[논문 리뷰] Survival stacking: casting survival analysis as a classification problem

Erin Craig, Chenyang Zhong외 1명|arXiv (Cornell University)|2021. 07. 28.

Statistical Methods and Inference참고 문헌 18인용 수 4

한 줄 요약

이 논문은 위험집합 지표와 사망 지표로 구성된 스택드 행렬을 통해 생존 분석을 이元 분류 문제로 재정의하는 생존 스태킹(_survival stacking_)을 제안한다. 이 행렬에 일반 분류 알고리즘(예: 로지스틱 회귀, glinternet, 랜덤 포레스트, 신경망 등)을 적용함으로써 시간에 따라 변화하는 영향과 상호작용을 탄력적으로 모델링할 수 있으며, 복잡한 위험 구조를 포착하는 데 있어 전통적인 코크스 회귀보다 뛰어난 성능을 보인다.

ABSTRACT

While there are many well-developed data science methods for classification and regression, there are relatively few methods for working with right-censored data. Here, we present "survival stacking": a method for casting survival analysis problems as classification problems, thereby allowing the use of general classification methods and software in a survival setting. Inspired by the Cox partial likelihood, survival stacking collects features and outcomes of survival data in a large data frame with a binary outcome. We show that survival stacking with logistic regression is approximately equivalent to the Cox proportional hazards model. We further recommend methods for evaluating model performance in the survival stacked setting, and we illustrate survival stacking on real and simulated data. By reframing survival problems as classification problems, we make it possible for data scientists to use well-known learning algorithms (including random forests, gradient boosting machines and neural networks) in a survival setting, and lower the barrier for flexible survival modeling.

연구 동기 및 목표

• 기존의 코크스 회귀와 같은 생존 모델에서 비례 위험 가정의 한계를 해결하기 위해.
• 나무 기반 모델과 신경망과 같은 일반 분류 알고리즘(예: 트리 기반 모델, 신경망)을 생존 분석에 활용할 수 있도록 하기 위해.
• 예측 변수와 위험집합 지표 간의 상호작용 항을 통해 비선형 관계와 시간에 따라 변화하는 영향을 모델링할 수 있도록 하기 위해.
• 미니배치와 대체 시간 표현 방식을 지원함으로써 대규모 데이터셋에 대한 스케일러블 프레임워크를 제공하기 위해.
• 생존 분석을 현대 머신러닝과 통합하기 위해, 이를 변환된 데이터 행렬 위의 분류 문제로 재정의함으로써.

제안 방법

• 모든 관측된 사망 시점에서 각 주체에 대해 해당 주체가 위험집합에 속해 있는지 여부를 나타내는 지표를 포함하는 스택드 행렬으로 생존 데이터를 변환한다.
• 해당 시간점에서 주체가 사망을 경험했는지 여부를 나타내는 이진 반응 벡터를 구성한다.
• 스택드 행렬에 일반 분류 알고리즘(예: 로지스틱 회귀, glinternet, 랜덤 포레스트, 그래디언트 부스팅, 신경망)을 적용한다.
• 예측 변수 행렬에서 시간을 범주형, 순서형 또는 연속형 변수로 사용할 수 있으며, 부드러운 시간 효과를 위해 기저 함수 전개를 선택적으로 적용할 수 있다.
• 스택드 모델의 로그우도를 이산 기저 위험률 하에서 전체 코크스 부분우도와 일치시키도록 설정한다.
• 대규모 데이터셋에서 전체 스택드 행렬을 인스턴스화하지 않고도 메모리 효율성을 확보하기 위해 미니배치를 지원한다.

실험 결과

연구 질문

• RQ1 스택드 데이터 표현을 사용하여 생존 분석을 효과적으로 이원 분류 문제로 재정의할 수 있는가?
• RQ2 일반 분류 알고리즘은 비례 위험 가정에서 모델링되지 않은 시간에 따라 변화하는 영향과 상호작용을 어느 정도 잘 포착할 수 있는가?
• RQ3 다양한 학습 알고리즘(예: glinternet, 랜덤 포레스트, 신경망)은 코크스 회귀에 비해 생존 스택드 설정에서 어떻게 성능을 내는가?
• RQ4 시간을 연속형 또는 범주형으로 표현할 경우 스택드 행렬에서 모델의 탄력성과 해석 가능성에 어떤 영향을 미치는가?
• RQ5 스택드 행렬 프레임워크를 사용하여 대규모 생존 데이터셋에서 스케일러블 추론을 달성할 수 있는가?

주요 결과

• 스택드 행렬 표현 방식은 일반 분류 알고리즘으로 생존 데이터를 모델링하면서도, 이산 기저 위험률 하에서 전체 코크스 부분우도를 유지한다.
• 스택드 행렬에 적용된 선형 모델은 비례 위험 가정을 복원하지만, 비선형 모델은 예측 변수와 위험집합 지표 간의 상호작용을 발견함으로써 이를 완화한다.
• glinternet와 같은 방법은 로지스틱 회귀에서 정규화를 통해 쌍별 상호작용과 시간에 따라 변화하는 영향을 탐지할 수 있다.
• 나무 기반 모델(예: 랜덤 포레스트, 그래디언트 부스팅 트리)은 예측 변수와 시간 간의 비선형 관계와 상호작용을 자연스럽게 포착한다.
• 신경망은 스택드 데이터 내 복잡한 패턴을 학습함으로써 풍부한 비선형 위험 함수를 모델링할 수 있다.
• 이 프레임워크는 미니배치를 통해 스케일러블 추론을 지원하여, 전체 행렬을 인스턴스화하기 어려운 대규모 데이터셋에서도 활용 가능하다.