Random-Effects Algorithm for Random Objects in Metric Spaces

技術的概要：計量空間におけるランダムオブジェクトのランダム効果アルゴリズム

問題定義
現代の科学分野、特にデジタルヘルスでは、同じ実験単位（例：個人）から複数の観測値が収集されるデータセットが生成されています。これらの観測値は、スカラーやベクトル結果ではなく、確率分布、ネットワーク、または関数曲線などの非ユークリッド的ランダムオブジェクトとして現れることがよくあります。混合効果モデルはスカラー結果に対して確立されており、最近ではヒルベルト空間内の関数データに対しても確立されていますが、計量空間上で定義された任意のランダムオブジェクトに対する一般的なランダム効果フレームワークは欠如しています。計量空間データに対する既存の方法は、しばしば線形モデル、測地線空間、または単変量分布に限定されており、個人化予測を必要とする一般的な計量空間における反復応答のための柔軟な基準を提供できていません。

手法
著者らは、計量空間 $(\Omega, d)$ における任意のランダムオブジェクトのランダム効果モデリングのための、非線形かつフレシェ（Fréchet）に基づくアルゴリズムを提案します。中核的な革新は、計量空間内での直接の加算または減算操作を必要としない、潜在する被験者固有のランダム効果のアンカーに基づく表現です。

1. アンカー変換:

   • この手法は、経験的応答空間から観測された応答（アンカー）$A_\ell$ の集合を選択します。
   • 各アンカー $A_\ell$ に対して、計量空間応答 $Y_{ij}$ はスカラー変数に変換されます：$Z^{(\ell)}_{ij} = \log(d^2(Y_{ij}, A_\ell) + \delta)$。ここで、$\delta > 0$ は数値的安定性を保証します。

2. スカラー混合効果適合:

   • 各アンカー $\ell$ に対して、変換された距離に対してスカラー混合効果モデルが適合されます：
     $$Z^{(\ell)}_{ij} = f_\ell(X_{ij}) + b^{(\ell)}_i + \varepsilon^{(\ell)}_{ij}$$
   • ここで、$f_\ell$ は固定効果回帰関数（勾配ブースティング木によって実装）であり、$b^{(\ell)}_i$ は被験者 $i$ のアンカー $\ell$ への距離に対する潜在効果を表すアンカー固有のランダム切片です。
   • 実装には、勾配ブースティング木とガウスランダム効果成分を組み合わせるGPBoostが利用されます。

3. 離散最適化による予測:

   • 被験者 $i$ に対する新しい共変量 $x$ の応答を予測するために、アルゴリズムは被験者固有のランダム効果 $\hat{b}^{(\ell)}_i$ と固定効果 $\hat{f}_\ell(x)$ を推定します。
   • 最終的な予測 $\hat{m}_{n,i}(x)$ は、観測された応答空間 $\mathcal{Y}_n$ 上で離散最適化問題を解くことで得られます：
     $$\hat{m}_{n,i}(x) \in \arg \min_{\omega \in \mathcal{Y}_n} \sum_{\ell \in I_n} \left( \log(d^2(\omega, A_\ell) + \delta) - (\hat{f}_\ell(x) + \hat{b}^{(\ell)}_i) \right)^2$$
   • 本質的に、この手法は、アンカーへの変換された距離のプロファイルが、特定の被験者に対する予測プロファイルと最もよく一致する観測オブジェクトを選択します。

理論的貢献
本論文は、M 推定理論を用いて提案された推定量の一貫性結果を確立します。最小化子の一意性、リスクの分離、および経験的基準の人口基準への一様収束に関する特定の仮定の下で、著者らは、ランダム効果構造が作業モデルとして扱われる場合であっても、推定された予測ターゲットが真のオラクルターゲットに確率収束することを証明します。

実証結果
この手法は、異なる種類の計量空間オブジェクトを含む 4 つのデジタルヘルスデータセットで評価されました：

1. $L^2$ ヒルベルト空間（関数データ）:
   • NHANES（身体活動）: ランダム効果を取り入れることで、保持済み平均二乗誤差（MSE）が約 10% 減少しました（16.26 から 14.64）。
   • CGMCR（グルコース曲線）: MSE が約 8.6% 減少しました（4,368 から 3,994）。非線形アプローチは、両方のケースにおいて既存の線形関数混合効果モデルを上回りました。
2. ワッサーシュタイン計量（多変量分布）:
   • CGM 3D 分布: グルコース動態を多変量分布（グルコース、速度、加速度）として表現します。ランダム効果は、二乗ワッサーシュタイン誤差を大幅に57% 削減しました（986 から 421）。これは、この設定において被験者固有の変動が個人化予測の主要な駆動力であることを示しています。
3. フロベニウス計量（グラフ）:
   • NHANES ラプラシアングラフ: 活動の時間的相関構造を表現します。この場合、ランダム効果はほとんど改善をもたらさなかった（MSE 0.665 対 0.664）ため、閾値付きグラフ構築が安定した被験者固有のシグナルを捉えていなかったことを示唆しています。ただし、非常に座位の多い個人の小さなサブグループでは、ランダム効果アプローチから有意な改善が見られました。

意義と主張
本論文は、計量空間における任意のランダムオブジェクトに対する、最初に広く適用可能な非線形ランダム効果フレームワークを提供すると主張しています。その意義は以下の点にあります：

• 柔軟性: 線形ベクトル空間構造を必要とすることなく、計量空間値データに対して大規模な単変量適合戦略を拡張します。
• 性能: アンカーに基づく非線形モデリングが、既存のヒルベルト空間ベースの線形手法を上回り、分布やグラフのような複雑なデータ構造における個体差を効果的に捉えることを実証しています。
• 実用性: アルゴリズムは計算が単純で並列化可能であり、シグナルが常に時間的に整列できない高頻度臨床データに適しています。

著者らは、主に複数の単変量モデルを適合させる計算コストという限界を認めていますが、典型的なサンプルサイズ（例：$n \approx 4000$）の場合、高性能クラスター上で計算的に実行可能であると指摘しています。将来の研究として、サブサンプリングによるスケーラビリティと不確実性の定量化が提案されています。