전염병의 확산을 예측하고 통제하는 데 있어 수학적 모델은 매우 중요한 역할을 합니다. 그중에서도 가장 널리 알려진 모델 중 하나가 바로 SIR 모델입니다. 이 모델은 인구를 감염 가능자(Susceptible), 감염자(Infected), 회복자(Recovered) 세 가지 범주로 나누어 전염병이 시간에 따라 어떻게 퍼지는지를 미분방정식을 통해 설명합니다. 이 글에서는 SIR 모델의 기본 개념, 수학적 구조, 해석 방법 등을 자세히 설명합니다.
SIR 모델이란?
SIR 모델은 전염병 모델링의 고전적인 형태로, 전체 인구 \( N \)이 세 가지 집단으로 나뉘어 있다고 가정합니다:
- \( S(t) \): 감염되지 않은 사람(감염 가능자)
- \( I(t) \): 감염된 사람(감염자)
- \( R(t) \): 회복된 사람(면역 보유자)
이들은 다음의 수식 관계를 만족합니다:
\[ N = S(t) + I(t) + R(t) \]
SIR 모델의 수학적 방정식
모델의 핵심은 감염률과 회복률이라는 두 개의 매개변수입니다:
- \( \beta \): 단위 시간당 감염률 (한 감염자가 몇 명을 감염시키는가)
- \( \gamma \): 단위 시간당 회복률 (감염자가 회복하는 비율)
모델의 미분방정식:
\[ \frac{dS}{dt} = -\beta S I \]
\[ \frac{dI}{dt} = \beta S I – \gamma I \]
\[ \frac{dR}{dt} = \gamma I \]
이 방정식은 감염자 수가 증가할수록 감염 가능자는 줄어들고, 일정 비율로 회복자가 증가하는 시스템을 보여줍니다.
기본 재생산수 \( R_0 \)
SIR 모델에서 전염병의 확산 가능성을 나타내는 핵심 지표가 바로 기본 재생산수 \( R_0 \)입니다. 이는 한 명의 감염자가 평균 몇 명에게 감염시키는지를 나타내며, 다음과 같이 정의됩니다:
\[ R_0 = \frac{\beta}{\gamma} \]
\( R_0 > 1 \)이면 전염병은 확산되고, \( R_0 < 1 \)이면 자연스럽게 사라집니다.
초기 조건과 수치 예시
예를 들어 인구가 \( N = 1000 \)명이고, 처음 감염자가 1명일 때 다음과 같은 초기 조건을 설정할 수 있습니다:
- \( S(0) = 999 \)
- \( I(0) = 1 \)
- \( R(0) = 0 \)
감염률 \( \beta = 0.3 \), 회복률 \( \gamma = 0.1 \)일 때, \( R_0 = 3 \)로 감염이 빠르게 확산될 가능성이 높습니다.
SIR 모델의 해석
수치 해석이나 시뮬레이션을 통해 시간에 따른 \( S(t), I(t), R(t) \)의 변화를 시각화할 수 있습니다. 일반적으로 다음과 같은 패턴을 보입니다:
- 초기에는 감염자가 급격히 증가
- 감염자가 정점을 찍은 후 회복자 수가 급증
- 결국 대부분 회복되고, 감염자는 감소
모델의 활용 예시
- 코로나19 확산 예측: 초기 확산 경로와 사회적 거리두기의 효과 분석
- 백신 정책 결정: 어떤 시점에 얼마나 많은 백신이 필요한지 계산
- 학교, 병원 등의 감염 위험 분석: 밀집도와 감염률에 따라 위험도 평가
결론
SIR 모델 개요
전염병 확산을 감염 가능자, 감염자, 회복자로 나누어 시간에 따른 변화를 미분방정식으로 표현합니다.
수학적 구조
감염률과 회복률을 기반으로 한 3개의 상미분방정식으로 구성됩니다.
기본 재생산수 \( R_0 \)
전염병의 확산 가능성을 판단하는 핵심 지표입니다.
시뮬레이션과 예측
초기 조건과 매개변수를 설정하여 미래 감염자 수를 예측할 수 있습니다.
실생활 활용
방역 정책, 백신 배분, 감염 위험 분석 등 다양한 공공보건 전략 수립에 필수적인 도구입니다.
SIR 모델은 단순하지만 강력한 수학적 도구로, 전염병 확산의 동역학을 이해하고 효과적으로 대응하기 위한 기초를 제공합니다.