[논문 리뷰] Parameter Selection Methods in Inverse Problem Formulation

H. T. Banks, Ariel Cintrón-Arias|arXiv (Cornell University)|2020. 04. 15.

HIV Research and TreatmentImmunology and Microbiology참고 문헌 60인용 수 22

한 줄 요약

이 논문은 고차원 역문제에서 신뢰할 수 있게 추정할 수 있는 매개변수를 식별하기 위해 피셔 정보 행렬과 점근적 표준 오차를 사용한 민감도 기반 매개변수 선택 방법을 제안한다. 매개변수 민감도와 불확실성 정량화를 평가함으로써, 추정 오차를 감소시키고 신뢰성을 향상시켰으며, 초기 18개 매개변수 중에서 다섯 개의 핵심 매개변수만 선택했을 때, HIV 동역학 모델에서 변동계수(CV)가 최대 4개 지수 정도 감소하는 것으로 입증되었다.

ABSTRACT

We discuss methods for {\em a priori} selection of parameters to be estimated in inverse problem formulations (such as Maximum Likelihood, Ordinary and Generalized Least Squares) for dynamical systems with numerous state variables and an even larger number of parameters. We illustrate the ideas with an in-host model for HIV dynamics which has been successfully validated with clinical data and used for prediction.

연구 동기 및 목표

• 많은 매개변수와 제한된 데이터를 가진 대규모 동역학 시스템에서 신뢰할 수 있게 추정할 수 있는 매개변수의 부분집합을 선택하는 데 도전하는 것.
• 낮은 민감도와 높은 식별 가능성의 매개변수에 초점을 맞춰 매개변수 추정의 불확실성 정량화를 향상시키는 것.
• HIV 동역학과 같은 복잡한 생물학적 모델에서 역문제 설정을 위한 실용적이고 계산적으로 타당한 프레임워크를 개발하는 것.
• 민감도 분석에 기반해 추정 매개변수의 수를 줄이면 추정 정확도가 크게 향상되고 표준 오차가 감소함을 보여주는 것.
• 매개변수 범위와 관측 오차에 대한 사전 지식을 활용해 정량적이고 局소적인 매개변수 선택 방법을 개발하여 역문제 설정을 안내하는 것.

제안 방법

• 모델 출력에 대한 각 매개변수의 영향을 평가하기 위해 局소 민감도 분석과 피셔 정보 행렬(FIM)을 사용한다.
• FIM의 역행렬에서 점근적 표준 오차를 계산하여 매개변수 추정의 불확실성을 정량화한다.
• 선택 점수를 FIM의 조건수와 변동계수(CV) 벡터의 노름을 기반으로 하여 매개변수 조합의 순위를 매긴다.
• 불확실성과 조건수를 최소화하는 가장 작은 매개변수 조합을 반복적으로 선택하기 위해 탐욕 알고리즘을 적용한다.
• HIV 내생물 모델을 시험용으로 사용하여 매개변수 추정에 일반 최소 제곱법(OLS)과 일반 최소 제곱법(GLS)을 적용한다.
• 다양한 매개변수 조합 간의 변동계수(CV) 비교를 통해 결과를 검증하여 추정 불확실성이 크게 감소하는 것을 보였다.

실험 결과

연구 질문

• RQ1 제한된 종단적 데이터가 있는 고차원 역문제에서 어떤 매개변수가 신뢰할 수 있게 추정될 수 있는가?
• RQ2 피셔 정보 행렬로 정량화된 매개변수 민감도는 추정 불확실성과 식별 가능성과 어떻게 관련되는가?
• RQ3 복잡한 생물학적 모델에서 추정 매개변수의 수를 줄이면 불확실성 정량화에 얼마나 기여하는가?
• RQ4 매개변수 선택은 피셔 정보 행렬의 조건수와 그로 인한 표준 오차에 어떤 영향을 미치는가?
• RQ5 민감도 기반 선택 프레임워크는 일관되게 신뢰할 수 있고 불확실성이 낮은 추정을 얻을 수 있는 최소 매개변수 집합을 식별할 수 있는가?

주요 결과

• 매개변수 수를 18개에서 5개로 줄였을 때, $\lambda_1$의 변동계수(CV)가 84.3%에서 11.5%로 감소하여 추정 신뢰도가 크게 향상됨을 나타낸다.
• N_T에 대해서는 CV가 404%에서 9.99%로 감소하였고, 표준 오차는 추정치의 40,000%에서 10%로 감소하여 불확실성 정량화에서 4개 지수 정도 향상됨을 보여준다.
• 매개변수 수를 18개에서 5개로 줄였을 때, $x_1^0$의 표준 오차가 추정치의 5,000%에서 4%로 감소하여 추정 불확실성이 극적으로 감소함을 보여준다.
• 매개변수 집합을 18개에서 5개로 줄였을 때, 피셔 정보 행렬의 조건수가 $7.518 \times 10^8$에서 $8.383 \times 10^1$로 감소하여 수치적 조건이 크게 향상됨을 나타낸다.
• 선택 점수가 $1.025 \times 10^5$에서 $3.990 \times 10^{-1}$로 감소하여, 선택된 다섯 매개변수 조합이 훨씬 더 식별 가능하고 노이즈에 덜 민감함을 확인한다.
• 감소된 매개변수 집합에도 불구하고, $b_E$, $K_b$, $d_E$, $K_d$와 같은 일부 매개변수들은 높은 불확실성(CV 11,200–40,400%)을 유지하고 있어, 모든 매개변수가 동일하게 이득을 보는 것은 아니며, 신중한 선택이 여전히 필수적임을 시사한다.