기술 요약: 미측정 혼란 변수가 존재하는 상황에서 매개체와 결과가 별도로 관찰되는 준모수적 매개 분석

1. 문제 정의

매개 분석은 노출 $D$가 결과 $Y$에 미치는 총 인과 효과를 매개체 $M$을 통해 작용하는 자연 직접 효과(NDE)와 자연 간접 효과(NIE)로 분해하는 표준적인 도구이다. 그러나 매개체 $M$과 결과 $Y$가 동일한 데이터셋 내에서 결코 공동으로 관찰되지 않는 경우, 중요한 실질적 한계가 발생한다. 이러한 시나리오는 통합 유전체학(예: 유전자 발현에 대한 eQTL 연구와 질병 상태에 대한 GWAS의 결합) 및 인구 건강(예: 대규모 노출 코호트와 세밀한 중간 표현형을 포함하는 임상 데이터베이스의 병합)에서 흔히 나타난다.

이러한 설정에서는 $(M, Y)$의 미관찰된 결합 분포에 의존하기 때문에 표준적인 식별 전략인 NDE 및 NIE가 실패한다. 또한, 이 문제는 매개체와 결과 사이의 미측정 혼란 변수($M$-$Y$ 혼란)가 존재할 때 더욱 악화되며, 이는 완전한 데이터 설정에서도 주요한 장애물이다. 기존의 데이터 융합 방법들은 일반적으로 두 변수가 모두 관찰되는 중첩 영역이 존재한다고 가정하거나, 성립하지 않을 수 있는 모수적 가정에 의존한다. 본 논문은 다음과 같은 상황에서 인과 매개 효과를 식별하는 과제를 다룬다:

1. 데이터 소스가 이질적임: 한 소스에는 $(D, Y)$가 포함되어 있고, 다른 소스에는 $(D, M)$이 포함되어 있으며, $(M, Y)$의 공동 관찰은 없음.
2. 미측정 혼란 변수 $U$가 $M$과 $Y$ 사이에 존재함.

2. 방법론 및 식별 전략

2.1 설정 및 가정

저자들은 외생 변수 $D = (T, Z, A)$를 갖는 구조적 인과 모델(SCM)을 고려한다. 여기서 $T$는 대상 노출, $Z$는 $Y$에 직접적인 영향이 없는 도구 변수(IV)를 나타내며, $A$는 $Y$에 직접적인 영향을 미치는 보조 변수이다. 데이터는 두 가지 소스($S=0$ 및 $S=1$)에서 온다:

• $S=0$: $(Y, D, X)$를 관찰함.
• $S=1$: $(M, D, X)$를 관찰함.

식별은 다음의 핵심 가정들에 기초한다:

• 무혼란 노출: $D \perp\!\!\!\perp (\epsilon_Y, \epsilon_M, U) \mid X, S$.
• 잠재적 무혼란 매개체: $\epsilon_Y \perp\!\!\!\perp \epsilon_M \mid X, U, S$.
• $M$-$U$ 상호작용 없음: $M$이 $Y$에 미치는 효과는 미측정 혼란 변수 $U$에 의존하지 않음 ("no-interaction" 조건).
• 교차 소스 정렬: $D$와 $X$가 조건부일 때, $U, M, Y$의 분포는 소스 간에 교환 가능함 ($S \perp\!\!\!\perp (U, M, Y) \mid D, X$). 이를 통해 소스 간의 공변량 및 노출 변화를 허용한다.
• 완전성 조건:
  • $M-Z$ 완전성: $M$의 변동성은 $Z$의 변동성에 의해 포착됨.
  • $Z-M$ 완전성 (효율성을 위해): $Z$의 변동성은 $M$의 변동성에 의해 포착됨.

2.2 브릿지 함수(Bridge Functions)를 통한 식별

핵-혁신은 관찰된 매개체 분포를 다른 소스에서 요구되는 반사실적 매개체 분포와 정렬하기 위해 브릿지 함수($w$)를 사용하는 것이다. 완전성 조건 하에서, 저자들은 적분 방정식(논문의 식 2)을 만족하는 함수 $w_{tt'}^s$가 존재함을 증명한다. 이 함수들은 관찰된 매개체 층(strata)에 가중치를 부여하여 반사실적 층과 일치시키며, 결과적으로 $(M, Y)$를 공동으로 관찰할 필요를 우회한다.

자연 직접 및 간접 효과는 브릿지 함수 $w$와 관찰된 데이터 분포의 범함수(functional)로서 식별된다:
$$\psi^{NDE}_s = \psi^{10}_s - \psi^{00}_s, \quad \psi^{NIE}_s = \psi^{11}_s - \psi^{10}_s$$
여기서 $\psi^{tt'}_s$ 항들은 $Y$와 브릿지 함수 $w$의 기댓값을 포함한다.

2.3 미지의 IV 처리

유효한 IV 집합 $Z$를 알 수 없지만 후보 집합 $C$를 사용할 수 있는 경우, 저자들은 희소성 기반 식별 전략을 제안한다. 그들은 후보 IV 중 절반 이상이 유효하다고 가정한다(가정 6). $r^*$가 소스 0의 조건부 결과와 소스 1의 조건부 매개체를 연결하는 함수를 찾는 희소 회귀 문제를 해결함으로써, 유효한 IV는 $r^*$가 의존하지 않는 $D$의 구성 요소로 식별된다.

2.4 추정

저자들은 준모수적, 영향 함수 기반의 one-step 추정량을 개발하였다.

• 다중 강건성(Multiply Robustness): 추정량은 여러 nuisance 파라미터(예: 브릿지 함수 $w$, 결과 회귀 $\nu$, 또는 성향 점수 $\lambda$)의 조합 중 적어도 하나가 올바르게 지정된 경우 일관성(consistency)을 갖는다. 구체적으로, 결과 모델이 옳거나, 브릿지 함수 모델이 옳거나, 또는 이 둘의 특정 조합이 옳은 경우 일관성이 유지된다.
• 효율성: 상호 완전성(즉, $Z$가 $M$에서 완전하고 그 반대도 마찬가지인 경우) 하에서, 제안된 추정량은 준모수적 효율성 경계에 도달한다. 저자들은 효과에 대한 정규 기울기(canonical gradients, 영향 함수)를 도출한다.
• 정규화(Regularization): 브릿지 함수를 구하는 과정이 역문제(ill-posed inverse problems, Fredholm 적분 방정식)를 포함하므로, 저자들은 추정을 안정화하기 위해 정규화 전략(예: Tikhonov 정규화 또는 분산 기반 페널티)을 제안한다.

3. 주요 결과

3.1 이론적 기여

• 식별: 본 논문은 유효한 IV와 no-interaction 조건이 존재할 경우, 미측정 혼란이 있고 $M$과 $Y$가 별도로 관찰되는 상황에서도 NDE와 NIE가 식별 가능하다는 것을 입증하였다.
• 효율성 경계: 저자들은 준모수적 효율성 경계를 도출하였으며, 상호 완전성 하에서 제안된 추정량이 이 경계에 도달함을 보여주었다.
• 문헌과의 연결: 이 프레임워크는 2-샘플 도구 변수(IV) 문제를 일반화하며, 2-샘플 설정에서의 평균 처치 효과가 이들의 매개 프레임워크의 특수한 경우임을 보여준다.

3.2 시뮬레이션 연구

• 성능: 단일 및 다중 도구 변수를 사용한 시뮬레이션에서, 제안된 추정량은 다양한 모델 오지정(misspecification) 시나리오 전반에서 무시할 만한 편향을 보였으며, 이는 다중 강건성을 확인시켜 주었다.
• 효율성: 매개체가 도구 변수 집합에서 완전하기만 한(비완전 설정) 다중 도구 변수 설정에서, 적응형 도구 변수 결합(adaptive instrument aggregation)을 사용한 제안 방법은 단일 IV를 사용하는 것보다 상당한 효율성 이득(더 작은 표준 오차)을 보였다.
• IV 선택: 후보 집합에서 유효한 IV를 선택하는 제안 알고리즘은 샘플 크기가 증가함에 따라 유효하지 않은 IV가 존재하는 상황에서도 높은 정확도(거의 100%에 가까운 정확한 식별)로 작동하였다.
• 추론: 부트스트랩 기반 신뢰 구간이 특히 모델 오지정 상황에서 영향 함수 기반 신뢰 구간보다 더 안정적이고 신뢰할 수 있는 것으로 나타났다.

3.3 데이터 적용

본 프레임워크는 알츠하이머병 신경영상 이니셔티브(ADNI)에 적용되어, SNP rs610932가 PTK2B 및 CD33의 유전자 발현을 통해 치매 위험에 미치는 매개 효과를 정량화하였다.

• 데이터 융합: 연구는 ADNI-1(결과 및 SNP 포함, 유전자 발현 없음)과 ADNI-GO/2(SNP 및 유전자 발현 포함, 장기 결과 없음) 코호트를 결합하였다.
• 연구 결과: PTK2B를 통한 자연 간접 효과(NIE)는 음수이며 총 효과 대비 상당한 수준으로 나타났으며, 이는 보호 기전을 시사한다. CD33을 통한 NIE는 0에 가까웠다.
• 해석: 저자들은 신뢰 구간이 넓고 0을 통과하지만, 이 결과가 rs610932의 미세 대립유전자가 변형된 PTK2B 발현 및 하위 미세아교세포 면역 경로를 통해 작동하는 생물학적 기전을 암시한다고 언급하였다.

4. 의의 및 주장

본 논문은 매개체와 결과가 결코 공동으로 관찰되지 않고 미측정 혼란이 존재하는 환경에서 인과 매개 효과의 식별을 복원하는 새로운 데이터 융합 프레임워크를 도입했다고 주장한다.

• 데이터 제한 극섬: 데이터 사일로(silos)로 인해 주요 변수의 공동 관찰이 불가능한 현대 통합 유전체학 및 보건 데이터 과학의 고질적인 문제를 해결한다.
• 미측정 혼란에 대한 강건성: 미측정 혼란에 대해 강력한 가정을 요구하는 표준 매개 분석과 달리, 이 방법은 IV와 no-interaction 조건을 활용하여 $U \neq \emptyset$인 상황에서도 효과를 식별한다.
• 유연성: 이 방법은 데이터 소스 간의 공변량 및 노출 변화를 수용하며, 유효한 IV 집합을 모르는 경우도 처리할 수 있다.
• 효율성: 준모수적 효율성 이론을 활용함으로써, 제안된 추정량은 적절한 조건 하에서 효율적임이 입증되었으며, 이러한 복잡한 설정에서 추론을 위한 엄격한 통계적 토대를 제공한다.

저자들은 이 연구가 데이터 완결성을 달성할 수 없는 실제 연구 환경에서 "어떻게 작동하는가"라는 질문을 넘어 "어떤 경로를 통해 작동하는가"라는 질문에 답함으로써, 파편화된 데이터 환경에서도 인과 경로를 규명하기 위한 필수적인 진전이라고 위치시킨다.