대규모 중립 비교: 저차원 생존 모델 성능 종합 평가

초록

본 연구는 단일 사건·우측 검열된 저차원 생존 데이터를 대상으로 34개의 공개 데이터셋과 19개의 모델을 이용해 대규모 중립 벤치마크를 수행하였다. 모델은 Harrell’s C‑index와 Integrated Brier Score를 각각 튜닝 목표로 삼아 6가지 성능 지표(판별력, 보정, 전체 예측력 등)로 평가하였다. 결과는 최신 머신러닝 모델이 평균 순위에서는 우수하지만, 통계적 유의성에서는 기존의 Cox 비례위험 모델을 능가하지 못함을 보여, 저차원 상황에서는 Cox 모델이 여전히 가장 실용적이고 견고한 선택임을 제시한다.

상세 분석

이 논문은 생존 분석 분야에서 ‘중립 비교 연구’라는 엄격한 기준을 적용한 최초의 대규모 실험으로, 데이터 선정부터 모델 구현, 하이퍼파라미터 탐색까지 모든 단계에서 편향을 최소화하였다. 34개의 데이터셋은 모두 관측 사건 수가 100 이상이며, 피처 수가 표본 수보다 적은 저차원 조건을 만족한다. 모델군은 전통적인 통계적 접근(Cox PH, AFT, Penalized Cox 등)과 최신 머신러닝 기법(Random Survival Forest, Oblique RSF, XGBoost‑Cox/AFT, CoxBoost, Survival‑SVM 등)으로 구성돼 19종을 비교한다. 튜닝은 베이지안 최적화를 사용해 내부 교차검증에서 C‑index와 Integrated Brier Score(ISBS) 각각을 최적화하도록 설계했으며, 외부 3‑fold 교차검증을 5~10회 반복해 일반화 성능을 안정적으로 추정한다. 평가 지표는 Harrell’s C‑index, time‑dependent AUC, Integrated Brier Score, Calibration Slope, Integrated Calibration Index 등 6가지로, 판별력·보정·전체 예측력을 포괄한다. 결과는 Oblique RSF와 Likelihood‑based Boosting이 평균 순위에서는 앞서지만, 통계적 검정(예: Friedman‑Nemenyi)에서는 Cox PH와 유의한 차이를 보이지 않는다. 특히 C‑index 튜닝에서는 여러 부스팅·트리 기반 모델이 우수했지만, ISBS 튜닝에서는 전통 모델이 비슷한 수준을 유지한다. 이는 저차원, 사건 수가 제한된 상황에서 복잡한 비선형 모델이 과적합 위험을 안고 있음을 시사한다. 또한, 논문은 DeepSurv·DeepHit과 같은 딥러닝 기반 모델을 제외했는데, 이는 구현 안정성·튜닝 비용 문제 때문이며, 향후 연구에서 보완될 여지가 있다. 전반적으로, 저차원 생존 데이터에선 해석 용이성과 안정성을 겸비한 Cox PH가 여전히 실무에서 가장 신뢰할 만한 선택임을 실증적으로 뒷받침한다.