카플란-마이어 추정법 (Kaplan-Meier Estimator)
쉽게 풀면
암 환자 100명을 5년간 추적 관찰한다고 해봅시다. 그런데 어떤 환자는 이사를 가서 연락이 끊기고, 어떤 환자는 5년이 채 지나기 전에 연구가 끝나버립니다. 이렇게 "끝까지 지켜보지 못한" 대상자를 중도절단(censoring)이라고 부르는데, 이들을 그냥 빼버리면 생존율 계산이 왜곡됩니다. 카플란-마이어 추정법은 각 시점에서 "그때까지 살아있던 사람 중 몇 %가 다음 시점까지 살아남았는지"를 계단식으로 곱해나가며, 중도절단된 사람도 살아있던 기간만큼은 정보로 활용합니다. 그 결과가 계단 모양으로 뚝뚝 떨어지는 생존곡선(survival curve)입니다.
왜 중요한가
카플란-마이어 추정법은 중도절단이 흔히 발생하는 추적관찰 자료를 왜곡 없이 다룰 수 있는 방법이라, 임상시험에서 치료 효과를 평가하는 생존분석의 표준 도구로 자리잡았습니다. 의학뿐 아니라 공학의 부품 고장 시간 분석, 경영학의 고객 이탈 분석 등 "특정 사건이 발생하기까지 걸리는 시간"을 다루는 모든 분야에서 폭넓게 활용됩니다.
논문에서는 이렇게 쓰입니다
이 문장은 중도절단된 환자를 포함한 전체 데이터를 바탕으로, 두 그룹의 생존곡선이 시간에 따라 얼마나 벌어지는지를 비교했다는 뜻입니다. 의학 논문뿐 아니라 부품의 고장 시간, 고객의 서비스 해지 시점 등 "사건이 언제 발생하는지"를 다루는 다양한 분야에서 쓰입니다.
신뢰성 공학에서 부품이나 장비의 수명을 통계적으로 평가할 때 쓰이는 표현이다.
경영학, 마케팅 분석에서 고객 이탈(churn)을 사건 발생 시간의 관점에서 분석할 때 사용되는 예문이다.
조금 더 깊게 보면
카플란-마이어 곡선을 그릴 때는 사건이 발생한 각 시점마다 그 직전까지 위험에 노출된 대상자 수(risk set)를 기준으로 생존확률을 계산하고, 이를 이전 시점까지의 누적 생존확률에 곱해나갑니다. 두 집단의 생존곡선 차이가 통계적으로 유의한지는 로그순위검정(log-rank test)으로 확인하는 경우가 많으며, 중도절단이 사건 발생과 무관하게 무작위로 일어난다는 가정(비정보적 중도절단)이 충족되어야 추정치가 왜곡되지 않습니다. 여러 변수를 동시에 고려한 위험도 비교가 필요할 때는 콕스 비례위험모형이 함께 사용됩니다.
주의할 점
카플란-마이어 곡선은 두 집단의 생존율을 시각적으로 비교하는 데는 유용하지만, 나이나 성별 같은 다른 변수를 동시에 통제하며 위험도를 비교하려면 콕스 비례위험모형처럼 공변량을 포함할 수 있는 방법을 추가로 사용해야 합니다.