EHR 기반 환자 페노타이핑을 위한 변분 베이지안 잠재 클래스 모델

초록

VBphenoR 패키지는 전자건강기록(EHR) 데이터를 이용해 환자 페노타입을 자동으로 탐지하는 변분 베이지안 프레임워크를 제공한다. 닫힌 형태의 좌표상승 변분 추론(CAVI)을 이용한 가우시안 혼합 모델(GMM)으로 잠재 클래스(D)를 추정하고, 이를 기반으로 베이지안 로지스틱 회귀를 수행해 바이오마커 변동과 임상 코드·약물 코드의 예측력을 평가한다.

상세 분석

본 논문은 변분 베이지안(Variational Bayes, VB) 접근법을 이용해 EHR 기반 환자 페노타이핑을 구현한 R 패키지 VBphenoR의 설계와 구현을 상세히 기술한다. 핵심은 두 단계로 구성된 파이프라인이다. 첫 번째 단계는 환자 특성(연령, 성별, 인종, BMI 등)만을 사용해 가우시안 혼합 모델(GMM)을 변분 추론으로 학습함으로써 질환 여부를 나타내는 잠재 이진 변수 Dᵢ를 추정한다. 여기서는 전통적인 EM 알고리즘 대신 좌표상승 변분 추론(CAVI)을 적용해 사후분포 q(π), q(μ,Λ)를 닫힌 형태로 업데이트한다. 혼합 비율 π는 Dirichlet(α) 사전으로, 각 군집의 평균·공분산은 Normal‑Wishart 사전으로 지정한다. α 하이퍼파라미터는 데이터에 대한 사전 신뢰도를 조절하는데, α→0이면 데이터가 사후에 지배하고, α가 크면 사전이 강하게 작용한다. 논문은 α 값에 따른 군집 수와 형태 변화를 시각적으로 보여주며, 임상 현장에서 사전 지식을 반영해 α를 선택하는 전략을 제시한다.

두 번째 단계는 앞서 추정된 Dᵢ를 고정된 잠재 변수로 활용해 베이지안 로지스틱 회귀를 수행한다. 회귀 계수 β는 다변량 정규 사전(N(μ,Σ))을 갖으며, 바이오마커(Y)와 임상 코드·약물 코드(W, P)의 존재 여부를 각각 베르누이 로짓 모델로 연결한다. 특히 바이오마커의 평균값은 Dᵢ에 따라 서로 다른 회귀식 β_{Y0}+β_{Y1}·Dᵢ 로 모델링되어, 질환군과 비질환군 사이의 평균 차이를 직접 추정한다. 이때 사전 평균 μ는 정상(건강) 집단의 평균값으로 설정해, 사후 추정이 임상적으로 의미 있는 방향으로 수렴하도록 유도한다.

알고리즘 구현 측면에서 저자들은 자동 미분 기반 VB(ADVI)와 달리 완전 닫힌 형태의 업데이트 식을 제공함으로써 하이퍼파라미터 튜닝과 수렴 문제를 크게 완화한다. 초기값 설정은 DBSCAN 기반 군집 탐색을 사용해 희귀 질환(예: 겸상 적혈구병)과 같이 불균형 데이터에서도 안정적인 초기 군집을 확보한다. 또한 ELBO(증거 하한) 역전 감지를 통해 과적합을 방지하고, 조기 종료 기준을 제공한다.

실험에서는 SCD(겸상 적혈구병) 데이터와 유명한 faithful 데이터셋을 활용해 모델의 신뢰성과 해석 가능성을 검증한다. SCD 사례에서는 DBSCAN 초기화와 α=0.001 같은 매우 낮은 Dirichlet 하이퍼파라미터를 사용해 0.3%의 극히 희귀 군집을 성공적으로 분리하였다. 추정된 바이오마커(CBC, RC) 이동값은 각각 7.93, 3.67으로, 질환군이 정상군에 비해 CBC는 감소하고 RC는 증가함을 명확히 보여준다. faithful 데이터에서는 α 값 변화에 따른 군집 수와 형태가 직관적으로 변함을 시각화해, 사전 선택이 결과에 미치는 영향을 실증한다.

전반적으로 VBphenoR는 (1) 변분 베이지안 GMM을 통한 빠르고 확장 가능한 잠재 클래스 추정, (2) 사전 지식을 반영한 베이지안 로지스틱 회귀를 통한 바이오마커 및 임상 코드의 해석, (3) R 환경 내에서 일관된 워크플로우 제공이라는 세 가지 강점을 갖는다. 특히 MCMC 기반 베이지안 LCA가 실용성에서 제한되던 점을 변분 추론으로 극복함으로써 대규모 EHR 데이터에 적용 가능한 실용적인 도구로 자리매김한다.