🧬 biology

A proxy-based approach for unmeasured confounding in electronic health records research

이 논문은 전자 건강 기록 (EHR) 연구에서 측정되지 않은 교란 요인을 해결하기 위해 여러 프록시 변수를 활용하여 새로운 회귀 조정 방법을 제안하고, 이를 다양한 시나리오와 실제 임상 데이터에 적용하여 그 유효성을 검증합니다.

원저자: Haley Colgate Kottler, Amy Cochran

게시일 2026-03-23

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Haley Colgate Kottler, Amy Cochran

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ⚕️ 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기

🏥 이야기의 배경: 병원의 미스터리

상상해 보세요. 응급실에 가슴 통증으로 온 어르신들이 있습니다. 의사는 "입원시켜야 하나, 아니면 퇴원시켜도 될까?"를 고민합니다.

입원하면 감염 위험이 있지만, 숨은 병을 찾아낼 수 있습니다.
퇴원하면 편안하지만, 위험한 병을 놓칠 수 있습니다.

의사들은 환자의 나이, 성별, 혈압 같은 눈에 보이는 정보 (데이터) 를 보고 결정을 내립니다. 하지만 문제는, 눈에 보이지 않는 정보가 있다는 것입니다.

"이 환자는 집에서 누가 돌봐줄까?"
"이 환자는 평소 건강 관리에 얼마나 신경을 썼을까?"
"이 환자는 실제로 얼마나 아픈가?"

이런 **보이지 않는 숨은 요인 **(Unmeasured Confounder) 때문에 입원한 환자가 더 나빠질 수도, 퇴원한 환자가 더 좋아질 수도 있습니다. 통계학자들은 이 '보이지 않는 요인' 때문에 잘못된 결론을 내리기 쉽다고 말합니다.

🕵️‍♂️ 기존 방법의 한계: "눈에 보이는 것만 믿으면 안 돼"

기존에는 이 문제를 해결하기 위해 두 가지 방법을 썼습니다.

눈에 보이는 정보만 믿고 계산하기: 하지만 숨은 요인이 있으면 결과가 왜곡됩니다.
**도구 변수 **(Instrumental Variable) 아주 특별한 조건이 필요해서 현실에서는 쓰기 어렵습니다.

💡 이 논문의 새로운 아이디어: "간접적인 단서 (Proxy) 를 활용하라"

이 연구팀은 **"눈에 보이지 않는 숨은 요인 **(U)이라고 제안합니다.

**비유: 추위 **(숨은 요인)

**숨은 요인 **(U) = 집 안의 실제 온도 (우리는 직접 재지 못함)

**치료 **(A) = 히터 켜기

**결과 **(Y) = 감기 걸림

**간접 단서 **(Proxy, Z) = 창문 틈새로 들어오는 찬 바람, 식물의 잎이 시든 정도, 컵에 맺힌 이슬

우리는 집 안의 '실제 온도'를 직접 재지 못하지만, 창문 틈새 바람이나 식물의 상태를 보면 대략적인 온도를 유추할 수 있죠. 이 논문은 **"이런 간접 단서 **(Proxy)라고 말합니다.

⚙️ 이 논문이 제안하는 2 단계 방법

이 연구팀은 2 단계로 문제를 해결합니다.

첫 번째 단계: 단서들을 모아 '숨은 요인'의 초상화를 그리기
- 혈압, 심박수, 체온 등 여러 가지 간접 단서 (Proxy) 들을 모아서 **통계적 도구 **(요인 분석)로 분석합니다.
- 마치 여러 개의 조각난 퍼즐 조각을 맞춰서 '숨은 요인 (U)'의 모습을 추상적으로라도 재구성하는 것입니다.
- 이렇게 만들어진 '가상의 요인'을 새로운 변수로 만듭니다.
두 번째 단계: 재구성한 요인을 이용해 치료 효과를 계산하기
- 이제 이 '가상의 요인'을 통계 모델에 넣어서, 치료 (입원) 가 결과 (퇴원 후 재입원) 에 미치는 진짜 영향을 계산합니다.
- 기존 방법들은 이 간접 단서들을 그냥 '다른 변수'로만 썼는데, 이 논문은 단서들을 합쳐서 숨은 요인의 정체를 파악하는 데 썼습니다.

🧪 실험 결과: "틀려도 괜찮아, 그래도 잘 맞는다"

연구팀은 이 방법이 실제로 잘 작동하는지 시뮬레이션으로 검증했습니다.

정확한 데이터일 때: 기존 방법들보다 훨씬 정확한 결과를 냈습니다.
**데이터가 조금 엉망일 때 **(모델이 틀렸을 때)
- 데이터가 완벽한 직선이 아니라 구불구불한 곡선이어도,
- 데이터 분포가 완벽하지 않아도,
- 치료 방법이 이진법 (0 또는 1) 이 아니라 연속적이어도,
- 이 방법은 여전히 다른 방법들보다 오차가 적고 안정적이었습니다.

비유: 다른 방법들은 "지도가 정확해야만 길을 찾을 수 있다"고 하지만, 이 방법은 "지도가 조금 찢어지거나 구겨져도, 나침반과 별자리를 보면 여전히 목적지에 도달할 수 있다"는 것입니다.

🏥 실제 적용 사례: 가슴 통증 어르신들

이 방법을 실제 미국 병원 데이터 (MIMIC-IV) 에 적용해 보았습니다.

기존 방법들의 결론: "입원하면 30 일 내 재입원 위험이 증가한다." (입원이 나쁘다는 결론)
이 논문의 결론: "입원하면 30 일 내 재입원 위험이 감소한다." (입원이 도움이 된다는 결론)

왜 다를까요? 기존 방법들은 '숨은 요인 (환자의 실제 상태나 가정 환경)'을 제대로 보지 못해, 상태가 더 안 좋은 환자들이 입원했기 때문에 "입원하면 안 좋아진다"고 잘못 해석했을 가능성이 큽니다. 하지만 이 논문은 간접 단서들을 통해 숨은 요인을 보정했기 때문에, **"사실은 입원이 환자를 더 잘 보호해준다"**는 더 현실적인 결론을 내렸습니다.

📝 결론: 왜 이 연구가 중요한가?

이 논문은 **"전자 건강 기록 **(EHR)을 제공합니다.

기존의 어려움: 완벽한 데이터나 특수한 조건이 없으면 인과관계를 찾기 힘들었다.
이 연구의 기여: 우리가 이미 가지고 있는 '간접적인 데이터 (간호 기록, 생체 신호 등)'를 잘 활용하면, 숨은 요인을 보정하고 더 정확한 의료 결정을 내릴 수 있다.

한 줄 요약:

"완벽한 답을 알 수 없어도, 주변에 흩어진 작은 단서 (Proxy) 들을 잘 모아보면 숨겨진 진실에 훨씬 더 가까이 다가갈 수 있다."

이 연구는 의료진이 더 나은 결정을 내리고, 환자들에게 더 안전한 치료를 제공하는 데 큰 도움을 줄 것으로 기대됩니다.

1. 연구 배경 및 문제 제기 (Problem)

배경: 전자 건강 기록 (EHR) 은 임상 의사결정 개선을 위한 귀중한 자원이지만, **측정되지 않은 교란 (unmeasured confounding)**으로 인해 인과 관계 추론에 심각한 편향이 발생할 수 있습니다.
기존 방법의 한계:
- 자연 실험이나 도구 변수 (IV) 는 실제 데이터에서 가정이 성립하기 어렵습니다.
- **프록시 변수 (Proxy variables)**는 EHR 에 routinely 수집되지만 (예: 생체 징후), 이를 측정된 교란 변수로 직접 보정하는 것은 편향을 악화시킬 수 있습니다 (Greenland, Ogburn & Vanderweele).
- 최근 주목받는 **근접 인과 추론 (Proximal Causal Inference, PCI)**은 부정적 대조 노출 (NCE) 과 부정적 대조 결과 (NCO) 쌍을 필요로 하며, 복잡한 적분 방정식을 풀어야 하므로 구현이 어렵고 모델링 가정이 엄격하다는 단점이 있습니다.
핵심 문제: EHR 데이터에 풍부한 프록시 변수 (생체 징후 등) 를 활용하여 측정되지 않은 교란 변수 ( $U$ ) 를 효과적으로 보정할 수 있는 실용적이고 유연한 방법론이 부재합니다.

2. 제안된 방법론 (Methodology)

저자들은 측정되지 않은 교란 변수를 보정하기 위해 프록시 벡터를 사용하여 잠재 변수의 요약을 생성한 후 회귀 분석에 적용하는 새로운 2 단계 접근법을 제안합니다.

A. 이론적 프레임워크 (Causal Framework)

변수 정의: 측정된 교란 변수 ( $X$ ), 측정되지 않은 교란 변수 ( $U$ ), 프록시 변수 벡터 ( $Z$ ), 치료 ( $A$ ), 결과 ( $Y$ ).
가정:
1. Assumption 3.1: 프록시 $Z$ 를 통해 $U$ 의 함수인 $E[g(U, X)|Z, A, X]$ 를 관측 데이터로부터 식별할 수 있다.
2. Assumption 3.2: 잠재 결과의 기대값 $E[Y(a)|U, X]$ 가 $g(U, X)$ 의 선형 결합으로 표현될 수 있다 (분리 가능성 조건).
식별 전략:
- 단순한 프록시 보정은 편향을 유발할 수 있으나, 저자들은 **잠재 요인 (Latent Factor)**을 추정하여 이를 회귀 모델의 공변량으로 사용하는 전략을 취합니다.
- Corollary 3.1: 프록시 $Z$ 가 $A$ 나 $Y$ 에 직접 영향을 미치는 구조적 불확실성이 있더라도 (그림 2B 참조), 제안된 식별 전략은 유효함을 보입니다. 이는 실제 적용 시 변수의 정확한 인과적 역할을 완벽히 알지 못해도 방법론이 견고함을 의미합니다.

B. 추정 절차 (Estimation Procedure)

구체적인 구현으로 다중 지표 다중 원인 (MIMIC) 모델을 기반으로 한 요인 분석 (Factor Analysis) + 회귀 분석을 사용합니다.

MIMIC 모델 적합: 관측된 $X, A, Z$ $X, A, Z$ 를 사용하여 잠재 변수 $U$ $U$ 와 프록시 $Z$ $Z$ 간의 관계를 모델링합니다.
- $Z = \Lambda U + \nu + \Psi^{1/2}\epsilon_Z$ 와 같은 선형 구조를 가정합니다.
- 요인 수를 AIC 를 통해 선택합니다.
잠재 변수 추정: 적합된 모델을 통해 각 환자별 조건부 기대값 $\hat{E}[U|Z, A, X]$ 와 $\hat{E}[U|Z, X]$ 를 계산합니다. 이는 $U$ 의 "요약된 공변량" 역할을 합니다.
결과 모델 회귀: 결과 $Y$ $Y$ 를 $A, X$ $A, X$ 및 추정된 잠재 변수 요약 ( $\hat{E}[U|Z, A, X]$ $\hat{E} [U ∣ Z, A, X]$ ) 에 대해 선형 회귀합니다.
- 모델: $E[Y|Z, A, X] = \nu_0 + \nu_1' \hat{E}[U|Z, A, X] + \nu_2' \hat{E}[U|Z, A, X]A + \nu_3 A$
효과 추정: 추정된 계수와 $\hat{E}[U|Z, X]$ 를 사용하여 조건부 평균 치료 효과 (CATE) 및 평균 치료 효과 (ATE) 를 계산합니다.

3. 주요 기여 (Key Contributions)

실용적인 프록시 활용법 제안: 복잡한 적분 방정식 (PCI) 이나 엄격한 NCE/NCO 쌍 분할 없이, 요인 분석과 회귀라는 익숙한 도구를 사용하여 프록시 벡터를 잠재 교란 변수의 대리자로 활용하는 새로운 경로를 제시했습니다.
모델 오-specification 에 대한 강건성 (Robustness):
- 평균 함수가 비선형 (2 차) 일 때 선형 모델로 근사하거나, 잠재 변수 분포가 정규분포가 아닐 때 (왜도 정규분포 등), 혹은 이진 치료를 연속으로 가정할 때에도 기존 방법 (IPW, 선형 모델, PCI 등) 보다 편향이 적고 정확도가 높음을 시뮬레이션을 통해 입증했습니다.
구조적 가정 위반에 대한 내성: 프록시 변수가 실제로는 직접적인 교란 변수이거나 도구 변수 (IV) 인 경우에도, 제안된 방법은 다른 방법들에 비해 더 합리적인 방향과 크기의 추정을 제공했습니다.
실제 임상 데이터 적용: MIMIC-IV 데이터를 활용한 사례 연구를 통해 방법론의 실용성을 검증했습니다.

4. 실험 결과 (Results)

A. 시뮬레이션 결과

정확도: 표본 크기가 증가함에 따라 추정치가 참값으로 수렴하며, 프록시 대 잠재 차원의 비율 ( $p/k$ ) 이 2 이상일 때 PCI 를 포함한 모든 비교 방법보다 우수한 정확도를 보였습니다.
오-specification 테스트:
- 비선형 관계: 2 차 관계를 선형으로 모델링했을 때, 제안 방법은 거의 편향되지 않았으나 비교 방법들은 큰 편향을 보였습니다.
- 분포 오정합: 잠재 변수가 왜도 정규분포일 때 제안 방법은 PCI 다음으로 낮은 편향을 보였습니다.
- 이진 치료: 이진 치료를 연속으로 가정했을 때에도 다른 방법들보다 편향이 적었습니다.
- 구조적 위반: 프록시를 교란 변수로 잘못 가정하거나 IV 로 잘못 가정했을 때, 제안 방법은 약간의 편향이 발생했으나 추정치의 부호와 크기는 여전히 타당했습니다.

B. 사례 연구 (Case Study): 흉통을 호소하는 고령자의 입원 효과

데이터: MIMIC-IV 데이터베이스의 65 세 이상 흉통 환자 (7,081 건).
목적: 입원 (Treatment) 이 30 일 내 재입원/사망 (Outcome) 에 미치는 영향 추정.
결과 비교:
- 보정하지 않은 추정: 입원이 재입원 위험을 증가시킴 (ATE $\approx$ 0.113).
- IPW 및 기본 선형 모델: 입원이 재입원 위험을 증가시킴 (양수).
- PCI: 양수 범위 (0.044 ~ 0.172).
- 제안된 방법 (잠재 변수 모델): 음수 추정치 (-0.021). 이는 입원이 재입원 위험을 감소시킬 수 있음을 시사합니다.
해석: 기존 문헌과 임상적 기대 (입원이 고령자의 상태 악화를 초래할 수 있지만, 적절한 감시와 치료로 재입원을 막을 수도 있음) 와 더 부합하는 결과를 도출했습니다. 이는 프록시 기반 교란 보정이 임상적 해석에 중대한 영향을 미칠 수 있음을 보여줍니다.

5. 의의 및 결론 (Significance)

실용성: 복잡한 수학적 모델링 없이도 EHR 의 풍부한 생체 징후 데이터를 활용하여 측정되지 않은 교란을 보정할 수 있는 접근법을 제공합니다.
강건성: 실제 임상 데이터는 이상적인 가정을 만족하지 않는 경우가 많으나, 제안된 방법은 이러한 모델 오정합 상황에서도 안정적인 성능을 보입니다.
임상적 영향: 기존 방법론들이 일관되게 "입원이 위험하다"고 결론 내렸던 반면, 제안된 방법은 "입원이 보호적일 수 있다"는 새로운 통찰을 제공하여, 프록시 기반 방법론이 임상적 의사결정에 중요한 역할을 할 수 있음을 입증했습니다.
한계 및 향후 과제: 모든 교란 관계를 포착하지는 못하며, 현재는 부트스트랩을 통한 신뢰구간 추정이 보수적일 수 있습니다. 향후 자동화된 프록시/교란 변수 분류 및 분석적 신뢰구간 추정으로 확장할 계획입니다.

이 논문은 EHR 연구에서 측정되지 않은 교란 문제를 해결하기 위해 프록시 변수를 체계적으로 활용하는 새로운 패러다임을 제시하며, 특히 기존 방법론이 놓칠 수 있는 역설적이지만 임상적으로 타당한 인과 효과를 발견할 가능성을 보여줍니다.