Bayesian Kernel Machine Regression via Random Fourier Features for Estimating Joint Health Effects of Multiple Exposures

Technische Zusammenfassung: Bayesianische Kernel-Maschinen-Regression mittels Random Fourier Features zur Schätzung gemeinsamer gesundheitlicher Effekte multipler Expositionen

Problemstellung
Die Umweltepidemiologie hat sich traditionell auf Einzelexpositionsanalysen konzentriert, doch Menschen sind gleichzeitig mehreren korrelierten Risikofaktoren ausgesetzt. Die Bayesianische Kernel-Maschinen-Regression (BKMR) ist eine weit verbreitete Methode zur Schätzung der gemeinsamen, nichtlinearen Effekte multipler Expositionen, indem sie die Expositions-Wirkungs-Oberfläche als Realisierung eines Gauß-Prozesses modelliert. BKMR steht jedoch vor erheblichen Rechenengpässen, wenn sie auf große Datensätze angewendet wird. Die Methode erfordert die wiederholte Invertierung einer $n \times n$ großen Kernel-Matrix während der Markov-Chain-Monte-Carlo-Iterationen (MCMC), wobei $n$ die Stichprobengröße ist. Dies macht BKMR für große administrative Gesundheitsdatenbanken (z. B. $n > 5.000$) rechnerisch unpraktikabel. Bestehende Approximationen wie der prädiktive Prozess (unter Verwendung von Knoten/Knots) existieren zwar, leiden aber unter Herausforderungen wie Überglättung (Oversmoothing) und einem Mangel an klarer Orientierung bei der Knotenauswahl in multivariaten Settings.

Methodik: Fast BKMR
Die Autoren schlagen „Fast BKMR“ vor, eine Methode, die die Gauß-Prozess-Zufallseffekte in der BKMR durch supervidierte Random Fourier Features (RFF) ersetzt. Dieser Ansatz nutzt das Bochner-Theorem, welches besagt, dass jeder positive definite, stationäre Kernel als Fourier-Transform der Spektraldichte dargestellt werden kann.

Zentrale methodische Komponenten sind:

• Basiserweiterung: Die Zufallseffekt-Funktion $h(x_i)$ wird durch eine endliche Menge von Basisfunktionen approximiert:
  $$h(x_i) \approx \sum_{j=1}^{J} a_j \cos(\omega_j^T x_i) + b_j \sin(\omega_j^T x_i)$$
  wobei $\omega_j$ Frequenzen sind, die aus einer Spektraldichte gezogen wurden, und $a_j, b_j$ die Koeffizienten der Zufallseffekte sind.
• Supervidiertes Lernen: Im Gegensatz zu standardmäßigen, datenunabhängigen RFF behandelt diese Methode die Frequenzen $\omega_j$ als Zufallsvariablen, die aus den Daten gelernt werden sollen. Dies ermöglicht es den Basisfunktionen, sich adaptiv an die spezifische Expositions-Wirkungs-Oberfläche anzupassen.
• Modell-Reframing: Durch die Verwendung von RFF wird die Kernel-Maschinen-Regression als lineares gemischtes Modell umformuliert. Dies eliminiert die Notwendigkeit, die $n \times n$ große Kernel-Matrix zu invertieren, was die Rechenkomplexität erheblich reduziert.
• Inferenz: Die Bayesianische Inferenz erfolgt mittels MCMC unter Verwendung von Hamiltonian-Monte-Carlo-Algorithmen (HMC). Die Frequenzen $\omega_j$ und die Koeffizienten $(\gamma, a_j, b_j)$ werden in Blöcken aktualisiert. Die Anzahl der Basisfunktionen ($J$) wird mithilfe des Watanabe-Akaike-Informationskriteriums (WAIC) ausgewählt.

Wesentliche Beiträge und Ergebnisse
Die Autoren evaluieren Fast BKMR durch Simulationsstudien und eine reale Anwendung und vergleichen es mit der Standard-BKMR sowie der BKMR mit einem prädiktiven Prozess (PP).

1. Recheneffizienz: Fast BKMR zeigt eine erhebliche Reduktion der Rechenzeit. In Simulationen mit $N=10.000$ und 10 Expositionen dauerte es etwa 6,6 Tage, um ein Modell mit Standard-BKMR mit PP zu fitten, während Fast BKMR nur etwa 1 Tag benötigte (mit $J=1.000$). Für kleinere Basissätze (z. B. $J=5$) war die Reduktion der Zeit sogar noch dramatischer (bis zu 99 % Reduktion). Die Rechenzeit für Fast BKMR skaliert nahezu linear mit der Stichprobengröße und der Anzahl der Basisfunktionen, während BKMR mit PP schlecht mit sowohl der Stichprobengröße als auch der Anzahl der Expositionen skaliert.
2. Schätzgenauigkeit:
   • Starke Korrelation: Wenn die Expositions-Wirkungs-Oberfläche starke Korrelationen aufweist (häufig bei Luftverschmutzungsdaten), übertrifft Fast BKMR die BKMR mit PP, selbst mit einer geringen Anzahl an Basisfunktionen.
   • Kernel-Misspezifikation: In Szenarien, in denen der wahre Kernel vom angenommenen Gauß-Kernel abweicht, behält Fast BKMR eine robuste Performance bei und liefert oft einen niedrigeren Root Mean Squared Error (RMSE) als BKMR mit PP, insbesondere bei einer höheren Anzahl an Expositionen.
   • Parametrische Szenarien: Wenn die wahre Expositions-Wirkungs-Funktion parametrisch (nicht-Gauß-verteilt) ist, erreicht Fast BKMR eine vergleichbare Performance wie die Standard-BKMR, wenn die Anzahl der Basisfunktionen steigt, während es gleichzeitig eine überlegene Geschwindigkeit beibehält.
3. Anwendung auf Geburtsgewicht-Daten: Die Methode wurde auf einen Datensatz mit 273.711 Geburtsregistern aus Georgia angewendet, um die gemeinsamen Effekte von CO, NO$_2$ und PM$_{2,5}$ auf das Geburtsgewicht zu analysieren. Fast BKMR konnte komplexe, nichtlineare gemeinsame Effekte erfolgreich erfassen und lieferte im Vergleich zu Multi-Pollutant-Linearmodellen mit Interaktionstermen engere Posterior-Intervalle. Die Analyse bestätigte, dass steigende Werte von NO$_2$ und PM$_{2,5}$ mit reduziertem Geburtsgewicht assoziiert sind, während die Assoziation für CO positiv, aber statistisch nicht signifikant war.

Bedeutung und Behauptungen
Die Autoren behaupten, dass Fast BKMR das kritische Skalierbarkeitsproblem von BKMR adressiert und somit die Analyse großer administrativer Gesundheitsdatenbanken ermöglicht, die zuvor unpraktikabel waren. Die Methode bietet eine recheneffiziente Alternative, die nicht die Flexibilität opfert, nichtlineare gemeinsame Effekte und Interaktionen zu modellieren.

Das Paper hebt folgende spezifische Vorteile hervor:

• Skalierbarkeit: Es erleichtert die Analyse von Datensätzen mit Zehntausenden von Beobachtungen und multiplen Expositionen.
• Robustheit: Es performt gut, selbst wenn die Expositions-Wirkungs-Oberfläche starke Abhängigkeiten aufweist oder der Kernel misspezifiziert ist.
• Numerische Stabilität: Durch das Vermeiden der Invertierung der Kernel-Matrix umgeht die Methode numerische Singularitätsprobleme, die bei der Gauß-Prozess-Regression auftreten, wenn Expositionen hoch korreliert sind (z. B. wenn Personen im gleichen Census Tract identische Expositionsdaten teilen).
• Flexibilität: Die supervidierte Natur der RFF ermöglicht es den Basisfunktionen, sich an die Daten anzupassen, was einen Vorteil gegenüber deterministischen Expansionen wie der Karhunen–Loève-Expansion darstellt.

Die Autoren weisen auf Limitationen hin, darunter die Tatsache, dass die Methode immer noch zeitaufwendiger ist als nicht-Bayesianische Alternativen (wie WQS oder q-gcomp) und derzeit nur auf kontinuierliche Outcomes anwendbar ist. Sie schlagen vor, dass zukünftige Arbeiten die Variablenselektion mittels Spike-and-Slab-Priors untersuchen und Erweiterungen auf verallgemeinerte lineare Modelle für binäre oder Zähldaten vornehmen könnten.