🧬 biology

Deep Learning for Longevity Biomarker Development: An Empirical Analysis of Model Capacity versus Prediction Target for Blood-Based Aging Clocks

이 실증적 연구는 혈액 기반 노화 시계의 경우, 예측 대상(사망률 유래 표현형 연령 대 실제 연령)의 선택이 바이오마커의 타당성과 사망 관련성을 압도적으로 결정하며, 이로 인해 딥러닝 모델 용량을 늘리는 것은 이러한 핵심적인 결과들을 개선하는 데 있어 대체로 효과가 없음을 입증한다.

원저자: John Feng

게시일 2026-07-22

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: John Feng

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ⚕️ 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기

당신이 한 사람의 수명을 예측하는 수정구슬을 만들려고 한다고 상상해 보십시오. 오랫동안 과학자들은 이 수정구슬에 더 큰 뇌를 부여함으로써 더 똑똑하게 만드는 데 집착해 왔습니다. 컴퓨터 과학에서 이것은 '모델 용량(model capacity)'이라고 불립니다. 이는 단순한 계산기와 수백만 개의 사례로부터 학습할 수 있는 초복잡한 인공지능 사이의 차이입니다. 노화 연구 분야의 일반적인 이야기는 다음과 같았습니다: "우리가 컴퓨터의 뇌를 더 크고 복잡하게 만들기만 한다면, 우리의 노화 예측은 점점 더 좋아질 것이다."

하지만 함정이 있습니다. 이러한 예측을 하기 위해 과학자들은 '바이오마커(biomarkers)'를 사용합니다. 이는 마치 탐정이 지문을 찾는 것처럼 우리 혈액 속에 숨겨진 작은 단서들입니다. 또한 그들은 컴퓨터가 실제로 무엇을 예측하도록 할 것인지 결정해야 합니다. 그것이 단순히 달력상의 연령(그 사람이 맞이한 생일의 횟수)을 맞추는 것일까요? 아니면 그의 '생물학적 연령'(몸이 실제로 얼마나 노화되었는지를 나타내는 수치로, 생일보다 더 많거나 적을 수 있음)을 맞추는 것일까요? 이 논문은 단순하지만 까다로운 질문을 던집니다: 더 크고 복잡한 컴퓨터 뇌를 만드는 것이 더 중요한가, 아니면 올바른 예측 대상을 선택하는 것이 더 중요한가? 그 결과는 과학자들이 이러한 도구를 어떻게 구축해야 하는지를 바꾸어 놓는 반전이었습니다.

거대한 뇌 크기 실험

이 연구에서 존 펑(John Feng)이라는 연구자는 논쟁을 종식시키기 위해 거대하고 통제된 실험을 설계했습니다. 그는 일상적인 혈액 검사로 만들어진 노화 시계에 대해 "클수록 좋다"는 규칙이 실제로 작동하는지 확인하고 싶었습니다. 그는 수천 명의 실제 데이터를 사용하여 혈액 화학 성분을 추적하고, 향후 20년 동안 누가 사망했는지를 관찰했습니다.

그의 이론을 테스트하기 위해, 그는 영리한 그리드 설계를 사용하여 여섯 가지 서로 다른 노화 시계를 만들었습니다. 그는 두 가지 재료를 조합했습니다:

"뇌" (모델 용량): 그는 단순한 직선형 계산기(Elastic Net)부터 강력한 비선형 트리 학습기(Gradient Boosted Trees), 그리고 인간의 뇌 층을 모방한 깊고 복잡한 신경망(Deep MLP)에 이르기까지 세 가지 유형의 컴퓨터 뇌를 사용했습니다.
대상 (예측 목표): 그는 시계의 절반에는 달력 연령(단순히 지나온 햇수를 세는 것)을 맞추라고 지시했고, 나머지 절반에는 표현형 연령(혈액 마커를 바탕으로 사망 가능성을 추정하는 특별한 점수)을 맞추라고 지시했습니다.

그 후 그는 이 여섯 가지 시계가 세 가지 측면에서 얼마나 우수한지 테스트했습니다: 연령을 정확하게 맞추는 능력, 동일한 사람을 두 번 테스트했을 때 얼마나 일관된 결과를 내는지, 그리고—가장 중요하게도—실제로 누가 더 빨리 사망할지를 예측하는 능력입니다.

반전: 큰 뇌가 승리하지 못했다

결과는 "클수록 좋다"고 믿었던 사람들에게 다소 충격적이었습니다. 다음과 같은 일이 일어났습니다.

1. "똑똑한" 시계들은 과대평가되었을 뿐이었다
깊고 복잡한 신경망(가장 큰 뇌)은 훈련 데이터 내부에서 달력 연령을 맞추는 데 확실히 약간 더 나았습니다. 그들은 평균적으로 약 5.06년 오차 범위 내에서 정답을 맞혔습니다. 단순한 선형 시계는 이보다 조금 못하여 5.43년 정도의 오차를 보였습니다.

하지만 연구진이 완전히 새로운 그룹의 사람들을 대상으로 이 시계들을 테스트했을 때, 그 우위는 사라졌습니다. 복잡한 뇌의 정확도는 5.48년으로 떨어졌으며, 이는 단순한 시계와 정확히 같았습니다. 결국 큰 뇌는 실제 노화의 법칙을 배운 것이 아니라 첫 번째 그룹의 특이한 점들을 암기해 버린 것이었습니다. 이는 마치 개념을 이해하지 못한 채 연습 시험의 답안을 통째로 외워버린 학생이 실제 시험에서는 낙제하는 것과 같았습니다.

2. 뇌가 커질수록 결과는 더 불안정해졌다
또 다른 문제가 있었습니다. 모델이 복잡할수록 신뢰도가 떨어졌습니다. 동일한 사람을 두 번 테스트했을 때, 단순한 시계는 거의 동일한 결과를 내놓았습니다(신뢰도 점수 0.985). 하지만 딥 뉴럴 네트워크는 더 불안정하여 매번 약간씩 다른 결과를 냈습니다(점수 0.970).

이것을 매우 민감한 엔진을 가진 고성능 스포츠카에 비유해 보십시오. 완벽한 트랙 위에서는 빠를 수 있지만, 도로가 울퉁불퉁하면(실제 혈액 검사는 항상 그렇습니다) 승차감이 매우 요동칩니다. 노화를 추적하기 위한 도구라면, 요동치는 레이스카가 아니라 신뢰할 수 있는 트럭이 필요합니다.

3. 진정한 영웅: 컴퓨터에게 무엇을 요구할 것인가
이 부분이 가장 중요합니다. 연구는 컴퓨터 뇌의 '크기'가 누가 더 빨리 죽을지를 예측하는 데 거의 영향을 미치지 않는다는 것을 발견했습니다. 중요한 것은 컴퓨터가 무엇을 예측하도록 요청받았는가였습니다.

달력 연령을 맞추는 시계: 이들은 괜찮았지만 아주 뛰어나지는 않았습니다. 이들은 사망 위험 예측력을 약 1.14배에서 1.23배 정도 높였습니다.
표현형 연령을 맞추는 시계: 이들이 바로 주인공이었습니다. 이들은 사망 위험 예측력을 1.48배에서 1.59배까지 높였습니다.

연구진이 계산을 해본 결과, 시계가 사망을 얼마나 잘 예측하는지에 대한 차이의 **95%**는 대상(무엇을 예측하라고 했는가) 때문이었습니다. 단 **5%**만이 용량(뇌가 얼마나 큰가) 때문이었습니다.

실제로 단순한 뇌에서 딥 브레인으로 전환했을 때는 오히려 예측력이 약간 나빠졌지만(배수 0.93x), 달력 연령을 맞추는 것에서 표현형 연령을 맞추는 것으로 전환했을 때는 1.29배 더 좋아졌습니다.

시사점

이 논문은 혈액 기반 노화 시계에 있어, 이 분야가 엉뚱한 곳을 보고 있다고 결론짓습니다. 과학자들은 "더 많은 용량"이 곧 "더 나은 바이오마커"라고 생각하며 더 크고 복잡한 AI 모델을 만드는 데 수년을 소비해 왔습니다. 하지만 이 연구는 이 특정 작업에 있어서 복잡성은 주의를 분산시키는 요소일 뿐임을 보여줍니다.

진정한 마법은 올바른 질문을 던지는 데서 옵니다. 만약 당신이 건강과 장수에 관한 시계를 원한다면, 단순히 생일을 세라고 하지 마십시오. 신체의 생물학적 실체를 예측하라고 요청하십시오. 그렇게 한다면, 슈퍼컴퓨터는 필요하지 않습니다. 단순하고 신뢰할 수 있는 선형 모델이 딥 뉴럴 네트워크만큼, 혹은 그보다 더 잘 작동할 수 있습니다.

미래를 위한 교훈은 무엇입니까? 뇌가 얼마나 큰지에 집착하는 것을 멈추고, 그 뇌가 실제로 무엇을 해결하려고 하는지에 집중하십시오. 노화를 이해하는 경주에서, 올바른 목표가 더 큰 엔진을 매번 이깁니다.

기술 요약: 장수 바이오마커 개발을 위한 딥러닝

문제 정의

제로사이언스(Geroscience) 분야는 패널티가 부여된 선형 회귀에서 딥 뉴럴 네트워크 및 파운데이션 모델로의 이행을 통해, 모델 용량(Model capacity)의 증가를 생물학적 연령 바이오마커의 발전과 동일시해 왔다. 그러나 반복되는 경험적 관찰에 따르면, 용량을 추가하는 것이 실제 연대기적 연령(Chronological age)의 예측력은 향상시킬 수 있으나, 반드시 사망률 및 이환율(Mortality and morbidity)에 대한 더 나은 바이오마커를 보장하는 것은 아니다. 더욱이, 고용량 모델은 양식 특유의 노이즈(Modality-specific noise)에 과적합되어, 종단적 연구 및 중재 연구에 필수적인 검사-재검사 신뢰도(Test-retest reliability)를 저하시킬 수 있다.

본 논문은 다음과 같은 구체적이고 반증 가능한 긴장 관계를 다룬다: 바이오마커의 타당성(연령 격차가 사망률을 예측하는 능력)은 모델의 용량에 의존하는가, 아니면 예측 대상(모델이 예측하도록 학습되는 대상)의 선택에 의존하는가? 저자들은 모델 복잡성을 확장하는 데 집중하는 학계의 노력이 예측 대상(모델이 무엇을 예측할 것인가)이 사망 위험에 최적화되지 않았을 때, 잘못된 방향일 수 있는지 조사한다.

방법론

데이터 및 코호트

본 연구는 NHANES(National Health and Nutrition Examination Survey)의 두 가지 독립적인 샘플을 활용하며, 이는 2019년 12월 31일까지의 전인적 사망률(All-cause mortality) 추적을 위해 NDI(National Death Index)와 연결되었다:

훈련 코호트: NHANES III (1988–1994), 성인 $n=9,200$ 명 (40~84세).
외부 검증 코호트: 연속 NHANES (1999–2010), 성인 $n=16,400$ 명.
입력 양식(Input Modality): 조절된 24종의 일상적인 혈액 화학 지표 패널 (예: 알부민, 크레아티닌, 포도당, 지질, 염증 지표 등).
종점(Endpoint): 전인적 사망률 (중앙값 추적 기간 ~20.6년; 검증군 내 사망자 4,368명).

실험 설계

저자들은 모델 용량과 예측 대상의 효과를 분리하기 위해 완전히 교차된 $2 \times 3$ 설계를 채택하였다:

예측 대상 (2개 수준):
- 연대기적 연령 (CA): 연 단위의 달력 연령 (1세대 타겟).
- 표현형 연령 (PA): 혈액 패널과 CA를 사용하여 10년 사망 위험을 예측하도록 훈련된 Klemera–Doubal 방식 및 Gompertz 비례 위험 모델을 통해 구축된 사망 유래 생물학적 연령 (2세대 타겟).
모델 용량 (3개 수준):
- Elastic Net: 패널티가 부여된 선형 회귀 (선형 베이스라인).
- Gradient-Boosted Trees (GBDT): 강력한 비선형, 비-뉴럴 베이스라인.
- Deep Multilayer Perceptron (MLP): 배치 정규화(Batch normalization)와 드롭아웃(Dropout)을 포함한 심층 뉴럴 네트워크.

평가 지표

생성된 6개의 클락(Clock) 각각은 세 가지 축에 따라 평가되었다:

연대기적 연령 예측 정확도: 평균 절대 오차(MAE) 및 $R^2$ (내부 교차 검증 및 외부 검증).
검사-재검사 신뢰도: 각 마커의 공표된 분석 변동 계수(CV)를 적합된 모델을 통해 분석적으로 전파하여 추정한 급내 상관계수(ICC).
바이오마커 타당성: "연령 격차"(예측된 연령과 연대기적 연령의 잔차)의 사망 관련성. 이는 다음을 통해 정량화되었다:
- 연대기적 연령과 성별을 조정한 연령 격차(SD당)의 위험비(Hazard Ratio, HR).
- 연대기적 연령만을 포함한 모델에 연령 격차를 추가했을 때의 Harrell의 일치 지수(Concordance Index, C-index) 증가분( $\Delta C$ ).

분산 분해

로그-위험비(Log-hazard ratio)에 대한 이원 배치 분산 분석(Two-way ANOVA)을 수행하여, 클락 간 분산을 타겟, 용량, 그리고 이들의 상호작용에 기인하는 성분으로 분해하였다.

주요 결과

1. 용량은 취약한 정확도를 얻을 뿐, 타당성을 얻지 못한다

내부 정확도: 높은 용량은 내부 MAE를 감소시켰다 (Deep MLP: 5.06년 vs. Elastic Net: 5.43년).
외부 정확도: 이러한 이점은 외부 검증에서 사라졌다. 세 가지 용량 모두 MAE가 $\approx 5.48$ 년으로 수렴하였으며, 이는 내부적 이득이 코호트 특유의 특이성에 과적합되었음을 나타낸다.
신뢰도: 높은 용량은 검사-재검사 신뢰도를 저하시켰다. ICC는 용량이 커짐에 따라 단조 감소하였다: Elastic Net (0.985) > GBDT (0.978) > Deep MLP (0.970). 이는 딥 모델이 측정 노이즈를 증폭시킨다는 것을 시사한다.

2. 타겟이 타당성을 결정한다

위험비 (Hazard Ratios): SD당 연령 격차의 HR은 용량이 아닌 타겟에 의해 밀접하게 군집되었다.
- 연대기적 연령 타겟: HR 범위 1.14–1.23.
- 표현형 연령 타겟: HR 범위 1.48–1.59.
영향 크기: 타겟을 연대기적 연령에서 표현형 연령으로 전환하면 HR이 1.29배 증가하였다 (95% CI 1.26–1.33). 반대로, 선형에서 딥 용량으로 이동하면 HR이 0.93배 감소하였다 (95% CI 0.92–0.94), 이는 타당성의 미세한 저하를 나타낸다.
변별력: 표현형 연령 격차를 연대기적 연령에 추가했을 때 C-index는 +0.014에서 +0.018만큼 증가한 반면, 연대기적 연령 격차를 추가했을 때는 +0.002에서 +0.004에 불과했다.

3. 분산 분해

연령 격차 로그-위험비의 이원 분산 분해 결과는 다음과 같다:

타겟: 클락 간 분산의 **95%**를 설명함.
용량: 분산의 **5%**를 설명함.
상호작용: 사실상 0%.

4. 강건성 (Robustness)

타겟과 용량 사이의 해리(Dissociation) 현상은 다음 상황에서도 유지되었다:

내부 교차 검증 vs. 외부 검증.
성별 층화 (남성 및 여성).

의의 및 주장

본 논문은 연구된 범위 내의 혈액 기반 에이징 클락의 경우, 모델의 용량이 아니라 예측 대상이 바이오마커의 타당성을 결정한다고 주장한다.

연구 방향의 재설정: 저자들은 이 분야의 딥러닝 노력이 주로 잘못된 축에 낭비되었다고 주장한다. 모델 용량을 확장하는 것은 타당성에 대해 수확 체감(Diminishing returns)을 가져오며 오히려 신뢰도를 해치는 반면, 목적 함수를 사망 위험에 맞추는 것(표현형 타겟을 통해)은 상당한 이득을 가져온다.
임상적 시사점: 실무자들에게 우선순위는 다음과 같다:
1. 타겟 선택: 단순히 모델의 깊이를 더하는 것이 아니라, 사망률에 정렬된 목적 함수(예: Klemera–Doubal 또는 Gompertz 적합)를 구축할 것.
2. 신뢰도: 내부 정확도는 약간 높지만 신뢰도가 낮은 모델보다, 검사-재검사 신뢰도가 높은 모델(흔히 선형 모델)을 우선시할 것.
3. 평가: 내부 교차 검증 정확도보다는 외부 검증 및 혼란 변수를 고려한 가속 연령 분석(Confound-aware age-acceleration analysis)을 주요 근거로 취급할 것.

본 연구는 딥러닝이 이 분야를 발전시켰으나, 임상적으로 결정적인 양상에 대한 영향력은 파라미터 수가 아니라 목적 함수의 선택과 평가의 엄격함을 통해 발휘된다고 결론짓는다. 이러한 결과는 전형적인 혈액 화학 클락에 대해 "규모 중심(Scale-centric)"의 서사가 부적절하며, 향후의 발전은 더 큰 모델이 아니라 더 나은 타겟과 혼란 변수가 통제된 검증으로부터 올 것임을 시사한다.