가속실패시간모형 (Accelerated Failure Time model)
쉽게 풀면
영화를 1배속으로 보는 사람과 2배속으로 보는 사람을 생각해보세요. 두 사람 모두 똑같은 영화(같은 줄거리, 같은 결말)를 보지만, 2배속으로 보는 사람은 같은 장면에 절반의 시간만 씁니다. 가속실패시간모형(AFT)은 흡연이나 나이 같은 위험요인이 바로 이 "배속"을 바꾼다고 봅니다. 즉 위험요인이 있으면 사건(고장, 재발, 사망 등)까지 걸리는 시간의 흐름 자체가 빨라지거나(수명이 줄어들거나) 느려진다(수명이 늘어난다)고 해석하는 방식입니다. 이는 매 순간의 "위험률"이 몇 배 차이 나는지를 보는 콕스 비례위험모형과는 다른 시각으로 같은 데이터를 설명합니다.
왜 중요한가
생존분석 논문에서는 콕스 모형의 비례위험 가정이 잘 성립하지 않는 데이터가 자주 등장하는데, 이런 경우 AFT 모형이 대안적 분석 틀로 쓰입니다. 특히 산업 신뢰성 공학이나 제조 공정처럼 고장 시간이 특정 확률분포를 비교적 잘 따르는 분야, 그리고 위험비보다 "시간이 몇 배 늘거나 줄었는가"라는 해석이 임상적으로 더 와닿는 의학 연구에서 선호됩니다. 또한 시간비(time ratio)라는 지표는 위험비와 달리 시간 척도로 직접 해석할 수 있어, 정책이나 임상 현장에 결과를 전달할 때 설득력이 크다는 점도 이 모형이 꾸준히 논문에 등장하는 이유입니다.
논문에서는 이렇게 쓰입니다
이 문장은 흡연이 사건까지 도달하는 시간을 약 40% 앞당긴다는 뜻으로, 위험비 대신 "시간비(time ratio)"라는 값으로 효과 크기를 표현한 것입니다.
신뢰성 공학 분야의 예문으로, 제품이 실제 사용 환경보다 가혹한 조건에서 얼마나 빨리 고장에 이르는지를 시간비로 나타내어 수명 예측에 활용하는 방식을 보여줍니다.
임상시험 논문에서 흔히 볼 수 있는 표현으로, AFT 결과를 콕스 모형 결과와 나란히 제시해 두 접근이 서로 다른 해석 틀에서도 일관된 결론을 뒷받침한다는 점을 강조할 때 사용됩니다.
조금 더 깊게 보면
AFT 모형에서 자주 쓰이는 확률분포로는 와이블, 로그정규, 로그로지스틱 등이 있으며, 어떤 분포를 선택하느냐에 따라 위험률이 시간에 따라 증가·감소·비단조적으로 변하는 양상이 달라지므로 실제 데이터의 고장 패턴과 맞는지 살펴보는 과정이 필요합니다. 분포 적합도는 흔히 잔차 분석이나 Q-Q plot, AIC 같은 정보기준을 통해 대체로 비교되며, 특정 조건에서는 와이블 분포가 콕스 비례위험모형과 동시에 AFT 형태로도 해석될 수 있다는 점도 논문에서 종종 언급됩니다. 아울러 계수 해석 시 위험비(hazard ratio)와 시간비(time ratio)는 서로 다른 척도이므로, 두 모형의 결과를 단순 비교할 때는 부호와 방향성만 대응시키고 수치를 직접 환산하려 하지 않는 것이 일반적입니다.
주의할 점
AFT 모형은 콕스 모형처럼 콕스 비례위험모형이 필요 없다는 장점이 있지만, 대신 생존 시간이 특정 확률분포(와이블, 로그정규 등)를 따른다는 가정이 필요합니다. 이 분포 가정이 실제 데이터와 맞지 않으면 결과가 왜곡될 수 있으므로, 모형을 고를 때는 데이터에 어떤 분포가 더 적합한지 먼저 살펴봐야 합니다.