연령 예측 모델의 일반화·편향 완화·해석 가능성 통합 고찰

본 논문은 연령 예측 모델이 직면한 핵심 문제를 세 가지 관점—일반화, 편향 완화, 해석 가능성—에서 통합적으로 고찰한다. 먼저 서론에서는 연령 예측을 “f : X → Y” 형태의 지도 학습 문제로 정의하고, 기존의 에피제네틱 시계(epigenetic clock)와 같은 선형 모델이 다양한 인구·조직·실험 환경에서 일정 수준의 예측 정확도를 보이지만, 인종·성별·조직 등 외생 속성에 의해 성능이 급격히 저하될 수 있음을 지적한다. 이러한 현상은 데이터셋 간 분포 이동(distribution shift)과 속성‑특이적 상관관계가 모델에 과도하게 학습되기 때문이며, 이는 과도한 낙관적 결과와 공정성 문제를 야기한다. **2장**에서는 이질적인 환경(E) 하에서의 학습을 수학적으로 정형화한다. 가정(A1)·(A2)는 환경 e가 직접적으로 Y에 영향을 주지 않으며, 조건부 메커니즘 p(Y|X) 가 환경 간에 일정하다고 전제한다. 이러한 가정 하에 최악‑사례 L2 위험을 최소화하는 로버스트 회귀식(1)을 제시하고, 불변성 가정(E)·(F)이 만족될 경우 특정 변수 집합 S*가 모든 환경에서 동일한 조건부 분포를 유지함을 보인다. 이는 인과적 부모 변수와 일치할 가능성을 제공하지만, 연령 자체가 시간의 흐름을 나타내는 변수라는 생물학적 사실을 고려하면, 실제 인과 방향은 “연령 → 분자 변화”이며, “분자 → 연령”이라는 역인과는 부적절하다. 따라서 불변성을 확보한 모델이라 하더라도 이는 **통계적 안정성**을 의미할 뿐, 인과적 효과를 직접 증명하는 것은 아니다. **2.2절**에서는 Reichenbach의 공통 원인 원칙(RCCP)을 인용해, 관측된 상관관계가 실제 인과 관계가 아니라 공통 원인 Z에 의해 발생할 수 있음을 강조한다. 이어 **3~5장**에서는 편향, 공정성, 인과성의 관계를 정리하고, 보호 속성(S_prot)과 실험 속성(S_exp) 사이의 구분을 명확히 한다. 특히, 보호 속성을 억제하는 것이 공정성을 향상시킬 수 있지만, 이는 모델이 해당 속성에 대한 정보를 완전히 배제한다는 의미가 아니라, 속성‑특이적 정보를 최소화하도록 학습한다는 점을 강조한다. **6장**에서는 도메인‑적대적 학습(adversarial representation learning)을 기반으로 한 신경망 구조를 제안한다. 입력 X를 먼저 Φ(·)를 통해 잠재 표현 Z로 변환하고, 연령 예측기와 속성 예측기(디스크리미네이터)를 동시에 학습한다. 여기서 속성 예측기의 손실을 최대화함으로써 Z가 속성 s∈S와 독립하도록 강제한다. 또한 L1 기반 필터링 레이어를 도입해 각 유전자의 기여도를 가중치 형태로 출력함으로써 모델의 해석 가능성을 높인다. **7장**에서는 제안 모델을 마우스 전사체 데이터셋에 적용한다. 데이터는 여러 조직(심장, 골격근)과 다양한 실험 조건(플랫폼, 코호트)으로 구성되어 있어 강한 이질성을 가진다. 베이스라인으로 선형 회귀, 리쏘, 랜덤 포레스트, XGBoost 등을 사용했으며, 제안 모델은 (i) 전체 데이터셋에 대한 평균 절대 오차(MAE)와 R²에서 일관되게 우수한 성능을 보였고, (ii) 조직·배경이 다른 테스트 셋에서도 성능 저하가 최소화되었다. 특히, Elamipretide 처치 효과를 검증하기 위해 해당 논문의 마우스 데이터에 적용했을 때, 제안 모델은 모든 경우에서 대조군과 처치군을 명확히 구분하고, “재생(리쥬베네이션)” 효과를 정량화했다. 반면 기존 모델은 일부 조직에서 구분력이 떨어졌다. **8장**에서는 결과를 바탕으로 모델의 장점과 한계를 논의한다. 장점으로는 (1) 속성‑불변 표현을 통해 OOD 일반화가 향상되고, (2) L1 필터링을 통한 특징 중요도 해석이 가능하며, (3) 약물 효과와 같은 생물학적 신호를 민감하게 포착한다는 점을 들었다. 한계로는 (1) 인과적 결론을 도출하기 위해서는 명시적 인과 모델이나 실제 개입 실험이 필요하고, (2) 보호 속성을 완전히 억제하지 못할 경우 잔여 편향이 남을 수 있으며, (3) 현재 실험은 마우스 전사체에 국한되어 인간 데이터나 다른 오믹스 레이어에 대한 일반화는 아직 검증되지 않았다. **9~10장**에서는 향후 연구 방향을 제시한다. 첫째, SEM(구조 방정식 모델)과 결합한 하이브리드 접근법을 통해 예측 모델에 인과 구조를 명시적으로 삽입하고, “what‑if” 시나리오를 정량화하는 방법을 모색한다. 둘째, 다중 오믹스(전사체·메틸레이션·단백질) 데이터를 통합한 멀티모달 불변 표현 학습을 통해 보다 포괄적인 노화 시계 개발을 제안한다. 셋째, 공정성 평가를 위해 속성‑불변성 정도를 정량화하는 메트릭을 개발하고, 실제 임상 적용 시 발생할 수 있는 윤리적·법적 이슈를 사전 검토한다. 결론적으로, 이 논문은 연령 예측 모델이 직면한 데이터 이질성 문제를 속성‑불변 표현 학습으로 해결하고, 해석 가능한 신경망 구조를 통해 생물학적 신호를 효과적으로 포착함을 실증한다. 그러나 순수 예측 모델만으로 인과적 메커니즘을 규명하기에는 한계가 있으며, 이를 보완하기 위한 인과 모델링 및 실제 개입 실험이 필수적임을 강조한다.