Subgroup Analysis(1)

 정밀 의학(Precision medicine) 또는 개인 맞춤 의료(Personalized medicine)란 하나의 치료로 모든 환자를 다루는 게 아닌 환자 개인의 상황에 따라 맞춤진료, 맞춤치료 및 질병 예방 등을 목표로 하는 의료 모델을 말한다. 이때 Subgroup analysis는 정밀 의학(또는 개인 맞춤 의료)의 핵심으로 특성 변수들로 정의된 대상들로부터 측정한 target 변수에 대한 treatment effect를 평가하는 것을 의미한다. 이를 통해 treatment effect가 다른 양상을 보이는 부분 집단(subgroup)을 찾고, subgroup에 대해 target과 특성 변수를 다르게 모델링해줌으로써 보다 정밀한, 혹은 개인 맞춤의 의료 서비스를 제공할 수 있다는 것이다.

 

 다시 말해, subgroup analysis란 treatment effect는 전체 모집단에 걸쳐 다양하게 나타날 수 있으므로 모집단 평균보다 평균 반응이 유의하게 낮은(혹은 높은) subgroup을 식별하는 것이라고 할 수 있다. 따라서, subgroup analysis는 2차 분석이다. 예를 들어, 새로 개발한 코로나 백신에 대한 효과를 알아보고자 무작위 대조 연구(RCT; Randomized clinical trial)를 수행했다고 하자. 이때 target은 코로나에 감염된 여부(0:정상, 1:감염)이며 treatment variable은 0:플라시보, 1:새로운 백신이다.

$$Y = \begin{cases} 0, & \mbox{if }\mbox{ 감염x} \\ 1, & \mbox{if }\mbox{ 감염} \end{cases}$$ , $$trt=\begin{cases} 0, & \mbox {if }\mbox{ placebo} \\ 1, & \mbox{if }\mbox{ new vaccine} \end{cases}$$

 또한, 환자의 특성을 나타내는 변수 $X_1 - X_p$가 존재한다고 가정하자.

 

 먼저, 연구자는 백신이 효과가 있는지를 알아보기 위해 Y의 기댓값(평균 반응)에 대해 로지스틱 회귀모형을 적합한 뒤에 trt의 회귀계수에 대한 검정 등 treatment effect에 대한 특정한 가설 검정을 수행할 것이다. 그리고 그 결과로 백신이 코로나 감염 여부에 유의한 영항을 미친다는 결론을 얻었다고 하자. 보다 구체적으로 코로나 감염률을 낮춘다는 결론을 얻었다고 하자. 이러한 결론은 전체 모집단에 대해 얻은 결론이다. 전체 모집단을 대상으로 봤을 때는 백신이 코로나 감염률을 낮추는 결론을 얻었지만, 이때 환자들 중에는 부작용이 나타나거나, 효과가 없는 부분 집단도 존재할 수 있다. Subgroup analysis는 이러한 부분 집단을 찾기 위한 2차 분석이라고 할 수 있다.