Does AI-predicted biochemical age predict death? A cross-validated re-examination in NHANES 1999–2018 with linked mortality follow-up

기술 요약: AI가 예측한 생화학적 연령은 사망을 예측하는가?

문제 제id (Problem Statement)
생물학적 노화 분야는 흔 প적으로 생물학적 기질(예: 혈액 화학 성분, DNA 메틸화)으로부터 연대기적 연령(chronological age)을 예측하도록 훈련된 "노화 시계(aging clocks)"에 의존합니다. 이러한 모델의 근저에 깔린 가정은, 모델의 잔차 오차(residual error)—즉, '연령 가속(age acceleration, 예측된 연령과 실제 연령의 차이)'—가 연대기적 연령을 넘어 사망 위험을 예측하는 대리 지표 역할을 한다는 것입니다. 그러나 많은 연구가 이러한 시계들을 검증할 때, 잔차가 실제로 사망을 예측하는지 테스트하기보다는 단순히 연대기적 연령에 대한 결정 계수($R^2$)를 보고하는 데 그칩니다. 본 논문은 연대기적 연령 예측 정확도를 높이려는 추구가 오히려 사망 예측에 필요한 신호 자체를 무의도적으로 제거하게 되는 것은 아닌지 조사합니다.

방법론 (Methodology)
본 연구는 NHANES(1999–2018)의 10개 주기를 활용하였으며, 이를 NCHS 공공 사용 사망 파일과 연계하였습니다. 분석 샘플은 45,033명의 성인(20~79세)으로 구성되었으며, 총 445,961인년(person-years) 동안 5,213건의 사망 사례를 포함했습니다.

• 입력값: 38개 분석물(혈청 화학 23개, 혈액학 15개) 및 성별.
• 모델 군(Model Families): 중첩 교차 검증(5-fold outer, 3-fold inner) 하에서 연대기적 연령을 예측하기 위해 6가지 모델 군을 적합시켰습니다.
  1. 최소제곱 회귀 (OLS)
  2. 릿지 회귀 (Ridge Regression)
  3. 주성분 회귀 (PCA + Ridge)
  4. k-최근접 이웃 (k-NN)
  5. 히스토그램 그래디언트 부스팅 (Histogram Gradient Boosting)
  6. 다층 퍼셉트론 (신경망)
• 아키텍처 탐색: 신경망이 성능이 부족하지 않도록, 1,296개의 하이퍼파라미터 격자점(깊이, 활성화 함수, 패널티, 학습률)에 걸쳐 무작위로 추출된 360개의 네트워크를 훈련했습니다.
• 연령 가속 정의: 신경 영상학적 관례를 따라, 연령과의 상관관계를 제거하기 위해 연령에 대한 out-of-fold 예측 연령의 선형 회귀 잔차로 연령 가속을 정의했습니다.
• 평가: 연대기적 연령과 성별을 조정한 Cox 비례 위험 모델을 사용하여 전사 사망(all-cause mortality)에 대해 모델을 평가했습니다. 성능은 Harrell의 C-index(변별력)와 위험비(Hazard Ratio, HR)로 측정되었습니다.
• 대조군 (Controls):
  • PhenoAge: 9개의 마커를 사용하여 사망 예측을 위해 훈련된 기존의 시계(benchmark)를 계산했습니다.
  • 사망 훈련 점수 (Mortality-Trained Score): 동일한 38개 분석물을 사용하여 사망을 직접 예측하도록 릿지 패널티가 적용된 Cox 모델을 적합시켰으며, 이는 데이터에서 얻을 수 있는 정보의 상한선 역할을 합니다.

주요 결과 (Key Results)

1. 정확도와 유용성의 역전 (Accuracy vs. Utility Inversion): 유연한 모델들(그래디언트 부스팅, 신경망)은 연대기적 연령을 예측하는 데 있어 선형 모델보다 유의미하게 뛰어난 성능을 보였습니다. Out-of-fold $R^2$는 0.398(Ridge)에서 0.557(Neural Network)로 증가했습니다. 그러나 그 결과로 도출된 연령 가속의 사망 예측 유용성은 반대 방향으로 움직였습니다.

   • Ridge 회귀(가장 낮은 정확도)는 가장 높은 사망 변별력 이득($\Delta C = +0.0124$)을 나타냈습니다.
   • 신경망(가장 높은 정확도)은 가장 낮은 이득($\Delta C = +0.0056$)을 나타냈습니다.
   • 모델 군 전체에 걸친 연령 예측 $R^2$와 C-index 이득 사이의 상관관계는 $-0.94$($p=0.005$)였습니다.

2. 훈련 대상의 한계 (The Ceiling of Training Targets): 동일한 38개 분석물을 연령이 아닌 사망에 직접 적합시켰을 때, 사망 예측 점수는 $\Delta C = +0.0367$의 C-index 이득을 생성했습니다(이는 가장 우수한 연령 기반 잔차보다 3배 높은 수치입니다). 이 사망 훈련 점수는 연령 가속이 이미 모델에 포함된 후에도 예측력의 85%를 유지했습니다. 이는 연령 기반의 잔차가 혈액 패널에 존재하는 사망 관련 신호의 대부분을 포착하지 못함을 시사합니다.

3. 서로 다른 신호 (Divergent Signals): 연대기적 연령과 강하게 상관관계가 있는 분석물들은 사망을 예측하는 분석물들과 대체로 직교(orthogonal)했습니다. 예를 들어, 혈액 요소 질소(BUN)는 연령과 가장 높은 상관관계를 보였으나 사망 예측 순위에서는 30위였고, 알부민(Albumin)은 사망 예측의 최상위 마커였으나 연령 상관관계에서는 15위에 그쳤습니다. 연령 상관관계와 사망 위험 크기 사이의 순위 상관관계는 거의 0($+0.02$)에 가까웠습니다.

4. 표본 구성의 인위적 효과 (Sample Composition Artifact): 연령 예측에 대한 보고된 $R^2$ 값은 표본의 연령 구간에 크게 의존하는 것으로 나타났습니다. 하한 연령을 20세에서 12세(청소년 포함)로 낮추면 $R^2$는 0.557에서 0.683으로 상승한 반면, 구간을 20~45세로 좁히면 0.247로 떨어졌습니다. 이는 문헌에 보고된 높은 $R^2$ 값이 모델의 우월성이 아니라 표본의 이질성을 반영하는 경우가 많음을 시사합니다.

주요 기여 (Key Contributions)

1. 이론적 우려에 대한 실증적 검증: 본 연구는 연대기적 연령 예측 정확도를 극대화하는 것이 사망 예측용 바이오마커를 생성하는 데 역효ភាព(counterproductive)하다는 직접적인 실증적 증거를 제공합니다.
2. 정확도와 유용성의 분리: 단일 모델 클래스 내(예: 규제화된 선형 모델)에서는 정확도와 유용성이 함께 상승하지만, 모델 클래스 간에는 유연한 학습기로 전환할수록 연령 특이적 구조를 포착하게 되어 예후적으로 무의미한 정보를 담게 되고, 결과적으로 잔호에서 신호를 제거하게 됨을 입증했습니다.
3. 훈련 대상의 지배력: 데이터의 품질이나 모델 클래스가 아니라, 훈련 대상(연령 vs 사망)이 바이오마커의 유용성을 결정하는 주요 요인임을 확립했습니다.
4. 지표의 재평가: 연대기적 연령에 대한 $R^2$는 연구 간의 노화 시계를 비교하거나 임상적 가치를 평가하기 위한 유효한 지표가 아님을 주장합니다.

의의 및 주장 (Significance and Claims)
본 논문은 혈액 화학 성분을 연대기적 연령에 맞추는 것이 연령에 따른 생화학적 변화를 설명하는 데는 유효한 회귀 문제이지만, "사망 예측용 바이오마커를 만드는 데는 매우 좋지 않은 방법"이라고 결론짓습니다. 연령 기반의 잔차는 사망과 관련된 신호의 대부분을 버리게 됩니다.

저자는 다음과 같이 주장합니다:

• 예후 시계는 예후를 바탕으로 훈련되어야 한다: PhenoAge나 GrimAge 같은 모델이 더 우수한 이유는 연령이 아닌 사망 결과에 직접 훈련되었기 때문입니다.
• 현재의 평가 지표는 오해의 소지가 있다: 연대기적 연령에 대한 $R^2$를 보고하는 것은 가장 정확한 모델이 가장 유용하지 않은 잔차를 생성한다는 사실을 은폐합니다.
• 연령 기반 잔차의 임상적 가치는 낮다: 현대적 AI 모델로부터 얻은 연령 가속의 증분 변별력($\Delta C \approx 0.005$)은 동일한 데이터에서 얻을 수 있는 잠재적 가치($\Delta C \approx 0.037$)에 비해 미미합니다.

본 연구는 '생물학적 연령'이라는 개념 자체가 공허하다거나 연령 기반 모델이 생리학적 변화를 설명하는 데 무용하다는 주장이 아닙니다. 오히려 사망을 예측하려는 특정 목적을 위해서는 "연령 훈련 잔차" 접근법이 체계적으로 최적이 아니라는 점을 지적합니다. 왜냐서 그 목적 함수(연령 오차 최소화)가 원하는 결과(사망 예측)와 직교하기 때문입니다.