Variable Domain Multivariate Functional Principal Component Analysis

तकनीकी सारांश: परिवर्तनीय डोमेन मल्टीवेरिएट फंक्शनल प्रिंसिपल कंपोनेंट एनालिसिस (Variable Domain Multivariate Functional Principal Component Analysis)

समस्या विवरण
मल्टीवेरिएट फंक्शनल प्रिंसिपल कंपोनेंट एनालिसिस (MFPCA) उन डेटासेट्स में आयामी न्यूनीकरण (dimension reduction) के लिए एक मानक तकनीक है जिनमें एक ही विषयों पर कई कार्यात्मक चर (जैसे, महत्वपूर्ण संकेतों के टाइम-सीरीज) देखे जाते हैं। हालांकि, मौजूदा MFPCA ढांचे, जैसे कि हैप और ग्रेवन [2018] का व्यापक दृष्टिकोण, एक महत्वपूर्ण धारणा पर निर्भर करते हैं: सभी कार्यात्मक अवलोकनों को एक सामान्य, निश्चित डोमेन पर रिकॉर्ड किया जाना चाहिए। व्यावहारिक अनुप्रयोगों में, विशेष रूप से अनुदैर्ध्य बायोमेडिकल अध्ययनों (longitudinal biomedical studies) में, यह धारणा अक्सर खंडित हो जाती है। विषयों के पास अलग-अलग अवलोकन काल हो सकते हैं जो विभेदी प्रवेश समय, अस्पताल में रुकने की परिवर्तनशील अवधि, या शीघ्र ड्रॉपआउट जैसे कारकों के कारण होते हैं। इसके परिणामस्वरूप "परिवर्तनीय डोमेन कार्यात्मक डेटा" (variable domain functional data) प्राप्त होता है, जहाँ डोमेन की लंबाई $T_i$ विभिन्न विषयों के लिए भिन्न होती है।

इस समस्या के वर्तमान 'एड-हॉक' समाधानों में शामिल हैं: या तो डोमेन के एक सामान्य उपसमुच्चय तक विश्लेषण को सीमित करना (जिससे लंबे अवलोकन काल वाले विषयों के मूल्यवान डेटा को छोड़ दिया जाता है) या समान डोमेन लंबाई वाले विषयों को समूहों (bins) में बांटना (जो मनमाना विविक्तीकरण/discretization पेश करता है और डोमेन लंबाई के साथ सहप्रसरण संरचना की निरंतर निर्भरता को मॉडल करने में विफल रहता है)। जबकि जॉन्स एट अल. [2019] ने एक यूनिवेरिएट सेटिंग में परिवर्तनीय डोमेन को संबोधित किया था, कोई भी मौजूदा ढांचा प्रभावी रूप से मल्टीवेरिएट मामले को नहीं संभाल पाता है जहाँ कई चर अलग-अलग, संभावित रूप से भिन्न डोमेन पर देखे जाते हैं।

कार्यप्रणाली
लेखक एक नवीन ढांचा, वेरिएबल डोमेन MFPCA (VD-MFPCA) प्रस्तावित करते हैं, जो जॉन्स एट अल. [2019] के यूनिवेरिएट वेरिएबल डोमेन FPCA को मल्टीवेरिएट सेटिंग में विस्तारित करता है। कार्यप्रणाली चार विशिष्ट चरणों में आगे बढ़ती है:

1. यूनिवेरिएट वेरिएबल डोमेन FPCA: प्रत्येक कार्यात्मक चर $j$ के लिए, लेखक अलग से जॉन्स एट अल. [2019] के दृष्टिकोण को लागू करते हैं। इसमें माध्य फलन (mean function) $\mu_j(t, T_i)$ और सहप्रसरण फलन (covariance function) $\gamma_j(t, s, T_i)$ को एक जनरलाइज्ड एडिटिव मॉडल फ्रेमवर्क के भीतर पेनलाइज्ड थिन प्लेट स्प्लाइन्स (PTPS) का उपयोग करके समय $t$ और डोमेन लंबाई $T_i$ दोनों के सुचारू फलन के रूप में मॉडल किया जाता है। इससे यूनिवेरिएट आइगेनफंक्शंस $\hat{\psi}^j_k(t, T_i)$ और स्कोर्स $\hat{\xi}^j_{ik}(T_i)$ प्राप्त होते हैं जो स्पष्ट रूप से विषय की डोमेन लंबाई पर निर्भर करते हैं।
2. यूनिवेरिएट स्कोर्स का स्टैकिंग: प्रत्येक विषय के यूनिवेरिएट स्कोर्स को एक एकल वेक्टर $\xi_i(T_i)$ में स्टैक किया जाता है।
3. डोमेन लंबाई के फलन के रूप में स्कोर सहप्रसरण का मॉडलिंग: यह मुख्य नवाचार है। लेखक पहचानते हैं कि स्टैक्ड स्कोर्स का सहप्रसरण मैट्रिक्स, $C(T_i) = \text{Cov}(\xi_i | T = T_i)$, डोमेन लंबाई पर निर्भर करता है। एक निश्चित सहप्रसरण संरचना मानने के बजाय, वे अनुभवजन्य सहप्रसरण मैट्रिक्स के प्रत्येक अद्वितीय तत्व को $T$ के सुचारू फलन के रूप में पेनलाइज्ड स्प्लाइन्स का उपयोग करके मॉडल करते हैं। यह किसी भी डोमेन लंबाई के लिए एक सुचारू सहप्रसरण मैट्रिक्स $\hat{C}(T)$ के अनुमान की अनुमति देता है।
4. मल्टीवेरिएट आइगेनडीकंपोजिशन: किसी भी विशिष्ट डोमेन लंबाई $T$ के लिए, अनुमानित सहप्रसरण मैट्रिक्स $\hat{C}(T)$ को मल्टीवेरिएट आइजनवैल्यू $\nu_m(T)$ और आइजनवेक्टर्स $c_m(T)$ प्राप्त करने के लिए डीकंपोज किया जाता है। इनका उपयोग मल्टीवेरिएट स्कोर्स $\rho_{im}(T_i)$ और मल्टीवेरिएट आइजनफंक्शंस $\Psi^j_m(t, T_i)$ की गणना के लिए किया जाता है, जो अब समय और विषय की विशिष्ट डोमेन लंबाई दोनों पर निर्भर करते हैं।

प्रमुख योगदान

• नवीन ढांचा: यह पेपर एक ऐसा पहला पद्धति प्रस्तुत करता है जो डेटा को काटने या विषयों को बिन (bins) में विभाजित किए बिना, परिवर्तनीय अवलोकन डोमेन को स्पष्ट रूप से समायोजित करने वाला MFPCA प्रदान करता है।
• सैद्धांतिक विस्तार: यह यूनिवेरिएट वेरिएबल डोमेन FPCA ढांचे को मल्टीवेरिएट सेटिंग में विस्तारित करता है, जो कई चरों के बीच निर्भरता संरचना को मॉडल करने की जटिल चुनौती को संबोधित करता है जब वे अलग-अलग समय अंतराल पर देखे जाते हैं।
• सुचारू सहप्रसरण मॉडलिंग: डोमेन लंबाई के सुचारू फलन के रूप में स्टैक्ड स्कोर्स के सहप्रसरण को मॉडल करके, यह विधि निर्भरता संरचना में निरंतर विविधताओं को पकड़ती है जिसे बिनिंग रणनीतियाँ चूक जाती हैं।

परिणाम
लेखक व्यापक सिमुलेशन अध्ययनों और एक वास्तविक दुनिया के अनुप्रयोग के माध्यम से पद्धति को मान्य करते हैं।

• सिमुलेशन अध्ययन: प्रस्तावित VD-MFPCFA की तुलना एक "बिनिंग" दृष्टिकोण (डोमेन लंबाई के आधार पर विषयों को समूहित करना और प्रत्येक बिन में न्यूनतम लंबाई तक डेटा को ट्रंकेट करना) से की गई थी।

  • पुनर्निर्माण सटीकता (Reconstruction Accuracy): VD-MFPCA ने कार्यात्मक अवलोकनों के पुनर्निर्माण के लिए बिनिंग दृष्टिकोण की तुलना में लगातार काफी कम औसत रूट मीन स्क्वेर्ड एरर (ARMSE) प्राप्त किया, जिसमें विभिन्न परिदृश्यों में 50% से 80% से अधिक का सुधार देखा गया।
  • आइजनफंक्शन अनुमान: VD-MFPCA ने आइजनफंक्शंस के अनुमान में बेहतर सटीकता प्रदर्शित की, विशेष रूप से विषम डोमेन लंबाई वितरणों (जैसे, नेगेटिव बाइनोमियल) के तहत, जहाँ बिनिंग दृष्टिकोण ट्रंकेटेड डोमेन में सूचना की हानि के कारण उच्च त्रुटियों से ग्रस्त था।
  • मजबूती (Robustness): प्रस्तावित विधि नमूना आकार ($N=100, 500$), शोर के स्तर और डोमेन वितरणों के विभिन्न परिदृश्यों में स्थिर रही, जबकि बिनिंग दृष्टिकोण वितरण के आकार और उपयोग किए गए बिन की संख्या के प्रति संवेदनशील था।

• COVID-19 डेटा पर अनुप्रयोग: इस पद्धति को अस्पताल में भर्ती होने की परिवर्तनशील अवधि (लगभग 3 दिन से ~125 दिन तक) वाले 782 COVID-19 रोगियों के बॉडी टेम्परेचर और कैपिलरी ऑक्सीजन सैचुरेशन (SpO2) ट्रैजेक्टरीज पर लागू किया गया।

  • डोमेन-निर्भर पैटर्न: विश्लेषण से पता चला कि माध्य ट्रैजेक्टरीज और वेरिएंस संरचनाएं अस्पताल में रुकने की अवधि पर निर्भर करती हैं। उदाहरण के लिए, लंबे समय तक रुकने वाले रोगियों में शुरू में कम SpO2 स्तर देखा गया जो धीरे-धीरे सुधरा, एक ऐसा पैटर्न जो फिक्स्ड-डोमेन विधियों द्वारा ओझल हो जाता।
  • नैदानिक प्रासंगिकता: प्रथम प्रिंसिपल कंपोनेंट (PC1) स्कोर को मृत्यु दर और आयु के साथ मजबूती से जुड़ा हुआ पाया गया, लेकिन यह अवलोकन अवधि की लंबाई से संबंधित नहीं था। यह पुष्टि करता है कि विधि डोमेन-संबंधित आर्टिफैक्ट्स को अंतर्निहित शारीरिक भिन्नता (physiological variation) से सफलतापूर्वक अलग करती है।
  • पूर्वानुमानित मूल्य (Prognostic Value): उच्चतम PC1 टर्शाइल (tercile) वाले रोगियों में मृत्यु दर 25.3% थी, जबकि निचले टर्शाइल में यह ~7.5% थी, जो संयुक्त महत्वपूर्ण संकेतों के ट्रैजेक्टरीज से पूर्वानुमान संबंधी जानकारी कैप्चर करने की पद्धति की क्षमता को प्रदर्शित करता है।

महत्व और दावे
पेपर का दावा है कि VD-MFPCA मल्टीवेरिएट सेटिंग्स में परिवर्तनीय डोमेन के लिए आयामी न्यूनीकरण हेतु एक सिद्धांतपूर्ण दृष्टिकोण प्रदान करके कार्यात्मक डेटा विश्लेषण में एक महत्वपूर्ण अंतर को भरता है। लेखक दावा करते हैं कि उनकी विधि मौजूदा एड-हॉक रणनीतियों की तुलना में पुनर्निर्माण सटीकता और आइजनफंक्शन अनुमान दोनों में "महत्वपूर्ण लाभ" प्रदान करती है।

इस कार्य का महत्व अनुमानी ट्रंकेशन (arbitrary truncation) या विविक्तीकरण के बिना अनुदैर्ध्य डेटा की पूर्ण सूचना सामग्री का उपयोग करने की इसकी क्षमता में निहित है। COVID-19 अनुप्रयोग के संदर्भ में, लेखक रेखांकित करते हैं कि यह विधि जटिल, समय-परिवर्तनीय शारीरिक पैटर्न को कैप्चर करती है जो नैदानिक परिणामों (मृत्यु दर और आयु-संबंधी गंभीरता) के लिए भविष्यवाणिय हैं, जिन्हें पारंपरिक फिक्स्ड-डोमेन MFPCA द्वारा मिस किया जा सकता है या बायस किया जा सकता है। लेखक निष्कर्ष निकालते हैं कि यह कार्यप्रणाली अस्पताल में भर्ती होने के डेटा और अनुदैर्ध्य निगरानी से संबंधित नैदानिक अनुसंधान के लिए विशेष रूप से मूल्यवान है जहाँ अवलोकन काल स्वाभाविक रूप से परिवर्तनशील होते हैं।

पेपर अपनी सीमाओं के संबंध में विनम्र बना हुआ है, यह स्वीकार करते हुए कि वर्तमान कार्यान्वयन बहुत बड़े डेटासेट्स या उच्च संख्या में चरों के लिए कम्प्यूटेशनल रूप से चुनौतीपूर्ण हो सकता है, और यह नोट करता है कि भविष्य के कार्य परिवर्तनीय डोमेन ढांचे के भीतर बेयसियन अनिश्चितता मात्रा निर्धारण (Bayesian uncertainty quantification) और अनियमित, विरल (sparse) अवलोकनों को संभालने की खोज कर सकते हैं।