Bayesian Variable Selection for High-Dimensional Predictors with Missing Psychometric Outcomes

技術要約：高次元予測因子と欠損のある精神心理学的アウトカムに対するベイズ変数選択

問題提起
現代の精神心理学および神経画像研究では、認知機能を特徴付けるために、マルチモーダルなデータ（例：構造的/機能的MRI、ゲノミクス）を統合することがますます一般的になっています。これらの研究は、以下の3つの同時進行的な統計的課題に直面しています。

1. 高次元性と階層性： 予測子の数は数百または数千に達する場合があり（$P \gg n$）、かつ固有の階層構造（例：モダリティ $\to$ 解剖学的領域 $\to$ 特定の特徴）を持っています。既存の正則化手法は、多くの場合、これらのマルチレベルの関係を無視しているか、単一のグルーピング構造しか考慮していません。
2. 多変量アウトカム： 精神心理学的評価は、通常、複数の相関するドメイン（例：記憶、実行機能）を測定します。多くの高次元変数選択手法は単変量レスポンス向けに設計されており、アウトカム間の依存性を活用することができません。
3. 欠測データ： 訪問の欠落や評価の不完全さにより、精神心理学的アウトカムは部分的にしか観測されないことが頻繁にあります。欠測データを扱う既存の手法（例：多重代入法）は、一般に、階層構造を持つ予測子を用いた高次元変数選択には設計されていません。

従来のアプローチは、これらの問題を個別に扱っており、マルチレベルの予測子構造、多変量アウトカムの依存性、および不完全なレスポンス・データのすべてを同時に扱う統一されたフレームワークを欠いています。

手法：SHIMフレームワーク
著者らは、これらの課題を共同で解決するために設計されたベイズ・フレームワークである SHIM (Shrinkage for Hierarchical predictors and Incomplete Multivariate outcomes) を提案しています。

• モデル構造： 本フレームワークは、$Q$ 個のアウトカムを $P$ 個の高次元予測子および $L$ 個の低次元共変量に回帰させる多変量回帰モデルを採用しています。欠測アウトカムは、ベイズ・データ拡張戦略における潜在変数として扱われます。
• 階層的ホースシュー事前分布： 予測子の入れ子構造（モダリティ $\to$ グループ $\to$ 特徴）に対応するため、SHIMは回帰係数行列 $\mathbf{B}$ に対して階層的ホースシュー事前分布を利用しています。係数 $\beta_{kq}$（予測子 $k$, アウトカム $q$）の事前分布の仕様は以下の通りです：
  $$\beta_{kq} | \tau, \gamma_{m(k)}, \delta_{m(k),g(k)}, \lambda_k, \xi_{kq} \sim \mathcal{N}(0, \tau^2 \gamma_{m(k)}^2 \delta_{m(k),g(k)}^2 \lambda_k^2 \xi_{kq}^2)$$
  この構造には以下が含まれます：
  • グローバルな収縮パラメータ ($\tau$)。
  • 高次の階層レベルでの正則化を誘導するための、モダリティレベル ($\gamma$) およびグループレベル ($\delta$) の収縮パラメータ。
  • 予測子レベル ($\lambda$) およびアウトカム固有 ($\xi$) の局所収縮パラメータ。
    すべての収縮パラメータは、独立した半コーシー事前分布に従います。
• 事後計算： 推論はギブス・サンプラーリングを通じて行われます。欠測アウトカムは、その条件付き多変量正規分布から代入され、回帰係数、共分散行列、および収縮パラメータは、それぞれのフル条件付き分布から更新されます。
• 事後分布に基づく多重代入： パラメータ推論に加えて、欠測アウトカムの事後分布からのドラフトは、完全なデータが必要なダウンストリーム解析のための、一貫した多重代入表現を提供します。

理論的特性
本論文は、SHIM事前分布に関する2つの主要な理論的特性を確立しています。

1. 依存構造： 乗法的な階層構造は、係数の大きさの間に依存関係を誘発します。より多くのレベルを共有する係数（例：同じモダリティおよびグループ）は、その大きさにおいてより強い事前相関を示し、生物学的に関連する変数間の情報共有を促進します。
2. 周辺密度： 係数の周辺事前密度は、ゼロにおいて「5次の対数特異性」（5つの独立した半コーシー変数の積による）を示し、4次の対数因子によって修正された重い多項式テイルを持ちます。これにより、ノイズの強力な収縮を確保しつつ、大きな効果に対して実質的な事前サポートを維持します。

シミュレーション結果
広範なシミュレーション（$n=300, P \in \{200, 400\}, Q=2$）において、SHIMを単変量版（SHIM_U）、他のベイズ手法（GIGG, MBSGSSS）、および頻度論的正則化手法（Lasso, Group Lasso）と比較しました。

• 変数選択： SHIMは一貫して高い真陽性率（TPR）を達成し、偽陽性率（FPR）および偽発見率（FDR）はほぼゼロとなり、F1スコアは1.0に近い値を示しました。SHIMは競合手法を上回り、特に欠測率が高いシナリオ（最大60%）やアウトカム固有のスパース性がある場合に顕著でした。
• 推定： SHIMは、低バイアスかつ適切に較正された不確実性の定量化（公称95%レベルに近い被覆確率）を伴う正確な係数推定を提供しました。
• 感度： SHIMは、高いアウトカム相関および超高次元（$P=600$）の下でも頑健性を維持しました。性能は、Missing Not At Random (MNAR) メカニズムの下では低下しましたが、これはMissing At Random (MAR) 仮定への依存と一致しています。
• ダウンストリーム代入： 部分的に観測されたバイオマーカーを含むダウンストリーム解析において、SHIMに基づく多重代入は、高次元で相関のある予測子が存在する状況下で、完全ケース解析やMICEよりも低バイアスで合理的な被覆率を持つ推定値を提供しました。

実世界への適用
本フレームワークは、マルチモーダル・ニューロイメージング（領域別灰白質容積および脳血流量）と神経心理学的アウトカム（エピソード記憶および実行機能）との関連を分析するために、Vanderbilt Memory and Aging Project (VMAP, $n=288$) のデータに適用されました。

• 神経画像学的関連： SHIMは、左海馬傍回における灰白質容積とエピソード記憶との関連、および左下前頭回と実行機能との関連を特定しました。特筆すべきは、実行機能の関連はSHIMによって検出されたものの、単変量のSHIM_Uでは見逃されたことであり、これは相関するアウトカム間で情報を借りることの利点を浮き彫りにしています。
• バイオマーカー解析： SHIMは、欠損のある（53.1%欠損）髄液 $A\beta_{1-42}$ データの代入に使用されました。その結果得られたダウンストリーム解析は、アルツハイマー病の既存文献と一致する、CSF $A\beta_{1-42}$ とエピソード記憶との有意な正の関連を明らかにしました。完全ケース解析は同様の点推定値を得ましたが、信頼区間が広く（統計的に有意ではない）、MICEは高次元の相関する予測子による共線性問題のためか、直感に反する結果を生み出しました。

意義と主張
著者らは、SHIMがマルチレベルの予測子構造、多変量アウトカムの依存性、および不完全なデータを同時に扱うことができる統一された統計フレームワークを提供すると主張しています。この手法は、感度と偽陽性制御のバランスを取り、ダウンストリーム解析のための事後分布に基づく多重代入への原理的なアプローチを提供します。論文内では、関連するRパッケージ shim が公開されていることが記されています。

限界
著者らは以下の限界を認めています。

• 予測子および共変量は完全に観測されている必要があります。
• 推論はMAR仮定に依存しており、MNARの下では性能が低下します。
• 現在の定式化は連続的なアウトカム（ガウス分布）を想定しており、バイナリまたは順序アウトカムへの拡張が必要です。
• 予測子の階層構造は事前に指定する必要があり、性能はその指定の正確さに依存します。
• 高次元の事後分布理論（結合回帰および共分散パラメータに関するもの）は、今後の研究課題として残されています。