[論文レビュー] Estimating Bayesian Optimal Treatment Regimes for Dichotomous Outcomes using Observational Data

Thomas Klausch, Peter van de Ven+3 more|arXiv (Cornell University)|Sep 18, 2018

Advanced Causal Inference Techniques参考文献 3被引用数 3

ひとこと要約

本稿では、二値の結果を伴う実地研究において、潜在的結果の連ivariate分布に基づく損失関数を用いて最適治療制度（OTR）を推定するベイジアン意思決定理論枠組みを提案する。後方予測推論と未観測の潜在的結果間の関連性に関する感度分析を用い、生存に影響を与えることなく、口腔咽頭がんにおける不要な化学療法の使用を75％削減する。これは、治療負担と結果の有効性の間で臨床的に意味のあるトレードオフを実現する。

ABSTRACT

Optimal treatment regimes (OTR) are individualised treatment assignment strategies that identify a medical treatment as optimal given all background information available on the individual. We discuss Bayes optimal treatment regimes estimated using a loss function defined on the bivariate distribution of dichotomous potential outcomes. The proposed approach allows considering more general objectives for the OTR than maximization of an expected outcome (e.g., survival probability) by taking into account, for example, unnecessary treatment burden. As a motivating example we consider the case of oropharynx cancer treatment where unnecessary burden due to chemotherapy is to be avoided while maximizing survival chances. Assuming ignorable treatment assignment we describe Bayesian inference about the OTR including a sensitivity analysis on the unobserved partial association of the potential outcomes. We evaluate the methodology by simulations that apply Bayesian parametric and more flexible non-parametric outcome models. The proposed OTR for oropharynx cancer reduces the frequency of the more burdensome chemotherapy assignment by approximately 75% without reducing the average survival probability. This regime thus offers a strong increase in expected quality of life of patients.

研究の動機と目的

• 二値の結果を伴う実地データにおける最適治療制度（OTR）を推定するためのベイジアンフレームワークの開発。
• 潜在的結果における患者レベルの治療負担と結果のトレードオフを、潜在的結果上での柔軟な損失関数を用いて統合すること。
• 生存確率と不要な治療の毒性の両方をバランスさせる意思決定を可能にすること。
• シミュレーションと既知の交絡要因が存在する実世界の口腔咽頭がんデータセットを用いて、手法の評価。
• 臨床意思決定支援のための、期待損失、生存、治療割り当て確率の事後要約の提供。

提案手法

• 最適治療は、事後期待損失を最小化するように選択されるベイジアン意思決定理論的手法を用いる。
• 損失関数の条件付きパrameter化を用いて、潜在的結果 (Y(1), Y(0)) の同時分布をモデル化し、予測変数依存の損失構造を可能にする。
• 事後推論は、潜在的結果の2つの周辺ベイジアンモデルに基づき、モデル選択や事前分布の指定といった標準的手法の利用を可能にする。
• 未観測の潜在的結果間の部分的関連性に関する感度分析を、コプーラベースの事前分布を用いて組み込む。
• 妥当性の検証のため、パラメトリック（ロジスティック回帰）およびノンパラメトリック（ベイジアン加法的回帰木、BART）の結果モデルを併用する。
• 治療割り当てルールは、事後予測分布から導出され、信用区間および事後確率を用いて不確実性が定量化される。

実験結果

リサーチクエスチョン

• RQ1 潜在的結果に加え、治療負担を明示的にモデル化することで、ベイジアンフレームワークが実地データにおける最適治療制度推定を改善できるか？
• RQ2 不要な治療をペナルティとして課す損失関数を組み込むことで、標準的な結果のみ最適化する手法と比較して、得られる治療制度にどのような影響が生じるか？
• RQ3 モデルの誤指定およびサンプルサイズが、OTR推定における事後推定のバイアスおよび信頼性に与える影響は何か？
• RQ4 提案手法は、生存率を維持しつつ、口腔咽頭がんにおける化学療法の使用をどの程度削減できるか？
• RQ5 事後不確実性および信用区間は、個別化された治療意思決定をどの程度支援できるか？

主な発見

• 提案されたOTRでは、観察された治療制度と比較して、化学療法の割り当てが約75％削減され、患者の13.4％にまで低下した（観察された制度では55.2％）。生存確率の平均は低下しなかった。
• OTR下での平均生存確率は75.9％であり、観察された制度の72.8％よりもわずかに高かった。これは、結果の有効性に損なわれないことを示している。
• 事後確率は、特に低リスクサブグループにおいて、単独の放射線療法が多くの患者に対して最適であると高い確信を示した。
• シミュレーションでは、特に低不均一性下で小標本において楽観的バイアスが生じたが、ロジスティック回帰モデルでは大標本で名目水準の信頼性が達成され、BARTでは保守的であった。
• 本手法は、治療負担の最小化と生存の維持の両面で強力なトレードオフを達成した。事後平均および信用区間は、意思決定支援に頼れるものであった。
• 損失関数の条件付きパrameter化により、臨床的に意味のある不要治療のペナルティが可能となり、現実の臨床的優先順位と整合した。