측정 점수와 인구 추정치의 차이 — 그리고 왜 하나의 앱이 둘 다 명확하게 라벨링하여 표시하고 절대 혼합하지 않는가.
앱은 두 종류의 나이 숫자 중 하나를 표시할 수 있으며, 대부분의 제품은 어느 쪽인지 전혀 말하지 않습니다.
측정 점수는 입력값에 대한 계산입니다. 혈액이 입력되고, 결정론적 공식이 실행되고, 숫자가 출력됩니다. 동일한 입력에는 항상 동일한 숫자가 나옵니다. 손으로 확인할 수 있습니다.
인구 추정치는 통계 모델이 당신의 특성을 가진 사람에 대해 예측하는 값입니다. 수천 명의 다른 사람들의 데이터에 직선을 적합시켜 구성됩니다. 데이터가 불완전할 경우 모델은 코호트 평균으로 결측치를 채웁니다 — 그래서 숫자의 움직임이 줄어듭니다. 더 많은 부분이 다른 사람들에 관한 것이고 당신 자신에 관한 부분은 줄어들기 때문입니다.
Delta의 Corpus 화면에 있는 DELTA age는 후자의 종류이며, 그렇게 명시되어 있습니다. 「Healthspan Copilot」 논문(PLOS One)에서 유래합니다: 혈액 검사값에 허리 둘레·체중·혈압·맥박을 더한 10개 변수에 대한 통상 최소 제곱 회귀로, CDC의 248명 데이터셋으로 훈련되었습니다. 적합된 계수는 논문 자체의 훈련 데이터로 회귀를 재실행하여 복원했습니다. 그 적합이 논문의 계산 예제를 공표된 수치까지 재현하는 것이 복원된 모델이 논문의 모델임을 증명하는 근거입니다.
그 모델이 생성하는 숫자를 신뢰하기 전에 알아야 할 두 가지 속성이 있습니다.
역연령의 가중치는 사실상 제로입니다. 회귀는 바이오마커만으로 생물학적 나이를 예측하도록 학습했습니다 — 동일한 마커를 가진 30세와 60세는 거의 동일한 추정치를 받습니다. 이는 논문의 데이터셋에서 비롯된 것이지 구현상의 버그가 아닙니다. 그래서 불완전한 DELTA age는 데이터가 거의 바뀌지 않습니다: 대부분의 입력이 결측된 경우 모델은 모든 사람에게 거의 동일한 숫자를 반환합니다. 그 숫자의 대부분이 코호트이기 때문입니다.
또한 이 데이터셋에 적합된 일부 계수는 직관에 반합니다 — hs-CRP가 높을수록·체중이 무거울수록 이 적합에서 추정치가 낮아지고, HDL이 높을수록 추정치가 높아집니다. 이는 논문의 숫자를 충실히 구현한 것입니다. 소규모 코호트 OLS 적합은 생리학이 아닌 추정치임을 상기시켜 주기도 합니다.
정직하게 제시된 추정치는 가치가 있기 때문입니다. Delta는 출처를 첨부한 형태로만 DELTA age를 표시합니다: 「추정치」 레이블(절대로 「측정됨」이라는 단어를 사용하지 않습니다), 모델의 버전 문자열, 더 많은 입력이 코호트 평균이 될수록 낮아지는 신뢰도 표시, 그리고 논문 자체의 면책 조항. 입력의 절반 이상이 보정된 경우, 앱은 숫자 표시를 완전히 중단합니다 — 훈련 세트에 대해 주로 이야기하는 수치는 볼 가치가 없으며, 결정을 내리는 데는 더욱 사용할 수 없습니다.
Adaptive Age — 앱의 기반이 되는 결정론적 혈액 기반 PhenoAge 숫자 — 와 공존하지만 절대 혼합되지 않습니다. 다른 화면, 다른 레이블, 다른 불확실성. 어느 숫자를 보고 있는지 알 수 없게 되는 날이 제품이 당신을 실망시킨 날입니다.
Delta의 모든 점수는 순수하고 버전 관리된 계산으로 산출됩니다 — 기기 내 언어 모델이 바이오마커 계산을 수행하는 일은 절대 없습니다. 모든 입력은 출처가 표시되거나 보정됨으로 라벨링됩니다. 모든 숫자는 그 방법을 명시합니다. 추정치는 추정치로 제시되고, 측정값은 근거를 보존합니다.
그리고 그것이 결국 도구와 느낌의 차이 전부입니다.
