Multimodality Stacking with Blockwise missing values and application to the PIONeeR biomarkers study for prediction of resistance to immunotherapy

기술적 요약: 블록형 결측치를 가진 다중모달 스택킹 (MSB)

문제 제기
본 논문은 임상 종양학 생존 분석에서 발생하는 세 가지 동시적 과제를 다룹니다: 고차원성 ($n \sim p$ 또는 $n \ll p$), 상당한 비율의 결측 데이터, 그리고 데이터 소스 내의 높은 다중공선성입니다. 특히 저자들은 **블록형 결측 (blockwise missingness)**에 초점을 맞추는데, 이는 다기관 연구 전반에 걸친 이질적인 수집 프로토콜로 인해 특정 환자 하위 집합에 대해 전체 데이터 모달리티 (소스) 가 unavailable 한 구조적 문제입니다. 표준 접근법은 종종 리스트와이즈 삭제 (불완전한 데이터를 가진 환자 제외) 에 의존하여 샘플 크기를 줄이고 체계적 편향을 도입하거나, 차원이 증가함에 따라 충실도가 떨어지는 표준 대체 기법을 사용합니다. 기존 다중모달 학습 방법들은 종종 통합된 모달리티가 아닌 특성 단위 (per-feature basis) 로 표형 데이터를 처리하거나, 전형적인 임상 코호트에서 이용 가능한 것보다 더 큰 샘플 크기를 요구하는 딥러닝 모델들입니다.

방법론: MSB 프레임워크
저자들은 모든 모달리티에 걸쳐 완전한 데이터가 필요하지 않으면서 이러한 제약을 처리하도록 설계된 **블록형 결측치를 가진 다중모달 스택킹 (Multimodality Stacking with Blockwise missing values, MSB)**이라는 후기 융합 메타러닝 프레임워크를 제안합니다.

1. 아키텍처: MSB 는 모달리티별 학습과 글로벌 집계를 분리합니다.

   • 베이스 러너: $S$개의 데이터 소스 (모달리티) 각각에 대해 세 가지 독립적인 모델을 훈련합니다: 페널티화된 Cox 모델 (CoxNet), 랜덤 생존 포레스트 (RSF), 그리고 구성 요소별 그라디언트 부스팅 모델 (CWXGB) 입니다.
   • 결측 처리: 프레임워크는 블록형 결측을 명시적으로 고려합니다. 환자에 대해 소스가 결측인 경우, 해당 소스에 대한 대응하는 베이스 러너는 적용되지 않습니다.
   • 메타러너: 베이스 러너들의 출력 (위험 점수) 은 메타러너에 의해 집계됩니다. 과적합을 방지하기 위해 메타러너는 베이스 러너들의 아웃 - 오브 - 폴드 교차 검증 예측치로 훈련됩니다.
   • 결측 지시자: 잠재적 편향을 통제하기 위해 블록별 결측률이 메타러너의 특징으로 추가되지만, 본 연구는 모델이 이러한 패턴 자체에서 학습하는지 아니면 생체표지자 값에서 학습하는지 조사합니다.

2. 대체 전략: 논문은 MSB 의 세 가지 변형을 평가합니다:

   • MSB$_{imp}$: k-최근접 이웃 (kNN) 을 사용하여 모달리티로 분할하기 전에 원시 데이터를 대체합니다.
   • MSB: 스택킹 단계 전에 대체된 생존 위험 점수 (저차원 공간) 에 대해 대체를 수행합니다.
   • MSB$_{MIA}$: 대체 없이 결측을 별도의 범주로 간주하며, 트리 기반 메타러너 (특히 RSF) 내부에서 직접 "Missing Incorporated in Attributes (MIA)"를 사용합니다.

3. 검증: 프레임워크는 PIONeeR데이터셋을 사용하여 5 폴드 교차 검증 (3 회 반복) 으로 검증되었습니다. 성능은 판별력을 위한 C-index 와 보정을 위한 통합 브라이어 점수 (iBS) 로 측정되었으며, 통계적 유의성은 False Discovery Rate (FDR) 보정을 적용한 쌍체 윌콕슨 부호 순위 검정을 통해 평가되었습니다.

주요 결과
본 연구는 면역요법을 받는 진행성 비소세포폐암 (NSCLC) 환자의 무진행 생존 (PFS) 을 예측하기 위해 PIONeeR 데이터셋 ($n=443$명 환자, 8 개의 이질적 소스에 걸친 378 개 생체표지자) 을 활용했습니다.

• 예측 성능: MSB 는 동일한 데이터 (kNN 대체 포함) 로 훈련된 기준 알고리즘보다 일관되게 우수한 성능을 보였습니다.
  • 선형 모델: MSB-CoxNet 은 C-index 가 15.9% 증가했습니다 (0.572 에서 0.663 으로, $p < 0.001$).
  • 랜덤 포레스트: MSB-RSF 는 5.4% 증가했습니다 (0.647 에서 0.682 로, $p = 0.002$).
  • 그라디언트 부스팅: MSB-CWXGB 는 2.1% 증가했습니다 (0.678 에서 0.692 로, $p = 0.030$).
• 일반화: 중요한 발견은 일반화 격차 (훈련 및 테스트 성능 간의 차이) 의 감소였습니다. 선형 모델의 경우, 격차가 기준선인 0.380 에서 MSB 의 0.055 로 감소하여 MSB 가 과적합에 대한 효과적인 정규화제 역할을 함을 나타냈습니다.
• 모달리티 중요도: 순열 중요도 분석은 일상 임상 특징 (소스 A), 의학적 생물학/혈액 마커 (소스 B), 그리고 **PD-L1 발현 (소스 E)**을 주요 예측 동인으로 식별했습니다.
• 결측 편향: 결측 블록 지시자는 무시할 수 있는 중요도를 보여주었습니다. 이는 모델이 데이터 가용성 패턴이 아닌 실제 생체표지자 값에서 학습함을 시사하며, 결측 데이터에 기반하여 서로 다른 임상 센터 (예: APHM 대 기타) 의 환자들을 단순히 구분한다는 우려를 완화합니다.

의의 및 주장
저자들은 MSB 가 블록형 결측이 존재하는 다중모달 생존 예측을 위한 통계적으로 검증된 프레임워크를 제공한다고 주장합니다. 그 주요 의의는 다음과 같습니다:

1. 구조적 희소성 처리: 모든 모달리티에 걸쳐 완전한 데이터를 요구하지 않고 체계적인 생체표지자 평가를 가능하게 하여, 리스트와이즈 삭제와 관련된 샘플 크기 감소를 피합니다.
2. 소규모 코호트에서의 견고성: 고차원 특징 공간을 모달리티별 하위 문제로 분해하고 위험 점수를 집계함으로써 MSB 는 "차원의 저주"와 과적합을 완화하여 $n \ll p$인 임상 코호트에 적합하게 만듭니다.
3. 실용적 적용성: 이 프레임워크는 사이트나 프로토콜에 따라 데이터 가용성이 변하는 다기관 연구에서 예측 모델링을 위한 도구를 제공합니다.

한계 및 범위
논문은 주장에 regarding 하여 겸손한 입장을 유지합니다:

• 외부 검증 부재: 모든 결과는 단일 코호트 (PIONeeR, 17 개 프랑스 센터) 에서 도출되었습니다. 저자들은 명시적으로 MSB 를 독립적인 국제 코호트에서의 외부 검증이 완료될 때까지 생체표지자 연구를 위한 방법론적 프레임워크로 간주해야 한다고 밝힙니다.
• 종점 특이성: 본 연구는 무진행 생존 (PFS) 에 초점을 맞추었으며, 경쟁 위험이나 완치 분율 모델로 확장되지 않았으나, 이를 잠재적인 향후 방향으로 언급합니다.
• 대체 전략: kNN 대체는 계산 효율성과 안정성 때문에 사용되었으나, 저자들은 더 복잡한 대체 전략이 존재할 수 있으나 MSB 변형 간에 관찰된 최소한의 성능 차이 ($\Delta$C-index < 0.01) 로 인해 추구하지 않았음을 인정합니다.

MSB 프레임워크의 구현은 Inria 라이선스 하에 제공됩니다.