[論文レビュー] Sure screening for estimating equations in ultra-high dimensions

Sihai Dave Zhao, Yi Li|arXiv (Cornell University)|Oct 31, 2011

Statistical Methods in Clinical Trials参考文献 31被引用数 5

ひとこと要約

本稿では、推定方程式を用いた超高次元データに対する統合的で計算的に効率的なスクリーニング手法EEScreenを提案する。この手法は、1つのフレームワーク内でモデルベースおよびモデルフリーなスクリーニングを可能にし、有限標本における理論的保証を確立している。シミュレーションおよび多発性髄腫症研究を通じて、EEScreenは重要な共変量を効果的に保持しながら計算負荷を低減できることを示しており、反復的iEEScreenは優れた性能を示し、ブースティング手法との新たな関連性を示している。

ABSTRACT

As the number of possible predictors generated by high-throughput experiments continues to increase, methods are needed to quickly screen out unimportant covariates. Model-based screening methods have been proposed and theoretically justified, but only for a few specific models. Model-free screening methods have also recently been studied, but can have lower power to detect important covariates. In this paper we propose EEScreen, a screening procedure that can be used with any model that can be fit using estimating equations, and provide unified results on its finite-sample screening performance. EEScreen thus generalizes many recently proposed model-based and model-free screening procedures. We also propose iEEScreen, an iterative version of EEScreen, and show that it is closely related to a recently studied boosting method for estimating equations. We show via simulations for two different estimating equations that EEScreen and iEEScreen are useful and flexible screening procedures, and demonstrate our methods on data from a multiple myeloma study.

研究の動機と目的

• 推定方程式に基づく任意のモデルに適応可能な、統合的かつ計算的に効率的な超高次元データのスクリーニング手順の開発。
• パラメトリックおよびノンパラメトリックな設定を含む広範なモデルクラスにおいて、スクリーニング性能の有限標本における理論的保証の確立。
• 推定方程式を用いることで、モデルベースとモデルフリーなスクリーニングのギャップを埋め、柔軟なモデル仮定を可能にする。
• 反復的バージョンであるiEEScreenの提案と、推定方程式のブースティング手法であるEEBoostとの関連性の確立。
• 複数のmyeloma研究におけるシミュレーションおよび実データ解析を通じた、手法の実用的有用性の提示。

提案手法

• EEScreenは、マージナル推定値を求めるのではなく、事前に指定された固定されたパrameter値における推定方程式を評価することで、計算コストを著しく削減する。
• 理論的妥当性と有限標本におけるスクリーニング性能の保証を確保するため、U統計量に基づく推定方程式を用いる。
• 共変量は推定方程式スコアの絶対値によって順位付けされ、上位の変数が保持される。
• 分布的仮定を最小限に抑える推定方程式を用いることで、モデルフリーなスクリーニングが可能となり、Zhuら（2011）の手法に近く類似する。
• iEEScreenは、前のステップの残差を用いて推定方程式スコアを反復的に更新することで、相関のある共変量が存在する状況でのスクリーニングパワーを向上させる。
• iEEScreenとEEBoost（推定方程式のためのブースティングアルゴリズム）との間で、理論的根拠の類似性が確立された。

実験結果

リサーチクエスチョン

• RQ1 推定方程式に基づく多様なモデルに適応可能な統合的スクリーニング手順を、有限標本における理論的保証とともに開発可能か？
• RQ2 EEScreenの性能は、モデルフリーおよびモデルベースのスクリーニング手法と比較して、検出力および誤り発生率の制御においてどう異なるか？
• RQ3 EEScreenの反復的バージョンは、共変量に相関がある状況でもスクリーニングの正確性を向上させることができるか？
• RQ4 推定方程式の文脈において、反復的スクリーニングとブースティング手法との理論的関係は何か？
• RQ5 スクリーニングに柔軟なモデルを用いるか、単純なモデルを用いるかが、実世界のデータにおける一般化性能に与える影響は何か？

主な発見

• EEScreenは、$ p_n $ が $ n $ とともに指数関数的に増加する超高次元設定においても、ほとんどすべての重要な共変量を高い確率で保持する。
• シミュレーションでは、AFTモデルに基づくEEScreenの推定方程式は、高AUCを達成するための必要な共変量数が100にとどまり、$ t $-year生存モデルを上回った。
• AFTモデルを用いたEEScreenの検証AUCは70%であり、モデルフリー手法よりも顕著に高く、一般化性能が高く、TT2群への過剰適合が少ないことを示唆している。
• EEScreenによって選択された最終モデルには、$\beta_2$-ミクログロブリンやラクタート脱水素酸化酵素といった、臨床的に重要なマーカーが含まれており、生物学的に関連する予測変数を同定できる能力を示している。
• $ t $-year生存モデルに基づくEEScreenは、クロスバリデーションにおいてモデルフリー手法よりもAUCが低かったが、後者の方がTT2群への過剰適合を示しており、不安定性が生じる可能性がある。
• iEEScreenとEEBoostとの間で、新たな理論的関連性が確立され、反復的スクリーニングがブースティングの一種と見なせる可能性が示唆された。これにより、理論的分析の新たな道が開かれた。