[논문 리뷰] Functional Mediation Analysis with an Application to Functional Magnetic Resonance Imaging Data

Yi Zhao, Xi Luo외 2명|arXiv (Cornell University)|2018. 05. 17.

Functional Brain Connectivity Studies참고 문헌 35인용 수 8

한 줄 요약

이 논문은 fMRI 데이터를 위한 기능적 중재 분석 프레임워크를 제안하며, 치료, 중재자, 결과를 모두 연속적인 시간에 따라 변화하는 함수로 모델링한다. 동시 및 역행 중재 모델을 제안하여 시간에 따라 변화하는 직접 및 간접적 인과 효과를 추정하며, R 패키지 cfma를 통해 CRAN에 공개된 STOP/GO 작업 fMRI 연구에 적용하여 성공적으로 검증하였다.

ABSTRACT

Causal mediation analysis is widely utilized to separate the causal effect of treatment into its direct effect on the outcome and its indirect effect through an intermediate variable (the mediator). In this study we introduce a functional mediation analysis framework in which the three key variables, the treatment, mediator, and outcome, are all continuous functions. With functional measures, causal assumptions and interpretations are not immediately well-defined. Motivated by a functional magnetic resonance imaging (fMRI) study, we propose two functional mediation models based on the influence of the mediator: (1) a concurrent mediation model and (2) a historical mediation model. We further discuss causal assumptions, and elucidate causal interpretations. Our proposed models enable the estimation of individual causal effect curves, where both the direct and indirect effects vary across time. Applied to a task-based fMRI study, we illustrate how our functional mediation framework provides a new perspective for studying dynamic brain connectivity. The R package cfma is available on CRAN.

연구 동기 및 목표

• 치료, 중재자, 결과가 모두 기능적(연속적인 시간)인 신경영상 데이터에 대한 인과 중재 분석의 격차를 보완하기 위해.
• 기존 중재 분석을 기능 데이터 설정으로 확장하여 특히 fMRI 연구에서의 동적 뇌 연결성에 적용하기 위해.
• 시간에 따라 변화하는 직접 및 간접 효과를 추정하는 인과 모델을 개발하여 뇌 연결성의 동적 시각을 가능하게 하기 위해.
• 응답 갈등을 다루는 작업 기반 fMRI 연구에 프레임워크를 적용하여 전전두피질(preSMA) 및 M1 뇌 영역에 집중하기 위해.
• 신경영상 및 종단적 연구에서 기능적 중재 분석을 위한 오픈소스 R 구현체(cfma)를 제공하기 위해.

제안 방법

• 동시(중재자가 같은 시점의 결과에 영향을 미침) 및 역행(중재자가 시간 지연을 거쳐 결과에 영향을 미침) 모델을 포함한 두 가지 기능적 중재 모델을 제안한다.
• 치료, 중재자, 결과 간의 관계를 시간에 따라 매끄러운 곡선으로 표현하기 위해 기능 선형 모델을 사용한다.
• 기능 회귀 모델의 계수 함수를 표현하기 위해 기저 함수 전개(예: P-spline 또는 B-spline)를 활용한다.
• 직접 및 간접 효과의 인과 추정량을 시간에 따라 변화하는 곡선으로 정의하기 위해 잠재적 결과 프레임워크를 적용한다.
• 추정된 인과 효과 곡선의 점별 95% 신뢰구간을 구축하기 위해 부트스트랩 리샘플링(500회)을 사용한다.
• 무작위 치료 제도 하에서 측정되지 않은 혼란 요인이 없고, 치료 할당이 안정적이라는 조건에서 식별 가정을 구현한다.

실험 결과

연구 질문

• RQ1 fMRI 데이터에서 치료, 중재자, 결과 변수가 모두 시간에 따라 연속적으로 변화하는 기능적 변수인 경우, 인과 중재 분석을 어떻게 확장할 수 있는가?
• RQ2 인지 작업 중 뇌 활동에서 시간에 따라 변화하는 직접 및 간접 인과 효과의 패턴은 어떠한가?
• RQ3 동시 모델과 역행 모델은 동적 뇌 연결성을 추정할 때 어떻게 다를까?
• RQ4 기능적 중재 모델은 STOP 및 GO 시험 중 전전두피질(preSMA) 활동이 M1에 미치는 간접 효과를 유의미하게 탐지할 수 있는가?
• RQ5 기능적 중재에서 시간 지연 효과를 캡처하기 위한 최적의 영향 창 너비(δ)는 무엇인가?

주요 결과

• 제안된 기능적 중재 모델은 시간에 따라 변화하는 직접 및 간접 인과 효과를 성공적으로 추정하며, 뇌 연결성의 동적 패턴을 드러낸다.
• STOP/GO fMRI 연구에서 동시 및 역행 모델 모두에서 전전두피질(preSMA)에서 M1로 향하는 경로에 대해 시간에 따라 유의미한 간접 효과나 직접 효과를 관찰하지 못했다.
• 간접 효과 및 직접 효과 곡선에 대한 부트스트랩 기반 95% 신뢰구간은 시간 포인트 간 일관된 통계적 유의성이 없음을 보였다.
• 시뮬레이션 결과는 평균 제곱 예측 오차(MSPE) 기반의 모델 선택이 영향 창 너비 δ의 최적 선택을 안내할 수 있음을 시사하였다.
• R 패키지 cfma는 성공적으로 개발되어 fMRI 및 종단적 연구에서 재현 가능한 기능적 중재 분석을 위한 공개된 도구로 제공되었다.
• 이 프레임워크는 고밀도 기능 데이터(예: fMRI)에 적용 가능하며, 희소 기능 데이터 및 측정되지 않은 혼란 요인을 고려한 향후 확장의 기초를 제공한다.