Functional Clustering of Survival Data via Smoothed Log-Hazard Trajectories: A Risk-Dynamics Perspective

기술 요약: 평활화된 로그-위험 궤적을 통한 생존 데이터의 함수적 클러스터링

1. 문제 정의

생존 분석 클러스터링은 전통적으로 피험자의 생존 시간과 공변량을 기준으로 그룹화하는 **개별 수준 클러스터링(individual-level clustering)**이 주를 이루어 왔습니다. 이보다 덜 탐구되었지만 잠재적으로 가치 있는 관점은 **곡선 수준 클러스터링(curve-level clustering)**으로, 이는 코호트, 병원 또는 지역 간의 광범위한 추세를 식별하기 위해 집계된 생존 곡선(예: 카플란-마이어 곡선)을 그룹화하는 것을 목표로 합니다.

Survclustcurves와 같은 기존의 곡선 수준 방법들은 주로 누적 생존 확률과 로그-순위(log-rank) 기반의 비유사성 행렬에 의존합니다. 저자들은 이러한 접근 방식에 결정적인 한계가 있다고 주장합니다. 즉, 누적 정보에 의존함으로써 **순간적인 위험의 시기(timing), 국소화(localization) 및 강도(intensity)**의 차이를 모호하게 만들 수 있다는 것입니다. 생존 곡선이 중첩되거나, 교차하거나, 수렴할 때, 누적 확률에 기반한 방법들은 근본적으로 다른 기저 위험 역학을 보이는 코호트를 구별해내지 못할 수 있습니다. 또한, 표준적인 비모수적 계단 함수(예: 카플란-마이어)는 불연속성과 이산화 노이즈에 대한 민감도 때문에 함수적 데이터 분석(FDA)에 수학적으로 적합하지 않습니다.

2. 방법론

본 논문은 분석의 초점을 누적 생존 확률에서 **순간적 위험 함수(instantaneous hazard function)**로 전환하는 함수적 데이터 분석(FDA) 프레임워크를 제안합니다. 방법론은 다음 단계들을 통해 진행됩니다.

A. 로그-위험 궤적의 함수적 표현

본 방법은 가공되지 않은 생존 곡선을 클러스터링하는 대신, **로그-위험 함수($\log h(t)$)**를 모델링합니다.

• 근거: 위험 함수는 누적 생존 곡선에서는 평탄화되기 쉬운 순간적 위험 역학(피크, 가속, 변곡점)을 포착합니다. 로그 스케일은 역변환 후 양수성을 보장하며 제약 없는 평활화(smoothing)를 가능하게 합니다.
• 평활화(Smoothing): 가공되지 않은 경험적 위험 추정치는 불안정하고 노이즈가 많습니다. 저자들은 연속적이고 미분 가능한 궤적을 구축하기 위해 **B-스플라인 평활화(B-spline smoothing)**를 적용합니다.
• 평활화 선택: 평활화 파라미터는 일반화 교차 검증(GCV) 규칙을 통해 선택됩니다. 결정적으로, 저자들은 절대적인 최소 GCV 값을 선택하는 것이 아니라, 최소값의 20% 허용 오차($\delta = 0.20$) 내에 있는 값을 선택합니다. 이 "GCV-동등" 후보들 중, 해석 가능한 시간적 특징(예: 지연된 피크)을 보존하기 위해 국소 변동성(평균 적분 제곱 2차 도함수)을 최대화하는 것을 선택합니다. 이는 지나치게 경직된 평활화가 유발할 수 있는 정보 손실을 방지하기 위함입니다.

B. 함수적 주성분 분석 (FPCA)

평활화된 로그-위험 궤적은 FPCA를 사용하여 저차원 공간으로 투영됩니다.

• 차원 축인: 유지될 함수적 주성분(FPC)의 수 $M$은 클러스터링을 수행하기 전에 보수적인 95% 누적 설명 분산 규칙($CPV(M) \geq 0.95$)을 사용하여 결정됩니다. 이는 클러스터 분리도를 최적화하기보다는, 위험 역학의 주요 시간적 구조를 유지하는 표현 위에서 클러스터링이 수행되도록 보장하기 위함입니다.
• 점수(Scores): 클러스터링은 비표준화된 FPCA 점수에 대해 수행됩니다. 고유값에 의해 유도된 분산 구조를 보존하기 위해 표준화는 피하며, 이를 통해 저분산(잠재적 노이즈) 성분이 거리 측정법을 지배하는 것을 방지합니다.

C. 점수 공간에서의 클러스터링

비표준화된 FPCA 점수에 대해 표준 클러스터링 알고리즘(K-means, K-medoids, Ward의 계층적 클법 등)이 적용됩니다.

• 클러스터 선택: 최적의 클러스터 수($K$)는 FPCA 표현이 고정된 후에 내부 타당성 기준(평균 실루엣 폭)과 안정성 진단(부트스트랩 재표집)을 사용하여 선택됩니다.
• 해석: FPCA 점수 공간에서의 거리는 로그-위험 궤적 사이의 비유사성을 근사합니다. 결과적으로, 클러스터는 동일한 절대적 위험 수치가 아닌, 유사한 상대적 시간적 위험 역학(위험비의 곱셈적 패턴)을 가진 그룹을 나타냅니다.

3. 주요 기여

1. 분석 대상의 전환: 본 논문은 클러스터링의 대상을 누적 생존 곡선에서 평활화된 로그-위험 궤적으로 재정의하며, 후자가 위험의 시기와 역학에 관한 더 풍부한 예후 정보를 인코딩한다고 주장합니다.
2. 강건한 함수적 파이프라인: B-스플라인 평활화(유연성을 보존하는 GCV 규칙 포함)와 FPCA의 통합은 안정적이고 미분 가능한 위험 함수의 표현을 제공하여, 가공되지 않은 경험적 위험 추정치의 불안정성을 극복합니다.
3. 보수적인 차원 축소: FPCA 절단(truncation)을 클러스터링 성능과 독립적인 95% 분산 임계값에 따라 고정함으로써, 방법론이 과적합을 피하고 클러스터링이 노이즈가 아닌 실제 함수적 변동성을 반영하도록 보장합니다.
4. 벤치마크와의 차별성: 본 프레임워크는 누적 생존 확률 기반의 벤치마크와 명시적으로 대조하며, 위험 역학에 의해 식별된 그룹이 누적 생존 감소에 의해 식별된 그룹과 크게 다를 수 있음을 보여줍니다.

4. 결과

시뮬레이션 연구

• 복잡성 연속체: 방법론은 잠재적 로그-위험 체제(regime) 간의 중첩이 증가하는(0% ~ 50%) 시뮬레이션 데이터에 대해 테스트되었습니다.
  • 성능: 비표준화된 FPCA 점수에 적용된 K-means가 일관되게 가장 강력한 회복력(조정 랜드 지수, ARI)을 보였으며, 중첩이 증가하더라도 높은 성능을 유지했습니다. 이는 표준화된 B-스플 spline 계수나 누적 생존 곡수를 클러스터링하는 벤치마크보다 완만한 성능 저하를 보였습니다.
  • 민감도: 회복 성능은 90%에서 99% 사이의 FPCA 절단 임계값에 대해 불변하였으며, 이는 95% 규칙이 잠재적 구조를 인위적으로 생성하지 않음을 확인시켜 줍니다.
  • 이상치 강건성: 주입된 이상치 궤적을 포함한 스트레스 테스트에서도 FPCA 기반 파이프라인은 유효한 정보를 유지했으나, 이상치와 클러스터링 알고리즘 간의 상호작용에 따라 선택된 클러스터 수와 ARI는 비단조적으로 변했습니다.
• 사례 연구: 세 가지 뚜렷한 시간적 위험 체제를 가진 시나리오에서, FPCA-로그-위험 접근법은 완벽한 회복(ARI = 1.000)을 달달성한 반면, 누적 생존 벤치마크는 높은 내부 응집도에도 불구하고 시간적으로 국소화된 체제를 회복하는 데 실패했습니다(ARI = 0.351).

실제 적용

방법론은 두 가지 임상 데이터셋인 **독일 유방암 연구(GBCS)**와 원발성 담즙성 담관염(PBC) 데이터에 적용되었습니다.

• GBCS: 림프절 침범 여부(저 vs 고)에 따른 두 개의 클러스터 분할을 식별했습니다. 이 클러스터는 지속적인 수준 차이에 의한 순간적 재발 위험에 의해 구동되었습니다. 이 분할은 중간 정도의 안정성(평균 Jaccard $\approx$ 0.60)을 보였습니다.
• PBC: 높은 빌리루빈/4기 질환 프로필과 낮은 빌리루빈/2-3기 프로필을 구분하는 두 개의 클러스터 분할을 식별했습니다. 이 분리는 거의 전적으로 첫 번째 FPC(분산의 93.4%)에 의해 구동되었으며, 이는 전역적인 위험 수준의 대비를 나타냅니다. 안정성은 중간에서 낮은 수준이었습니다(평균 Jaccard $\approx$ 0.56).
• 비교: 두 데이터셋 모두에서 누적 생존 벤치마크가 때때로 더 높은 실루엣 값을 나타냈습니다. 저자들은 이것이 반드시 우월함을 의미하는 것은 아니라고 명시합니다. 오히려 이는 누적 곡선이 축적된 감소에 기반한 응집력 있는 분할을 허용하는 반면, 제안된 방법은 순간적 위험 역학에 기반한 분할을 식별한다는 것을 나타냅니다. 이는 서로 다른 추론적 질문입니다.

5. 의의 및 주장

본 논문은 제안된 프레임워크가 단순히 최종 생존 결과만을 이해하는 것이 아니라, 위험의 시간적 진화를 이해하고자 하는 과학적 목적이 있을 때 기존 생존 클러스터링 방법들에 대한 보완적 도구가 될 수 있다고 주장합니다.

• 해석 가능성: 이 방법은 클러스터가 위험 피크의 시기와 크기의 공유된 패턴에 의해 정의됨으로써, 상대적 시간적 위험 역학에 대한 해석 가능한 표현을 제공합니다.
• 강건성: 이 접근 방식은 구조적 복잡성과 중첩된 위험 함수에 대해 강건하며, 누적 확률이나 가공되지 않은 spline 계수에 의존하는 벤치마크보다 뛰어난 성능을 보입니다.
• 겸손함: 저자들은 실제 데이터로부터의 결과가 확정적인 임상 분류라기보다는 탐색적 함수적 그룹화로 간려되어야 한다고 명시적으로 밝힙니다. 그들은 개별 수준 데이터에서 곡선 수준 분석으로의 완전한 불확실성 전파의 부재와 사용 가능한 집계 궤적 수에 대한 민감도 등의 한계를 인정합니다.

결론적으로, 본 논문은 생존 데이터를 로그-위험 척도 상의 함수적 객체로 모델링함으로써, 전통적인 누적 생존 분석에서는 기하학적으로 가려질 수 있는 잠재적 위험 역학을 밝혀낼 수 있다고 주장합니다.