임상시험에서 치료 개인화를 위한 인과 머신러닝 프레임워크: 궤양성 대장염 적용

초록

본 연구는 무작위 대조 임상시험 데이터에 인과 머신러닝을 적용해 이질성(heterogeneity) 탐지, 통계적 유의성 검증, 그리고 실제 치료 정책 가치 평가를 순차적으로 수행하는 모듈형 파이프라인을 제시한다. UNIFI 유지보수 시험(ustekinumab vs. placebo) 데이터를 이용해 X‑learner 기반 CATE 추정, 퍼뮤테이션 중요도, Best Linear Predictor(BLP) 테스트, 그리고 이중강건(doubly robust) 정책 평가를 시행했으며, 내시경 영상 특징은 통계적으로 강한 이질성 신호를 보였지만 정책 가치에서는 오히려 성과를 저하시켰다.

상세 분석

이 논문은 임상시험에서 “이질성 탐지 ≠ 치료 정책 개선”이라는 핵심 논점을 명확히 구분한다. 첫 단계는 퍼뮤테이션 기반 피처 중요도 분석으로, 각 변수(내시경, 임상, 실험실) 가 CATE 모델에 미치는 영향을 정량화한다. 여기서는 X‑learner를 사용해 각 치료군(플라시보, ustekinumab Q12, ustekinumab Q8)의 결과 모델을 별도로 학습하고, pseudo‑outcome를 통해 개별 환자 수준의 조건부 평균 치료 효과(CATE)를 추정한다. 모델은 XGBoost(800 트리, 깊이 4)로 구성돼 교차검증을 통해 과적합을 방지하고, 무작위화 확률이 일정하므로 propensity score는 고정값으로 사용한다.

두 번째 단계인 BLP 테스트는 두 개의 요약 통계(각 피처 그룹의 평균·표준편차)를 CATE에 회귀시켜, 해당 그룹이 이질성에 기여하는지를 검증한다. 멀티플라이어 부트스트랩(1,000 반복)으로 Wald‑type 통계량을 도출했으며, 내시경 피처 집합에 대해 z‑score 합이 8.28( p < 0.001)로 강한 통계적 신호를 보였다. 이는 내시경 점수가 환자별 치료 효과 차이를 설명한다는 가설을 뒷받침한다.

하지만 세 번째 단계인 이중강건 정책 평가에서는 이러한 통계적 유의성이 실제 임상 의사결정에 전환되지 않음을 확인한다. 정책 π(X)=argmaxₜ μₜ(X) (t∈{0,12,8}) 를 적용해 각 환자에게 가장 높은 예측 성공률을 보이는 치료를 할당하고, doubly robust estimator를 통해 정책 가치를 추정한다. 전체 데이터에 대해 95 % CI가 –1.6~+6.6 퍼센트포인트였으며, 실제 외부 검증(다중 팔, out‑of‑fold)에서는 전체 관해율이 30.5 %에 그쳐, 단순히 모든 피처를 사용한 모델(36.8 %)보다 낮았다.

이 결과는 내시경 피처가 “예후 마커”(질병 중증도 반영)로는 유용하지만, “치료 선택 마커”(효과 변이 설명)로는 잡음 역할을 함을 시사한다. 반면, fecal calprotectin, 연령, CRP 등 임상·실험실 변수는 실제 정책 가치에 긍정적 기여를 보였다. 저자들은 이러한 현상을 진단하기 위해 “예후 기여(증분 Brier score) vs. 정책 가치 기여”를 비교하는 전략을 제안한다.

전반적으로 이 연구는 인과 머신러닝 파이프라인을 임상시험에 적용할 때, 이질성 검출만으로는 충분치 않으며, 정책 수준의 평가가 반드시 동반되어야 함을 실증적으로 보여준다. 또한 다중 치료군을 동시에 다루는 방법론(중첩 교차검증, 다중 팔 pseudo‑outcome)과 X‑learner와 doubly robust estimator의 결합이 실제 데이터에 적용 가능함을 입증한다.