FastJM: An R Package for Efficient Implementation of Semiparametric Joint Models for Longitudinal and Survival Data

당신이 환자의 건강에 관한 미스터리를 풀려는 탐정이라고 상상해 보십시오. 당신에게는 두 가지 유형의 단서가 있습니다. 하나는 매일의 체크업 기록(수년에 걸쳐 측정된 혈압이나 콜레스테롤 수치 같은 것)인 긴 목록이고, 다른 하나는 결정적인 단일 사건(심장마비나 이식의 필요성 같은 것)입니다. 과거에 과학자들은 종종 이 단서들을 별개로 살펴보았습니다. 마치 한 방에서는 매일의 일기를 읽고, 다른 방에서는 최종 판결을 읽는 것과 같았습니다. 하지만 삶은 그렇게 깔끔하지 않습니다. 환자의 일상적인 건강 변동은 종종 그들의 미래 위험에 대해 비밀을 속삭이며, 다가오는 건강 위기는 그들의 일상적인 측정값들을 망가뜨릴 수도 있습니다. 전체 그림을 파악하려면, 이 일상의 오르내림과 거대한 사건 사이의 점들을 연결해야 합니다. 이것이 바로 두 이야기를 하나로 묶어주는 강력한 통계적 도구인 "결합 모델(joint models)"이 하는 일입니다. 하지만 수천 명의 환자와 수백만 개의 데이터 포인트가 있을 때, 옛날 방식으로 이 점들을 연결하려고 노력하는 것은 마치 오븐 장갑을 끼고 거대한 퍼즐을 맞추려는 것과 같습니다. 느리고, 서투르며, 종종 완성하는 것이 불가능합니다.

여기서 최근 논문에서 통계학자 팀이 소개한 FastJM이라는 새로운 도구가 등장합니다. FastJM을 이 복잡한 의료 미스터리를 위해 특별히 설계된 초강력 로봇 퍼즐 해결사라고 생각하십시오. 이 논문은 이 새로운 소프트웨어 패키지가 어떻게 기존보다 훨씬 더 빠르게, 정확도를 잃지 않으면서 방대한 양의 의료 데이터를 처리할 수 있는지 설명합니다. 이 도구는 세 가지 까다로운 시나리오를 처리합니다: 하나의 건강 지표 추적하기, 여러 지표를 동시에 추క하기, 그리고 환자의 일상적인 건강 변동이 급격하게 요동칠 때(이는 종종 문제의 징후입니다) 이를 포착하는 것입니다. 저자들은 자신들의 새로운 "선형 스캔(linear-scan)" 알고리즘이 고속 스캐너처럼 작동하여 불필요한 단계를 건너뛰고 모델을 효율적으로 업데이트한다는 것을 컴퓨터 시뮬레이션을 통해 보여줍니다. 또한, 그들은 영리한 "랜드마크(landmark)" 기법을 도입했는데, 이는 의사들이 수학적 계산에 얽매이지 않고 다음 단계에 대한 더 나은 예측을 하기 위해 특정 시점(예: 5년 차 검진)에서 분석을 잠시 멈출 수 있게 해줍니다. 그 결과, 현대 병원이나 바이오뱅크에서 볼 수 있는 거대한 데이터셋에 이러한 정교한 모델을 적용하는 것을 가능하게 하는 도구가 탄로 났습니다. 이는 연구자들이 질병의 진행을 이해하고 위험을 더 빠르고 명확하게 예측하도록 돕습니다.

탐정의 딜레마: 한 환자, 두 개의 이야기

의료 연구의 세계에서 과학자들은 종종 동일한 집단으로부터 매우 다른 두 종류의 데이터를 수집합니다. 첫째는 **종단적 데이터(longitudinal data)**입니다. 이것은 반복적인 측정의 일기라고 생각하면 됩니다. 환자가 5년 동안 매달 혈당을 체크하거나, 매 진료 시마다 혈압을 측정할 수 있습니다. 이 숫자들은 오르내리며 각 개인만의 독특한 "궤적" 또는 경로를 만듭니다. 둘째는 **사건 발생 시간 데이터(time-to-event data)**입니다. 이것은 "결정적 순간"입니다. 환자가 심장마비를 겪거나, 장기 이식이 필요하거나, 불행히도 사망하는 날이 될 수 있습니다. 때로는 경쟁 위험(competing risks)이 존재하는데, 이는 환자가 서로 다른 종류의 "결정적 순간"(예: 심장마비 혹은 뇌졸중)에 직면할 수 있으며, 그중 하나가 먼저 발생할 수 있음을 의미합니다.

오랫동안 통계학자들은 이 두 가지 이야기를 별도로 분석했습니다. 그들은 일기(종단 데이터)를 연구하기 위한 한 세트의 수학을 사용했고, 결정적 순간(생존 데이터)을 연구하기 위한 다른 세트의 수학을 사용했습니다. 하지만 이 접근 방식에는 결함이 있습니다. 환자가 더 아파지면 병원에 오는 것을 중단할 수 있어 일기에 공백이 생길 수 있습니다. 또는, 환자의 일상적인 측정값이 소음이 많거나 불규칙하다면, 그 소음 자체가 결정적 사건의 경고 신호일 수 있습니다. 만약 일상의 일기와 최종 사건 사이의 연결을 무시한다면, 전체 이야기를 놓치게 됩니다.

**결합 모델(Joint Models)**이 등장합니다. 이들은 일상적인 변동과 결정적 사건이 환자 내부에 숨겨진 어떤 것, 예를 들어 건강의 공유된 "지문"에 의해 연결되어 있다고 가정하며 두 이야기를 동시에 설명하려는 정교한 통계적 프레임워크입니다. 이들을 함께 모델링함으로써, 연구자들은 질병이 어떻게 진행되는지에 대한 더 명확한 그림을 얻고 누가 나쁜 결과의 위험에 처해 있는지 예측할 수 있습니다.

문제: 퍼즐이 너무 크다

결합 모델은 강력하지만, 대규모 데이터셋을 사용하는 데 있어 매우 까다롭기로 유명합니다. 모든 조각이 당신이 바라볼 때마다 모양이 바뀌고, 이를 10만 명에 대해 수행해야 하는 퍼즐을 푸는다고 상상해 보십시오. 전통적인 방법들은 이러한 모델을 적합시키는 데 계산량이 매우 많습니다. 이들은 종종 컴퓨터가 "위험 집단"(사건이 발생할 위험이 있는 사람들의 그룹)이라는 거대한 목록을 반복해서 재계산하도록 요구합니다. 환자 수가 늘어남에 따라, 퍼즐을 푸는 데 걸리는 시간은 기하급수적으로 증가합니다. 그것은 마치 해변의 모래알 하나하나를 직접 집어 올리며 숫자를 세는 것과 같습니다. 시간이 너무 오래 걸립니다.

게다가 현실 세계의 데이터는 지저지고 복잡합니다. 때때로 환자는 여러 가지 지표(예: 혈압과 콜레스테롤을 동시에)를 함께 추적해야 합니다. 또 다른 경우에는 환자의 측정값이 매우 불일치할 수도 있습니다. 어떤 날은 매우 안정적이지만, 어떤 날은 요동칠 수도 있습니다. 표준 모델은 종종 모든 사람의 측정치가 똑같이 안정적이라고 가정하지만, 이는 사실이 아닙니다. 만약 모델이 이 "이질적 변동성(heterogeneous variability)"을 고려하지 않는다면, 중요한 단서를 놓칠 수 있습니다.

해결책: FastJM과 "선형 스캔"의 마법

이 논문은 이러한 속도와 복잡성 문제를 해결하기 위해 설계된 R 패키지(통계학자를 위한 도구)인 FastJM을 소개합니다. 저자들(중국과 미국의 대학 연구진)은 결합 모델의 배후에 있는 수학을 실행하는 새로운 방법을 개발했습니다.

1. 속도의 향상: 선형 스캔 알고리즘
FastJM의 핵심 혁신은 "선형 스캔 알고리즘" 세트입니다. 이를 이해하기 위해, 당신이 사람들을 키 순서대로 줄 세우고 있다고 상상해 보십시오. 옛날 방식은 순서를 찾기 위해 모든 사람을 다른 모든 사람과 비교하는 것이었습니다. 군중이 많으면 시간이 너무 오래 걸립니다. FastJM이 사용하는 새로운 방식은 줄을 한 번 훑으며 누적 합계를 유지하는 것입니다. 새로운 사람이 추가될 때마다 모든 사람을 다시 확인할 필요가 없습니다. 그저 합계를 업데이트하기만 하면 됩니다. 결합 모델의 세계에서, 이는 소프트웨어가 "기초 위험(baseline hazards)"(사건의 근본적인 위험)을 훨씬 더 빠르게 업데이트할 수 있음을 의미합니다. 컴퓨터 작업량이 환자 수의 제곱으로 늘어나는 대신(이는 매우 빠르게 커집니다), 직선 형태로 늘어납니다. 이로 인해 수만 명의 참가자가 포함된 데이터셋을 합리적인 시간 내에 분석하는 것이 가능해졌습니다.

2. 세 가지 까다로운 경우 처리
FastJM은 빠를 뿐만 아니라 유연합니다. 논문은 처리할 수 있는 세 가지 특정 유형의 모델을 상세히 설명합니다:

• 단일 바이오마커: 표준적인 경우로, 하나의 건강 지표(예: 혈압)를 사건의 위험과 함께 추적합니다.
• 다중 바이오마커: 여러 지표(예: 혈압, 콜레스테롤, 체중)를 동시에 추적합니다. 여기서의 과제는 이러한 지표들이 서로 연관되어 있다는 점입니다. FastJM은 계산적 악몽에 빠지지 않고 여러 지표의 수학을 처리하기 위해 "정규 근사(normal approximation)" 방법을 사용합니다.
• 이질적 변동성: 환자들이 "와일드카드"인 경우를 위한 것입니다. 어떤 환자는 매우 일관된 측정치를 보이는 반면, 어떤 환자는 격렬하게 요동칩니다. FastJM은 이를 설명하기 위해 "혼합 효과 위치-척도(mixed-effects location-scale)" 모델을 사용합니다. 이 모델은 단순히 평균적인 건강 상태만 보는 것이 아니라, 그 불안정성 자체가 위험의 예측 인호가 될 수 있다는 점을 고려하여 환자의 건강이 얼마나 '불안정한지'도 함께 살펴봅니다.

3. 더 나은 예측을 위한 "랜드마크" 트릭
논문은 **랜드마크 다변량 결합 모델링(landmark multivariate joint modeling)**이라는 영리한 확장 기능을 소개합니다. 전통적인 결합 모델에서 위험 예측은 현재까지의 환자의 전체 이력을 기반으로 합니다. 이는 훌륭하지만, '오늘'의 데이터를 바탕으로 '내일'을 예측하고자 할 때 수학적으로 매우 무겁습니다.

"랜드마크" 접근 방식은 영화의 특정 장면(예: 연구 시작 5년 후)에서 영화를 일시 정지하는 것과 같습니다. 소프트웨어는 해당 5년 시점에 여전히 건강한 환자들만을 대상으로 합니다. 그런 다음, 그 특정 순간의 환자 건강 상태를 사용하여 미래에 일어날 일을 예측합니다. 이는 계산적으로 훨씬 가볍고, 해석하기 쉬운 "시간 의존적(time-dependent)" 예측을 가능하게 합니다. 논문은 이 방법이 빠른 알고리즘과 결но 결합되어, 슈퍼컴퓨터의 계산이 끝날 때까지 기다리지 않고도 특정 검진 시점에 위험 예측을 업데이트할 수 있는 방법을 의사들에게 제공할 수 있음을 보여줍니다.

이 논문이 실제로 발견한 것

저자들은 단순히 도구를 만든 것이 아니라, 이를 테스트했습니다. 그들은 FastJM이 기존 방법들과 비교하여 어떻게 성능을 발휘하는지 확인하기 위해 광범위한 컴퓨터 시뮬레이션을 실행했습니다.

• 속도: 시뮬레이션 결과, 특히 환자 수와 바이오마커 수가 증가함에 따라 FastJM이 다른 패키지보다 현저히 빠르다는 것을 보여주었습니다. 예를 들어, 5,000명의 환자와 3개의 바이오마커가 있는 테스트에서 병렬 컴퓨팅을 사용하여 모델을 완료하는 데 약 7.38분이 걸렸습니다.
• 정확도: 속도에도 불구하고, 논문은 추정치(모델이 내놓는 숫자)가 정확하게 유지된다는 것을 발견했습니다. "선형 스캔" 알고리즘은 결과를 망칠 정도로 지름길을 택한 것이 아니라, 단지 더 스마트한 경로를 찾은 것이었습니다.
• 유연성: 이 패키지는 환자의 변동성이 서로 다른 복잡한 경우를 포함하여 세 가지 다른 모델 유형을 성공적으로 처리했습니다. 저자들은 이 변동성을 무시할 경우(표준 모델 사용 시) 오해의 소지가 있는 진단 플롯이 나올 수 있는 반면, FastJM의 특화된 모델은 문제를 정확히 식별해 낸다는 것을 입증했습니다.
• 예측: 논문은 동적 예측 도구(미래에 사건이 발생할 확률을 알려주는 도구)가 잘 작동함을 보여주었습니다. 그들은 교차 검증(데이터의 서로 다른 부분으로 모델을 테스트하는 방법)을 사용하여 예측이 신뢰할 수 있음을 보여주었으며, C-index(모델이 환자를 위험도 순으로 얼마나 잘 분류하는지에 대한 척도)와 Brier score(예측 정확도 척도)와 같은 지표를 제공했습니다.

아직 하지 못하는 것 (현재 기준)

논문에 따르면 FastJM이 하지 못하는 기능이 있다는 점을 아는 것이 중요합니다. 이 도구는 특히 연속적인 종단 데이터(혈압 같은 숫자)와 경쟁 위험(서로 다른 종류의 사건)에 초점을 맞추고 있습니다. 아직 사건의 횟수(예: 발작 횟수)나 이진 결과(예/아니오)와 같은 유형의 데이터는 처리하지 못하지만, 저자들은 이를 향후 개발 목표로 언급했습니다. 또한, "랜드마크" 분석을 수행하긴 하지만, 이것이 신중한 연구 설계를 대체하는 것은 아닙니다. 단지 수학을 더 쉽게 만들어 줄 뿐입니다.

이것이 왜 중요한가

결론적으로, FastJM은 의료 연구의 주요 병목 현상을 제거합니다. 수년 동안 연구자들은 복잡한 질병을 이해하기 위해 이러한 정교한 결합 모델을 사용하고 싶어 했지만, 필요한 컴퓨터 성능이 감당하기 어려운 경우가 많았습니다. FastJM은 이러한 모델을 빠르고 접근 가능하게 만듦으로써, 현대 의학에서 흔히 볼 수 있는 전자 건강 기록이나 대규모 바이오뱅크와 같은 방대한 데이터셋을 분석할 수 있는 문을 열어줍니다.

이 논문은 이 도구를 통해 연구자들이 다음과 같은 더 미묘한 질문을 던질 수 있다고 제 제안합니다: "환자의 혈당 변동성이 심장마비를 어떻게 예측하는가?" 또는 "환자의 콜레스테롤과 혈압을 5년 시점에서 함께 본다면, 그것이 뇌졸중 위험을 어떻게 변화시키는가?" 저자들은 자신들이 모든 통계 문제를 해결했다고 주장하는 것이 아니라, 과학계가 이전보다 더 빠르고 명확하게 데이터를 통해 더 깊이 나아갈 수 있도록 하는 강력한 엔진을 제공했다고 말하고 있습니다.