[논문 리뷰] Multi-threshold Change Plane Model: Estimation Theory and Applications in Subgroup Identification

Jialiang Li, Yaguang Li외 1명|arXiv (Cornell University)|2018. 08. 02.

Statistical Methods and Inference참고 문헌 38인용 수 6

한 줄 요약

이 논문은 선형 조합으로 정의된 군집 변수를 사용하여 병변을 서로 다른 공변량 효과를 가진 하위군으로 분할하는 다중 임계값 변화 평면 모델을 제안한다. 두 단계 추정 절차를 도입하여, 먼저 군집 수를 일관되게 식별하는 군집 선택을 수행하고, 이후 페널티 유도 스무딩을 통해 임계값 및 매개수 추정치를 정밀화함으로써 고차원 설정에서 정확한 하위군 식별이 가능하게 하며, 渐近 이론과 정밀 의료 분야의 응용을 제공한다.

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.

연구 동기 및 목표

• 군집 변수가 공변량의 선형 조합인 경우 기존 방법의 한계를 해결하여 서로 다른 치료 효과를 가지는 하위군을 식별하는 데 목적이 있다.
• 고차원 설정에서 하위군 수, 임계값 위치, 그리고 회귀 매개수를 동시에 추정하는 방법을 개발하는 데 목적이 있다.
• 개인화된 의료에서 하위군 식별을 위한 이론적으로 타당하고 일관되며 계산적으로 실현 가능한 접근법을 제공하는 데 목적이 있다.
• 단일 임계값 설정을 초월하여 공변량 공간에서 다중이고 평행한 변화 평면을 허용하는 변화 평면 모델을 확장하는 데 목적이 있다.

제안 방법

• 하위군이 공변량의 선형 조합이 다중 임계값을 초과할 때 정의되는 다중 임계값 변화 평면 회귀 모델을 제안한다.
• 두 단계 추정 절차를 활용한다: 첫 번째 단계에서 페널티 함수를 이용한 군집 선택을 통해 하위군 수를 일관되게 추정한다.
• 두 번째 단계에서 페널티 유도 스무딩 기법을 사용하여 임계값 및 회귀 매개수 추정치를 정밀화한다.
• 최적화 과정에서 미분 가능성과 안정성을 확보하기 위해 점수 함수에 스무딩 기법을 적용한다.
• 페널티 함수를 통해 중간 또는 고차원 공변량 설정에서 희박한 해를 허용한다.
• 정규 조건 하에서 추정량의 渐近 성질을 수립하며, 일관성과 渐近 정규성을 포함한다.

실험 결과

연구 질문

• RQ1 기본 군집 변수가 공변량의 선형 함수일 경우, 하위군 수를 일관되게 추정할 수 있는 방법은 무엇인가?
• RQ2 다중 임계값 변화 평면 모델에서 임계값과 회귀 매개수를 동시에 식별할 수 있는 효과적인 두 단계 추정 절차는 무엇인가?
• RQ3 고차원 설정에서 계산적으로 실현 가능하고 통계적으로 일관된 방법을 유지하기 위해 어떻게 해야 하는가?
• RQ4 적절한 정규 조건 하에서 제안된 추정량의 渐近 성질은 무엇인가?
• RQ5 실제 의료 데이터에서 기존 접근법과 비교해 하위군 식별 정확도와 모델 적합도 측면에서 이 방법은 어떻게 성능을 보이는가?

주요 결과

• 제안된 두 단계 방법은 정규 조건 하에서 하위군 수, 임계값 위치, 회귀 매개수를 일관되게 추정하며 이론적 보장이 있다.
• 에이즈 임상 시험 그룹 연구 175 데이터에서, 다중 임계값 변화 평면(MCPL) 방법은 테스트된 모든 방법 중에서 가장 낮은 평균 제곱 오차(MSE = 0.567)를 기록했다.
• MCPL 방법은 공변량 선형 조합에서 임계값 (-0.309, 0.201) 을 기준으로 하위군 3개(크기 1162, 394, 583)를 식별했다.
• 이 방법은 의미 있는 하위군 차이를 탐지하였으며, 지다보우딘과 디다노신(X13) 및 기타 치료 군에서 별개의 치료 효과를 보였다.
• MCPL 방법은 MSE와 하위군 크기 안정성 측면에서 단일 임계값 및 다른 다중 임계값 접근법을 모두 능가했다.
• 이 방법은 실제 의료 데이터에서 생물학적으로 의미 있는 하위군을 식별하는 데 있어 강건성과 실용성을 입증했다.