[論文レビュー] Estimating heterogeneous treatment effects with right-censored data via causal survival forests

Yifan Cui, Michael R. Kosorok+3 more|arXiv (Cornell University)|Jan 27, 2020

Advanced Causal Inference Techniques参考文献 61被引用数 15

ひとこと要約

本稿では、右側打ち切りデータを伴う生存分析における異質的処置効果を推定するための新しいランダムフォレスト手法、因果的生存フォレストを紹介する。無作為化の前提のもとで、打切りと選択バイアスを処理する二重にロバストな推定方程式を統合することで、非パラメトリックかつロバストに生存時間における条件付き平均処置効果を推定可能となり、シミュレーションおよびHIV臨床試験データ（ACTG175）への実世界応用において、既存のベースラインを上回る性能を示した。

ABSTRACT

Forest-based methods have recently gained in popularity for non-parametric treatment effect estimation. Building on this line of work, we introduce causal survival forests, which can be used to estimate heterogeneous treatment effects in a survival and observational setting where outcomes may be right-censored. Our approach relies on orthogonal estimating equations to robustly adjust for both censoring and selection effects under unconfoundedness. In our experiments, we find our approach to perform well relative to a number of baselines.

研究の動機と目的

• 右側打ち切りを伴う生存データに対する、既存の異質的処置効果推定手法におけるギャップを埋めること。
• 観察研究における打切りおよび選択バイアスを両方とも考慮する非パラメトリックかつロバストな手法を開発すること。
• 生存分析からの二重にロバストな推定技術を組み合わせることで、因果的フォレスト手法を生存アウトカムに拡張すること。
• 正則性条件の下で予測の漸近的一貫性および正規性を確立すること。
• シミュレーテッドデータおよび実世界のAIDS臨床試験データ（ACTG175）における実証的性能を示すこと。

提案手法

• 本手法は、アウトカムの分散ではなく、異質的処置効果推定に直接基づくスプリットを用いる因果的フォレストを用いる。
• 打切りと交絡を補正するため、二重にロバストな生存分析（Tsiatis, 2007; van der Laan & Robins, 2003）に基づく直交推定方程式を適用する。
• 観測されるのは打切り生存時間 U_i = T_i ∧ C_i と打切りインジケータ Δ_i のみであるが、条件付き平均処置効果 τ(x) = E[T_i(1) − T_i(0) | X_i = x] を推定する。
• 推定方程式における打切りバイアスを是正するために、打切りの逆確率重み付け（IPCW）を用いる。
• アルゴリズムはR/C++パッケージ grf に実装されており、デフォルトのチューニングパラメータを採用し、10,000本のツリーを用いて信頼区間のサポートを提供する。
• 推定された処置効果を共変量に沿った最良の線形プロジェクションにより行い、異質性と解釈可能性を評価する。

実験結果

リサーチクエスチョン

• RQ1 右側打ち切りが生じる生存アウトカムにおいて、因果的フォレストフレームワークを異質的処置効果推定に適応可能か？
• RQ2 本手法は、仮想ツインやS-learnerといった非二重にロバストなベースラインと比較して、打切りが生じる生存設定下でどのように性能を発揮するか？
• RQ3 予測の漸近的一貫性および正規性という点で、因果的生存フォレストの漸近的性質は何か？
• RQ4 本手法は、観察的生存データにおいて、交絡と打切りを同時にどのように処理するか？
• RQ5 本手法は、実世界の臨床データにおいて、処置効果の有意義な異質性をどの程度まで解明できるか？

主な発見

• シミュレーションでは、因果的生存フォレストは、平均二乗誤差および真の条件付き平均処置効果との相関係数において、仮想ツインおよびS-learnerベースラインを著しく上回った。
• 連続的および離散的生存時間データ生成プロセスの両方において、本手法は両ベースラインより低い平均二乗誤差（100倍）を達成した。
• ACTG175データセットでは、推定された条件付き平均処置効果が年齢とともに変化し、95%信頼区間で正の傾向が観察された。これは、高齢の患者においてジドオブジン+ジドオブジンの組み合わせがジドオブジン単独よりも有益である可能性を示唆している。
• 最良の線形プロジェクションでは、大多数の共変量に対して統計的に有意な係数が得られず、観察された共変量の範囲で処置効果の明確な強い解釈可能な異質性は限定的であると示された。
• 本手法は打切りおよび交絡に対してロバストであり、正則性条件の下で一貫性があり、漸近的に正規分布に従う予測を示した。
• grfパッケージにおけるソフトウェア実装により、信頼区間およびIPCW用のサンプル重み付けをサポートする実用的導入が可能となった。