Transport G-Computation: A Distributional Approach to Longitudinal Causal Inference via Optimal Transport

기술 요약: 트랜스포트 G-컴퓨테이션 (Transport G-Computation, TGC)

문제 정의
관찰된 보건 데이터를 이용한 종단적 인과 추론은 주요한 과제에 직면해 있으며, 이는 주로 시간 의존적 교란(time-dependent confounding), 처치 할당과 진화하는 환자 상태 사이의 피드백 루프, 그리고 개입 후 결과 분포의 이질성 때문입니다. 전통적인 종단적 g-컴퓨테이션 방법은 일반적으로 평균 수준의 효과(예: 평균 처치 효과)를 추정하는 데 집중합니다. 그러나 많은 임상적 맥락에서 개입은 단순히 평균을 변화시키는 것이 아니라, 결과 분포의 형태, 분산 또는 다봉성(multimodality)을 변화시킬 수 있습니다. 또한, 파라메트릭(parametric) g-컴퓨테이션은 조건부 전이 모델의 올바른 명세(specification)에 크게 의존하는데, 데이터가 비선형성, 다봉성, 이분산성 또는 복잡한 피드백 구조를 보일 경우 이러한 모델들은 실패하여 체계적인 편향을 초래할 수 있습니다. 따라서 경직된 전역적 파라메트릭 가정에 의존하지 않고도 복잡한 동적 의존성을 견고하게 처리하면서 분포적 인과 효과를 추정할 수 있는 프레임워크가 필요합니다.

방법론: 트랜스포트 G-컴퓨테이션 (TGC)
저자들은 종단적 g-컴퓨테이션과 최적 운송(optimal transport, OT) 이론을 결합한 분포적 프레임워크인 TGC를 제안합니다. 핵심 목표는 두 가지 정적 개입 체제($A_t \equiv 1$ 및 $A_t \equiv 0$) 하에서의 최종 잠재 결과 분포 사이의 2차 와서스타인 거리($W_2$)로 정의되는 와서스타인 인과 효과(Wasserstein Causal Effect, WCE)를 추정하는 것입니다.

TGC 알고리즘은 다음과 같이 진행됩니다:

1. 식별(Identification): 표준 가정(일관성, 순차적 무시 가능성, 양의 조건) 하에, 최종 분포는 종단적 g-공식을 통해 식별됩니다.
2. 국소 전이 추정(Local Transition Estimation): 조건부 전이 커널 $\mathbb{P}(L_{t+1} | L_t, A_t)$에 대한 전역적 파라메트릭 모델을 적합시키는 대신, TGC는 각 시점과 처치 수준에서 비파라메트릭 근사치를 구축합니다.
   • 관찰된 데이터 쌍 $(L_t, L_{t+1})$ (단, $A_t = a$)으로부터 경험적 전이 라이브러리를 추출합니다.
   • 쿼리 상태(query state)에 대해, 국소 근접 이웃(nearest neighbors)을 식별하여 하위 샘플을 구성함으로써 고차원 편향을 완화하기 위해 추정을 관측된 영역으로 제한합니다.
   • 이 국소 하위 샘플에 대해 엔트로피 정규화된 최적 운송 문제를 풀어 소스(source)와 타겟(target) 상태 간의 "소프트 매칭(soft-matching)" 결합을 생성합니다. 이는 경험적 분포의 다봉성과 확률적 구조를 보존합니다.
   • 국소 소스 상태들에 가우시안 커널 가중치를 적용하고, OT 결합을 행 단위로 정규화하여 국소 조건부 분포를 형성합니다.
3. 재귀적 시뮬레이션(Recursive Simulation): 초기 상태 샘플로부터 시작하여, 알고리즘은 각 단계에서 추정된 국소 조건부 분포로부터 샘플링함으로써 정적 개입 하의 궤적을 재귀적으로 시뮬레이션합니다.
4. 효과 추정(Effect Estimation): 두 개입 군의 결과로 나타난 경험적 최종 분포 사이의 와서스타인 거리를 계산합니다.
5. 양의 조건(Positivity) 처리: 알고리즘은 국소 이웃 내의 샘플 충분성을 명시적으로 점검합니다. 유효 샘플 크기가 임계값 미만으로 떨어지면, 알고 Al고리즘은 외삽(extrapolation)을 시도하는 대신 양의 조건 위반을 알림으로써 식별 불가능한 영역에서의 허구적인 추정을 방지합니다.

주요 기여

1. 분포적 인과 타겟: 본 논문은 단순한 평균 중심의 접근을 넘어 위치, 확산, 형태의 변화를 포착하기 위해 와서스타인 거리를 종단적 인과 효과의 공식적인 추정량(estimand)으로 도입합니다.
2. 새로운 프레임워크: 전역적 파라메트릭 가정 없이 정적 개입 하의 최종 분포를 추정하기 위해 국소 커널 스무딩과 최적 운송 결합을 결합한 TGC를 제안합니다.
3. 이론적 분석: 저자들은 표준 인과 가정 하에서의 WCE 식별 증명을 제공하고, 국소 전이 추정기의 근사 특성을 분석합니다. 이들은 최종 오차가 각 재귀 단계에서의 국소 추정 오차의 합에 의해 제한됨을 입증하며, 각 단계의 안정성이 중요함을 강조합니다.
4. 진단 능력: 이 방법은 양의 조건 위반을 진단하고 보고하는 명시적인 메커즘을 포함하여, 통제되지 않은 외삽을 방지합니다.

결과
TGC의 성능은 네 가지 시뮬레이션 시나리오(각 100회 반복)에 대해 파라메트릭 g-컴퓨테이션과 비교 평가되었습니다:

• 선형 가우시안 시나리오: 파라메트릭 g-컴퓨테이션이 TGC보다 우수한 성능을 보였습니다 (RMSE 0.075 대 0.659). 이는 실제 모델이 선형이고 올바르게 명세된 경우 파라메트릭 접근법이 더 우수하며, TGC가 불필요한 스무딩 편향을 유발함을 나타냅니다.
• 가우시안 혼합(Gaussian Mixture) 시나리오: 파라메트릭 g-컴퓨테이션이 여전히 더 정확했습니다 (RMSE 0.080 대 0.252). TGC는 이러한 특정 설정에서 기대했던 다봉 구조 포착 능력을 보여주지 못했으며, 이는 이웃 크기나 정규화 강도와 같은 하이퍼파라미터에 민감함을 시사합니다.
• 교란된 피드백(Confounded Feedback) 시나리오: TGC가 가장 강력한 이점을 보였으며, RMSE를 1.821(파라메트릭)에서 0.486으로 크게 감소시켰습니다. 동적 피드백이 존재하는 이 복잡한 설정에서, 국소 OT 접근법은 파라메트릭 베이스라인의 모델 오명세(misspecification)로 인한 체계적 편향을 효과적으로 완화했습니다.
• 비선형 이분산(Nonlinear Heteroscedastic) 시나리오: 두 방법 모두 상당한 오차를 보였습니다 (두 방법 모두 RMSE ~3.65). 이는 두 방식 모두 이 특정 설정의 복잡한 분포 구조를 완전히 포착하지 못했음을 나타냅니다.
• 계산 비용: TGC는 파라메트릭 방법(약 1.1초)에 비해 약 136~235초가 소요되어, 약 두 자릿수(two orders of magnitude)의 오버헤드가 발생할 정도로 훨씬 느렸습니다.
• 안정성: 두 방법 모두 모든 시나리오에서 0%의 실패율을 기록했으며, TGC는 명시적 진단을 통해 양의 조건 붕괴를 성공적으로 피했습니다.

의의 및 주장
본 논문은 TGC가 파라메트릭 g-컴퓨테이션을 대체할 수 있는 보편적인 도구가 아니라고 결론짓습니다. TGC의 주요 가치는 파라메트릭 모델이 오명세되기 쉬운 동적 피드백 교란 및 복잡한 분포 전이가 발생하는 시나리오에 있습니다. 이러한 환경에서 TGC는 분포적 인과 추론을 위한 더 견고하고 유연하며 해석 가능한 접근 방식을 제공합니다.

그러나 저자들은 단순하고 올바르게 명세된 선형 설정에서는 낮은 편향과 분산을 가진 전통적인 파라메트릭 방법이 여전히 선호된다는 점을 겸허히 인정합니다. 또한 TGC는 현재 상당한 계산 비용이 들며 세심한 하이퍼파라미터 튜닝이 필요하다는 점을 언급합니다. 이 방법은 모든 종단적 인과 문제에 대한 기본 솔루션이라기보다, 평균 중심의 모델링이 복잡한 피드백 구조로 인해 어려움을 겪고 분포적 변화에 초점을 맞추는 관찰 의료 연구를 위한 특화된 도구로 자리매김하고 있습니다. 효율성, 하이퍼파라미터 선택 및 실질적인 구현을 개선하기 위한 향후 연구가 필요함이 확인되었습니다.