Operationalizing Longitudinal Causal Discovery Under Real-World Workflow Constraints

이 논문은 대규모 종단 데이터의 구조적 모호성을 줄이고 해석 가능성을 높이기 위해 실제 업무 프로세스에서 유도된 제약 조건을 인과 발견 모델에 통합하는 새로운 프레임워크를 제안하고, 일본 전국의 대규모 건강 검진 코호트 데이터를 통해 그 유효성을 입증합니다.

핵심

이 논문은 **"현실 세계의 복잡한 업무 흐름을 고려한 인과 관계 찾기"**에 대한 연구입니다.

간단히 말해, "데이터만 보고 인과 관계를 찾아내면 되는데, 왜 굳이 현실의 업무 규칙까지 고려해야 하냐?"라는 질문에 대한 답입니다. 저자들은 **"데이터는 단순히 시간이 흐른 것이 아니라, 병원의 진료 절차나 기업의 업무 프로세스라는 '레일' 위에서 생성된다"**는 점을 강조합니다.

이 복잡한 내용을 일상적인 비유로 쉽게 설명해 드릴게요.

---

🏥 비유: 거대한 병원과 혼란스러운 진료 기록

상상해 보세요. 전국 10 만 명 이상의 환자가 매년 건강검진을 받는 거대한 병원이 있습니다. 여기서 의사는 환자들의 체중, 혈압, 생활 습관 등을 기록하고, 필요한 경우 '건강 지도 (운동, 식이요법 등)'를 처방합니다.

1. 문제: "시간"만 믿고 추측하면 생기는 함정

기존의 데이터 분석 방법들은 "2020 년 데이터가 2021 년 데이터보다 먼저 왔으니, 2020 년이 2021 년의 원인일 거야"라고 단순히 시간 순서만 믿고 인과 관계를 추론합니다.

하지만 현실은 다릅니다.

• 업무 흐름 (Workflow): 환자가 검진을 받고, 의사가 결과를 보고, 그다음 건강 지도를 처방하고, 내년에 다시 검진을 받습니다.
• 혼란: 만약 이 '업무 순서'를 무시하고 데이터만 보면, "내년 혈압이 올랐으니, 올해 건강 지도가 나빴다?"라고 잘못 결론 내릴 수도 있습니다. 아니면 "약과 식습관이 동시에 변했는데, 어느 것이 먼저 원인일까?"라고 헷갈릴 수 있습니다.

이것은 마치 레일 없는 기차를 상상하는 것과 같습니다. 기차가 제멋대로 레일 밖으로 튀어나가면 (데이터 분석이 현실과 동떨어진 가설을 세우면), 목적지 (올바른 결론) 에 도달할 수 없습니다.

2. 해결책: "업무 레일"을 깔아주다

이 논문은 새로운 복잡한 수학을 invented 한 것이 아니라, "현실의 업무 규칙을 데이터 분석에 레일처럼 깔아주는" 방법을 제안합니다.

• 규칙 1 (순서 지키기): "의사가 처방을 내리기 전에 환자가 약을 먹을 수는 없다"는 사실처럼, 업무 프로세스상 불가능한 인과 관계는 아예 분석 대상에서 제외합니다.
• 규칙 2 (블록 단위 정리): 같은 해에 기록된 '생활 습관'과 '약 복용'은 누가 먼저 변했는지 알 수 없으니, 서로의 원인으로 보지 않고 '동시 발생'으로 처리합니다. 대신 작년의 생활 습관이 올해의 약 복용에 영향을 줬는지는 분석합니다.

이렇게 **현실의 업무 흐름에 맞는 '허용된 인과 관계 지도'**를 먼저 그려놓으면, 데이터 분석이 엉뚱한 길로 빠지는 것을 막을 수 있습니다.

3. 결과: 더 명확하고 신뢰할 수 있는 결론

이 방법을 적용해서 10 만 명 이상의 데이터를 분석한 결과는 다음과 같습니다.

• 명확한 효과: "건강 지도를 받으면, 단기적으로 체중 (BMI) 이 줄어든다"는 결론이 매우 뚜렷하게 나왔습니다. (통계적으로 신뢰할 수 있는 범위)
• 불확실성 인정: "혈압이나 당뇨 수치는 효과가 있을 수도, 없을 수도 있다"는 불확실성을 솔직하게 보여줍니다. (이게 중요한데, 무조건 "효과 있다"고 말하지 않고 "데이터상 불확실하다"고 알려줍니다.)
• 시뮬레이션 도구: 이 분석 결과를 바탕으로 "만약 내가 운동을 더 많이 하면 1 년 뒤 혈압이 얼마나 떨어질까?" 혹은 "목표 혈압을 달성하려면 지금 약을 어떻게 조절해야 할까?" 같은 질문을 던져보는 '예측 도구'를 만들었습니다.

💡 핵심 메시지 (한 줄 요약)

"데이터 분석을 할 때, 단순히 '시간 순서'만 믿지 말고, 그 데이터가 만들어지기까지의 '현실 업무 규칙 (레일)'을 먼저 고려해야만, 진짜 유용한 인과 관계를 찾아낼 수 있다."

이 연구는 복잡한 수학적 알고리즘을 새로 만든 것이 아니라, 현실 세계의 업무 흐름을 데이터 분석의 '설계도'로 삼음으로써, 의료나 정책 결정에 바로 쓸 수 있는 신뢰할 만한 인과 관계 지도를 그리는 방법을 제시했습니다. 마치 레일 없는 기차 대신, 정해진 레일을 따라 달리는 기차를 만들어 안전하고 빠르게 목적지에 도달하게 한 것과 같습니다.

기술 요약

1. 문제 정의 (Problem)

인과성 발견 (Causal Discovery) 은 이론적으로 큰 진전을 이루었으나, 대규모 종단 시스템 (longitudinal systems) 에 실제 배포 (deployment) 되는 데는 여전히 격차가 존재합니다. 주요 문제는 다음과 같습니다.

• 업무 프로세스와 데이터 생성의 불일치: 실제 운영 데이터는 추상적인 시간 인덱스가 아닌, 기관의 업무 프로세스 (workflow) 하에서 생성됩니다. 예를 들어, 건강 검진 프로그램에서는 변수가 기록되는 순서, 개입 (health guidance) 이 할당되는 시점, 그리고 평가가 이루어지는 시점이 고정된 프로토콜을 따릅니다.
• 구조적 모호성 (Structural Ambiguity): 이러한 업무 프로세스에 의해 유도된 부분 순서 (partial orders) 가 공식화되지 않으면, 허용 가능한 방향성 비순환 그래프 (DAG) 의 공간이 기록 과정과 일치하지 않는 구조들을 포함하게 되어 탐색 공간이 불필요하게 커지고 인과 방향 추정이 모호해집니다.
• 혼합형 패널 데이터의 어려움: 이산형 (질문지, 약물 복용 여부 등) 과 연속형 (혈압, BMI 등) 변수가 혼합된 종단 데이터에서는 '동시성 (within-time)' 인과 방향을 식별하는 것이 특히 어렵습니다.

2. 방법론 (Methodology)

저자들은 새로운 최적화 알고리즘을 제안하는 대신, **실제 업무 프로세스 제약 조건을 인과 발견 프레임워크에 명시적으로 통합하는 '설계 레이어 (Design Layer)'**를 제안합니다. 이 프레임워크는 기존 LiNGAM (Linear Non-Gaussian Acyclic Model) 을 기반으로 하되, 다음과 같은 네 가지 핵심 원칙을 적용합니다.

2.1. 업무 프로세스 유도 구조 제약 (Workflow-Derived Structural Constraints)

• 구조적 마스크 (Structural Masks): 의료 전문가의 주관적 가정이 아닌, 기록 프로토콜 (어떤 변수가 언제 측정되는지, 개입이 어떻게 할당되는지) 에서 도출된 정보를 기반으로 허용 가능한 엣지 (edge) 를 제한합니다.
• 시간 역전 금지 및 블록 구조: 시간 역전을 허용하지 않으며, 기록 순서에 따라 변수를 블록 (Block) 으로 그룹화합니다. 예를 들어, '건강 지도 (Health-guidance)'는 '질문지 기반 변수'보다 먼저, '연속형 건강 결과'보다 먼저 기록되므로, 이 순서에 따라 동시성 (within-time) 인과 방향을 제한합니다.

2.2. 타임라인 정렬 및 블록 설계 (Timeline-Aligned Indexing & Block Structure)

• 측정 연도 기반 인덱싱: 추상적인 시간 $t$ 대신 실제 측정 연도를 기반으로 시간을 정의합니다. 예를 들어, $t$년도의 건강 지도는 $t-1$년도의 검진 결과에 기반하여 결정되고, $t+1$년도의 결과에 영향을 미친다고 모델링합니다.
• 혼합형 데이터 안정화: 이산형과 연속형 변수 간의 동시성 인과 방향이 불안정한 문제를 해결하기 위해, 기록 해상도가 다른 변수들 (예: 약물 복용과 생활 습관) 간의 동시성 방향성을 제한하고 교차 시간 (cross-time) 링크로만 연결합니다.

2.3. 부트스트랩 기반 불확실성 정량화 (Bootstrap Uncertainty Quantification)

• 주체 단위 리샘플링: 1,000 회 반복의 부트스트랩 (bootstrap) 을 통해 개체 (subject) 단위로 데이터를 재표본 추출합니다.
• 지연된 총 효과 (Lagged Total Effects) 추정: 제약된 그래프 공간 내에서 지연된 총 인과 효과 (direct + indirect effects) 를 계산하고, 95% 백분위 신뢰구간을 제공하여 의사결정에 필요한 불확실성을 정량화합니다.

2.4. 의사결정 관련 동적 표현 (Decision-Relevant Dynamic Representation)

• 학습된 구조를 정적 그래프가 아닌 선형 동적 시스템으로 표현합니다. 이를 통해 "What-if" 시나리오 (미래 예측) 와 "Goal-seeking" (목표 달성을 위한 현재 변수 조정) 쿼리를 지원합니다.

3. 주요 기여 (Key Contributions)

1. 추정 알고리즘이 아닌 '허용 가능한 그래프 클래스'의 재정의: 기존 LiNGAM 알고리즘을 변경하지 않고, 업무 프로세스에서 유도된 부분 순서를 인코딩하여 탐색 공간을 제한함으로써 구조적 모호성을 줄였습니다.
2. 실무 적용 가능한 프레임워크: 의료 도메인 특유의 가정을 배제하고, 기록 프로토콜과 데이터 구조 사실 (data-structural facts) 만을 기반으로 재현 가능하고 감사 가능한 (auditable) 인과 발견 파이프라인을 구축했습니다.
3. 불확실성 정량화 및 의사결정 도구: 단순한 그래프 추정을 넘어, 부트스트랩 기반의 신뢰구간을 포함한 총 효과 추정치와 이를 활용한 시뮬레이션 도구를 제공하여 실제 운영 환경에서의 활용성을 높였습니다.

4. 실험 결과 (Results)

일본 전역의 연간 건강 검진 코호트 (107,261 명, 429,044 인년, 4 년간 15 개 변수) 를 대상으로 한 대규모 스트레스 테스트를 수행했습니다.

• 건강 지도의 지연된 총 효과:
  • BMI: 건강 지도 (2020 년) 는 1 년 후 (lag 0) 에 유의미한 감소 효과 (-0.129, 95% CI: [-0.165, -0.094]) 를 보였으며, 시간이 지남에 따라 효과가 감소하거나 불확실성이 커지는 경향을 보였습니다.
  • 수축기 혈압 (SBP): 1 년 후 유의미한 감소 효과를 보였으나, 장기적으로는 불확실성이 증가했습니다.
  • 이완기 혈압 (DBP): 초기에는 불확실했으나, 2~3 년 후 양의 효과 (증가) 가 관찰되는 경향을 보였으며, 이는 중개 경로를 통한 전파로 해석될 수 있습니다.
  • HbA1c 및 LDL: 모든 지연 구간에서 0 을 포함하는 넓은 신뢰구간을 보여 명확한 인과 효과를 확인하기 어려웠습니다.
• 민감도 분석: BMI 를 대신하여 허리 둘레나 체중을 사용하거나, 프로그램 '참가' 대신 '할당 (eligibility-based assignment)' 지표를 사용했을 때, 체중 관련 지표의 단기 감소 효과와 SBP 의 감소 경향은 일관되게 유지되었습니다.
• 재귀적 서브그래프 (Motif): 시간 포인트 간 일관된 동시성 인과 구조 (Motif) 를 추출하여 복잡한 종단 그래프를 요약했습니다.

5. 의의 및 결론 (Significance & Conclusion)

이 연구는 인과 발견을 이론적 단계에서 실제 운영 시스템으로 전환하기 위한 핵심적인 **'설계 레이어'**를 제시합니다.

• 이론과 실무의 간극 해소: 추상적인 시간 가정이 아닌 실제 기관의 업무 프로세스 (workflow) 를 인과 모델의 제약 조건으로 명시화함으로써, 표준 식별 가능성 가정 하에서도 구조적 해석력을 크게 향상시켰습니다.
• 재현 가능한 인프라: 특정 도메인 전문가의 주관적 가정에 의존하지 않고, 기록 프로토콜 기반의 제약 조건을 적용하여 재현 가능하고 감사 가능한 인과 분석 파이프라인을 구축했습니다.
• 미래 전망: 제안된 프레임워크는 의료뿐만 아니라, 기관적 업무 프로세스가 변수와 시간에 대한 부분 순서를 유도하는 모든 종단 시스템 (예: 금융, 정책 평가 등) 에 적용 가능한 일반적인 방법론으로 평가됩니다.

결론적으로, 본 논문은 알고리즘의 복잡성을 높이는 대신 **데이터 생성 워크플로우와 구조적 가정을 정렬 (Alignment)**시킴으로써, 대규모 종단 데이터에서의 인과 발견을 실용적이고 신뢰할 수 있는 의사결정 지원 도구로 만드는 길을 열었습니다.