가속도 요인의 인과적 해석: AFT 모델의 새로운 통찰

초록

본 논문은 가속 실패 시간(AFT) 모델에서 사용되는 가속도 요인(acceleration factor)이 인과적 효과 추정량으로서 정당함을 구조적 인과 모델(SCM)과 독립 검열 가정 하에 증명한다. frailty와 치료 효과 이질성을 포함한 상황에서도 관측 가속도 요인(θₘ)이 실제 인과 가속도 요인(θ)과 동일함을 보이며, 위험비와 달리 선택 편향에 자유함을 강조한다. 시뮬레이션과 시간‑가변 가속도 요인 확장을 통해 위험비보다 인과 효과를 더 정확히 포착함을 확인하고, 효과 이질성 존재 시 해석상의 주의점을 제시한다.

상세 분석

이 연구는 시간‑대 사건 자료에서 흔히 사용되는 위험비(HR)의 인과적 해석이 frailty(미측정 이질성)와 치료 효과 이질성(effect heterogeneity) 때문에 복잡해지는 문제를 지적한다. 위험비는 생존함수 자체가 아니라 위험함수에 기반하므로, 치료와 생존 사이에 존재하는 잠재적 선택 편향(selection bias)을 내포한다. 반면 AFT 모델은 사건 시간 자체를 직접 모델링하고, 가속도 요인 θ를 통해 치료군과 대조군의 생존 시간 비율을 정의한다. 논문은 먼저 “조건부 인과 가속도 요인(θ_c)”과 “인과 가속도 요인(θ)”을 정의하고, θ가 잠재적 사건 시간 분포의 분위수(quantile)를 직접 연결한다는 점을 수학적으로 증명한다. 특히 정의 1·2에서 제시된 θ_c(u₁,a,t)=t⁻¹·S_{T₀|U₀}^{-1}(S_{T_a|U₀,U₁}(t))와 θ(a,t)=t⁻¹·S_{T₀}^{-1}(S_{T_a}(t))는 각각 개별 수준과 전체 모집단 수준에서 동일한 비율 스케일링을 제공한다.

핵심 정리 3.1은 “교환 가능성(T_a ⟂⟂ A)와 인과 일관성(T_A = T)만 만족하면 관측 가속도 요인 θₘ(a,t)=t⁻¹·S_{T|A=0}^{-1}(S_{T|A=a}(t))가 실제 인과 가속도 요인 θ(a,t)와 동일하다”고 밝힌다. 여기서 frailty U₀와 효과 이질성 U₁는 전혀 식별에 방해되지 않는다. 이는 위험비가 조건부 위험함수에 의존해 선택 편향을 야기하는 것과 대조적이다. 또한 독립 검열(independent right censoring) 가정 하에서 θ는 검열된 데이터로부터도 일관적으로 추정될 수 있음을 정리 4.1을 통해 보여준다.

시뮬레이션 부분에서는 구조적 인과 모델(SCM)을 구축해, 동일한 잠재적 분포를 갖는 두 상황(위험비가 일정한 경우와 가속도 요인이 일정한 경우)을 비교한다. 결과는 AFT 기반 θ가 실제 인과 효과를 정확히 복원하는 반면, 위험비는 frailty와 효과 이질성에 민감하게 왜곡된다는 것을 확인한다.

시간‑가변 가속도 요인 θ(t)와 η(t)=∂/∂t S_{T₀}^{-1}(S_{T_a}(t))를 도입함으로써, 치료 효과가 시간에 따라 변하거나 이질성이 존재할 때도 동일한 인과적 해석이 가능함을 보인다. 다만, θ(t)와 η(t)가 구분되지 않을 경우(동질성 가정 하)와 달리, 실제 데이터에서는 시간‑가변 효과와 미측정 이질성을 구별할 수 없다는 한계도 명시한다.

결론적으로, 가속도 요인은 frailty와 효과 이질성을 포함한 복잡한 상황에서도 “생존 시간 비율”이라는 직관적인 인과 추정량을 제공한다. 실무자는 AFT 모델을 활용해 θ를 추정함으로써, 위험비 기반 분석에서 발생할 수 있는 선택 편향을 회피하고, 보다 명확한 인과 해석을 얻을 수 있다. 다만, 효과 이질성이 강하게 존재하거나 시간‑가변 효과가 예상될 경우, θ의 해석이 복합적일 수 있음을 주의해야 한다.