의료 분야에서 환자의 생존 기간이나 특정 사건 발생까지의 시간을 예측하는 생존 분석(survival analysis)은 매우 중요합니다. 하지만 임상 데이터는 수집에 오랜 시간이 걸리고, 코호트(환자 집단) 규모가 작으며, 엄격한 개인 정보 보호 규제로 인해 공유가 어렵다는 고질적인 문제가 있습니다. 이러한 한계는 모델 훈련에 필요한 충분한 데이터를 확보하기 어렵게 만들어 왔습니다.
최근 Niccolò Maria Rizzi 연구팀은 이러한 문제를 해결하기 위해 'FoGS(Filtered Mixture-of-Generators for Survival analysis)'라는 새로운 합성 데이터 생성 및 활용 프레임워크를 제안했습니다. 이 방식은 단순히 하나의 생성 모델로 합성 데이터를 만드는 것이 아니라, 네 가지 아키텍처가 다른 테이블형 생성 모델(tabular generative models)이 만든 후보 데이터 풀에서 실제 데이터로 훈련된 일곱 가지 생존 모델 앙상블이 평가한 '그럴듯한' 샘플만을 선별합니다. 이 선별 과정은 최적화 파이프라인을 통해 이루어지며, 이를 통해 실제 데이터로 훈련했을 때와 유사하거나 더 나은 예측 성능을 보였습니다. 16개 공개 데이터셋에 대한 실험 결과, C-index는 평균 +2.17, IBS는 평균 +0.67 개선되었으며, 13개 데이터셋에서 최소 하나의 지표가 향상되었습니다.
FoGS의 핵심은 합성 데이터 생성을 '샘플 선택'의 문제로 재정의했다는 점입니다. 이는 소규모 데이터셋에서도 생성 모델의 한계를 극복하고 고품질의 합성 데이터를 얻을 수 있게 합니다. 이 기술은 특히 개인 정보 보호가 중요한 임상 환경에서 실제 데이터를 대체할 수 있는 효과적인 훈련 방법론을 제공하며, 의료 연구 및 신약 개발 등 다양한 분야에서 데이터 부족 문제를 해결하고 모델 개발을 가속화하는 데 기여할 것으로 기대됩니다. 또한, 실제 데이터에 버금가는 성능을 유지하면서도 개인 정보 침해 위험을 줄일 수 있어, 의료 데이터 활용의 새로운 가능성을 열어줄 것입니다.