Extending the saemix package for R to fit non Gaussian outcomes

임상 연구의 세계에서 과학자들은 종종 시간이 흐름에 따라 사람들이 어떻게 변화하는지를 추적합니다. 그들은 혈액 내 호르몬 수치를 측정하거나, 환자가 통증을 느끼는 횟수를 세거나, 혹은 병원 방문과 같은 특정 사건이 발생했는지 여부를 기록할 수 있습니다. 이러한 측정값은 단순한 스냅샷이 아닙니다. 그것은 며칠, 몇 주, 또는 몇 년에 걸쳐 펼쳐지는 하나의 이야기입니다. 이 이야기를 이해하기 위해 연구자들은 비선형 혼합 효과 모델(non-linear mixed-effect models)이라는 통계적 접근 방식을 사용합니다. 이것을 전체 집단의 평균적인 여정을 나타내는 하나의 매끄러운 곡선을 그리되, 동시에 모든 개인이 조금씩 다른 경로를 걷는다는 점을 인정하는 방법이라고 생각해보십시오. 어떤 사람들은 더 빨리 회복하고, 어떤 이들은 더 느리게 회복하며, 어떤 이들은 다른 이들이 겪지 않는 부작용을 경험하기도 합니다. 문제는 추적 중인 데이터가 단순한 종 모양의 패턴을 따르지 않을 때 발생합니다. 많은 생물학적 측정값은 이 매끄러운 곡선에 부합하지만, 다른 것들은 그렇지 않습니다. 사건의 횟수, 예/아니오 답변, 또는 사건이 발생할 때까지의 시간 등은 전통적인 도구들이 해석하기 어려워하는 울퉁불퉁하고 불규칙한 데이터를 생성합니다.

수년 동안 연구자들은 매끄러운 종 모양의 데이터를 처리할 수 있는 강력한 소프트웨어를 보유해 왔지만, 불규칙하고 울퉁불퉁한 데이터를 처리하기 위한 도구들은 비싸거나, 대중에게 공개되지 않았거나, 사용하기 어려웠습니다. 에마뉘엘 코메(Emmanuelle Comets), 모드 델라트르(Maud Delattre), 벨할 카리미(Belhal Karimi)가 이끄는 연구팀은 무료 오픈 소스 소프트웨어 패키지인 saemix의 기능을 확장함으로써 이를 변화시키고자 했습니다. 원래 연속적인 측정을 위해 설계된 이 도구는 이제 횟수, 범주, 생존 시간과 같은 형태의 지저분한 현실 세계의 데이터를 처리할 수 있도록 업그레이드되었습니다. 연구자들은 단순히 도구를 만든 것이 아니라, 데이터 속에 숨겨진 진실을 찾아낼 수 있도록 복잡한 시나리오를 대상으로 엄격하게 테스트했습니다. 그들의 연구는 감염의 확산부터 알코올 관련 문제의 빈도에 이르기까지 모든 것을 모델링할 수 있는 새롭고 접근 가능한 방법을 제공하며, 일반적인 평균을 찾는 과정에서 개별 환자의 독특한 패턴이 상실되지 않도록 보장합니다.

이 작업의 핵심은 SAEM 알고리즘이라고 알려진 소프트웨어가 사용하는 알고리즘에 있습니다. 광활하고 안개가 자욱한 산맥에서 가장 높은 지점을 찾는 과정을 상상해 보십시오. 당신은 지형 전체를 한 번에 볼 수 없으며 지면은 울퉁불퉁합니다. SAEM 알고리즘은 이 지형을 단계별로 탐색하는 방법입니다. 그것은 추측에서 시작하여, 가능한 경로들을 시뮬레이션하고, 그 시뮬레이션을 통해 배운 것을 바탕으로 추측을 정교화합니다. 이 과정을 반복하면서 데이터에 대한 가장 정확한 묘사를 나타내는 실제 정점에 점점 더 가까워집니다. 연구자들은 이 방법을 확장하여 비가우시안(non-Gaussian) 데이터, 즉 표준 종 모양 곡선을 따르지 않는 데이터를 탐색할 수 있도록 했습니다. 여기에는 발톱 감염의 유무와 같이 결과가 단순히 예 또는 아니오인 이진(binary) 데이터가 포함됩니다. 또한 환자가 보고하는 특정 증상의 횟수와 같은 횟수(count) 데이터와 질병의 재발처럼 어떤 일이 일어날 때까지 걸리는 시간을 추적하는 사건 발생 시간(time-to-event) 데이터도 포함됩니다.

이 확장이 효과가 있음을 증명하기 위해, 팀은 업데이트된 소프트웨어를 실제 데이터셋에 적용했습니다. 한 사례는 곰팡이성 발톱 감염에 대한 두 가지 치료법을 비교하는 임상 시험이었습니다. 이 연구에서는 294명의 환자를 거의 1년 동안 모니터링했으며, 7번의 방문 동안 감염 상태를 확인했습니다. 결과는 이진적이었습니다. 즉, 발톱이 깨끗하거나 그렇지 않거나였습니다. 연구자들은 감염이 시간이 지남에 따라 어떻게 해소되는지, 그리고 어떤 치료법이 더 효과적인지를 모델링하기 위해 saemix를 사용했습니다. 그들은 소프트웨어가 감염이 해결되는 속도와 치료 효과를 정확하게 추정할 수 있음을 발견했으며, 이는 다른 더 비싼 소프트웨어를 사용한 이전 연구들의 결과와 일치했습니다. 이는 오픈 소스 도구가 환자들이 동일한 요법에 다르게 반응하는 의료 시험의 복잡성을 처리할 수 있음을 보여주는 중요한 검증이었습니다.

또 다른 테스트 케이스는 대학생들의 알코올 관련 문제에 관한 연구였습니다. 이 데이터셋에는 학생들이 6개월마다 보고한 문제의 횟수에 대한 수천 개의 반복 측정값이 포함되어 있었습니다. 데이터는 까다로웠는데, 많은 학생이 여러 시점에서 문제가 전혀 없다고 보고하여 차트 하단에 거대한 스파이크(급증)를 만들었기 때문이며, 다른 학생들은 다양한 숫자의 문제를 보고했습니다. 표준 모델은 이러한 데이터 앞에서 흔히 실패하는데, 왜냐하면 사람들이 문제를 전혀 겪지 않는 사람과 가끔 겪는 사람을 쉽게 구별할 수 없기 때문입니다. 연구자들은 이 횟수 데이터를 위해 세 가지 다른 유형의 모델을 적합시키기 위해 saemix를 사용했습니다. 그들은 제로 과잉 포아송(zero-inflated Poisson) 모델과 같이 '제로(0)'가 과다한 데이터를 처리하기 위해 특별히 설계된 모델이 표준 모델보다 훨씬 더 나은 적합도를 제공한다는 것을 발견했습니다. 소프트웨어는 문제가 시간이 지남에 따라 감소한다는 사실과 남성이 여성보다 약간 더 많은 문제를 보고하는 경향이 있다는 사실을 성공적으로 포착하는 동시에, 개별 학생들 사이의 고유한 변동성을 모두 고려했습니다.

소프트웨어가 신뢰할 수 있는지 확실히 하기 위해, 팀은 실제 사례에만 머물지 않았습니다. 그들은 정답을 미리 알고 있는 수천 개의 가짜 데이터셋을 생성하는 시뮬레이션 연구를 수행했습니다. 그들은 이 알려진 시나리오들을 saemix에 입력하여 소프트웨어가 실제 값을 회복할 수 있는지 확인했습니다. 이진 데이터의 경우, 소프트웨어는 매우 적은 오차로 실제 파라미터를 회복하며 탁월한 성능을 보였습니다. 개별적인 변화율에 변동성을 허용하여 복잡성을 도입했을 때조차 소프트웨어는 안정성을 유지했습니다. 연구자들은 계산의 시작점이 단순히 알고리즘이 시작된 위치에 기반한 운 좋은 추측이 아닌지 확인하기 위해 다양한 시작점을 테스트했습니다. 이러한 시뮬레이션 전반에 걸친 결과의 일관성은 도구가 견고하며 다른 과학자들이 사용할 준비가 되었음을 확신시켜 주었습니다.

논문은 또한 불확실성이 측정되는 방식의 실질적인 한계에 대해서도 다룹니다. 통계학에서 답을 아는 것만으로는 충분하지 않습니다. 연구자들은 그 답에 대해 얼마나 확신할 수 있는지를 알아야 합니다. 표준 데이터의 경우, 이는 보통 잘 작동하는 공식으로 계산됩니다. 그러나 이 논문이 집중하는 불규칙한 데이터 유형의 경우, 그 표준 공식은 종종 오해의 소지가 있는 결과를 줍니다. 연구자들은 부트스트래핑(bootstrapping)이라고 불리는 다른 접근 방식이 훨씬 더 잘 작동한다는 것을 발견했습니다. 이 방법은 데이터의 샘플을 여러 번 재추출하여 결과가 얼마나 변하는지 보는 것을 포함합니다. 그들은 saemix에서 이 재표본 추출 기법을 사용하는 것이 불확실성에 대한 더 정확한 그림을 제공하여, 연구자가 치료 효과가 유의미하다고 말할 때 그 주장이 견고한 근거에 뒷받침되도록 한다는 것을 입증했습니다.

작업 전반에 걸쳐 저자들은 유연성을 강조했습니다. 업데이트된 saemix 패키지는 사용자가 자신만의 가능도 함수(likelihood function, 특정 데이터 세트가 발생할 확률을 설명하는 수학적 규칙)를 정의할 수 있게 해줍니다. 이는 만약 연구자가 새로운 유형의 데이터나 독특한 생물학적 과정을 마주하더라도, 미리 설정된 모델에 갇히지 않는다는 것을 의미합니다. 그들은 자신의 상황에 맞는 규칙을 작성할 수 있으며, 소프트웨어는 계산의 힘든 작업을 처리할 것입니다. 이러한 유연성은 사용자를 고정된 모델 세트로 제한하는 상용 소프트웨어에 비해 큰 장점입니다. 팀은 또한 패키지 내의 시각화 도구를 개선하여 연구자들이 모델이 데이터에 얼마나 잘 맞는지 보여주는 명확한 그래프를 만들 수 있게 함으로써, 약점이나 개선이 필요한 영역을 포착할 수 있도록 도왔습니다.

이 작업의 함의는 단지 코드에만 국한되지 않습니다. 이러한 고급 모델링 기술을 무료로 사용 가능하고 사용하기 쉽게 만듦으로써, 연구자들은 복잡한 종단적 데이터를 분석하고자 하는 과학자들의 장벽을 낮추고 있습니다. 만성 질환의 진행 과정을 추적하든, 공중 보건 개입의 효과를 평가하든, 혹은 생물학적 시스템의 역학을 이해하든, 비표준 데이터를 정확하게 모델링하는 능력은 매우 중요합니다. 논문은 saemix가 이제 다양한 유형의 데이터를 처리할 수 있는 강력하고 완전히 오픈 소스인 도구라고 결론짓습니다. 소프트웨어 내에서 복잡한 미분 방정식을 처리하는 데 어려움이 있는 것과 같은 몇 가지 한계는 여전히 존재하지만, 이번 확장은 중요한 진전입니다. 이는 신뢰할 수 있고 투명하며 유연한 대안을 과학계에 제공하여, 불규칙한 데이터 속에 숨겨진 이야기들이 마침내 명확성과 정밀함을 가지고 전달될 수 있도록 보장합니다.