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

기술 요약: 다중 노출의 공동 건강 효과 추정을 위한 랜덤 푸리에 특징 기반의 베이지안 커널 머신 회귀

문제 정의
환경 역학은 전통적으로 단일 노출 분석에 집중해 왔으나, 인간은 동시에 여러 상관관계가 있는 위험 요인에 노출된다. 베이지안 커널 머신 회귀(BKMR)는 가우시안 프로세스의 실현체로 노출-반응 표면을 모델링함으로써 여러 노출의 공동적이고 비선형적인 효과를 추정하기 위해 널리 사용되는 방법이다. 그러나 BKMR은 대규모 데이터셋에 적용할 때 심각한 계산적 병목 현상에 직면한다. 이 방법은 MCMC 반복 과정 중에 $n \times n$ 커널 행렬의 반복적인 역행렬 계산을 요구하는데, 여기서 $n$은 표본 크기이다. 이는 대규모 행정 건강 데이터베이스(예: $n > 5,000$)에 BKMR을 적용하는 것을 계산적으로 불가능하게 만든다. 매듭(knots)을 사용하는 예측 프로세스(predictive process)와 같은 기존의 근사법이 존재하지만, 과도한 평활화(oversmoothing) 문제와 다변량 설정에서 매듭 선택에 대한 명확한 지침이 부족하다는 어려움이 있다.

방법론: Fast BKMR
저자들은 BKMR의 가우시안 프로세스 무작위 효과를 지도 학습 기반의 랜덤 푸리에 특징(supervised Random Fourier Features, RFF)으로 대체하는 "Fast BKMR"을 제안한다. 이 접근 방식은 임의의 양의 정부호(positive definite) 정적 커널이 스펙트럼 밀도의 푸리에 변환으로 표현될 수 있다는 보크너 정리(Bochner's theorem)를 활용한다.

주요 방법론적 구성 요소는 다음과 같다:

• 기저 확장(Basis Expansion): 무작위 효과 함수 $h(x_i)$는 다음과 같이 유한한 기저 함수의 집합으로 근사된다:
  $$h(x_i) \approx \sum_{j=1}^{J} a_j \cos(\omega_j^T x_i) + b_j \sin(\omega_j^T x_i)$$
  여기서 $\omega_j$는 스펙트럼 밀도에서 샘플링된 주파수이며, $a_j, b_j$는 무작위 효과 계수이다.
• 지도 학습(Supervised Learning): 데이터 독립적인 표준 RFF와 달리, 이 방법은 주파수 $\omega_j$를 데이터로부터 학습해야 할 무작위 변수로 취급한다. 이를 통해 기저 함수가 특정 노출-반응 표면에 적응할 수 있게 한다.
• 모델 재구성(Model Reframing): RFF를 사용함으로써 커널 머신 회귀를 선형 혼합 효과 모델로 재구성한다. 이는 $n \times n$ 커널 행렬의 역행렬 계산을 제거하여 계산 복잡도를 크게 줄인다.
• 추론(Inference): 베이지안 추론은 해밀토니안 몬테카를로(HMC) 알고리즘을 사용하는 MCMC를 통해 수행된다. 주파수 $\omega_j$와 계수 $(\gamma, a_j, b_j)$는 블록 단위로 업데이트된다. 기저 함수의 수($J$)는 와타나베-아카이케 정보 기준(WAIC)을 사용하여 선택된다.

주요 기여 및 결과
논문은 시뮬레이션 연구와 실제 적용 사례를 통해 Fast BKMR을 평가하고, 이를 표준 BKMR 및 예측 프로세스(PP)를 적용한 BKMR과 비교하였다.

1. 계산 효율성: Fast BKMR은 상당한 계산 시간 단축을 보여준다. $N=10,000$, 노출 10개인 시뮬레이션에서 표준 BKMR(PP 적용)은 모델을 적합시키는 데 약 6.6일이 소요된 반면, Fast BKMR은 $J=1,000$일 때 약 1일이 소요되었다. 더 작은 기저 세트(예: $J=5$)의 경우 시간 단축 폭은 더욱 극적이었다(최대 99% 감소). Fast BKMR의 계산 시간은 표본 크기와 기저 함수의 수에 따라 거의 선형적으로 증가하는 반면, PP를 사용하는 BKMR은 표본 크기와 노출 수 모두에 대해 열악하게 확장된다.
2. 추정 정확도:
   • 강한 상관관계: 노출-반응 표면이 강한 상관관계를 보이는 경우(대기 오염 데이터에서 흔함), Fast BKMR은 적은 수의 기저 함수를 사용하더라도 BKMR(PP 적용)보다 우수한 성능을 보인다.
   • 커널 오설정(Kernel Misspecification): 실제 커널이 가정된 가우시안 커널과 다른 시나리오에서도 Fast BKMR은 견고한 성능을 유지하며, 특히 노출 수가 많을 때 BKMR(PP 적용)보다 낮은 평균 제곱 오차(RMSE)를 나타내는 경우가 많다.
   • 모수적 시나리오: 실제 노출-반응 함수가 모수적(비가우시안)인 경우, Fast BKMR은 기저 함수의 수가 증가함에 따라 표준 BKMR과 대등한 성능을 달면서도 탁월한 속도를 유지한다.
3. 출생 체중 데이터 적용: 본 방법은 CO, NO$_2$, PM$_{2.5}$가 출생 체중에 미치는 공동 효과를 분석하기 위해 조지아주의 273,711개 출생 기록 데이터셋에 적용되었다. Fast BKMR은 복잡하고 비선형적인 공동 효과를 성공적으로 포착하였으며, 상호작용 항을 포함한 다중 오염물질 선형 모델에 비해 더 좁은 사후 구간(posterior intervals)을 제공하였다. 분석 결과, NO$_2$와 PM$_{2.5}$의 수준이 높아질수록 출생 체중이 감소하는 반면, CO의 연관성은 양(+)의 방향이었으나 통계적으로 유의하지 않음을 확인하였다.

의의 및 주장
저자들은 Fast BKMR이 BKMR의 결정적인 확장성 문제를 해결하여, 이전에는 다루기 힘들었던 대규모 행정 건강 데이터베이스 분석을 가능하게 한다고 주장한다. 이 방법은 비선형 공동 효과 및 상호작용을 모델링하는 유연성을 희생하지 않으면서도 계산 효율적인 대안을 제공한다.

논문은 다음과 같은 구체적인 장점을 강조한다:

• 확장성: 수만 개의 관측치와 다중 노출을 가진 데이터셋 분석을 용이하게 한다.
• 견고성: 노출-반응 표면에 강한 의존성이 있거나 커널이 오설정된 경우에도 잘 작동한다.
• 수치적 안정성: 커널 행렬의 역행렬 계산을 피함으로써, 노출이 고도로 상관된 경우(예: 동일한 인구 조사 구역 내의 개인들이 동일한 노출 데이터를 공유하는 경우) 가우시안 프로세스 회귀에서 발생하는 수치적 특이성(singularity) 문제를 방지한다.
• 유연성: 지도 학습 기반의 RFF를 통해 기저 함수가 데이터에 적응할 수 있으므로, 결정론적 확장인 카르데넨-뢰베(Karhunen–Loève) 확장보다 이점이 있다.

저자들은 한계점도 언급하였는데, 이 방법이 여전히 비베이지안 대안들(예: WQS 또는 q-gcomp)보다는 시간이 더 많이 소요되며, 현재는 연속형 결과 변수에만 적용된다는 점이다. 향후 연구에서는 스파이크 앤 슬랩(spike-and-slab) 사전 분포를 통한 변수 선택 탐색과 이진 또는 카운트 결과에 대한 일반화 선형 모델로의 확장을 제안한다.