생존자료에서 부분집단 분석 방법론의 비교

A Comparison of Five Subgroup Analysis Methods for Survival Data

정밀 의료(precision medicine)는 환자 개인마다 최적의 치료를 제공하고자 하는 의료 서비스를 일컫는다. 하지만 환자 집단에 존재하는 이질성으로 인해 모든 환자를 동시에 만족시키는 처리는 존재하지 않을 수 있다. 이러한 이유로 전체 모집단 대비 처리 효과가 잘 나타나거나, 혹은 잘 나타나지 않는 환자의 부분집단을 찾아내고자 하는 기법을 부분집단 분석(subgroup analysis)이라 하며 이는 정밀 의료의 핵심이라고 할 수 있다. 현재까지 여러 부분집단 분석 방법론이 개발되었다. 본 논문에서는 처리 이후 시간에 따른 환자의 예후가 중요한 생존자료에 대한 다섯 가지의 부분집단 분석 방법론(SIDES, IT, MOB, PRIM, Seq.BT)을 중심으로 오발견 비율, 예측 변수선택 비율, 분할점 평균 절대 오차를 기준으로 비교하였다. 다양한 모의실험 비교 결과, 모든 기준과 상황에서 일관적으로 우월한 방법론은 존재하지 않았다. 하지만 보수적으로 접근해야 하는 분야인 만큼 오발견 비율을 첫 번째 기준으로 삼았으며 이와 함께 올바른 예측 변수를 선택하는 비율과 분할점 평균 절대 오차에서 준수한 성능을 보이는 부분집단 분석 방법이 선호된다. 따라서, 가장 유의한 집단을 찾아냈던 IT 부분집합 분석 방법이 가장 추천되었다.

Precision medicine refers to medical services that seek to provide the optimal treatment for each individual patient. However, treatments could not work for all patients simultaneously due to the heterogeneity in the patient population. For this reason, subgroup analysis identifies a subgroup of patients that the treatment is effective, rather than the entire patients. Several subgroup analysis methods have been developed. The patient s prognosis according to time after treatment is very important. Thus, five subgroup analysis methods (IT, MOB, SIDES, PRIM, Seq.BT) for survival data were compared based on three criteria: false discovery rate, selection probability of the correct predictive variable, and mean absolute error of the split point. As a result, there was no superior method in all criteria and situations. For a conservative approach, the false discovery rate was taken as the first criterion. Then, a subgroup analysis method with satisfactory performance in the selection probability of the correct predictive variable and the mean absolute error is preferred. IT subgroup analysis was finally recommended because it discovered the most significant subgroup.