기술 요약: 생존 분석을 위한 축소 기법 (Reduction Techniques)

문제 정의

생존 분석(Survival Analysis, SA)은 사건 발생 시간(time-to-event)을 다루는 중요한 통계 영역이지만, 중도 절단(censoring: 우측, 좌측, 구간 중단), 절단(truncation), 반복 사건(recurrent events), 그리고 경쟁 위험(competing risks) 등으로 인해 복잡성이 높습니다. 머신러닝(ML)과 딥러닝(DL)이 회귀 및 분류 작업에서 급격히 발전했음에도 불구하고, 이를 생존 분석에 적용하는 데에는 다음과 같은 상당한 장벽이 존재합니다:

1. 제한된 범위: 기존의 많은 ML 기반 생존 분석 방법론들은 단일 사건 및 우측 중단 데이터에 국한되어 있어, 경쟁 위험이나 다상태 과정(multi-state processes)과 같은 복잡한 설정들을 처리하지 못합니다.
2. 구현의 격차: 연구들이 현대적인 ML 워크플로우에 필요한 표준화된 전처리, 리샘플링, 하이퍼파라미터 튜닝 기능을 갖춘 코드나 개념 증명(proof-of-concept) 구현을 충분히 제공하지 못하는 경우가 많습니다.
3. 적응 지연: 일반적인 ML 방법론(예: Random Forests, Transformers, XGBoost)이 개발된 후, 이를 생존 분석 작업에 특화하여 적용하기까지는 대개 4~7년의 상당한 지연 시간이 발생합니다.

본 논문은 이러한 한계점들이 특히 견고하고 표준화된 도구를 필요로 하는 실무자들에게 있어 고급 ML을 생존 분석에 실제로 적용하는 것을 저해한다고 주장합니다.

방법론: 축소 기법 (Reduction Techniques)

저자들은 생존 과업을 표준적인 회귀 또는 분류 문제로 변환하는 **축소 기법(reduction techniques)**을 제안하고 체계화합니다. 이 접근 방식은 별도의 커스텀 손실 함수나 특화된 학습기를 요구하지 않고도 기성(off-the-shelf) ML/DL 알고리즘을 사용할 수 있게 해줍니다. 이 방법론은 추정 대상에 따라 두 가지 주요 그룹으로 분류됩니다.

1. 분할 기반 위험 추정 (분포 추정)

이 기법들은 시간 축을 구간(interval)으로 나누어 전체 사건 시간 분포를 추정합니다.

• 구간별 지수 모델 (Piecewise Exponential Models, PEM): 생존 과업을 포아송 회귀(Poisson regression) 문제로 변환합니다. 추적 시간을 여러 구간으로 나누어, 각 피험자가 각 위험 구간(at-risk interval)마다 하나의 행을 갖는 "롱 포맷(long-format)" 데이터셋을 생성합니다. 이때 이벤트 지표는 포아송 결과값이 되며, 위험 시간은 로그 오프셋(log-offset)으로 포함됩니다. 이를 통해 구간별로 일정한 위험률(piecewise constant hazards)을 추정하고, 나아가 생존 함수와 전이 확률을 추정할 수 있습니다.
• 이산 시간 (Discrete-Time, DT) 방법: 생존 과업을 이진 분류(binary classification) 문제로 변환합니다. PEM과 유사하게 데이터를 롱 포맷으로 확장하지만, 정확한 위험 시간 대신 구간 인덱스를 사용합니다. 모델은 특정 시점까지 생존했을 때 해당 구간 내에 이벤트가 발생할 확률을 예측합니다. 이는 딥러닝 및 표준 분류기와 매우 높은 호환성을 가집니다.
• 적용 가능성: PEM과 DT 모두 특정 데이터 증강 전략(예: 서로 다른 원인이나 전이를 위해 데이터셋을 쌓는 방식)을 통해 단일 사건, 경쟁 위험, 반복 사건 및 다상상태 설정을 처리할 수 있습니다.

2. 선택된 시점에서의 양적 추정 (지점 추정)

이 기법들은 전체 분포를 추정하는 대신 특정 양(예: 시점 $\tau$에서의 생존 확률, 누적 발생 함수, RMST)을 추정하는 데 집중합니다.

• 중도 절단 역확률 가중치 (Inverse Probability of Censoring Weighting, IPCW): 생존 과업을 가중 이진 분류(weighted binary classification) 문제로 변환합니다. 고정된 컷오프 시점 $\tau$ 이전에 이벤트가 발생할 확률을 예측합니다. 편향을 교정하기 위해, (Kaplan-Meier를 통해 추정된) $\tau$ 이전까지 중도 절단되지 않을 역확률에 따라 관측치에 가중치를 부여합니다.
• 완전 순위 방법 (Complete Ranking Method, CRM): 생존 과업을 회귀(regression) 문제로 변환합니다. 각 피험자에 대해 무작위로 선택된 동료보다 먼저 실패할 확률을 나타내는 타겟 점수를 계산합니다. 모델은 이러한 상대적 위험 점수를 예측합니다.
• 의사 값 (Pseudo-Values, PV): 생존 과업을 회귀 문제로 변환합니다. 비모수 추정량(예: Kaplan-Meier를 위한 생존, Aalen-Johansen을 위한 경쟁 위험)을 사용하여 특정 시점에서의 각 개인에 대한 의사 값을 계산합니다. 이 값들은 표준 회귀 알고리즘의 종속 변수로 사용되어, 특징값(features)에 따른 RMST나 전이 확률과 같은 양을 직접적으로 예측할 수 있게 합니다.

주요 기여

1. 통합 프레임워크: 본 논문은 예측 유형(분포 vs 지점 추정), 추정 대상, 적용 가능한 생존 과업(단일 사건, 경쟁 위험, 다상태)에 따라 축소 기법을 분류하는 포괄적인 프레임워크를 제공합니다.
2. 원칙적인 구현: 저자들은 이러한 축소 기법들을 mlr3proba R 패키지에 구현하였으며, mlr3pipelines 아키텍처를 활용하였습니다. 이를 통해 다음을 보장합니다:
   • 표준 ML 워크플로우(리샘플링, 하이퍼파라미터 튜닝, 중첩 교차 검증)와의 호환성.
   • 롱 포맷 데이터에서의 의사 복제(pseudo-replication)로 인한 편향을 방지하기 위한 피험자 식별자(subject identifier)의 올바른 처리.
   • 훈련 데이터로부터 테스트 데이터로의 변환 파라미터(예: 절단점)의 원활한 통합.
3. 벤치마킹: 확립된 통계 및 ML 생존 모델들과의 정량적 비교를 수행하여 경쟁력 있는 성능을 입증하였습니다.
4. 예시 적용: 종양 수술 데이터, 병원 획득 감염 등의 실제 데이터셋에 대하여 XGBoost(PEM용) 및 Random Forests(DT 및 PV용)를 적용하여, 비비례 위험(non-proportional hazards)과 복잡한 상호작용을 학습할 수 있음을 보여주는 예시를 제시합니다.

결과

• 성능: 벤치마크 실험에서 축소 기법(특히 PEM 및 DT)은 특화된 생존 학습기(specialized survival learners)와 대등한 예측 성능을 보여주었습니다.
• 유연성: 축소 접근 방식은 커스텀 알고리즘 수정 없이도 비비례 위험과 복잡한 특징 상호작용을 성공적으로 처리했습니다.
• RMST 추정: 의사 값(Pseudo-Value) 접근 방식은 특징값에 조건부된 제한 평균 생존 시간(RMST)을 추정하는 데 특히 효과적이며, 생존 곡선을 적분하는 것보다 더 직접적인 모델링 접근법을 제공함이 강조되었습니다.
• 경쟁 위험: 이 기법들은 데이터 스태킹(stacking) 및 원인별 변환을 통해 경쟁 위험 및 다상태 설정으로 성공적으로 확장되었으며, 비모수적 기저 추정치(Kaplan-Meier, Aalen-Johansen)를 효과적으로 복구하였습니다.

의의 및 주장

본 논문은 축소 기법이 커스텀 생존 특화 ML 알고리즘을 개발하는 것에 대한 실용적이고 강력한 대안이라고 주장합니다. 생존 과업을 표준 회귀 또는 분류 문제로 축소함으로써, 이 방법들은 다음과 같은 이점을 제공합니다:

• 격차 해소: 실무자들이 특화된 적응형 모델이 나올 때까지 기다리지 않고도 최첨단 ML 도구(예: Transformers, Gradient Boosting)를 생존 데이터에 즉시 적용할 수 있게 합니다.
• 워크플로우 표준화: 생존 분석을 표준 ML 라이프사이클에 통합하여 재현성, 하이퍼파라미터 튜닝 및 모델 선택을 용이하게 합니다.
• 적용 범위 확대: 표준 소프트웨어 라이브러리에서 지원되지 않는 경우가 많은 복잡한 생존 설정(경쟁 위험, 다상태)에 대해 유효한 분포-무관(distribution-free) 방법을 제공합니다.

저자들은 이러한 기술을 단순한 통계 이론의 대체재가 아니라, 일반적인 ML 혁신과 생존 분석 특화 적용 사이의 "지연" 문제를 해결하고 고급 머신러닝을 생존 분석 분야에 민주화하는 통합적이고 사용자 친화적인 인터페이스로 정의합니다.