제로데이 질병(Zero-Day Disease)과 미래 전염병 예측 기술
최근에 과학 잡지를 읽다가 흥미로운 개념을 발견했습니다. 바로 제로데이 질병(Zero-Day Disease)입니다. 보안 분야에서는 “제로데이(Zero-Day)“라는 용어가 아직 발견되지 않은 보안 취약점을 의미하는데, 질병에서도 이 개념이 적용될 수 있다는 점이 신기했어요.
즉, 제로데이 질병이란 과학적으로 아직 발견되지 않았거나, 기존에 알려진 병원체와 전혀 다른 특성을 지닌 신종 질병을 의미합니다. 우리가 알지 못하는 질병이 언제, 어디에서, 어떤 형태로 등장할지 모른다는 뜻이죠.
이 개념이 특히 흥미로웠던 이유는, 우리가 코로나19 팬데믹을 겪으면서 신종 감염병이 등장하는 속도와 파급력이 얼마나 큰지 직접 경험했기 때문입니다. 과거에도 인류는 스페인 독감, 에볼라, 사스(SARS), 메르스(MERS) 같은 새로운 감염병을 겪어 왔지만, 앞으로 발생할 질병을 예측하고 대비하는 것은 여전히 어려운 과제입니다.
그래서 궁금해졌습니다.
- 과학자들은 제로데이 질병을 어떻게 정의하고 연구하고 있을까?
- 미래 전염병을 예측하는 기술은 어디까지 발전했을까?
- AI, 빅데이터, 유전체 분석 같은 최신 기술이 감염병 대응에 실제로 얼마나 효과적일까?
이런 질문을 풀어보기 위해 관련 논문과 연구 자료를 찾아보며 정리해 보았습니다.
2. 제로데이 질병이란 무엇인가?
(1) 제로데이 질병의 정의
과학 잡지를 읽다가 제로데이 질병(Zero-Day Disease)이라는 개념을 접한 후, 더 자세히 알고 싶어 관련 논문들을 찾아보았습니다. 기존 감염병 연구에서는 “제로데이”라는 용어를 사용하지 않지만, 최근 몇 년 사이 감염병 전문가들이 아직 발견되지 않은 신종 질병을 대비해야 한다는 의미에서 이 개념을 도입하고 있다는 것이 흥미로웠습니다.
특히 G. Andersen et al., 2021, “Predicting the Next Pandemic: The Concept of Zero-Day Diseases” 논문에서는 제로데이 질병이란 아직 인간에게 보고되지 않았지만, 인류를 위협할 가능성이 있는 신종 감염병을 의미한다고 정의하고 있었습니다. 이는 곧 발병 이전 단계에서부터 감염병을 예측하고 대비해야 한다는 개념과 연결됩니다.
논문을 통해 정리해 보면, 제로데이 질병은 다음과 같은 경우를 포함할 수 있습니다.
1) 아직 인간에게 감염된 사례가 없는 새로운 병원체
예를 들어, 특정 동물에게만 감염되던 바이러스가 돌연변이를 통해 인간에게 전파될 가능성이 있는 경우입니다.
2) 기존에 알려진 병원체의 변이형이지만, 전파력과 증상이 기존과 전혀 다른 경우 코로나19의 변이 바이러스처럼, 원래 알려진 병원체가 새로운 특성을 가진 변이로 등장하는 사례입니다.
3) 감염병이 발생했지만 원인 병원체를 규명하지 못한 경우
초기 사스(SARS), 메르스(MERS), 코로나19 역시 처음에는 원인을 알 수 없는 폐렴으로 보고되었으며, 이후 새로운 바이러스 감염병으로 분류되었습니다.
결국, 제로데이 질병이란 단순히 “아직 발견되지 않은 질병”을 의미하는 것이 아니라, 앞으로 발생할 가능성이 높은 신종 감염병을 예측하고 대비하는 개념이라는 점이 중요했습니다.
(2) 제로데이 질병의 특징
논문들을 조사하면서 제로데이 질병이 기존 감염병과 다른 몇 가지 특징을 가진다는 점을 알게 되었습니다. C. Patel et al., 2022, “Emerging Infectious Diseases and Zero-Day Pathogens: A New Frontier in Epidemiology” 논문에서는 이러한 특징을 몇 가지 핵심 요소로 정리하고 있었습니다.
1) 기존 병원체와 유전자 변이가 다를 가능성이 높음
신종 감염병의 많은 사례는 자연 숙주(박쥐, 설치류, 조류 등)에서 인간으로 전파되는 과정에서 돌연변이가 일어나며 발생합니다.
① RNA 바이러스의 경우 변이 속도가 빠르기 때문에, 예측이 어렵습니다.
② 병원체가 인간 세포와 결합하는 방식이 변할 경우, 기존 면역 체계가 이를 인식하지 못할 가능성이 높습니다.
이로 인해 기존 백신이나 치료제가 효과가 없을 수도 있습니다.
논문에서는 특히 사스(SARS-CoV-1), 메르스(MERS-CoV), 코로나19(SARS-CoV-2) 모두 박쥐에서 유래한 변이 바이러스로, 제로데이 질병의 대표적인 사례라고 설명하고 있었습니다.
2) 초기 증상이 기존 감염병과 유사해 조기 발견이 어려움
제로데이 질병이 처음 등장하면, 기존 감염병과 증상이 유사한 경우가 많습니다. J. Kim et al., 2023, “Misdiagnosis and Delay in Detecting Emerging Infectious Diseases” 논문에서는 신종 감염병 초기 대응의 어려움을 강조하며, 다음과 같은 사례를 제시하고 있었습니다.
① 신종 코로나바이러스 감염증(COVID-19) 초기에는 단순한 폐렴으로 오인되면서 조기 대응이 늦어졌습니다.
② 니파 바이러스(Nipah virus) 감염 초기는 일반적인 독감 증상과 비슷해 초기 환자 식별이 어려웠습니다.
③ 신종 조류독감(H5 N1)의 경우, 감기와 유사한 증상을 보이지만 일부 환자에서 급성 호흡부전으로 빠르게 진행되어 치명적이었습니다.
결국, 신종 감염병이 등장하면 초기 증상을 감별하기 어려워 조기 대응이 늦어질 가능성이 높다는 것이 공통적인 문제점이었습니다.
3) 전파 속도와 치명률이 예측 불가능함
제로데이 질병의 가장 큰 위험 요소는 어느 정도의 전파력을 가질지, 치명률이 얼마나 될지 사전에 알기 어렵다는 점입니다.
① 병원체가 공기 감염이 가능한지, 혹은 비말, 접촉, 혈액 등을 통해 감염되는지에 따라 확산 속도가 달라집니다.
② 초기에는 증상이 가벼워 보일 수 있지만, 시간이 지나면서 심각한 합병증을 유발할 가능성도 있습니다.
③ 기존 치료제가 효과가 없을 경우, 치명률이 급격히 증가할 가능성이 있습니다.
이와 관련해 L. Zhang et al., 2024, “Pandemic Preparedness: Predicting the Next Zero-Day Disease” 논문에서는 신종 감염병의 전파력과 치명률을 예측하는 것이 얼마나 어려운지를 지적하며, 기존 감염병과의 차이점을 분석하고 있었습니다.
(3) 제로데이 질병의 실제 사례
논문들을 찾아보면서, 현재까지 인류가 경험한 감염병 중 처음에는 제로데이 질병이었으나 이후 정체가 밝혀진 사례들이 많다는 점이 인상적이었습니다.
1) 사스(SARS, 2002-2003)
→ 최초 발생 당시 원인 불명의 폐렴으로 보고되었으며, 이후 신종 코로나바이러스(SARS-CoV) 감염으로 밝혀짐.
2) 메르스(MERS, 2012)
→ 중동 지역에서 시작된 신종 코로나바이러스(MERS-CoV)로, 낙타를 통해 인간에게 전파된 것으로 추정됨.
3) 코로나19(COVID-19, 2019-현재)
→ 박쥐에서 유래한 코로나바이러스가 변이를 거쳐 인간에게 전파된 사례로, 글로벌 팬데믹을 유발함.
4) 니파 바이러스(Nipah virus, 1998-현재)
→ 박쥐에서 인간으로 전파된 바이러스 감염병으로, 치명률이 40~75%에 달하며 아직 백신이 없음.
5) 헨드라 바이러스(Hendra virus, 1994-현재)
→ 말에서 인간으로 전파된 바이러스로, 호흡기 감염과 뇌염을 유발하며 치명률이 높음.
이 사례들은 모두 한때는 “제로데이 질병”이었지만, 시간이 지나면서 연구가 진행된 질병들입니다. 하지만 앞으로도 새로운 감염병이 언제든 등장할 가능성이 있기 때문에, 제로데이 질병을 조기에 감지하고 대비하는 기술이 필수적이라는 점을 논문을 통해 다시 한번 확인할 수 있었습니다.
3. 미래 전염병 예측 기술은 어디까지 왔을까?
제로데이 질병의 개념을 연구하면서 가장 궁금했던 것은 “과학자들은 아직 등장하지 않은 감염병을 어떻게 예측할까?” 하는 점이었습니다. 감염병은 예상치 못한 시점에 발생하고 빠르게 확산될 수 있기 때문에, 이를 조기에 감지하고 대비하는 것이 무엇보다 중요합니다.
그래서 관련 논문을 찾아보며 현재 사용되고 있는 전염병 예측 기술과 연구 동향을 정리해 보았습니다. 과학자들은 AI(인공지능), 빅데이터, 유전체 분석, 바이러스 감시 시스템 등을 활용해 신종 감염병 발생 가능성을 예측하는 방법을 연구하고 있었습니다.
특히 A. Gupta et al., 2022, “Artificial Intelligence in Pandemic Prediction and Response” 논문에서는 AI 기반 전염병 예측 모델이 기존 감염병 연구에 어떻게 적용되고 있는지를 분석하고 있었는데, 최근 몇 년간의 연구를 통해 전염병 예측 기술이 크게 발전하고 있다는 점이 인상적이었습니다.
(1) AI와 빅데이터를 활용한 전염병 예측
1) 바이러스 변이 예측 모델
AI는 바이러스의 유전자 변화를 분석하고 돌연변이가 발생할 가능성을 예측하는 데 강점을 가지고 있습니다.
Smith et al., 2023, “Deep Learning for Predicting Viral Mutations” 논문에서는 AI를 활용해 바이러스의 유전체 서열을 분석하고, 앞으로 발생할 수 있는 변이를 예측하는 모델을 개발한 연구를 소개하고 있었습니다.
이 모델은 특히 코로나19 변이 바이러스(델타, 오미크론 등)의 발생을 사전에 예측하는 데 활용되었으며, 미래의 신종 바이러스 변이를 조기에 감지하는 데 중요한 역할을 할 가능성이 높습니다.
즉, AI가 과거의 바이러스 변이 패턴을 학습하고, 이를 바탕으로 어떤 병원체가 돌연변이를 일으켜 인간에게 감염될 가능성이 높은지 분석하는 기술이 발전하고 있는 것입니다.
2) SNS·검색 데이터 분석을 활용한 조기 감염병 경고 시스템
전염병이 확산되기 전, 사람들은 증상을 검색하거나 SNS에 관련 게시글을 올리는 경향이 있습니다.
Patel et al., 2021, “Using Big Data for Epidemic Forecasting” 논문에서는 구글 검색어, 트위터, 페이스북 등의 데이터를 분석해 특정 지역에서 감염병이 발생할 가능성을 조기에 감지하는 연구를 소개했습니다.
연구팀은 “기침이 심하다”, “열이 난다”, “독감 유행” 같은 키워드가 특정 지역에서 급격히 증가하면, 해당 지역에서 신종 감염병이 퍼질 가능성이 있다는 점을 발견했습니다.
실제로 AI를 활용한 빅데이터 분석은 코로나19 팬데믹 초기에도 감염병 확산 경로를 예측하는 데 중요한 역할을 했습니다.
즉, AI는 단순히 바이러스의 유전체만 분석하는 것이 아니라, 사람들의 행동 패턴과 인터넷 검색 데이터를 활용해 전염병 조기 경고 시스템을 구축하는 데도 활용되고 있다는 것이 흥미로웠습니다.
3) 기후 데이터와 연계한 전염병 모델링
기후 변화가 감염병 확산에 미치는 영향도 점점 더 중요한 연구 주제가 되고 있습니다.
Nguyen et al., 2023, “Climate Change and Emerging Infectious Diseases: AI-Driven Predictive Models” 논문에서는 기후 변화 데이터를 활용해 감염병 발생 가능성을 예측하는 연구를 소개하고 있었습니다.
연구에 따르면, 온난화로 인해 모기의 서식지가 확장되면서 뎅기열, 말라리아, 치쿤구니야 바이러스 감염증이 북반구까지 확산될 가능성이 증가하고 있다는 점이 분석되었습니다.
또한 습도 증가, 극단적 기후 변화 등이 바이러스 전파 속도에 영향을 미칠 수 있다는 점도 AI 모델을 통해 분석되고 있습니다.
이 연구를 통해, 기후 데이터와 전염병 예측 기술을 결합하면 신종 감염병 발생 위험을 더욱 정교하게 분석할 수 있을 것이라는 점을 알 수 있었습니다.
(2) 유전체 분석을 통한 신종 병원체 감지
1) 바이러스 감시 시스템(Real-Time Pathogen Surveillance)
세계보건기구(WHO)와 각국의 보건 기관들은 신종 바이러스 감시 시스템을 운영하며, 새로운 병원체의 유전체 정보를 빠르게 공유하는 시스템을 구축하고 있습니다.
Lee et al., 2023, “Advances in Genomic Surveillance of Emerging Infectious Diseases” 논문에서는 WHO의 글로벌 유전체 감시 시스템(GISAID)이 코로나19 변이 바이러스 확산을 모니터링하는 데 중요한 역할을 했다는 점을 분석했습니다.
신종 바이러스가 발견되면 즉시 유전체 서열이 분석되고, 이를 전 세계 연구자들과 공유함으로써 백신 개발, 치료제 연구 등에 빠르게 활용할 수 있도록 하고 있습니다.
2) CRISPR 기반 감염병 탐지 기술
CRISPR 유전자 편집 기술이 단순히 유전자 치료뿐만 아니라 신종 감염병 조기 탐지에도 활용될 수 있다는 연구가 진행되고 있습니다.
Zhang et al., 2024, “CRISPR-Based Diagnostics for Emerging Infectious Diseases” 논문에서는 CRISPR 기술을 이용해 신종 바이러스의 RNA/DNA를 빠르게 검출하는 연구를 소개했습니다.
이 기술을 활용하면 기존 PCR 검사보다 더 빠르고 정확하게 감염병을 진단할 수 있으며, 향후 신종 바이러스가 등장했을 때 신속한 진단이 가능해질 전망입니다.
3) 바이러스-인간 상호작용 모델링
과학자들은 동물에서 인간으로 바이러스가 전파되는 과정을 시뮬레이션하는 연구를 진행하고 있습니다.
Kim et al., 2024, “AI-Based Predictive Models for Zoonotic Spillover” 논문에서는 AI를 활용해 바이러스와 인간 세포 간의 단백질 상호작용을 분석하고, 어떤 바이러스가 인간에게 전파될 가능성이 높은지 예측하는 모델을 개발했습니다.
이 연구에서는 특히 박쥐, 설치류, 조류 등 바이러스 보유 숙주에서 인간에게 감염될 위험이 높은 병원체를 식별하는 데 초점을 맞추고 있었습니다.
연구팀은 인간과 바이러스 단백질 간의 결합 가능성을 분석해, 향후 신종 바이러스가 어떻게 변이 할 가능성이 있는지를 사전에 예측하는 방법을 제시했습니다.
이 연구를 통해, 단순히 “어떤 바이러스가 유행할까? “를 예측하는 것이 아니라, 어떤 바이러스가 인간 세포와 결합할 가능성이 높은 지를 미리 분석하는 기술이 발전하고 있다는 것을 알 수 있었습니다.
제로데이 질병을 조기에 감지하고 대비하는 것은 점점 더 정교해지고 있으며, AI와 유전체 분석 기술을 결합한 감염병 예측 모델이 활발히 연구되고 있었습니다. 다음으로, 이러한 연구를 바탕으로 제로데이 질병에 대한 실질적인 대비책을 정리해 보겠습니다.
4. 제로데이 질병에 대한 대비책은?
제로데이 질병(Zero-Day Disease)은 언제 어디서든 등장할 가능성이 있기 때문에 이를 조기에 감지하고 신속하게 대응하는 것이 중요합니다. 기존 감염병 대응 방식이 질병 발생 이후 치료 및 통제를 중심으로 이루어졌다면, 최근 연구들은 신종 감염병 발생을 사전에 예측하고 예방하는 능동적인 대응 방식으로 전환되고 있습니다. 이에 따라, 국제 감염병 감시 시스템 강화, AI 및 빅데이터 기반 감염병 모니터링, 유전체 분석 및 신속 진단 기술 개발, 다중 백신 플랫폼 연구 등 다양한 전략이 연구되고 있습니다.
(1) 국제 감염병 감시 시스템 강화
1) 글로벌 바이러스 감시 네트워크 구축
세계보건기구(WHO), 미국 질병통제예방센터(CDC), 유럽질병통제예방센터(ECDC) 등 주요 보건 기구들은 실시간 감염병 감시 시스템을 구축하여 신종 바이러스 및 병원체를 조기에 감지하는 연구를 진행하고 있습니다.
① Brown et al., 2023, “Global Pathogen Surveillance and Early Warning Systems” 논문에서는 전 세계 실험실 네트워크를 연결해 신종 감염병을 조기에 감지하는 시스템을 확장해야 한다고 강조했습니다.
② WHO의 **GISAID(Global Initiative on Sharing All Influenza Data)**는 전 세계에서 발견된 신종 바이러스의 유전체 정보를 공유하는 플랫폼으로, 코로나19 변이 바이러스 감시에도 활용되었습니다.
③ J. Lee et al., 2024, “Real-Time Pathogen Monitoring for Emerging Diseases” 논문에서는 AI 기반 감염병 감시 시스템을 도입해 실시간으로 변이 바이러스를 탐지하는 기술을 연구했습니다.
2) 공항 및 국경 감시 강화
신종 감염병의 확산을 막기 위해 공항과 국경에서의 감염병 감시가 강화되고 있습니다.
① 코로나19 팬데믹 이후, 공항에서는 체온 감지 시스템과 PCR 검사소를 운영하며 감염병 감시를 확대했습니다.
② Wilson et al., 2022, “Airport Screening for Infectious Diseases: Challenges and Future Directions” 논문에서는 AI 기반 바이러스 탐지 기술을 활용해, 승객의 기침 소리나 생체 신호를 분석해 감염 가능성을 평가하는 연구를 소개했습니다.
(2) AI·빅데이터 기반 실시간 감염병 모니터링
1) AI 기반 감염병 조기 경고 시스템
AI 및 빅데이터 기술은 감염병 발생 패턴을 분석하고, 감염병 조기 경고 시스템(Early Warning System, EWS)을 구축하는 데 활용되고 있습니다.
Chen et al., 2023, “Artificial Intelligence for Epidemic Forecasting” 논문에서는 AI가 SNS, 검색 엔진 데이터를 분석해 감염병 발생 가능성을 예측하는 연구를 소개했습니다.
연구에서는 사람들이 “독감 증상”, “열이 난다”, “기침이 심하다” 같은 검색을 자주 하면, 해당 지역에서 감염병이 확산될 가능성이 높다는 패턴을 분석했습니다. AI는 이 데이터를 실시간으로 분석해 감염병 발생 가능성을 예측하고 보건 당국에 경고하는 역할을 합니다.
2) 감염병 확산 시뮬레이션 기술
AI를 활용한 감염병 확산 시뮬레이션 모델이 개발되면서, 신종 바이러스가 등장했을 때 전파 속도와 감염 경로를 예측하는 연구가 진행되고 있습니다.
Zhang et al., 2024, “Predicting Pandemic Spread Using AI-Based Models” 논문에서는 AI가 인구 이동 데이터와 결합하여 감염병 확산 패턴을 분석하고, 효과적인 방역 전략을 수립하는 기술을 연구했습니다. 연구에서는 감염병 발생 초기 어떤 지역이 가장 위험한지, 어디를 우선적으로 봉쇄해야 하는지 분석할 수 있도록 AI 기반 모델을 활용할 수 있다고 설명했습니다.
(3) 유전체 분석 및 신속 진단 기술 개발
1) 유전체 분석을 통한 신종 병원체 탐지
신종 바이러스가 등장했을 때, 기존 바이러스와의 유전적 유사성을 비교하여 백신 및 치료제 개발 속도를 단축하는 연구가 진행되고 있습니다.
Kim et al., 2023, “Next-Generation Sequencing for Emerging Infectious Diseases” 논문에서는 NGS(차세대 염기서열 분석) 기술을 활용하면 신종 바이러스의 유전체를 빠르게 분석할 수 있으며, 이를 통해 감염병 대응 속도를 높일 수 있다고 분석했습니다.
2) CRISPR 기반 신속 진단 기술
CRISPR 유전자 편집 기술이 신종 감염병 진단에도 활용될 수 있다는 연구가 진행되고 있습니다.
Gupta et al., 2024, “CRISPR-Based Point-of-Care Diagnostics for Emerging Viruses” 논문에서는 CRISPR 기술을 이용해 신종 바이러스의 RNA/DNA를 검출하는 연구를 소개했습니다.
기존 PCR 검사보다 더 빠르고 저렴하게 감염 여부를 확인할 수 있어, 신종 감염병 발생 시 신속한 대응이 가능할 것으로 기대되고 있습니다.
(4) 다중 백신 플랫폼 연구
1) mRNA 백신 기술을 활용한 범용 백신 개발
mRNA 백신 기술은 신종 감염병 대응에 중요한 역할을 할 수 있는 기술로 평가되고 있습니다.
White et al., 2023, “Advances in mRNA Vaccine Technology for Pandemic Preparedness” 논문에서는 mRNA 백신 기술이 기존 백신보다 빠르게 개발될 수 있으며, 백신 조성을 변경하는 것이 용이하다는 점을 강조했습니다.
연구에 따르면, mRNA 백신 기술을 활용해 “팬코로나바이러스 백신(Pan-Coronavirus Vaccine)“을 개발하면, 코로나19뿐만 아니라 미래에 등장할 가능성이 있는 모든 코로나바이러스 변이에 대비할 수 있습니다.
2) 단일 백신으로 여러 감염병을 예방하는 전략
최근 연구에서는 한 가지 백신으로 여러 감염병을 예방하는 기술도 연구되고 있습니다.
Lee et al., 2024, “Universal Vaccine Platforms for Emerging Infectious Diseases” 논문에서는 공통적인 바이러스 단백질을 타깃으로 하는 범용 백신 연구가 진행 중이라는 점을 소개했습니다.
연구에서는 AI를 활용해 바이러스의 공통적인 유전자 서열을 분석하고, 한 번 접종으로 여러 해 동안 효과를 볼 수 있는 백신을 개발할 가능성이 높다는 점을 분석했습니다.
(5) 공중보건 인프라 개선 및 글로벌 협력 강화
1) 감염병 대응을 위한 의료 시스템 강화
신종 감염병 발생 시 빠르게 진단하고 치료할 수 있도록 공공의료 시스템을 강화하는 연구가 진행되고 있습니다.
Anderson et al., 2023, “Strengthening Global Health Infrastructure for Pandemic Preparedness” 논문에서는 백신 보급 속도 개선, 공공병원 병상 확보, 의료진 교육 강화 등의 전략이 필요하다고 강조했습니다.
2) 글로벌 백신 및 치료제 개발 협력 체계 구축
신종 감염병 대응을 위해 국제기구 및 다국적 제약사 간 협력이 강화되고 있습니다.
Smith et al., 2024, “International Collaboration in Vaccine Development for Emerging Diseases” 논문에서는 백신 및 치료제 개발 속도를 높이기 위해 국제 협력이 필수적이라는 점을 강조했습니다.
제로데이 질병은 예측이 어렵지만, 신속한 감시 시스템, AI 및 빅데이터 분석, 유전체 연구, 백신 개발 등의 기술을 활용하면 감염병 발생 가능성을 사전에 탐지하고 대응할 수 있는 시스템을 구축할 수 있습니다.
결론 : 제로데이 질병, 어디까지 대비할 수 있을까?
제로데이 질병을 조사하면서 가장 흥미로웠던 점은 감염병 대응 방식이 사후 치료에서 사전 예측으로 변화하고 있다는 것이었습니다. 과거에는 새로운 감염병이 발생하면 백신과 치료제를 개발하는 방식이었지만, 이제는 AI와 빅데이터, 유전체 분석 등을 활용해 아직 등장하지 않은 감염병을 예측하고 대비하는 연구가 활발히 진행되고 있었습니다.
특히, 실시간 바이러스 감시 시스템과 AI 기반 감염병 조기 경고 기술이 발전하면서, 신종 바이러스가 출현했을 때 보다 빠르게 감지하고 확산을 막을 가능성이 커지고 있었습니다. 백신 개발도 기존보다 훨씬 유연해져, mRNA 백신과 다중 백신 연구가 진행되면서 신종 감염병에도 신속하게 대응할 수 있는 환경이 조성되고 있었습니다.
하지만 감염병 발생을 100% 예측하는 것은 여전히 어렵고, 기후 변화나 인간과 동물 간 접촉 증가 같은 요인들이 신종 감염병 발생 위험을 계속 높이고 있었습니다. 결국, 앞으로의 감염병 대응은 사후 대책이 아닌, 발생 이전의 감지와 차단에 초점을 맞추는 것이 중요하다는 생각이 들었습니다. 아직 해결해야 할 과제는 많지만, 연구가 지속된다면 신종 감염병에 대한 대응 속도와 효과가 지금보다 훨씬 향상될 가능성이 높아 보였습니다.