A deep subgrouping framework for precision drug repurposing via emulating clinical trials on real-world patient data

Motivation

• Known: 기존 약물 재창출 연구는 전체 인구를 동질적으로 취급하며, 신경망 기반 치료 효과 추정(TEE, Treatment Effect Estimation) 방법들이 제안되어 있다.
• Gap: 기존 방법들은 환자 하위군 간의 이질적 치료 반응을 무시하며, 시간 변동적이고 고차원의 실제 의료 데이터(RWD)에 직접 적용되지 않고, 임상적으로 관련된 변수로 하위군을 특성화하지 못한다.
• Why: 알츠하이머병(AD)처럼 승인된 약물이 적고 환자 간 치료 반응이 다양한 질환에서 정밀 의약학 기반의 약물 재창출은 임상 효과를 높이고 더 많은 재창출 후보를 발굴할 수 있다.
• Approach: STEDR은 이중 수준 주의 메커니즘(covariate-level, visit-level attention)으로 시간 데이터를 인코딩하고, VAE(Variational Auto-Encoder) 기반 하위군 네트워크로 환자를 이질적 분포를 가진 하위군으로 분류하여 하위군 특화 치료 효과를 추정한다.

Achievement

Figure 4: Drug selection and screening criteria. From 1,134

• 첫 통합 프레임워크: 하위군 분석과 치료 효과 추정을 결합한 약물 재창출의 첫 사례
• 대규모 임상시험 모의실험: 800만+ 환자 MarketScan MDCR 데이터베이스에서 1,134개 약물 중 100회씩 임상시험을 모의실험하여 14개 AD 재창출 후보 약물 발굴
• 임상적 해석성: 병력(comorbidity), 인구통계학적 특성 등 AD 관련 위험 요인으로 정의된 임상적으로 관련성 높은 환자 하위군 특성화
• 우수한 성능: 기존 방법론 대비 재창출 후보 약물 식별에서 우수성 입증

How

Figure 2: An illustration of STEDR. The EHR data is processed through patient-level attention to learn individualized re

• 이중 수준 주의 메커니즘: 공변량 수준 주의로 각 진단 코드의 영향도 학습, 방문 수준 주의로 시간 역학 관계 포착
• 환자 인코더: 종단 EHR 데이터를 개인화된 환자 표현으로 변환
• 하위군 표현 네트워크: VAE를 통해 각 환자를 특정 하위군에 할당하고 하위군 특화 표현 추출
• 치료 효과 추정: 하위군별 표현에서 경향 점수(propensity score)와 잠재 결과(potential outcomes) 예측
• 약물 선별 및 필터링: 1,134개 약물 중 포함 기준을 충족한 약물만 선정
• 임상시험 모의실험(trial emulation): 각 약물별 100회 반복 시뮬레이션으로 하위군별 처리 효과 추정

Originality

• 하위군 기반 정밀 약물 재창출이라는 새로운 문제 정의
• VAE 기반 동적 하위군 식별 아키텍처로 기존 단일 공유 잠재공간의 한계 극복
• 이중 수준 주의로 시간 변동적 고차원 데이터의 복합적 특성 처리
• 실제 대규모 EHR 데이터에서 임상적으로 해석 가능한 하위군 도출

Limitation & Further Study

• 선택 편향(selection bias) 완전 제거 불가 - 관찰 데이터의 근본적 한계
• 하위군 수의 사전 결정 필요 - 최적 하위군 개수 자동 결정 메커니즘 부재
• 알츠하이머병 중심 평가 - 다른 질환군에 일반화 가능성 검증 필요
• 약물 안전성 정보 미포함 - 식별된 후보의 재창출 가능성 검증에 약리학적 검토 필수
• 후속연구: (1) 동적 하위군 수 결정 알고리즘 개발, (2) 다중 질환군 전이 학습 연구, (3) 실제 임상 검증 수행

Evaluation

총평: STEDR은 약물 재창출 분야에 정밀 의약학 관점의 하위군 분석을 처음 통합하여 새로운 문제 정의를 제시하며, 이중 수준 주의와 VAE 기반 하위군 네트워크로 기술적 혁신을 이루었다. 800만+ 환자 대규모 데이터에서 14개 AD 약물 후보를 발굴하고 임상적 해석성을 확보한 점에서 강한 실무 가치를 보유하나, 관찰 데이터의 편향 문제와 다질환군 일반화 검증이 후속 과제이다.