여러 약재를 정해진 조합으로 쓰는 처방에서는 구성 약재만 나열해도 어떤 처방인지 짐작할 수 있다. 이런 자료를 학습한 모형이 좋은 점수를 냈다면, 약재 구성에서 다른 처방에도 쓸 만한 정보를 찾은 것인지 이미 본 처방을 알아본 것인지 구분할 필요가 있다.
나는 일본의 캄포 처방과 이상사례 보고 자료를 이용해 이 문제를 살펴봤다. 캄포는 일본 의료에서 사용하는 전통의약이며, 이 작업에서는 처방 자체의 정보와 구성 약재의 정보를 따로 비교하도록 모델 선택과 검증을 구성했다.
구성 정보가 처방의 이름표가 될 때
처방에 들어 있는 약재를 각각 변수로 만들면 처방 이름을 직접 넣지 않고도 분석할 수 있다. 하지만 특정 조합이 한 처방을 거의 구별해 준다면, 이름을 빼는 것만으로 처방의 정체성을 지웠다고 볼 수는 없다.
그래서 약재 정보를 넣은 모형을 평가할 때 처방 자체를 구분하는 정보와의 비교도 포함했다. 같은 보고 자료에서 무엇을 입력했는지에 따라 판단이 어떻게 달라지는지를 확인하고, 알려진 처방을 다루는 경우와 학습에 포함되지 않은 처방을 다루는 경우를 구분했다. 처방 구성을 다루는 방식이 어느 범위까지 설명할 수 있는지 확인하기 위한 작업이었다.
보고 자료에서 답할 수 있는 질문
약물감시는 약을 사용한 뒤 보고된 이상사례를 살피는 일이다. 여기서 사용한 자발보고 자료는 약을 사용한 모든 사람을 빠짐없이 조사한 자료가 아니다. 보고됐다는 사실만으로 그 약이 증상의 원인이라고 판단할 수도 없다.
모형이 보고 자료를 잘 구분하는지와 실제 부작용 발생률을 예측하는지는 다른 질문으로 남겼다. 특정 약재나 처방의 위험도를 매기는 대신, 모델이 어떤 정보를 이용하는지 확인하는 데 연구의 범위를 두고 재현 자료와 원고를 준비했다. 실제 환자에게 쓸 안전성 예측 도구를 검증했다고 주장하지 않는다.
2026년 9월 1일 기술 확인 사항을 반영한 원고를 다시 제출했고, 9월 6일(한국시간) 게재 거절 결정을 받았다. 미출판 신호와 성능 수치는 공개하지 않으며, 평가를 마친 온라인 최종판과 활성 DOI가 확인되면 비교 설계와 해석의 한계를 결과와 함께 설명할 예정이다.