희귀 질환 검사 양성 시 '진짜 환자 확률' 베이즈 정리 시뮬레이터
정확도 99%인 정밀 검사에서 "양성"을 받았는데, 실제 환자일 확률은 고작 9%? 사전 발병률과 조건부 확률에 따른 '위양성의 역설(False Positive Paradox)'을 1,000명 격자 시각화로 직접 확인하세요.
📐 베이즈 추론 역확률 원리 (Bayes' Theorem)
베이즈 조건부 확률 수식
P(Disease|Positive) = [ P(Positive|Disease) × P(Disease) ] ÷ P(Positive)
양성 판정 시 진짜 환자 확률(사후 확률) = [ 민감도 × 발병률 ] ÷ [ (민감도 × 발병률) + (1 - 특이도) × (1 - 발병률) ]
💡 대표 시나리오 선택
%
%
%
⚠️ 극심한 위양성의 역설 (< 15%)
🔬 발병률 0.1% / 민감도 99% / 특이도 99%
양성 판정 시 진짜 환자일 확률 (사후 확률)
9.02
%
양성 판정자 중 90.98%가 가짜 양성(정상인)입니다.
📊 양성 판정 진짜 환자 확률(사후 확률) 게이지
사후 확률 9.02% (극심한 위양성의 역설)
0% (극심한 역설)
15% (경고)
50% (신뢰 분기)
80% (고정밀)
100% (완전 일치)
검사에서 "양성" 판정을 받았지만, 실제 환자일 확률은 9.02%에 불과합니다! 양성 판정자의 90.98%가 가짜 양성(정상인)입니다.
진짜 환자 확률
위양성
9.02%
양성자 중 환자
양성 통보자 중 실제 질환 보유자 비율
가짜 양성 비중
위험
90.98%
양성자 중 정상
양성 판정을 받은 정상인의 억울한 비율
총 양성자 (1천명)
11명
11명
진양성1+위양10
1,000명 중 양성 반응이 나온 총 인원수
정상인 위양성률
1.0%
1.00%
1 - 특이도(FPR)
건강한 정상인이 양성 판정을 받을 확률
📊 1,000명 격자 점 시각 증명 (Visual Grid Proof)
가상의 1,000명 전체 집단에서 검사를 실시했을 때의 판정 결과를 점 격자로 분해 시각화합니다.
📈 발병률(Prevalence) 변화에 따른 사후 확률 스펙트럼
동일한 검사 정확도에서도 대상 집단의 사전 발병률에 따라 진짜 환자일 확률이 어떻게 바뀌는지 비교합니다.
| 사전 발병률 | 1,000명 중 진짜 환자 | 1,000명 중 가짜 양성 | 양성 판정 시 진짜 환자 확률 | 위양성(가짜 양성) 비율 | 상태 판정 |
|---|
왜 99% 정확도 검사가 틀릴까요?
- 희귀 질환의 모수 비대칭: 1,000명 중 정상인이 999명이므로 1%의 사소한 오차만으로도 10명의 가짜 양성이 발생합니다.
- 진짜 환자의 절대 부족: 진짜 환자는 단 1명에 불과하므로, 양성 통보를 받은 11명 중 10명(91%)이 건강한 사람입니다.
- 사전 확률(발병률)의 결정력: 아무리 검사 도구가 정밀해도 대상 질환의 사전 발병률이 극히 낮으면 위양성의 역설을 피할 수 없습니다.
의료 현장 2차 검사 및 AI 필터링 원리
- 2차 확진 검사의 수학: 1차 양성을 받은 순간 사전 발병률이 0.1%에서 9%로 급증하므로, 2차 검사 통과 시 진짜 확률은 90% 이상으로 수렴합니다.
- 선별검사의 본질: 1차 스크리닝은 환자를 놓치지 않는 '민감도'가 핵심이며, 이후 고정밀 검사로 위양성을 걸러냅니다.
- AI 이상 탐지 응용: 금융 이상 거래, 스팸 필터링, 자율주행 돌발 상황 등 희귀 사건 감지 AI의 핵심 설계 표준으로 작동합니다.
클립보드에 결과가 복사되었습니다!
💡 자주 묻는 질문 (FAQ)
Q 검사 정확도가 99%인데 왜 양성 판정 시 진짜 환자일 확률이 9%밖에 안 되나요?
이는 "위양성의 역설(False Positive Paradox)"로, 질환의 기본 발병률(사전 확률, Prevalence)이 0.1%(1,000명 중 1명)로 매우 희귀하기 때문입니다. 1,000명 중 정상인 999명의 1%(99% 특이도)인 약 10명이 "가짜 양성(위양성)"으로 판정됩니다. 진짜 환자 양성 1명과 가짜 양성 10명을 더한 총 11명의 양성자 중 진짜 환자는 1명뿐이므로, 진짜 환자일 확률은 1/11 ≈ 9.09%에 불과합니다.
Q 베이즈 정리(Bayes' Theorem)란 무엇이며 어떻게 작동하나요?
베이즈 정리는 새로운 증거(검사 양성 결과 B)가 주어졌을 때 기존의 믿음/발병률(사전 확률 A)을 최신 확률(사후 확률 P(A|B))로 업데이트하는 조건부 확률 공식입니다. 수식 P(A|B) = P(B|A)P(A) / P(B)를 적용하여 검사 결과의 진실성을 수학적으로 계산합니다.
Q 민감도(Sensitivity)와 특이도(Specificity)는 무엇인가요?
민감도(Sensitivity)는 진짜 환자를 검출하는 확률(진양성률)이며, 특이도(Specificity)는 정상인을 음성으로 올바르게 판정하는 확률(진음성률)입니다. 특이도가 99%라는 것은 정상인이 위양성(가짜 양성)으로 판정될 확률이 1%라는 것을 의미합니다.
Q 양성 판정 시 진짜 환자 확률(사후 확률)을 높이려면 어떻게 해야 하나요?
재검사(2차 검사)를 수행하거나 증상이 있는 고위험군을 대상으로 검사하여 사전 발병률(Prevalence)을 높이는 방법이 있습니다. 1차 양성 판정자의 사후 확률(9%)을 사전 확률로 삼아 2차 검사를 실시하면 양성 시 진짜 환자 확률이 90% 이상으로 급격히 상승합니다.