소개
오늘날 데이터 중심 세계에서 관계는 데이터 포인트 자체만큼이나 중요합니다. 소셜 연결을 매핑하든 약물-사건 상호작용을 탐구하든, 이러한 관계를 시각화하면 표나 집계 통계에 숨겨진 통찰력을 얻을 수 있습니다. 네트워크 플롯은 개체를 노드로, 관계를 에지로 표현하여 상호 연결된 데이터를 직관적으로 탐색할 수 있는 방법을 제공합니다. 소셜 미디어의 핵심 행위자를 찾고, 금융 사기를 적발하고, 물류 경로를 최적화하고, 심지어 단백질 상호작용과 질병 경로를 탐색하는 데에도 사용할 수 있습니다. 이러한 애플리케이션의 핵심은 복잡한 관계 구조를 유용하고 명확한 시각적 설명으로 단순화해야 한다는 필요성입니다.
빈도 및 상관관계, 부분 상관관계와 같은 통계적 관계를 기준으로 에지의 가중치를 설정할 수 있습니다. 또한, 다양한 레이아웃을 통해 다양한 관계를 탐색하고, 클러스터를 식별하고, 기존 차트나 스프레드시트에는 드러나지 않는 영향력 있는 요인이나 병목 현상을 나타내는 요소들을 연결할 수 있습니다.
네트워크 플롯의 일반 원리와 기법을 소개한 후, 이상반응(AE) 동시 발생에 대한 약물감시 사례 연구를 살펴보겠습니다. 이 사례 연구는 네트워크 플롯이 약물 안전 신호를 어떻게 보여주는지 보여줍니다. 마지막으로, JMP 네트워크 플롯 추가 기능이 대화형 탐색, 데이터 필터링 및 그룹 수준 인사이트를 어떻게 지원하는지 살펴보겠습니다.
네트워크 플롯 추가 기능
네트워크 플롯은 데이터를 관계로 모델링합니다. 각 노드는 사람, 제품, 유전자, 약물과 같은 개체를 나타내며, 간선은 두 노드 간의 정의된 상호작용, 동시 발생 또는 관계를 나타냅니다. 간선은 쌍별 빈도, 중복 기간, 상관관계, 조건부 종속성과 같은 여러 공유 속성을 반영하는 가중치를 가질 수 있습니다. 노드 크기나 색상은 한계 빈도나 집단 특성과 같은 속성을 나타낼 수 있습니다.
대화형 네트워크 플롯은 패턴 감지 및 가설 생성을 향상시킵니다. 일반적인 레이아웃에는 구조적 패턴이나 비교 개요를 강조하는 고유벡터 또는 원형 배열이 포함됩니다. 필터, 에지 번들링, 임계값 설정은 복잡함을 줄이고 의미 있는 연결에 집중할 수 있도록 합니다.
JMP 17 이상 버전에서 사용할 수 있는 Network Plot 추가 기능을 개발했습니다. 그림 1에서 볼 수 있듯이, 워크플로는 사용자가 선택한 데이터 세트에서 열을 선택하는 것으로 시작합니다. 열에는 피험자 식별자, 관심 용어(예: 사건 또는 약물 용어), 그리고 선택적으로 관심 용어를 상호 배타적인 범주로 분류하는 그룹화 변수가 포함됩니다.
대화 상자 인터페이스 내에서 사용자는 플롯의 모양을 사용자 지정할 수 있습니다. 동일 주제 내에서 동시에 발생하는 노드 쌍 사이에는 에지가 그려지며, 노드와 에지의 크기(기본값)는 이벤트의 빈도와 동시 발생을 반영합니다. 색상 옵션의 경우, 에지의 색상을 빈도 및 통계적 연관성(상관관계 또는 편상관계수 등)에 따라 지정할 수 있으며, 이는 두 이벤트 간의 연결 강도를 강조합니다.
Figure 1. Dialog window displayed upon launching the add-inFigure 1. Dialog window displayed upon launching the add-in그림 1. 추가 기능을 실행하면 표시되는 대화 상자 창
추가 기능은 두 가지 주요 레이아웃 옵션을 사용하여 네트워크를 구성하며, 각 고유한 관심 용어는 노드로 표시됩니다.
- 그림 2와 같이 기본 원형 레이아웃은 모든 노드를 원형 주위에 배치하여 모든 연결을 더 쉽게 확인하고 네트워크 연결 상태를 한눈에 파악할 수 있도록 합니다. 중요한 점은 이 레이아웃이 동적이라는 것입니다. 필터링하는 동안 노드 위치를 자동으로 재계산하고 재배열하여 가시성을 극대화합니다.
- 또는 고유 벡터 기반 레이아웃은 그림 3에서 볼 수 있듯이 동시 발생 부분 상관관계 또는 상관관계(부분 상관관계가 완전 순위가 아닌 경우) 행렬의 처음 두 고유 벡터에 따라 노드를 배열합니다. 이 접근 방식은 유사한 겹침 패턴을 가진 노드를 함께 클러스터링하여 데이터 내에서 자연스러운 그룹화 또는 모듈을 더 쉽게 찾을 수 있도록 합니다.
플롯은 완전히 대화형으로 작동합니다. 사용자는 왼쪽 패널의 데이터 필터 옵션을 사용하여 기본 데이터를 동적으로 필터링하고, 특정 하위 그룹, 빈도 또는 상관관계 범위에 초점을 맞추도록 네트워크를 즉시 업데이트할 수 있습니다. 플롯에서 노드나 엣지를 선택하면 JMP 데이터 테이블에서 해당 레코드가 강조 표시되어 세부적인 검토를 위한 신속한 드릴다운이 가능합니다.
Figure 2. Interactive Data Filter of Network Plot add-inFigure 2. Interactive Data Filter of Network Plot add-in그림 2. 네트워크 플롯 추가 기능의 대화형 데이터 필터
Figure 3. Layout options of Network Plot add-inFigure 3. Layout options of Network Plot add-in그림 3. 네트워크 플롯 추가 기능의 레이아웃 옵션
사례 연구: 중복되는 약물과 부작용
네트워크 플롯의 실제적 영향을 보여주기 위해 대화형 Network Plot 추가 기능을 사용하여 근골격계 부작용(AE) 데이터 세트에 적용했습니다.네트워크의 각 노드는 관절통 , 관절 부기 또는 근골격계 통증 과 같은 고유한 AE를 나타냅니다.에지는 이러한 이벤트가 환자 기록에서 최소 한 번 이상 동시에 발생한 인스턴스를 나타내며, 이는 이 데이터의 모든 이벤트입니다.노드 크기는 각 이벤트가 나타나는 빈도를 반영하는 반면, 에지의 두께와 색상은 이벤트 쌍 간 동시 발생의 빈도 또는 통계적 강도를 인코딩합니다.분석가는 임계값 아래의 에지를 필터링하고, 그룹화 필터를 적용하고, 특정 하위 집단을 즉시 탐색할 수 있습니다.네트워크 플롯은 또한 이산 집합 교차점을 열거하는 업셋 플롯( 게시물 에서 논의됨)과 같은 다른 접근 방식을 보완할 수 있습니다.
결과
두 가지 네트워크 레이아웃(고유 벡터 기반 및 원형) 모두에서 몇 가지 패턴이 나타납니다. 관절통은 중심 허브 노드로 두드러지며, 큰 노드 크기와 여러 다른 이상반응(특히 관절 부종 및 사지 통증) 과 연결되는 두꺼운 모서리가 특징입니다. 이러한 연결의 두드러진 특징은 관절통을 경험하는 환자가 관절 부종과 사지 통증을 함께 호소하는 경우가 많으며, 이는 관련 증상들이 밀접하게 연관된 군집을 형성함을 시사합니다. 이 시각적 삼위일체는 임상적으로 타당한 연관성을 나타낼 뿐만 아니라 관절 모니터링이나 추가 연구가 필요할 수 있는 잠재적인 증후군 그룹을 강조합니다.
오른쪽 색상 범례와 다양한 가장자리 두께는 어떤 AE 쌍이 가장 많이 함께 관찰되는지를 나타냅니다. 예를 들어, 관절통 과 관절 부종 사이의 굵고 진한 파란색 선은 높은 동시 발생 빈도를 나타내는 반면, 건선성 관절병증을 다른 림프절과 연결하는 선과 같이 더 밝고 얇은 선은 중복이 약하거나 덜 흔함을 나타냅니다.
그룹별로 색상이 지정된 노드는 이벤트를 더욱 세분화하여 시각적으로 빠르게 하위 그룹화할 수 있도록 합니다. 예를 들어, 범주 1(파란색)과 범주 3(녹색) 노드는 함께 클러스터링되는 경향이 있으며, 이는 임상 하위 유형에 해당할 수 있습니다. 왼쪽 패널의 대화형 필터를 사용하면 특정 이벤트 범주, 빈도 또는 상관관계 수준에 즉시 초점을 맞출 수 있습니다. 예를 들어, 저주파 경계를 필터링함으로써 해석 가능성을 저하시키지 않으면서 핵심 패턴을 명확하게 파악할 수 있습니다. 이 기능은 드물지만 심각한 이벤트 조합을 분리하거나 고위험군 환자 하위 집단에 집중하는 등 특정 대상 분석을 지원합니다.
원형 레이아웃과 고유벡터 레이아웃을 전환하면 노드의 위치가 변경되어 분석 질문에 따라 구조적 관계가 더 명확하게 또는 덜 명확하게 나타납니다. 고유벡터 레이아웃은 밀접하게 연관된 증상들을 근접시켜 통계적 "근접성"을 강조하고, 정적인 표 형식 요약에서 간과될 수 있는 그룹화를 파악하는 데 도움을 줍니다. 대화형 데이터 필터를 사용하면 분석자는 플롯을 특정 빈도 이상의 이상반응(AE)으로 제한하거나 상관관계가 높은 에지만 포함하여 노이즈를 제거하고 임상적으로 의미 있는 패턴에 명확하게 집중할 수 있습니다.
이러한 네트워크 플롯은 다음과 같은 여러 가지 실제 약물 안전 감시 및 연구 목표를 지원합니다.
- 클러스터 감지: 자주 함께 나타나는 증상 그룹을 밝혀내어 플롯은 증후군이나 약물별 부작용 프로필을 식별하는 데 도움이 됩니다.
- 리소스 할당: 빈도가 높거나 중심적인 이벤트를 강조함으로써 플롯은 임상에서 어떤 증상을 사전에 모니터링해야 할지에 대한 결정을 내리는 데 도움이 될 수 있습니다.
- 향상된 의사소통: 시각화를 추가하면 데이터 분석가, 임상의, 의사 결정권자 사이에 의사소통의 다리가 만들어지고, 복잡한 동시 발생 데이터에 대한 공통된 이해를 한눈에 볼 수 있습니다.
업셋 플롯은 특정 약물과 이상반응(AE)의 조합에 노출된 환자 수를 정량화하는 데 유용하지만, 여러 사건 간의 연결 강도와 구조를 동시에 전달하는 데는 한계가 있습니다. 반면, 네트워크 플롯은 데이터에 대한 전체적이고 유연한 관점을 제공합니다. 네트워크 플롯은 어떤 사건이 밀접하게 연관되어 있고, 어떤 사건이 고립되어 있으며, 클러스터가 어떻게 연결되어 있는지를 보여주며, 이 모든 정보는 조사의 필요에 따라 시각적 단서를 통해 조정될 수 있습니다. 업셋 플롯과 네트워크 플롯을 함께 사용하면 약물-사건 관계의 열거 및 탐색을 위한 포괄적인 툴킷을 제공합니다.
결론 및 다음 단계
네트워크 플롯 추가 기능은 약물과 이상반응의 동시 발생을 시각화하여 기존에는 파악하기 어려웠던 복잡한 패턴을 명확하게 보여주는 역동적이고 해석 가능한 플랫폼을 제공합니다. 데이터의 복잡성이 지속적으로 증가함에 따라, 이러한 시각적 도구는 시의적절하고 정확한 안전성 평가를 위해 더욱 중요해지고 있습니다. 이 JMP 추가 기능은 대화형 워크플로를 통해 이러한 결과를 달성합니다. 향후에는 피험자 수준 공변량(연령 또는 용량 등)과의 통합, 동시 발생의 시간적 측면 지원, 더 다양한 레이아웃 옵션, 그리고 자동 클러스터 감지 또는 위험 정량화를 위한 더욱 다양한 분석 모듈이 포함될 예정입니다. 궁극적으로 네트워크 시각화를 표준 안전 신호 감지 워크플로에 포함시키면 분석가와 임상의 모두 원시 데이터에서 더욱 빠르고 명확하게 통찰력을 얻을 수 있게 될 것입니다.
