Scalar-on-distribution regression via generalized odds with applications to accelerometry-assessed disability in multiple sclerosis

기술 요약: 일반화된 오즈(Generalized Odds)를 통한 스칼라-온-분포 회귀

문제 정의
디지털 헬스 기술(DHT)은 연속적이고 고해상도인 행동 데이터(예: 분 단위 가속도계 데이터)를 생성하며, 이는 풍부한 피험자별 분포를 형성한다. 이러한 분포는 스칼라 요약치(예: 총 일일 활동량)보다 더 많은 정보를 담고 있지만, 어떤 분포적 특징이 임상적 결과 예측에 가장 효과적인지를 식별하는 것은 여전히 해결되지 않은 과제로 남아 있다. Niyogi 등(2024)의 선행 연구는 꼬리 부분의 거동(극단적인 활동 수준)을 강조하는 해저드 기반 표현(hazard-based representations)이 다발성 경화증(MS)의 장애 예측에 있어 다른 표현 방식보다 우수함을 입증했다. 그러나 기존 방법론들은 특정 분포 객체(밀도, 분위수, 생존 함수 또는 해저드 함수)에 의존하는 경우가 많으며, 이는 특히 희소하거나 이산적인 데이터 맥락에서 극단적인 값과 일반적인 값 사이의 대비를 충분히 포착하지 못할 수 있다.

방법론
저자들은 피험자별 분포를 표현하기 위한 통일된 일반화된 오즈(Generalized Odds, GO) 프레임워크와 그에 대응하는 스칼라-온-오즈 회귀(scalar-on-odds regression) 모델을 제안한다.

1. 일반화된 오즈의 정의:
   본 프레임워크는 표본 공간 내 두 임의의 사건 확률의 비율로서 피험자별 일반화된 오즈 함수 $h_{4,F}$를 정의한다. 확률 변수 $X$의 분포가 $F$이고 구간이 $A=[u_1, u_2]$ 및 $B=[u_3, u_4]$일 때, GO는 다음과 같이 정의된다:
   $$h_{4,F}(u_1, u_2, u_3, u_4) = \frac{P(X \in [u_3, u_4])}{P(X \in [u_1, u_2])} = \frac{F(u_4) - F(u_3)}{F(u_2) - F(u_1)}$$
   이 공식은 기존의 분포 객체들을 일반화한다:

• 확률 질량 함수(PMF): $h_{4,F}(0, D, k, k-1) = p(k)$.
• 해저드 함수(Hazard Function): $h_{4,F}(k, D, k-1, k) = \lambda(k)$.
• 잔여 수명 분포(Residual Life Distribution): $h_{4,F}(t, D, t, t+u)$.
• 1-인덱스 및 2-인덱스 객체: 생존 확률과 누적 확률을 비교하는 경우($S(u)/F(u)$) 또는 생존 확률 간을 비교하는 경우($S(u_2)/F(u_1)$)와 같은 특수 사례들.

2. 회귀 모델:
   저자들은 임상적 결과 $y_i$(예: EDSS 점수)가 연결 함수 $g$를 통해 GO 함수 $h_{F_i}$와 연결되는 스칼라-온-함수 회귀 모델을 구성한다:
   $$g(\mu_i) = \alpha + \int \beta(u) h_{F_i}(u) du$$
   여기서 $\mu_i = E[y_i | X_i]$이다. 계수 함수 $\beta(u)$는 **스플라인 기반 함수 표현(spline-based functional representation)**을 사용하여 추정된다. 구체적으로, $\beta$는 B-스플라인 기저 함수의 텐서 곱을 통해 근사된다:
   $$\beta(u_1, u_2, u_3, u_4) = \sum_{k_1}\sum_{k_2}\sum_{k_3}\sum_{k_4} b_{k_1,k_2,k_3,k_4} B_{k_1}(u_1)B_{k_2}(u_2)B_{k_3}(u_3)B_{k_4}(u_4)$$

3. 추정 및 규제화(Regularization):
   고차원 텐서 계수를 처리하고 정보가 있는 분포 영역을 식별하기 위해, 저자들은 **패널티가 적용된 가능도 추정(penalized likelihood estimation)**을 사용한다. 이들은 희소성(sparsity)과 변수 선택을 유도하기 위해 네 가지 패널티 함수를 평가한다:

• 라쏘(Lasso, $L_1$)
• 엘라스틱 넷(Elastic Net)
• SCAD(Smoothly Clipped Absolute Deviation)
• MCP(Minimax Concave Penalty)

데이터 및 적용
본 방법론은 248명의 다발성 경화증 환자가 참여한 HEAL-MS 연구(다발성 경화증의 종단적 기능을 예측하기 위한 가정 기반 평가) 데이터를 적용하였다.

• 예측 변수: 2주간 수집된 손목 착용형 가속도계(GT9X Actigraph) 데이터로, 오전 8시부터 오후 8시까지의 1분 단위 에포크(epoch) 활동량(로그 변환됨)으로 처리되었다.
• 결과 변수: 확장 장애 척도(EDSS) 점수 (0–10).
• 비교 대상: 고전적인 스칼라 요약치(평균 활동량) 및 스칼라-온-생존(scalar-on-survival) 모델과 비교하였다.

주요 결과
100회의 반복 실험을 포함한 5-겹 교차 검증(5-fold cross-validation)을 사용하여, EDSS 점수에 대한 예측 성능(교차 검증된 $R^2$로 측정)을 보고하였다:

• 스칼라 요약치 (평균 활동량): $R^2 \approx 0.095$.
• 스칼라-온-생존 (Scalar-on-Survival): $R^2 \approx 0.115$.
• 스칼라-온-1-인덱스 오즈: $R^2 \approx 0.151$ (Lasso).
• 스칼라-온-2-인덱스 오즈: $R^2 \approx 0.146 - 0.151$.
• 스칼라-온-4-인덱스 오즈 (일반화된 모델): $R^2 \approx 0.208 - 0.209$.

4-인덱스 GO 모델은 다른 모든 접근법을 일관되게 능가하였으며, 스칼라 요약치의 예측 성능을 거의 두 배로 높였고 생존 기반 모델보다 유의미하게 향상된 성능을 보였다. 엘라스틱 넷과 라쏘 패널티가 4-인덱스 모델에서 가장 높은 $R^2$ 값을 나타냈다.

의의 및 주장
본 논문은 Generalized Odds 프레임워크가 다음과 같은 점에서 중요한 방법론적 진보를 제공한다고 주장한다:

1. 꼬리 거동의 직접적 타겟팅: 전체적인 형태를 요약하는 단일 인덱스 표현(예: 밀도)과 달리, GO 함수는 극단적인 값과 일반적인 값을 명시적으로 대비시킴으로써, 이전 MS 연구에서 중요하다고 식별된 "꼬리 거동(tail behavior)"을 포착한다.
2. 강건성(Robustness): 비율 기반의 정식화는 직접적인 밀도 추정이 실패할 수 있는 희소하거나 경계가 있는 데이터, 혹은 이산 데이터에서도 정의가 명확하고 안정적이다.
3. 통합된 프레임워크: 이는 해저드, 생존, 잔여 수명 표현을 특수 사례로 포함하는 유연하고 통합된 접근 방식을 제공한다.

저자들은 오즈 기반의 분포적 공변량이 임상 환경에서의 DHT 데이터에 대해 우수한 예측 가치를 제공하며, 특히 신체 활동의 꼬리 거동이 다발성 경화증의 장애 결과에 결정적인 동인임을 입증했다고 결론지었다. 또한, 본 연구의 적용은 MS에 집중되었으나, 이 프레임워크는 극단적 행동과 일반적 행동 사이의 대비가 과학적으로 의미 있는 다른 영역에도 폭넓게 적용 가능하다는 점을 언급하였다.