[論文レビュー] Causal Rule Ensemble: Interpretable Discovery and Inference of Heterogeneous Treatment Effects

Falco J. Bargagli-Stoffi, Cadei, Riccardo+2 more|arXiv (Cornell University)|Sep 18, 2020

Advanced Causal Inference Techniques被引用数 9

ひとこと要約

因果ルールアンサンブル（CRE）は、安定性と解釈可能性を向上させるために意思決定木のアンサンブルを用いて、異質な処置効果（HTE）を発見および推定する、新しい解釈可能な機械学習手法である。CREは単純なルールベースの条件によってサブグループを特定し、サブグループ効果推定に対して理論的保証を提供する。シミュレーションでは単体の推定器を上回り、米国メディケア受給者における大気汚染への感受性パターンを明らかにした。

ABSTRACT

In health and social sciences, it is critically important to identify subgroups of the study population where there is notable heterogeneity of treatment effects (HTE) with respect to the population average. Decision trees have been proposed and commonly adopted for the data-driven discovery of HTE due to their high level of interpretability. However, single-tree discovery of HTE can be unstable and oversimplified. This paper introduces the Causal Rule Ensemble (CRE), a new method for HTE discovery and estimation using an ensemble-of-trees approach. CRE offers several key features, including 1) an interpretable representation of the HTE; 2) the ability to explore complex heterogeneity patterns; and 3) high stability in subgroups discovery. The discovered subgroups are defined in terms of interpretable decision rules. Estimation of subgroup-specific causal effects is performed via a two-stage approach, for which we provide theoretical guarantees. Through simulations, we show that the CRE method is highly competitive compared to state-of-the-art techniques. Finally, we apply CRE to discover the heterogeneous health effects of exposure to air pollution on mortality for 35.3 million Medicare beneficiaries across the contiguous U.S.

研究の動機と目的

• 健康および社会科学分野における、解釈可能で安定的かつスケーラブルな異質な処置効果（HTE）の同定という重要なニーズに対応すること。
• 単一の意思決定木の限界、たとえば不安定さや過度な単純化を克服し、処置反応が異なるサブグループを同定すること。
• データ駆動型で解釈可能なサブグループ同定を可能にするとともに、強力な統計的性能と理論的保証を維持する手法を開発すること。
• 実世界の環境健康データにこの手法を適用し、米国におけるサブグループごとの大気汚染に起因する死亡リスクの差を評価すること。
• 透明でルールベースの表現を用いて、高リスクまたは耐性のあるサブグループを同定することで、証拠に基づく政策立案と正確医療を支援すること。

提案手法

• CREは、サブグループ同定における安定性を向上させ、過学習を低減するために、因果木のアンサンブルを構築する。
• 2段階推定手順を用いる：まず、任意の既存の処置効果推定器を用いて個別レベルの擬似アウトカム（例：ATE）を推定し、次にそれらのアウトカムをルールベースの予測子を用いた線形モデルでモデル化する。
• サブグループはアンサンブルから導出された解釈可能な意思決定ルールによって定義され、政策的および臨床的解釈が明確になる。
• 適切な正則性条件の下で、推定の一貫性に関する理論的保証を組み込む。
• ルールの数や複雑さは研究者が制御可能であり、政策的応用と正確医療応用の両方に柔軟に対応できる。
• CREは初期の擬似アウトカム推定器の選択に対してアーギロニックであり、最先端の因果推定器と統合可能である。

実験結果

リサーチクエスチョン

• RQ1 アンサンブル・オブ・ツリー手法は、単一の木による手法と比較して、異質な処置効果の同定における安定性と解釈可能性を向上させることができるか？
• RQ2 CREは高次元で現実世界のデータにおいて、意味のあるルールベースのサブグループを、処置効果の差異を明確に特定できるか？
• RQ3 CREは複雑な異質性パターンを検出・推定する点で、単体の処置効果推定器を上回る性能を示すか？
• RQ4 CREは大規模な環境健康研究において、実行可能な政策的意義のあるサブグループをどれだけ効果的に特定できるか？
• RQ5 CREは米国本土全域における大気汚染被曝に対する感受性の高いサブグループをどれほど正確に同定できるか？

主な発見

• シミュレーションでは、顕著な異質性下で、CREは真の処置効果分解を完璧に再構成し、単体の擬似アウトカム推定器を上回った。
• CREは、複数のデータ生成プロセスにおいて、HTEの同定と推定の両方で競争的な性能を示した。
• 3,530万件のメディケア受給者への応用では、大気汚染関連死亡リスクに差がある明確で解釈可能なサブグループが明らかになった。
• 手法は、非自明で理解しやすい感受性パターンを効果的に同定し、大気汚染効果に影響を与える人口統計的および社会経済的要因を特定した。
• 高齢者に限定した分析では、生存バイアスの可能性が示唆され、年齢層を広くカバーする研究の必要性が浮き彫りになった。
• CREはスケーラブルで解釈可能なHTEの同定を可能にし、標的型公衆衛生介入および正確医療戦略の支援に貢献する。