐 덕분에 지난 반세기 넘게 의학 근거의 황금표준(gold standard) 자리를 지켜 왔다 (PMID 38508234). 이 글은 RCT를 하나의 방법론으로 뜯어본다 — 무엇을 답하려는 도구이고, 왜 작동하며, 실제로 어떻게 설계하고, 그 결과를 어떻게 읽으며, 어디서 한계를 드러내는지. 목표는 하나다. 논문의 Methods와 Results를 열었을 때, 무엇을 믿고 무엇을 의심할지 스스로 가늠하는 눈을 갖추는 것.
RCT의 심장은 단 하나의 동작이다 — 동전을 던져 사람을 나눈다. 누가 치료군에 가고 누가 대조군에 갈지를 오로지 우연이 정한다. 이 단순한 행위가 어떻게 인과를 드러내는가.
핵심 개념은 반사실(counterfactual) 이다. 인과를 완벽하게 알려면, 같은 환자가 약을 먹었을 때와 안 먹었을 때를 동시에 비교해야 한다. 그러나 한 사람은 둘 중 하나만 겪을 수 있다. 무작위화는 이 불가능을 우회한다. 충분히 많은 사람을 동전으로 나누면 두 집단은 평균적으로 거의 똑같은 사람들의 모임이 된다 — 나이도, 중증도도, 그리고 결정적으로 우리가 미처 측정하지 못한 요인들까지 두 집단에 고르게 흩어진다. 그래서 배정 이후 두 집단의 결과에 차이가 생긴다면, 그 차이의 원인으로 남는 것은 오직 치료뿐이다 (PMID 36050978, PMID 38320494).
이것이 관찰연구가 결코 흉내 낼 수 없는 지점이다. 관찰연구에서는 측정한 교란변수만 통계로 보정할 수 있다. 측정하지 못했거나 존재조차 모르는 요인은 손댈 방법이 없다. 무작위화는 측정 여부와 무관하게 알려진 교란과 알려지지 않은 교란을 동시에 균형 잡는다. 한 종설의 표현을 빌리면, 무작위화는 측정되지 않은 변수나 치료 선택에서 오는 교란을 피하게 해 주어 치료효과의 인과적 해석을 가능케 한다 (PMID 38320494). 바로 이 성질 하나 때문에 RCT는 "황금표준"이라 불린다.
무작위화 하나만으로 좋은 시험이 되지는 않는다. 잘 설계된 RCT는 여러 방어막을 겹쳐 세운다.
① 무작위 배정과 배정 은폐(allocation concealment). 동전을 던지는 것만으로는 부족하다. 다음 환자가 어느 군에 배정될지 연구자가 미리 알면, 무의식적으로라도 "이 환자는 치료군에 넣자"는 선택이 끼어들어 무작위성이 오염된다. 그래서 배정 결과는 배정이 확정되는 순간까지 숨겨져야 한다. 이것이 배정 은폐이며, 무작위화의 무결성을 지키는 첫 자물쇠다.
② 눈가림(blinding)과 위약(placebo). 환자가 자기가 진짜 약을 먹는다고 알면, 기대만으로 증상이 나아질 수 있다(위약 효과). 의사가 알면, 치료군을 더 세심히 돌보거나 결과를 후하게 판정할 수 있다(수행·판정 편향). 그래서 환자·의사·평가자 모두가 누가 무엇을 받는지 모르게 하는 이중맹검이 이상적이고, 대조군에는 겉보기가 똑같은 위약을 준다. 눈가림이 무너지면 편향이 새어 든다 — 한 비맹검 기기 시험에서는 예상 밖으로 치료군에서 비심혈관 부작용이 더 많이 잡혀 시험이 조기 종료됐는데, 사후 분석 결과 그 수행 편향은 특히 덴마크 참가자에서 치료군이 병원에 스스로 연락하는 비율이 크게 높았던 데서 비롯한 것으로 드러났다 — 전체 코호트에서는 접촉 빈도 차이가 유의하지 않았다 (PMID 42129909). 그러나 눈가림이 언제나 가능한 것은 아니다. 환각을 일으키는 약물처럼 효과가 대놓고 느껴지는 경우 이중맹검은 사실상 불가능하며, 이를 억지로 고집하는 것이 오히려 비현실적이라는 지적도 있다 (PMID 41424285).
③ 대조군. "약을 먹었더니 나았다"는 비교 대상이 없으면 무의미하다. 대조군은 저절로 나았을 몫, 위약으로 나았을 몫, 시간이 해결했을 몫을 걷어내는 기준선이다. 대조군 없이 치료군만 관찰하는 단일군(single-arm) 설계는 3상 확증시험에서는 원칙적으로 부적절하다고 여겨진다 — 한 조사는 그런 단일군 3상 설계를 두고 "형용모순(oxymoron)"이 아니냐고 되물었다 (PMID 38508234).
④ 의도치료 분석(intention-to-treat, ITT). 배정받은 약을 도중에 끊거나 다른 치료로 갈아탄 환자를 어떻게 셀까. 직관은 "실제로 약을 끝까지 먹은 사람만 분석하자"고 말한다. 그러나 그 순간 무작위화가 깨진다 — 약을 끝까지 먹은 사람은 부작용이 없었거나 순응도가 높은, 애초에 다른 사람들이기 때문이다. ITT 원칙은 배정된 대로 분석한다 — 실제 복약 여부와 무관하게 처음 배정된 군에 그대로 둔다. 덜 인상적으로 보일지언정 편향이 없다. 한 메타역학 연구는 표준 ITT에서 벗어난 분석이 치료효과를 체계적으로 더 크게 — 즉 과장 방향으로 — 보이게 함을 보였다 (PMID 26016488). ITT는 재활의학을 비롯한 임상 연구에서 기본 원칙으로 자리 잡았다 (PMID 38320245).
⑤ 사전 등록과 사전 명시. 데이터를 다 본 뒤 "유의하게 나온 결과"만 골라 발표하면 우연을 실력으로 둔갑시킬 수 있다. 그래서 현대 RCT는 시작 전에 주요 평가변수·분석 계획·표본 크기를 미리 등록한다. 이 사전 명시가 없으면 아무리 큰 시험도 사후 분석과 서브그룹 낚시에 휘둘린다. 실제로 미국의 아스피린 1차 예방 권고를 두고, 사전 명시된 주요 평가변수의 총체적 증거가 아니라, 정보력이 없던(uninformative) 한 시험에 부당하게 의존한 결과 잘못된 지침으로 이어졌다는 비판이 제기된 바 있다 (PMID 40165541).
Methods를 이해했다면 이제 Results다. 여기서 초보자가 가장 자주 속는다.
상대위험 vs 절대위험. "위험을 50% 줄였다"는 문장은 화려하지만 절반만 말한 것이다. 이것은 상대위험 감소(RRR) 다. 원래 위험이 2%에서 1%로 준 것이라면, 절대적으로는 단 1%포인트 — 절대위험 감소(ARR) 는 1%다. 같은 "50% 감소"라도 원래 위험이 40%였다면 이야기가 완전히 달라진다. 상대위험만 보면 작은 효과가 거대해 보인다.
NNT — 한 명을 돕자고 몇 명을 치료해야 하나. 절대위험 감소의 역수가 치료필요수(number needed to treat, NNT) 다. ARR이 1%면 NNT는 100 — 한 명에게 이득을 주려면 100명을 치료해야 한다는 뜻이다 (PMID 38876401). 직관적이고 임상에서 유용하지만 함정이 많다. NNT는 기저 위험·추적 기간·비교 대상에 따라 달라지므로 맥락 없이 숫자만 인용하면 오독된다 (PMID 40839106). 게다가 위험 차이가 통계적으로 유의하지 않을 때는 NNT의 신뢰구간이 기괴하게 끊어져(disjointed) 해석 불능이 된다 — 그래서 정책이나 지침 결정에서 NNT를 쓸 때는 신중해야 하며, 심지어 "이제 품위 있게 물러날 때"라는 강한 주장까지 나왔다 (PMID 40782977).
신뢰구간을 먼저 보라. 점 추정치(효과의 크기)만큼 중요한 것이 신뢰구간(CI) 이다. CI는 그 추정이 얼마나 정밀한지를 말해 준다. NNT든 위험비든 효과크기든 추정치에는 반드시 CI가 따라붙어야 하며, CI가 0(효과 없음)을 걸치면 결과를 확정할 수 없다 (PMID 38876401, PMID 40839106).
서브그룹의 함정. "전체로는 효과가 없었지만 65세 이상 여성에서는 있었다" — 이런 문장을 조심하라. 데이터를 여러 하위집단으로 쪼개 뒤지면, 순전히 우연으로 유의해 보이는 조각이 반드시 나온다. 사전에 명시하지 않은 사후 서브그룹 분석은 가설을 만드는 도구일 뿐 검증하는 도구가 아니다. 앞서 본 아스피린 사례가 바로 이 함정의 교과서적 예다 (PMID 40165541).
여기까지가 RCT의 힘이다. 이제 정직해야 할 차례다. 잘 설계된 RCT는 내적 타당도(이 시험 안에서 인과가 참인가)에서 타의 추종을 불허한다. 그러나 강점이 곧 한계의 씨앗이다.
외적 타당도 — 이 결과가 내 환자에게도 적용되나. RCT는 엄격한 선정 기준으로 참가자를 추린다. 이 통제가 내적 타당도를 높이지만, 그 대가로 대표성을 잃는다. 한 논문은 임상시험 참가자가 시간 순으로 축차 등록되는 편의표본일 뿐이어서, 인과추론에서의 "무작위 배정"과 설문조사에서의 "무작위 표집"은 전혀 다른 것이며, 그래서 시험 표본이 특정 환자 모집단을 대표한다고 보기 어렵다고 지적한다 (PMID 37835368). 실제로 정밀의학·실사용 데이터 시대에 RCT의 일반화 가능성·비용·저·중소득국 적용성의 한계가 부각되고 있다 (DOI: 10.38106/lmrj.2026.8.1-01).
평균의 함정 — 효과크기는 '평균적인 환자'의 것. RCT가 내놓는 것은 대개 평균 치료효과(average treatment effect) 다. 그러나 평균 뒤에는 크게 이득을 본 사람과 오히려 해를 본 사람이 섞여 있을 수 있다. 이 치료효과의 이질성은 사회과학·경제학에서도 핵심 화두여서, 평균을 넘어 개별 효과의 분포를 추정하려는 방법들이 활발히 개발되고 있다 (DOI: 10.1007/s11135-026-02615-2). 한 명의 환자에게 답하려면 평균만으로는 부족하다 — 그래서 각 환자가 스스로의 대조군이 되는 N-of-1 설계가 정밀의학의 도구로 재조명된다 (PMID 38527301, PMID 39532857).
윤리·비용·희귀결과. 효과가 있을지 모르는 치료를 절반의 사람에게서 의도적으로 보류하는 것은 그 자체로 윤리적 긴장을 낳는다. 위약 사용, 정보 동의, 대조군의 적정성, 시험 종료 후 치료 접근권 — 모두 살아 있는 쟁점이다 (DOI: 10.31235/osf.io/uxst9_v2). 게다가 대규모 RCT는 느리고 비싸다. 아주 드문 부작용이나 수십 년 뒤의 결과처럼, RCT로는 잡아내기 어렵거나 아예 불가능한 질문도 많다.
실용 vs 설명 — 애초에 무엇을 물었나. 반세기 전 슈바르츠와 를루슈는 시험을 두 갈래로 나눴다. 설명적(explanatory) 시험은 이상적 조건에서 "이 치료가 원리적으로 효과가 있는가"를 묻고, 실용적(pragmatic) 시험은 현실 진료에서 "이 치료가 실제로 도움이 되는가"를 묻는다 (PMID 36566693). 둘은 목적이 다르므로 읽는 법도 달라야 한다. 설명적 시험의 화려한 효과가 현실에서 재현되지 않는 것은 실패가 아니라 설계의 귀결일 수 있다. 다만 디지털 헬스 시대에는 이 이분법이 연속선이 아니라며, 현대 시험은 실용적이면서 동시에 설명적일 때 가장 유용하다는 반론도 있다 (PMID 39396584). 실용적 설계의 한 갈래인 레지스트리 기반 무작위시험은 무작위화의 강점을 지키면서 느리고 비싼 약점을 덜어내려는 시도다 (PMID 38320494).
관찰연구·자연실험이 더 나은 자리. 그렇다면 RCT가 없으면 아무것도 알 수 없는가. 그렇지 않다. 놀랍게도, 같은 질문을 다룬 RCT와 관찰연구의 효과 추정치를 방대하게 비교한 코크란 메타역학 연구는 둘 사이에 차이가 없거나 아주 작다는 결론을 내렸다(효과비의 비 1.08, 95% CI 1.01–1.15; 다만 저자들은 이 근거의 확실성을 '낮음'으로 평가했다) (PMID 38174786). 잘 수행된 관찰연구가 늘 RCT와 크게 어긋나는 것은 아니라는 뜻이다. 물론 반대 사례도 분명하다 — 심정지 환자를 전문센터로 이송하는 문제에서, 관찰연구들은 하나같이 전문센터가 낫다고 했지만 정작 무작위시험은 차이를 확인하지 못했다 — 다만 그 무작위시험은 특수한 세팅·집단의 단일 시험이었고, 해당 리뷰는 여전히 전문센터 이용을 약하게 권고한다 (PMID 39242018). 이 대비가 정확히 왜 무작위화가 필요한지를 보여 준다. 성향점수 매칭 같은 통계 기법은 레지스트리·전자의무기록의 관찰 데이터로 인과를 추정하려 하지만, 인용 리뷰의 결론은 RCT의 대체가 아니라 RCT와의 상보적 통합이다 (PMID 38577204). 사회과학과 경제학에서는 무작위 배정이 불가능하거나 비윤리적인 질문이 대부분이어서, 범죄 억제 정책의 효과를 무작위·준실험으로 검증하거나 (DOI: 10.1111/1745-9133.70012), 자연적으로 생긴 무작위성(자연실험)을 활용하는 전통이 오래 쌓여 왔다.
'황금표준'이라는 말의 함정. 개발경제학에서 RCT가 대유행한 뒤(2019년 노벨경제학상이 이 흐름을 상징한다), RCT의 내적·외적 타당도를 겨눈 비판도 함께 커졌다 (DOI: 10.2139/ssrn.6221079). 사회실험은 표본 탈락·맥락 의존성 탓에 외적 타당도가 쉽게 흔들리며 (DOI: 10.31234/osf.io/ekm95), 경제 실험에서는 내적 타당도와 외적 타당도가 정면으로 상충하기도 한다 (DOI: 10.1093/qopen/qoag008). RCT가 국소적(개인 단위) 개입의 효과를 재는 반면 정작 우리가 알고 싶은 것은 전면적(사회 단위) 개입의 효과일 때, RCT 하나로는 답할 수 없고 여러 불완전한 증거를 삼각측량해야 한다는 지적도 있다 (DOI: 10.31235/osf.io/nq3b5_v2). 심리치료 연구에서는 RCT의 편향·재현성·현실 괴리를 이유로 "황금표준"이라는 위상 자체를 재고하자는 목소리까지 나온다 (DOI: 10.1521/pdps.2025.53.2.157).
정직한 덧붙임. 경제학자 앵거스 디턴과 철학자 낸시 카트라이트는 "RCT를 증거 위계의 꼭대기에 두는 태도"를 겨눈 비판으로 널리 알려진 대표 논객이다. 다만 이 글이 근거로 삼은 초록들은 그들의 개별 논증을 직접 담고 있지 않으므로, 위 문단에서는 그들의 이름을 특정 인용에 붙이지 않았다. 대신 같은 결의 비판 — 외적 타당도의 취약성, 내·외적 타당도의 상충, 국소 대 전면 개입의 간극 — 이 여러 분야에서 독립적으로 제기되고 있음을 위 인용들이 보여 준다. 디턴·카트라이트의 원문 논증은 이 글의 근거 범위 밖에 있음을 밝혀 둔다.
RCT 논문을 열었을 때 스스로에게 던질 것을 압축하면 이렇다.
정직한 결론은 이렇다. 무작위 대조시험은 가정이 맞을 때 인과추론의 가장 강력한 도구다 — 측정하지 못한 교란까지 균형 잡는 그 재주는 다른 어떤 설계도 흉내 내지 못한다. 그러나 그것은 만능이 아니다. 외적 타당도, 평균 뒤에 숨은 개인, 윤리와 비용, 물을 수 없는 질문들 앞에서 RCT는 침묵하거나 흔들린다. "황금표준"이라는 말은 왕좌가 아니라 책임으로 읽는 편이 옳다 — 언제 그 힘이 발휘되고 언제 무너지는지를 아는 사람만이 그 표준을 제대로 쓸 수 있다.
이 글은 연구 방법론에 대한 이해를 돕기 위한 교육용 콘텐츠이며, 특정 치료·약물에 대한 의학적 조언이 아니다. 개별 임상 결정은 반드시 주치의와 상의하고, 인용된 논문의 원문을 직접 확인하기를 권한다.