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

技術要約：複数の曝露による共同健康影響を推定するための、ランダムフーリエ特徴量を用いたベイズカーネルマシン回帰

問題提起
環境疫学は伝統的に単一曝露の解析に焦点を当ててきたが、人間は同時に相関のある複数のリスク因子に曝露されている。ベイズカーネルマシン回帰（BKMR）は、ガウス過程の実現として曝露反応曲面をモデリングすることにより、複数の曝露による共同かつ非線形な影響を推定するために広く用いられている手法である。しかし、BKMRは大規模なデータセットに適用する場合、重大な計算上のボトルネックに直面する。この手法は、マルコフ連鎖モンテカルロ（MCMC）の反復中に、$n \times n$ のカーネル行列の反復的な逆行列計算を必要とするが、ここで $n$ はサンプルサイズである。これにより、BKMRは大規模な行政健康データベース（例：$n > 5,000$）への適用において計算上不可能となる。ノット（knot）を用いた予測プロセス（predictive process）のような既存の近似手法も存在するが、これらはオーバースムージング（過度な平滑化）や、多変量設定におけるノット選択の明確な指針の欠如といった課題を抱えている。

手法：Fast BKMR
著者らは、BKMRにおけるガウス過程のランダム効果を、教師ありランダムフーリエ特徴量（RFF）に置き換える手法である「Fast BKMR」を提案している。このアプローチは、「任意の正定値かつ定常なカーネルは、そのスペクトル密度のフーリエ変換として表現できる」というブーホナーの定理を利用している。

主な手法構成要素は以下の通りである：

• 基底展開（Basis Expansion）: ランダム効果関数 $h(x_i)$ は、有限個の基底関数によって近似される：
  $$h(x_i) \approx \sum_{j=1}^{J} a_j \cos(\omega_j^T x_i) + b_j \sin(\omega_j^T x_i)$$
  ここで、$\omega_j$ はスペクトル密度からサンプリングされた周波数であり、$a_j, b_j$ はランダム効果の係数である。
• 教師あり学習（Supervised Learning）: データに依存しない標準的なRFFとは異なり、本手法では周波数 $\omega_j$ をデータから学習すべきランダム変数として扱う。これにより、基底関数が特定の曝露反応曲面に適応することが可能になる。
• モデルの再定式化（Model Reframing）: RFFを使用することで、カーネルマシン回帰を線形混合効果モデルへと再定式化する。これにより、$n \times n$ のカーネル行列の逆行列計算を回避でき、計算複雑性を大幅に削減できる。
• 推論（Inference）: ベイズ推論は、ハミルトニアンモンテカルロ（HMC）アルゴリズムを用いたMCMCを用いて行われる。周波数 $\omega_j$ および係数 $(\gamma, a_j, b_j)$ はブロックごとに更新される。基底関数の数 ($J$) は、Watanabe-Akaike情報量基準（WAIC）を用いて選択される。

主な貢献と結果
論文では、シミュレーション研究および実世界の応用を通じて、Fast BKMRを標準的なBKMRおよび予測プロセス（PP）を用いたBKMRと比較評価している。

1. 計算効率: Fast BKMRは大幅な計算時間の短縮を示した。$N=10,000$、曝露数10のシミュレーションにおいて、標準的なBKMR（PP付き）のモデル適合には約6.6日を要したが、Fast BKMR（$J=1,000$）は約1日であった。より小さな基底セット（例：$J=5$）の場合、時間の短縮はさらに劇的であり、最大99%の削減となった。Fast BKMRの計算時間はサンプルサイズと基底関数の数に対してほぼ線形にスケールするが、PPを用いたBKMRはサンプルサイズと曝露数の両方に対してスケールが悪くなる。
2. 推定精度:
   • 強い相関: 曝露反応曲面が強い相関を示す場合（大気汚染データで一般的）、Fast BKBRは、たとえ少ない基底関数の数であっても、BKMR（PP付き）よりも優れた性能を示す。
   • カーネルの誤設定（Kernel Misspecification）: 真のカーネルが仮定されたガウスカーネルと異なるシナリオにおいても、Fast BKMRは堅牢な性能を維持し、特に曝露数が多い場合には、BKMR（PP付き）よりも低い平方根平均二乗誤差（RMSE）をもたらすことが多い。
   • パラメトリックなシナリオ: 真の曝露反応関数がパラメトリック（非ガウス）である場合、Fast BKMRは基底関数の数が増えるにつれて標準的なBKMRと同等の性能を達成しつつ、優れた速度を維持する。
3. 出生体重データへの適用: 本手法は、ジョージア州の273,711件の出生記録のデータセットに適用され、CO、NO$_2$、PM$_{2.5}$が出生体重に及ぼす共同影響を分析した。Fast BKMRは、複雑で非線形な共同影響を捉えることに成功し、相互作用項を含む多重汚染リニアモデルと比較して、より狭い事後区間を提供した。分析の結果、NO$_2$およびPM$_{2.5}$のレベルの上昇は出生体重の減少と関連している一方で、COの関連性は正であったが統計的に有意ではなかった。

意義と主張
著者らは、Fast BKMRがBKMRの決定的なスケーラビリティの問題に対処しており、これまで困難であった大規模な行政健康データベースの分析を可能にすると主張している。この手法は、非線形な共同効果や相互作用をモデリングする柔軟性を損なうことなく、計算効率の高い代替手段を提供する。

論文では、以下の具体的な利点が強調されている：

• スケーラビリティ: 数万件の観察数と複数の曝露を持つデータセットの分析を容易にする。
• 堅牢性: 曝露反応曲面に強い依存関係がある場合や、カーネルが誤設定されている場合でも良好に機能する。
• 数値的安定性: カーネル行列の逆行列計算を回避することで、曝露が高度に相関している場合（例：同じ国勢調査区内に居住し、同一の曝露データを持つ個人）にガウス過程回帰で発生する数値的な特異性の問題を回避する。
• 柔軟性: 教師あり形式のRFFにより、基底関数がデータに適応できるため、決定論的な展開であるカルーネン・レーヴ展開（Karhunen–Loève expansion）に対して優位性を持つ。

著者らは、限界についても言及している。具体的には、本手法は依然として非ベイズ的な代替手法（WQSやq-gcompなど）よりも時間がかかること、および現在は連続型の結果にのみ適用可能であることである。今後の研究として、スパイク・アンド・スラブ事前分布による変数選択の探索や、二値またはカウントの結果に対する一般化線形モデルへの拡張などが示唆されている。