[論文レビュー] Multi-threshold Change Plane Model: Estimation Theory and Applications in Subgroup Identification

Jialiang Li, Yaguang Li+1 more|arXiv (Cornell University)|Aug 2, 2018

Statistical Methods and Inference参考文献 38被引用数 6

ひとこと要約

本稿では、共変量の線形結合をグループ化変数として用いることで、異なる共変量効果を持つサブグループに被験者を分割する、マルチスレッショルド変化平面モデルを提案する。2段階推定手順を導入し、最初にグループ選択を用いてサブグループ数を一貫して特定し、次に罰則付き誘導スムージングを用いてスレッショルドおよびパラメータ推定値を精緻化することで、漸近理論と実応用を備えた高次元設定下での正確なサブグループ同定が可能になる。精密医療への応用が可能である。

ABSTRACT

We propose a multi-threshold change plane regression model which naturally partitions the observed subjects into subgroups with different covariate effects. The underlying grouping variable is a linear function of covariates and thus multiple thresholds form parallel change planes in the covariate space. We contribute a novel 2-stage approach to estimate the number of subgroups, the location of thresholds and all other regression parameters. In the first stage we adopt a group selection principle to consistently identify the number of subgroups, while in the second stage change point locations and model parameter estimates are refined by a penalized induced smoothing technique. Our procedure allows sparse solutions for relatively moderate- or high-dimensional covariates. We further establish the asymptotic properties of our proposed estimators under appropriate technical conditions. We evaluate the performance of the proposed methods by simulation studies and provide illustration using two medical data. Our proposal for subgroup identification may lead to an immediate application in personalized medicine.

研究の動機と目的

• グループ化変数が共変量の線形結合である場合に、治療効果が異なるサブグループを同定する既存手法の限界を是正すること。
• 高次元設定下で、同時にサブグループ数、スレッショルド位置、回帰パラメータを推定する手法を開発すること。
• 個人化医療におけるサブグループ同定に対して、理論的裏付けがあり、一貫性があり、計算的に実行可能なアプローチを提供すること。
• 単一スレッショルド設定にとどまらず、共変量空間内に複数の平行な変化平面を許容する、変化平面モデルの拡張を図ること。

提案手法

• サブグループが共変量の線形結合が複数のスレッショルドを通過することによって定義されるマルチスレッショルド変化平面回帰モデルを提案する。
• 2段階推定手順を採用：まず、罰則関数を用いたグループ選択により、サブグループ数を一貫して推定する。
• 2段階目では、罰則付き誘導スムージング技術を用いて、スレッショルドおよび回帰パラメータ推定値を精緻化する。
• 最適化における微分可能性と安定性を確保するため、スコア関数にスムージング技術を適用する。
• 罰則関数を用いることで、中程度または高次元の共変量設定下でもスパース解を可能にする。
• 正則性条件の下で推定器の漸近的性質を確立し、一貫性および漸近正規性を含む。

実験結果

リサーチクエスチョン

• RQ1 共変量の線形関数として定義される潜在的グループ化変数がある場合に、サブグループ数を一貫して推定する方法は何か？
• RQ2 マルチスレッショルド変化平面モデルにおいて、スレッショルドと回帰パラメータを同時に同定する効果的な2段階推定手順は何か？
• RQ3 高次元設定下で、計算的に実行可能かつ統計的に一貫性を持つようにするにはどうすればよいか？
• RQ4 適切な正則性条件の下で、提案された推定器の漸近的性質は何か？
• RQ5 実際の医療データにおいて、既存手法と比較して、サブグループ同定の正確性とモデル適合度の観点から、本手法はどのように差を示すか？

主な発見

• 提案された2段階手法は、正則性条件の下で、サブグループ数、スレッショルド位置、回帰パラメータを一貫して推定でき、理論的保証を有する。
• AIDS Clinical Trials Group Study 175のデータにおいて、マルチスレッショルド変化平面（MCPL）手法は、全手法の中で最小の平均二乗誤差（MSE = 0.567）を達成した。
• MCPL手法は、共変量の線形結合におけるスレッショルド（-0.309, 0.201）に基づき、サブグループサイズが1162、394、583の3つのサブグループを同定した。
• 本手法は、ジドオビリンおよびジダノシン（X13）および他の治療群における明確な治療効果の差を検出できた。
• MSEとサブグループサイズの安定性の両面で、単一スレッショルドおよび他の代替マルチスレッショルド手法を上回った。
• 本手法は、実世界の医療データにおける生物学的に意味のあるサブグループを同定する上で、頑健性と実用的有用性を示した。