📊 statistics

Landmarking with Latent Class Mixed Models for Dynamic Prediction of Time-to-event Data with Heterogeneous Biomarker Trajectories

본 논문은 전통적인 방법들이 포착하지 못하는 이질적인 바이오마커 궤적을 고려함으로써 대규모 EHR 데이터에 대한 동적 타임 투 이벤트(time-to-event) 예측을 개선하기 위해, 잠재 클래스 혼합 모델과 통합되어 R 패키지 `landmaRk`로 구현된 계산 효율적인 랜드마킹 접근법을 제안한다.

원저자: Víctor Velasco-Pardo, Nathan Constantine-Cooke, Charlie W. Lees, Catalina A. Vallejos

게시일 2026-06-24

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Víctor Velasco-Pardo, Nathan Constantine-Cooke, Charlie W. Lees, Catalina A. Vallejos

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

개요: 엉망진창인 과거로부터 미래를 예측하기

당신이 장거리 경주에서 누가 우승할지 예측하려고 한다고 상상해 보세요. 당신에게는 방대한 주자(환자) 명단이 있고, 주자들이 체크포인트를 통과할 때마다 그들의 속도(바이오마커)를 추적해 왔습니다.

의료계에서 의사들은 수천 명의 사람들에 대한 이러한 속도 체크 기록이 담긴 거대한 디지털 기록(전자 건강 기록, EHR)을 활용할 수 있습니다. 목표는 이 역사를 사용하여 누가 미래에 경주를 중도 포기할지(건강상의 사건 발생) 예측하는 것입니다.

하지만 문제가 하나 있습니다. 모든 주자가 똑같지는 않다는 점입니다.
어떤 주자는 빠르게 시작했다가 속도가 줄어듭니다. 어떤 주자는 느리게 시작했다가 마지막에 전력 질주합니다. 어떤 주자는 우리가 볼 수 없는 숨겨진 부상을 가지고 있을 수도 있습니다. 전통적인 예측 도구들은 종-종 모든 사람이 동일한 트랙 위에서 동일한 스타일로 달리고 있다고 가정하며, 단지 우리가 볼 수 있는 것들(나이나 성별 등)에 대해서만 조정할 뿐입니다. 하지만 실제로 존재하는 '숨겨진 하위 그룹'들은 완전히 다른 패턴을 보입니다.

이 논문은 이러한 숨겨진 그룹들을 고려하여 경주 결과를 예측하는 새로운 방법을 소개하며, 컴퓨터를 다운시키는 복잡한 수학 계산에 빠지지 않고도 이를 수행합니다.

기존 방식: "마지막으로 본 모습"과 "슈퍼컴퓨터"

이 논문이 나오기 전에는 이러한 예측을 만드는 두 가지 주요 방법이 있었습니다.

"마지막으로 본 모습" 방식 (LOCF):
코치가 주자를 보고 이렇게 말하는 것을 상상해 보세요. "좋아, 내가 마지막으로 봤을 때 너는 시속 5마일로 달리고 있었어. 다음 체크포인트까지 계속 시속 5마일로 달린다고 가정할게."
- 결함: 이는 주자가 체크포인트 사이에서 넘어졌거나, 속도를 높였거나, 혹은 늦춰졌을 가능성을 무시합니다. 이는 측정 오차를 무시하는 대략적인 추측일 뿐입니다.
"슈퍼컴퓨터" 방식 (Joint Models):
이 방식은 모든 주자의 경로와 그들이 중도 포기할 확률을 한꺼번에 완벽하고 복잡한 3D 지도로 구축하려고 시도합니다.
- 결함: 이것은 믿을 수 없을 정도로 무겁습니다. 만약 10만 명의 데이터가 있다면, 이 방식은 계산기를 사용해 백만 개의 조각이 있는 퍼즐을 풀려는 것과 같습니다. 시간이 너무 오래 걸리고 대규모 데이터셋에서는 종종 실패합니다.

또한, "숨겨진 그룹"(예: '스프린터' vs '마라토너')을 찾으려고 시도했던 **잠재 클래스 결합 모델(Joint Latent Class Models)**이라는 방법도 있었지만, 이 역시 슈퍼컴퓨터 방식만큼이나 무겁고 느렸습니다.

새로운 해결책: "스마트 랜드마크"

저자들은 랜드마킹과 잠재 클래스 혼합 모델(LCMM)을 결합한 전략을 제안합니다. 이것을 모듈형의 스마트 체크포인트 시스템이라고 생각하면 됩니다.

1. 랜드마크 개념 (체크포인트)

경주 전체를 한꺼번에 예측하는 대신, "6개월 차" 또는 "2년 차"와 같이 특정 시점(랜드마크)을 정합니다.

6개월 차에는, 여전히 경주 중인 사람들만 봅니다.
그 시점까지의 그들의 이력을 살펴봅니다.
그다음 몇 달간의 결과를 예측합니다.
그러고 나서 7개월 차로 이동하여 이 과정을 반복합니다.

이 방식은 유연합니다. 사람들이 연구에 참여하거나 떠나는 시점이 서로 다른 실제 병원 데이터의 상황을 잘 처리해 줍니다.

2. 핵심 비결: 숨겨진 그룹 찾기 (LCMM)

체크포인트까지의 이력을 살펴볼 때, 이 새로운 방법은 다음과 같이 질문합니다. "이 주자는 숨겨진 그룹의 일원인가?"

주자들이 사실 세 종류의 서로 다른 동물 종이라고 상상해 보세요.

그룹 A: 높게 시작했다가 낮아진 뒤 다시 치솟음.
그룹 B: 중간에서 일정하게 유지됨.
그룹 C: 높게 시작해서 서서히 감소함.

기존 방식은 모두를 평균 내버릴 수도 있습니다. 하지만 새로운 방식은 **잠재 클래스 혼합 모델(LCMM)**을 사용하여 "아, 이 주자는 그룹 A의 동물을 닮았구나"라고 판단합니다. 그리고 그룹 A의 특정 패턴을 사용하여 예측을 수행합니다.

결정적으로, 논문은 경로의 정확한 수학적 계산보다 그룹 라벨(소속)을 아는 것이 더 중요하다는 것을 발견했습니다. 경로를 예측하는 수학적 계산이 기존 방식과 비슷하더라도, 그 사람이 어느 그룹에 속하는지를 아는 것이 정확도를 크게 높여줍니다.

3. 도구: `landmaRk`

저자들은 단순히 이론만 쓴 것이 아니라, 이를 위한 **맥가이버 칼(Swiss Army Knife)**을 만들었습니다. 그들은 **landmaRk**라는 무료 소프트웨어 패키지를 개발했습니다.

모듈형: 부품을 교체할 수 있습니다. 간단한 "마지막으로 본 모습" 방식을 쓰고 싶나요? 괜찮습니다. 새로운 "숨겨진 그룹" 방식을 쓰고 싶나요? 그것도 괜찮습니다. 다른 생존 계산기를 써보고 싶나요? 마음껏 끼워 넣을 수 있습니다.
빠름: 이 도구는 (슈퍼컴퓨터 방식과 달리) 컴퓨터를 멈추게 하지 않고 대규모 데이터셋(병원 기록 등)에서 실행되도록 설계되었습니다.

무엇을 테스트했는가?

그들은 두 가지 방식으로 이를 테스트했습니다.

시뮬레이션 (연습 경주):
그들은 "진실"(정확히 3개의 숨겨진 그룹이 존재함)을 알고 있는 가짜 데이터를 만들었습니다.
- 결과: 새로운 방식(랜드마킹 + 숨겨진 그룹)은 기존의 "마지막으로 본 모습" 방식이나 무거운 "슈퍼컴퓨터" 방식보다 결과를 훨씬 더 잘 예측했습니다. 또한 더 빨랐습니다.
- 핵심 발견: 가장 큰 승리는 단순히 속도의 수학적 계산이 아니라, 사람이 어느 그룹에 속하는지를 모델에게 알려준 것에서 왔습니다.
실제 데이터 (AIDS 데이터셋):
그들은 HIV/AIDS 환자들에 대한 임상 시험의 실제 과거 데이터를 사용했습니다. 환자들의 면역 건강 척도인 CD4 수치를 추적하여 사망을 예측했습니다.
- 결과: 새로운 방식은 기존 방식들을 다시 한번 능가했습니다. 기존 방식들이 놓쳤던, 환자들의 면역 체계가 변화하는 숨겨진 패턴을 찾아냈습니다.
- 참고: "슈퍼컴퓨터" 방식(Joint Models)은 더 느렸으며, 새로운 모듈형 접근 방식보다 오히려 보정(확률을 정확하게 맞추는 것) 측면에서 정확도가 떨어졌습니다.

결론

이 논문은 랜드마킹(특정 시점에서 경주를 확인하는 것)과 잠재 클래스 모델(유사한 주자들의 숨겨진 그룹을 찾는 것)을 결합함으로써, 이전보다 훨씬 더 빠르고 정확하게 건강 결과를 예측할 수 있다고 주장합니다.

또한, 그들은 연구자들이 코딩 전문가가 아니더라도 다양한 수학적 전략을 조합하여 사용할 수 있도록, 유연하고 자유로운 도구(landmaRk)를 의료계에 제공했습니다.

요약하자면: 그들은 엉망진창인 의료 데이터에서 숨겨진 패턴을 찾아내어 더 나은 예측을 하는 방법을 찾아냈으며, 컴퓨터를 느리게 만들지 않고도 이를 쉽게 수행할 수 있는 사용자 친화적인 툴킷을 구축했습니다.

기술 요약: 동적 예측을 위한 잠재 클래스 혼합 모델 기반 랜드마킹

문제 정의
전자 건강 기록(EHR)의 접근성이 높아짐에 따라, 바이오마커와 같은 시변 공변량의 반복 측정치를 사용하여 시간-사건 발생(time-to-event) 결과에 대한 동적 위험 예측을 수행할 기회가 늘어나고 있습니다. 그러나 기존의 동적 예측 방법들은 실제 생물 의학 데이터에 적용할 때 상당한 한계에 직면합니다.

동질성 가정: 전통적인 랜드마킹 및 종단적 데이터와 생존 데이터의 결합 모델(JMLS)은 일반적으로 종단적 궤적이 개인 간에 동질적이라고 가정하며, 이질성은 관찰된 공변량이나 얇은 꼬리 분포(예: 정규 분포)를 가진 랜덤 효과를 통해서만 포착됩니다. 이러한 가정은 잠재적 인구 구조가 존재할 때 실패합니다. 즉, 관찰된 공변량만으로는 설명할 수 없는 뚜와 다른 궤적 패턴과 위험 프로필을 공유하는 하위 집단이 존재할 수 있습니다.
계산적 확장성: 잠재 클래스 혼합 모델(JLCM)은 이러한 잠재적 이질성을 고려할 수 있지만, 계산 집약적이며 대규모 EHR 데이터셋으로 확장하는 데 어려움을 겪는 경우가 많습니다. 또한, JLCM과 JMLS는 모든 개인에 대해 공통된 기준 시간( $t=0$ )을 요구하는 경우가 많은데, 이는 환자의 추적 관찰 기간과 입/퇴원이 빈번한 EHR 환경과는 호환되지 않습니다.
소프트웨어의 한계: 기존의 랜드마킹 분석 소프트웨어는 경직되어 있는 경우가 많으며, 일반적으로 궤적을 요약하기 위해 "직전 관측값 유지(LOCF)" 또는 선형 혼합 효과(LME) 모델을 사용하도록 제한하고, 생존 분석에는 Cox 비례 위험 모델을 사용합니다. 이는 더 유연하고 이질성을 고려한 전략을 구현하는 능력을 제한합니다.

방법론
저자들은 잠재 클래스 혼합 모델(LCMM)을 랜드마킹 프레임워크에 통합하는 새로운 이질성 인식 랜드마킹 접근 방식을 제안합니다. 이 방법론은 다음과 같이 작동합니다.

랜드마킹 프레임워크: 이 접근 방식은 사전 지정된 랜드마크 시간( $s$ )에서 생존 모델을 순차적으로 적합시킵니다. 각 $s$ 에서 위험 집단( $R_s$ , $s$ 시점까지 사건이 발생하지 않은 개인들)을 식별합니다.
LCMM을 통한 종단적 요약: LOCF나 표준 LME 대신, 이 방법은 $R_s$ $R_{s}$ 에 속한 개인들의 $s$ $s$ 시점까지 관찰된 종단적 궤적 $Y_i(s)$ $Y_{i} (s)$ 를 모델링하기 위해 LCMM을 사용합니다.
- LCMM은 인구가 각각 고유한 궤적 패턴을 가진 $G$ 개의 잠재 클래스로 구성되어 있다고 가정합니다.
- 클러스터 멤버십은 다항 로지스틱 회귀를 통해 모델링됩니다.
- 각 개인에 대해, 관찰된 데이터를 바탕으로 클러스터 멤버십의 사후 확률( $\hat{\pi}_{ig}$ )을 계산합니다.
- 궤적 요약 ( $\hat{y}_i(s)$ ): 클러스터 할당의 불확실성을 고려하기 위해, 이 방법은 사후 확률로 가중치를 둔 클러스터별 궤적 예측값의 평균을 계산합니다: $\hat{y}_i(s) = \sum \hat{\pi}_{ig} \hat{y}_i(s | c_i=g)$ .
- 클러스터 레이블 입력: 이 방법은 또한 예측된 클러스터 레이블( $\hat{c}_i$ )을 생존 모델의 공변량으로 포함하는 것을 고려하는데, 이는 궤적 형태에 대한 간결한 요약을 제공합니다.
생존 모델링: 요약된 궤적 $\hat{y}_i(s)$ 와 선택적으로 예측된 클러스터 레이블 $\hat{c}_i$ 를 사용하여 랜드마크별 생존 모델(예: Cox PH)을 적합시켜 $s+w$ 시점까지 사건이 발생하지 않을 조건부 확률을 추정합니다.
구현 (landmaRk): 저자들은 CRAN에서 사용 가능한 모듈형 R 패키지인 landmaRk를 개발했습니다. 이는 다음의 파이프라인을 구현합니다:
1. 위험 집단 및 랜드마크 시간 정의.
2. 종단적 하위 모델 적합 (LOCF, LME, LCMM 지원).
3. 생존 하위 모델 적합.
4. 교차 검증을 통한 예측 성능 평가 (시간 의존적 AUC 및 Brier 점수 사용).
  이러한 모듈성은 사용자가 구성 요소를 교체하고 커스텀 종단적 또는 생존 모델을 정의할 수 있게 합니다.

주요 결과
제안된 방법의 성능은 시뮬레이션 연구와 AIDS 데이터셋을 이용한 사례 연구를 통해 평가되었습니다.

시뮬레이션 연구:
- 데이터는 다양한 표본 크기, 오차 분포(정규 vs. 두꺼운 꼬리), Weibull 형상 매개변수 하의 결합 잠재 클래스 모델(JLCM) 명세에 따라 생성되었습니다.
- 성능: 예측된 클러스터 레이블을 포함하는 LCMM 기반 랜드마킹 모델(예: LCMM2cl)이 변별력(tdAUC)과 보정(Brier score) 측면에서 전통적인 랜드마킹(LOCF, LME) 및 표준 JLCM보다 일관되게 우수한 성능을 보였습니다.
- 클러스터 레이블 vs. 궤적 재구성: 예측 성능의 향상은 궤적 자체의 재구성보다는 예측된 클러스터 레이블을 포함함으로써 주로 발생했습니다. LCMM에서 얻은 예측값 $\hat{y}_i(s)$ 는 LME의 값과 유사한 경우가 많았으나, 클러스터 레이블은 궤적 형태에 관한 추가적인 예후 정보를 포착했습니다.
- 강건성: 랜드마크별 LCMM을 적합시키는 것(각 $s$ 에서 클러스터를 재추정)이 단일 전역 모델을 적합시키는 것보다 클러스터 수( $G$ )의 과다 지정에 더 강건한 것으로 나타났습니다.
- 효율성: 제안된 접근 방식은 JLCM보다 계산적으로 효율적이었으며, 대규모 데이터셋에 적합했습니다.
사례 연구 (AIDS 데이터셋):
- CD4 수치 궤적을 사용하여 사망까지의 시간을 예측할 때, 이질성 인식 랜드마킹 접근 방식(특히 초기 랜드마크에서의 LCMM2cl)은 일반적으로 LOCF 및 LME보다 높은 변별력을 달성했습니다.
- 결합 모델(JLCM)은 랜드마킹 접근 방식에 비해 낮은 변별력과 상당히 낮은 보정 능력을 보였습니다.
- 성능은 랜드마크 시간과 지평(horizon)에 따라 달라졌으며, 단일 모델이 일관되게 최상인 경우는 없었으나, 이질성 인식 접근 방식은 정적 모델 및 LOCF 베이스라인보다 일관되게 개선된 결과를 보여주었습니다.

의의 및 주장
본 논문은 두 가지 주요 기여를 주장합니다.

방법론적 혁신: 랜드마킹 패러다임 내에서 LCMM을 활용하는 계산 효율적이고 이질성을 인식하는 동적 위험 예측 전략을 도입했습니다. 이는 JLCM의 계산적 병목 현상을 극복하고, EHR 데이터의 잠재적 인구 구조를 고려할 수 있는 확장 가능한 방법론에 대한 미충족 수요를 해결합니다.
소프트웨어 개발: landmaRk 패키지는 랜드마킹 분석을 위한 표준화되고 모듈화된 프레임워크를 제공합니다. 랜드마킹을 교체 가능한 구성 요소들의 파이프라인으로 공식화함으로써, 서로 다른 모델 명세(예: LME vs. LCMM)를 비교하는 것을 용이하게 하고 동적 위험 예측 전략의 개발과 재현성을 가속화합니다.

저자들은 제안된 방식이 데이터의 이질성이 높고 계산적 확장성이 중요한 EHR 환경에서 특히 가치가 있다고 강조합니다. 클러스터 수( $G$ )를 지정해야 하지만, 이 방법은 약간의 명세 오류에 대해서도 강건함을 보여주며, 예측된 클러스터 레이블의 포함이 예후 정확도를 높이는 핵심 메커니즘 역할을 한다고 언급합니다.