반반경험 위험에서 무작위 중재 효과의 시간별 중재 분석

초록

본 논문은 중간 사건이 존재하고 말기 사건이 발생하기 전까지 관찰되는 반반경험 위험(semi‑competing risks) 상황에서, 치료 효과를 직접 효과와 매개 효과(간접 효과)로 분해하기 위한 무작위 중재(interventional) 프레임워크를 제시한다. 시간에 따라 변하는 공변인(예: GVHD)을 포함한 오른쪽 검열(right‑censoring) 데이터를 다루며, 중간 사건 과정을 외부 기준분포에서 무작위로 추출하는 아이디어를 도입한다. 식별 가정, 비모수 최대우도 추정법, 민감도 분석 절차를 제시하고, 림프종 환자를 대상으로 한 조혈모세포 이식 연구에 적용해 매치된 비관련 공여자와 반혈연 공여자 간의 사망 위험을 매개인 재발을 통해 비교한다. 결과는 PTCy 기반 GVHD 예방 하에서 매치된 비관련 공여자 이식이 생존율 면에서 우월함을 보여준다.

상세 분석

이 연구는 반반경험 위험이라는 특수한 생존 분석 상황을 다루면서, 기존의 자연효과(natural effects)나 분리가능 효과(separable effects)와 달리 무작위 중재 효과(randomized interventional effects)를 시간‑to‑event 데이터에 확장한다는 점에서 혁신적이다. 핵심 아이디어는 중간 사건(예: 재발)의 발생 과정을 관찰된 히스토리를 조건으로 하는 외부 분포 G(·)에서 무작위로 재표본화함으로써, 치료와 중간 사건 사이의 경로를 인위적으로 차단하고 직접 효과와 간접 효과를 정의한다. 이는 “통제된 효과(controlled effects)”를 확장한 개념으로, 실제 임상시험에서 중간 사건을 직접 조작할 수 없는 현실을 반영한다.

논문은 먼저 잠재적 결과를 카운팅 프로세스 N₁(t;z)와 N₂(t;z, n₁(t)) 로 정의하고, 치료 Z와 시간‑변화 공변인 L(t)를 포함한 표준 식별 가정(무조건성, 무작위 검열, 양성, 일관성)을 명시한다. 특히 검열이 중간 사건 및 공변인에 의존할 수 있도록 일반화한 점이 주목할 만하다. 이후 중간 사건의 위험을 dΛ*(t;z,x,l(t)) 로, 말기 사건의 원인‑특정 위험을 dΛ₀(t;z,x,l(t)) 와 dΛ₁(t;z,r,x,l(t)) 로 표현하고, 이러한 위험이 관찰 데이터에서 비모수적으로 추정 가능함을 증명한다.

무작위 중재는 두 단계로 구성된다. 첫째, 치료 z₁ 하에서 관찰된 중간 사건 과정을 G(·;z₁) 로 추정한다. 둘째, 치료를 z₂ 로 바꾸면서도 중간 사건 과정을 G(·;z₁) 로 고정한다. 이렇게 정의된 “interventional direct effect”는 치료가 말기 사건에 미치는 직접 경로와 시간‑변화 공변인을 통한 경로만을 포함한다. 반대로, “interventional indirect effect”는 치료를 고정하고 중간 사건 분포를 z₁ → z₂ 로 변환함으로써 매개 효과를 포착한다. 중요한 점은 시간‑변화 공변인이 존재할 경우 직접·간접 효과의 합이 전체 효과와 일치하지 않을 수 있다는 점이며, 이는 기존 자연효과 프레임워크와 차별화되는 부분이다.

추정 방법으로는 관찰된 위험을 기반으로 한 비모수 최대우도(NPMLE)를 사용한다. 위험 함수들을 스텝 함수 형태로 추정하고, 누적 위험을 적분해 누적 발생률(CIF)을 구한다. 플러그인 추정량을 이용해 다양한 버전의 직접·간접 효과를 손쉽게 계산할 수 있다. 또한, 잠재적 비측정 교란에 대비해 감도 분석을 제안하는데, 이는 교란 변수 U가 중간 사건과 말기 사건 모두에 미치는 영향을 파라미터화하고, 해당 파라미터를 변화시켜 추정치의 강건성을 평가한다.

실증 적용에서는 림프종 환자를 대상으로 매치된 비관련 공여자(MUD)와 반혈연 공여자(Haplo) 이식의 사망 위험을 비교한다. GVHD를 시간‑변화 공변인으로 모델링하고, 재발을 매개 변수로 설정한다. 결과는 PTCy 기반 GVHD 예방 하에서 MUD 이식이 사망 위험을 감소시키는 직접 효과와, 재발 매개를 통한 간접 효과 모두에서 우위를 보이며, 전체 효과 역시 MUD가 더 유리함을 시사한다.

이 논문은 (1) 반반경험 위험 상황에서 중간 사건을 무작위로 재표본화하는 새로운 식별 전략, (2) 시간‑변화 공변인을 명시적으로 포함한 식별 가정 및 추정 절차, (3) 실제 임상 데이터에 적용 가능한 비모수 추정 및 민감도 분석 프레임워크를 제공한다는 점에서 학문적·실무적 기여가 크다. 특히, 복잡한 장기 이식 연구에서 매개 효과를 정량화하고 치료 선택을 근거 기반으로 지원하는 데 유용한 도구가 될 것으로 기대된다.