AFT 모형 (가속수명모형)

사건까지 걸리는 시간이 몇 배 달라지는지를 시간비로 해석하는 모형

시간비 TR로그 시간Weibull · 로그정규Cox와 비교

위험이 몇 배인지보다, 시간이 얼마나 길어지는지가 궁금할 때가 있습니다. 특정 조건에서 사건이 발생하기까지 걸리는 시간이 얼마나 길어지거나 짧아지는지 직접 분석할 수도 있습니다. AFT 모형(Accelerated Failure Time Model, 가속수명모형)은 이러한 질문에 답하는 생존분석 방법입니다. 06장 Cox 비례위험모형이 위험의 상대적인 크기를 비교한다면, AFT 모형은 사건 발생까지 걸리는 시간 자체가 얼마나 달라지는지에 초점을 둡니다. 이 장에서는 모형의 구조와 시간비의 해석, Cox 모형과의 차이, 분포 선택을 알아봅니다.

SECTION 01

AFT 모형은 언제 사용할까?

신약

복용한 환자는 증상이 악화되기까지 시간이 더 오래 걸리는가?

부품

특정 부품을 사용하면 제품의 수명이 얼마나 길어지는가?

할인 혜택

혜택을 받은 고객은 서비스를 해지하기까지 시간이 얼마나 달라지는가?

재활 프로그램

참여한 사람은 회복까지 걸리는 시간이 짧아지는가?

이 질문들의 공통점은 사건이 발생할 가능성만이 아니라, 사건이 발생하기까지 걸리는 시간의 변화를 알고 싶다는 것입니다.

그림 1. 시간비가 말하는 것

그림 1처럼 제품 A의 수명이 기준 제품보다 20% 길다고 추정되었다면, AFT 모형은 이러한 시간 차이를 시간비(Time Ratio)로 표현할 수 있습니다.

SECTION 02

AFT 모형은 어떻게 작동할까?

AFT 모형은 설명변수가 사건 발생 시간에 미치는 영향을 모형화합니다. 일반적으로 사건 발생 시간의 로그값을 설명변수와 연결합니다.

log(T) = β₀ + β₁X₁ + ⋯ + β_pX_p + σε

기호	의미
T	사건 발생까지 걸리는 시간
X₁, …, X_p	분석에 포함한 설명변수
β_j	설명변수가 시간에 미치는 영향
ε	오차항
σ	오차항의 크기를 조절하는 모수

그림 2. AFT 모형: 로그 시간의 이동

그림 2처럼 로그를 취한 시간에 모형을 적용하기 때문에, 설명변수는 로그 시간 분포 전체를 β만큼 옮깁니다. 계수를 지수화하면 원래 시간에서 몇 배가 되는지, 즉 사건 발생 시간의 상대적인 변화로 해석할 수 있습니다.

SECTION 03

핵심 결과: 시간비(Time Ratio)

AFT 모형에서 가장 중요한 결과 중 하나는 시간비(TR)입니다. 시간비는 다른 설명변수의 값이 같을 때, 특정 설명변수가 한 단위 증가하거나 비교 집단으로 바뀌면 사건 발생까지 걸리는 시간이 얼마나 달라지는지를 나타냅니다.

TR = e^β_j

그림 3. 시간비에 따른 생존곡선

그림 3처럼 TR = 1.25이면 사건 발생까지 걸리는 시간이 추정상 25% 길어지고, TR = 1.00이면 해당 설명변수와 사건 발생 시간 사이에 시간비 기준의 차이가 없으며, TR = 0.80이면 시간이 20% 짧아집니다. 생존곡선 전체가 가로로 늘어나거나 줄어들고, 중앙값도 같은 비율로 변합니다.

그림 4. 시간비의 좋고 나쁨은 사건 정의에 달렸다

여기서 주의할 점은 시간이 길어진다는 것이 반드시 좋은 결과를 뜻하지는 않는다는 것입니다. 사건이 제품 고장이라면 시간이 길어지는 것이 유리하지만, 회복이나 치료 성공이 사건이라면 시간이 짧아지는 것이 유리할 수 있습니다.

SECTION 04

분석 결과는 어떻게 해석할까?

제품 수명에 영향을 미치는 요인을 분석했다고 가정해 보겠습니다(가상 결과).

설명변수	시간비(TR)	95% 신뢰구간	p값
고급 부품 사용	1.25	1.10–1.42	0.001
고온 환경	0.80	0.69–0.93	0.003
사용 빈도	0.95	0.88–1.03	0.220

그림 5. 시간비와 95% 신뢰구간 (원고 예시)

그림 5는 다른 조건이 같다고 가정할 때 다음과 같이 해석할 수 있습니다. 고급 부품 사용은 제품의 수명이 비교 조건보다 약 25% 길게 추정되며, 신뢰구간이 1을 포함하지 않고 p값도 0.05보다 작으므로 통계적으로 유의한 차이가 나타났습니다. 고온 환경은 수명이 약 20% 짧게 추정되어, 고온 환경이 제품 수명 감소와 관련되어 있다는 결과입니다. 사용 빈도는 시간비가 0.95로 추정되었지만 신뢰구간에 1이 포함되고 p값도 0.05보다 커서, 이 결과만으로 사용 빈도와 수명 사이에 통계적으로 유의한 관계가 있다고 보기 어렵습니다.

그림 6. 실제로 적합한 Weibull AFT 모형 (모의)

그림 6은 실제 시간비를 1.25, 0.80, 0.95로 정해 만든 모의 제품 240개에 Weibull AFT 모형을 적합한 결과입니다. 추정값 1.24, 0.81, 0.97이 실제 값과 가깝고, 사용 빈도는 여기서도 유의하지 않았습니다. 이러한 해석은 모형이 적절하고, 설명변수의 코딩과 비교 기준이 올바르다는 전제에서 가능합니다. 통계적으로 유의한 관계가 확인되더라도 그것만으로 인과관계가 입증되는 것은 아닙니다.

SECTION 05

AFT 모형과 Cox 모형은 어떻게 다를까?

두 모형 모두 생존자료를 분석하지만, 결과를 해석하는 관점이 다릅니다.

구분	Cox 비례위험모형	AFT 모형
핵심 지표	위험비(HR)	시간비(TR)
주요 질문	사건 발생 위험이 얼마나 다른가?	사건 발생까지 걸리는 시간이 얼마나 다른가?
결과 해석	순간적인 사건 발생 위험의 상대적 크기	사건 발생 시간의 상대적 변화
모형 가정	비례위험 가정	선택한 시간 분포와 모형 형태에 대한 가정
분포 가정	기저위험함수의 구체적인 분포를 지정하지 않음	일반적으로 특정 분포를 지정함

그림 7. 같은 자료, 두 모형의 요약

그림 7은 그림 6과 같은 자료에 Cox 모형도 적합한 결과입니다. 고급 부품은 시간비 1.24, 위험비 0.63으로 숫자가 다릅니다. 따라서 Cox 모형에서 HR이 1.25라고 해서 사건 발생까지 걸리는 시간이 25% 짧아진다고 단정할 수 없습니다. 반대로 AFT 모형에서 TR이 1.25라면, 모형이 추정하는 사건 발생 시간이 비교 조건보다 25% 길다는 의미입니다.

SECTION 06

어떤 분포를 선택해야 할까?

AFT 모형은 일반적으로 사건 발생 시간의 분포를 지정하는 모수적 생존모형입니다. 대표적인 분포는 다음과 같습니다.

분포	특징 및 활용
Weibull	사건 발생 위험이 시간에 따라 증가하거나 감소하는 상황을 표현할 수 있음
로그정규(Log-normal)	로그를 취한 시간이 정규분포를 따르는 경우에 적합
로그로지스틱(Log-logistic)	시간에 따른 위험이 증가한 뒤 감소하는 형태도 표현 가능
지수(Exponential)	사건 발생 위험이 시간에 따라 일정하다고 가정하는 단순한 모형

어떤 분포가 적합한지는 연구 대상과 자료의 특성에 따라 달라집니다. 적합도 지표만 확인하기보다는 생존곡선과의 비교, 잔차 진단, 모형 가정 등을 함께 검토하는 것이 좋습니다.

그림 8. 분포 가정과 외삽

특히 관찰된 기간을 넘어 미래의 수명을 예측할 때는 분포 가정에 따라 결과가 크게 달라질 수 있으므로 주의해야 합니다. 그림 8에서 네 분포는 관찰된 12개월 안에서는 Kaplan–Meier 곡선과 비슷하지만, 36개월 생존 예측은 0%에서 22%까지 벌어집니다.

SECTION 07

AFT 모형을 사용할 때 주의할 점

분포 가정

실제 자료와 선택한 분포가 맞지 않으면 시간비 추정과 예측이 부정확해질 수 있습니다.

중도절단

사건이 관찰되지 않은 대상도 분석에 포함할 수 있지만, 중도절단이 발생하는 구조를 적절히 고려해야 합니다.

변수 코딩

기준 집단이나 변수의 단위가 바뀌면 시간비의 해석도 달라집니다.

결과의 의미

시간이 길어지는 것이 연구 목적상 좋은지 나쁜지는 사건의 정의에 따라 달라집니다.

모형 비교

Cox 모형과 AFT 모형은 서로 다른 가정을 사용하므로, 연구 질문과 진단 결과를 바탕으로 적합한 방법을 선택해야 합니다.

보고 문장 예시

Weibull 분포를 가정한 AFT 모형에서 고급 부품을 사용한 제품의 수명은 그렇지 않은 제품보다 약 25% 길었다(TR = 1.25, 95% CI 1.10–1.42, p = .001). 고온 환경에서는 수명이 약 20% 짧았으며(TR = 0.80, 95% CI 0.69–0.93), 사용 빈도와 수명 사이의 관계는 유의하지 않았다(TR = 0.95, 95% CI 0.88–1.03).

✓ 핵심 정리

위험이 아니라 사건까지의 시간이 몇 배 달라지는지를 봅니다.

AFT 모형은 설명변수가 사건 발생까지 걸리는 시간을 어떻게 변화시키는지 분석합니다.
시간비(TR)가 1보다 크면 시간이 길어지고, 1보다 작으면 시간이 짧아지는 것으로 해석합니다.
Cox 모형은 위험비(HR), AFT 모형은 시간비(TR)를 중심으로 결과를 해석합니다.
AFT 모형에서는 분포 가정과 중도절단 구조를 적절히 고려해야 합니다.

다음은 09 경쟁위험 분석입니다. 하나의 사건만 발생하는 것이 아니라 서로 다른 유형의 사건이 먼저 발생할 수 있을 때, 각 사건의 가능성을 어떻게 구분해 분석하는지 알아봅니다.

KEY TAKEAWAYS

AFT 모형은 로그 시간에 설명변수를 연결해, 사건까지 걸리는 시간이 몇 배 달라지는지를 시간비로 추정합니다. 시간비는 위험비와 다른 숫자이며, 분포 가정에 따라 특히 관찰 범위 밖의 예측이 크게 달라질 수 있습니다.