기술적 요약: 해석 가능한 생존 분석을 위한 GP 를 통한 특징 진화 대 전체 트리 진화

1. 문제 제기

생존 분석은 특정 사건이 발생할 때까지의 시간을 예측하는 것을 목표로 하며, 이는 의료 분야에서 중요한 과제입니다. 주요 과제는 연구 기간 중 사건을 경험하지 않은 환자 (중도 절단 데이터) 를 처리하면서도 예측 정확도와 해석 가능성 사이의 균형을 맞추는 것입니다.

생존 트리는 환자 코호트를 재귀적으로 분할함으로써 고유한 해석 가능성을 제공하지만, 두 가지 주요 한계에 직면해 있습니다:

1. 복잡성 대 해석 가능성 트레이드오프: 공변량 간의 복잡한 비선형 관계와 상호작용을 포착하기 위해 생존 트리는 종종 깊게 성장해야 하며, 이는 해석 가능성을 훼손하고 과적합 위험을 증가시킵니다.
2. 탐욕적 유도 (Greedy Induction) 의 한계: 고전적인 생존 트리 유도는 각 노드에서 국소적으로 최적인 분할을 선택하는 탐욕적, 상향식 접근법을 사용합니다. 이는 특히 실제 데이터 구조가 단순한 단변량 분할로는 포착할 수 없는 특정 비선형 특징 조합 (예: XOR 와 같은 상호작용) 을 필요로 할 때, 전역적으로 최적의 분할 조합을 간과하는 경향이 있습니다.

기존의 딥러닝 접근법 (예: DeepSurv) 은 높은 정확도를 달성하지만 해석 가능성이 부족하며, 종종 제한적인 코크스 비례 위험 (Cox proportional hazards) 가정에 의존합니다. 반면, CoxKAN 과 같은 기호 회귀 방법은 신경망을 근사화하지만 비례 위험 가정에 묶여 있으며, 생존 예측을 직접 최적화하지는 않습니다.

2. 방법론

저자들은 유전 프로그래밍 (GP), 특히 다목적 GP-GOMEA 알고리즘을 사용하여 얕은 생존 트리를 향상시키는 전략을 제안하고 비교합니다. 이 연구는 PISA(해석 가능한 생존 분석을 위한 파이프라인) 프레임워크를 확장한 것입니다.

2.1 핵심 접근법

이 연구는 Integrated Brier Score(IBS) 와 모델 복잡성 사이의 균형을 맞추는 다목적 최적화 프레임워크 하에서 평가된 세 가지 다른 생존 트리 학습 전략을 조사합니다:

1. GP-구축 특징 (GFC) 을 사용한 탐욕적 생존 트리 (Greedy ST):

   • GP 는 비선형 특징 (기호 표현식) 의 집합을 진화시키는 데 사용됩니다.
   • 이러한 특징은 표준 탐욕적 트리 유도 알고리즘에 입력됩니다.
   • 숫자 대 이진: 시스템은 트리에서 국소적으로 임계값을 찾는 숫자 특징 진화와 GP 표현식 자체가 분할 (예: $x < t$) 을 나타내는 이진 특징 진화를 테스트합니다.
   • 참고: 이 설정에서 특징 구축과 트리 유도는 별도의 단계입니다.

2. GFC 를 사용한 최적 생존 트리 (Optimal ST):

   • 이진 입력 특징 집합이 주어졌을 때, 동적 프로그래밍을 사용하여 수학적으로 증명 가능한 최적 트리 구조를 찾습니다.
   • GP 로 진화된 특징은 이진으로 제한됩니다 (공변량 변환과 임계값을 모두 포함).
   • 분할 선택은 코크스 비례 위험 모델에 기반한 부분 우도 (partial likelihood) 를 최대화합니다.

3. 진화적 생존 트리 (Evolutionary ST):

   • 전체 생존 트리 구조와 분할 논리가 단일 GP 개체군 내에서 공동으로 진화되는 새로운 접근법입니다.
   • 표현: 각 GP 트리가 생존 트리의 특정 노드에 대응되도록 (너비 우선 순서로 할당된) 멀티 트리 표현을 사용합니다.
   • 제약: 각 GP 트리는 특징과 임계값을 동시에 포착하는 이진 결정을 출력하도록 제한됩니다.
   • 강화: 저자들은 개체군 내 다양성을 보장하고 중복 개체를 피하기 위해 GP-트리 스왑핑(유전자형 내 트리 순서 변경) 과 고유 환자 층화 초기화 전략을 도입했습니다.

2.2 적합도 및 평가

• 목적: 통합 Brier 점수 (IBS) 를 최소화하고 특징/트리의 복잡성 (크기) 을 최소화합니다.
• 복잡성 계산:
  • GFC 접근법의 경우: 사용된 고유 특징의 크기 합계입니다. 재사용된 특징은 한 번만 계산됩니다.
  • 진화적 ST 의 경우: 트리 구조 자체가 최적화의 일부이므로, 특징의 모든 재사용이 개별적으로 계산됩니다.
• 데이터셋:
  • 합성 XOR 문제: 축 평행 분할이 실패하는 비선형 상호작용을 포착하는 능력을 테스트하도록 설계되었습니다.
  • GBSG: 림프절 전이 양성 유방암 생존 데이터 (내부 및 외부 검증).
  • METABRIC: 유방암 분자 분류학 데이터 (내부 및 외부 검증).
• 베이스라인: DeepSurv, CoxKAN, 랜덤 생존 숲 (RSF), 표준 카플란 - 마이어 추정기와 비교했습니다.

3. 주요 발견

3.1 합성 데이터 (XOR 문제)

• 원래 특징을 사용한 표준 탐욕적 트리는 실제 지상 진실 (ground truth) 을 모델링하지 못했습니다.
• 사전에 제공된 올바른 숫자 특징을 가진 탐욕적 트리도 탐욕 알고리즘이 즉각적인 이득에 기반하여 비최적의 루트 분할을 선택했기 때문에 실패했습니다.
• 성공 조건: 탐욕적 트리에 올바른 이진 지표(비선형 상호작용의 결과) 가 제공되거나 최적 ST나 진화적 ST를 사용할 때만 실제 지상 진실을 복원할 수 있었습니다.
• 이는 복잡한 상호작용의 경우, 특징이 상호작용 논리를 포함하도록 사전 구축되어야 하거나, 트리 유도가 탐욕적이지 않아야 함을 보여줍니다.

3.2 임상 벤치마크 (GBSG 및 METABRIC)

• 성능: 진화된 특징 (GFC) 을 사용한 생존 트리는 원래 특징을 사용한 베이스라인보다 훨씬 우수한 성과를 거두었습니다.
  • 깊이 3 트리: GFC 강화 탐욕적 ST 와 진화적 ST 는 비례 위험 가정에 의존하지 않으면서도 최첨단 DeepSurv 및 CoxKAN 과 비교 가능한 C-index 점수를 달성했습니다.
  • 최적 ST: 잘 수행되었지만 일부 구성에서 진화적 ST 보다 계산 비용이 더 많이 들었습니다.
• 특징 구축:
  • 놀랍게도 임상 데이터의 경우, 숫자 연산자만 사용하는 GFC 탐욕적 ST 가 이진 연산자를 사용하는 경우와 동등한 성능을 보였습니다. 이는 합성 XOR 사례와 달리 이러한 특정 데이터셋의 경우 고도의 성능을 위해 복잡한 이진 상호작용이 엄격하게 필요하지 않았음을 시사합니다.
  • 숫자 특징은 탐욕 알고리즘이 국소적으로 최적 임계값을 탐색할 수 있게 하여, GP 단계에서 이진 분할을 강제하는 것보다 더 많은 표현력을 제공했습니다.
• 진화적 ST 의 장점:
  • 계산 효율성: 진화적 ST 는 외부 트리 구축 절차를 피하기 때문에 GFC-탐욕적 (19 시간) 에 비해 훈련이 가장 빨랐습니다 (한 코어에서 깊이 3 기준 45 분).
  • 전역 최적화: 탐욕적 접근법에서 결여된 능력을 발휘하여 전역적으로 최적의 트리 구조에 기여하는 국소적으로 비최적인 분할을 성공적으로 유도했습니다.
  • 해석 가능성: 좋은 성능을 내는 여러 개의 얕고 검사 가능한 트리를 생성했습니다.

4. 기여 및 의의

이 논문은 다음과 같은 기여와 의의를 주장합니다:

1. 다목적 특징 구축의 검증: 이 연구는 다목적 특징 구축이 얕은 생존 트리를 강력하게 만드는 핵심임을 보여줍니다. 이는 복잡성과 정확성 사이에서 선택할 수 있는 모델의 파레토 프론트 (Pareto front) 를 생성하여 임상 의사에게 선택권을 제공합니다.
2. 새로운 진화적 생존 트리: 트리 구조와 분할 논리를 공동으로 최적화하는 진화적 ST 의 도입은 "가장 유망한" 접근법으로 제시됩니다. 이는 비탐욕적 최적화의 이점과 얕은 트리의 해석 가능성을 결합합니다.
3. 비례 위험 가정 없이 경쟁력 있는 성능: 제안된 방법은 실제 임상 데이터셋에서 딥러닝 베이스라인 (DeepSurv, CoxKAN) 과 동등한 예측 성능을 달성하지만, 제한적인 비례 위험 가정 없이 완전한 모델 투명성을 제공합니다.
4. 실용적 해석 가능성: 트리를 얕게 (깊이 2 또는 3) 유지하고 기호 특징을 사용함으로써, 결과 모델은 "본질적으로 검사 가능"하여 임상 의사가 예측을 특정 환자 특성 및 위험 요인으로 추적할 수 있게 합니다.

5. 한계 및 향후 방향

저자들은 겸손하게 현재 한계를 지적합니다:

• 이진 특징 제약: 진화적 ST 는 현재 이진 특징 (공변량 + 임계값 결합) 을 진화시켜야 합니다. 저자들은 최적화된 임계값으로 숫자 특징을 재사용할 수 있는 모듈식 표현이 검색 공간 복잡성을 증가시키지 않으면서 더 많은 유연성을 제공할 수 있다고 제안합니다.
• 자원 할당: 이 연구는 방법 간에 균일한 하이퍼파라미터 (개체군 크기, 세대 수) 를 사용했습니다. 진화적 ST 는 더 복잡한 문제를 해결하므로, 향후 연구는 더 많은 계산 자원을 할당하는 것이 성능을 더욱 향상시킬지 여부를 조사해야 합니다.

결론적으로, 이 논문은 특징 구축이 탐욕적 트리를 향상시키지만, 전체 트리 구조의 공동 진화가 정확하고 해석 가능하며 얕은 생존 모델을 만드는 데 가장 높은 잠재력을 제공한다고 주장합니다.