Random-Effects Algorithm for Random Objects in Metric Spaces

기술 요약: 거리 공간 내 임의 객체를 위한 랜덤-이펙트 알고리즘

문제 제기
현대 과학 분야, 특히 디지털 헬스케어는 동일한 실험 단위 (예: 개인) 로부터 여러 관측치가 수집되는 데이터셋을 생성합니다. 이러한 관측치는 종종 스칼라나 벡터 결과물이 아닌 확률 분포, 네트워크, 또는 함수적 곡선과 같은 비유클리드 임의 객체로 나타납니다. 혼합 효과 모델은 스칼라 결과물에 대해 잘 정립되어 있으며, 최근에는 힐베르트 공간의 함수적 데이터에 대해서도 적용되고 있지만, 거리 공간에서 정의된 임의의 임의 객체를 위한 일반적인 랜덤-이펙트 프레임워크는 부재합니다. 거리 공간 데이터에 대한 기존 방법들은 주로 선형 모델, 측지선 공간, 또는 단변량 분포로 제한되어 있어, 개인화된 예측이 필요한 일반적인 거리 공간에서의 반복 응답을 위한 유연한 기준선을 제공하지 못합니다.

방법론
저자들은 거리 공간 $(\Omega, d)$ 내 임의의 임의 객체에 대한 랜덤-이펙트 모델링을 위한 비선형, 프레셰 (Fréchet) 기반 알고리즘을 제안합니다. 핵심 혁신은 거리 공간 내에서 직접적인 덧셈이나 뺄셈 연산이 필요하지 않도록 잠재적 주제별 랜덤 효과를 **앵커 기반 표현 (anchor-based representation)**으로 구성하는 것입니다.

1. 앵커 변환:

   • 이 방법은 경험적 응답 공간에서 관측된 응답 집합 (앵커) $A_\ell$을 선택합니다.
   • 각 앵커 $A_\ell$에 대해, 거리 공간 응답 $Y_{ij}$는 스칼라 변수로 변환됩니다: $Z^{(\ell)}_{ij} = \log(d^2(Y_{ij}, A_\ell) + \delta)$, 여기서 $\delta > 0$는 수치적 안정성을 보장합니다.

2. 스칼라 혼합 효과 피팅:

   • 각 앵커 $\ell$에 대해, 변환된 거리에 스칼라 혼합 효과 모델을 적합시킵니다:
     $$Z^{(\ell)}_{ij} = f_\ell(X_{ij}) + b^{(\ell)}_i + \varepsilon^{(\ell)}_{ij}$$
   • 여기서 $f_\ell$은 고정 효과 회귀 함수 (그라디언트 부스팅 트리를 통해 구현됨) 이며, $b^{(\ell)}_i$는 앵커 $\ell$까지의 거리에 대한 주제 $i$의 잠재적 효과를 나타내는 앵커별 랜덤 절편입니다.
   • 구현은 가우시안 랜덤 효과 성분과 그라디언트 부스팅 트리를 결합한 GPBoost를 활용합니다.

3. 이산 최적화를 통한 예측:

   • 주제 $i$에 대한 새로운 공변량 $x$에 대한 응답을 예측하기 위해, 알고리즘은 주제별 랜덤 효과 $\hat{b}^{(\ell)}_i$와 고정 효과 $\hat{f}_\ell(x)$를 추정합니다.
   • 최종 예측 $\hat{m}_{n,i}(x)$는 관측된 응답 공간 $\mathcal{Y}_n$에 대한 이산 최적화 문제를 풀어 얻습니다:
     $$\hat{m}_{n,i}(x) \in \arg \min_{\omega \in \mathcal{Y}_n} \sum_{\ell \in I_n} \left( \log(d^2(\omega, A_\ell) + \delta) - (\hat{f}_\ell(x) + \hat{b}^{(\ell)}_i) \right)^2$$
   • 본질적으로, 이 방법은 앵커에 대한 변환된 거리의 프로파일이 특정 주제에 대한 예측 프로파일과 가장 잘 일치하는 관측된 객체를 선택합니다.

이론적 기여
본 논문은 M-추정 이론을 사용하여 제안된 추정자에 대한 일관성 결과를 확립합니다. 최소화자의 유일성, 위험의 분리, 그리고 경험적 기준이 모집단 기준에 대해 균일하게 수렴한다는 특정 가정 하에, 저자들은 랜덤-이펙트 구조가 작업 모델 (working model) 로 취급되더라도 추정된 예측 목표가 진정한 오라클 목표에 확률적으로 수렴함을 증명합니다.

실증 결과
이 방법은 다양한 유형의 거리 공간 객체를 포함하는 네 가지 디지털 헬스케어 데이터셋에서 평가되었습니다:

1. $L^2$ 힐베르트 공간 (함수적 데이터):
   • NHANES (신체 활동): 랜덤 효과를 통합함으로써 홀드아웃 평균 제곱 오차 (MSE) 를 약 10% (16.26 에서 14.64 로) 감소시켰습니다.
   • CGMCR (혈당 곡선): MSE 가 약 8.6% (4,368 에서 3,994 로) 감소했습니다. 비선형 접근법은 두 경우 모두 기존 선형 함수적 혼합 효과 모델보다 우수한 성능을 보였습니다.
2. 워셔스타인 거리 (다변량 분포):
   • CGM 3D 분포: 혈당 역학을 다변량 분포 (혈당, 속도, 가속도) 로 표현합니다. 랜덤 효과는 제곱 워셔스타인 오차에서 상당한 57% 감소 (986 에서 421 로) 를 가져와, 이 설정에서 개인화된 예측의 주요 동인이 주제별 변이임을 나타냈습니다.
3. 프로베니우스 거리 (그래프):
   • NHANES 라플라시안 그래프: 활동의 시간적 상관 구조를 표현합니다. 이 경우 랜덤 효과는 미미한 개선만 제공했습니다 (MSE 0.665 대 0.664), 이는 임계값이 적용된 그래프 구성이 안정적인 주제별 신호를 포착하지 못했음을 시사합니다. 그러나, 매우 좌식적인 소수의 하위 집단에서는 랜덤-이펙트 접근법으로 인해 유의미한 향상을 보였습니다.

의의 및 주장
본 논문은 거리 공간 내 임의의 임의 객체를 위한 첫 번째 광범위하게 적용 가능한 비선형 랜덤-이펙트 프레임워크를 제공한다고 주장합니다. 그 의의는 다음과 같습니다:

• 유연성: 선형 벡터 공간 구조가 필요하지 않고, 거리 공간 값 데이터를 위한 대규모 단변량 피팅 전략을 확장합니다.
• 성능: 앵커 기반 비선형 모델링이 기존 힐베르트 공간 기반 선형 방법보다 우수하며, 분포 및 그래프와 같은 복잡한 데이터 구조에서 개인별 이질성을 효과적으로 포착함을 입증합니다.
• 실용성: 이 알고리즘은 계산적으로 간단하고 병렬화 가능하며, 신호가 항상 시간적으로 정렬될 수 없는 고빈도 임상 데이터에 적합합니다.

저자들은 주로 여러 단변량 모델을 피팅하는 데 드는 계산 비용이라는 한계를 인정하지만, 일반적인 샘플 크기 (예: $n \approx 4000$) 의 경우 고성능 클러스터에서 계산적으로 실현 가능하다고 지적합니다. 향후 작업으로는 하위 표본 추출을 통한 확장성과 불확실성 정량화에 대한 제안이 있습니다.