외부 데이터 활용을 위한 최적 워서스테인 기반 차용 프레임워크 BOND

본 논문은 임상시험에서 외부(히스토리컬) 데이터를 차용함으로써 시험 효율성을 높이고자 하는 목표와, 차용 시 발생할 수 있는 비교가능성(분포 불일치)으로 인한 편향 및 type I 오류 상승 위험 사이의 딜레마를 해결하고자 한다. 이를 위해 저자는 ‘BOND (Borrowing under Optimal Nonparametric Distributional robustness)’라는 새로운 프레임워크를 제안한다. 1. **문제 설정 및 표기** - 현재 시험(C)와 히스토리컬 시험(H)에서 각각 치료군(a=0,1)의 공변량‑결과 쌍 (X,Y) 를 확률분포 Pₐⱼ 로 모델링한다. - 각 군의 평균 결과 μₐⱼ 와 치료효과 θⱼ = μ₁ⱼ−μ₀ⱼ 를 정의한다. - 히스토리컬 분포가 현재 분포와 얼마나 차이 나는지를 파라미터 γ 로 나타내며, 평균 이동 Δₐ(γ)=μₐᴴ(γ)−μₐᶜ 로 표현한다. 2. **워서스테인 불확실성 집합** - 공변량 공간 X에 거리 d_X, 결과 Y에 유클리드 거리 |·| 를 사용해 제품 공간 Z=X×Y 에서 비용 d((x,y),(x′,y′))=d_X(x,x′)+|y−y′| 로 정의한다. - 현재 치료군 a 의 분포 Pₐᶜ 를 중심으로 반경 ρₐ 의 1‑워서스테인 구 Uₐ(ρₐ) = { Q : W₁(Q,Pₐᶜ) ≤ ρₐ } 를 설정한다. 이는 “히스토리컬 분포는 현재 분포와 워서스테인 거리 ρₐ 이하만큼만 차이 난다”는 비모수적 가정이다. 3. **최악 평균 이동의 폐쇄형 해** - Proposition 3.1에 따라 연속형 Y 에서는 최악 평균 이동 Δ⁺ₐ(ρₐ)=ρₐ, Δ⁻ₐ(ρₐ)=−ρₐ 가 된다. - 이진 Y 에서는 Δ⁺ₐ(ρₐ)=min{ρₐ, 1−μₐᶜ}, Δ⁻ₐ(ρₐ)=−min{ρₐ, μₐᶜ} 로 제한된다. - 이 결과는 무한 차원 최적화 문제를 단순 산술 연산으로 변환한다. 4. **차용 추정량 및 유효 차용 가중치** - 차용 파라미터 λₐ∈