[논문 리뷰] Estimating heterogeneous treatment effects with right-censored data via causal survival forests

Yifan Cui, Michael R. Kosorok외 3명|arXiv (Cornell University)|2020. 01. 27.

Advanced Causal Inference Techniques참고 문헌 61인용 수 15

한 줄 요약

이 논문은 우측으로 케일된 데이터에서 이질적 치료 효과를 추정하기 위한 새로운 랜덤 포레스트 방법인 인과적 생존 포레스트를 소개한다. 비편향 조건 하에서 이중으로 강건한 추정 방정식을 통합하여 케일링과 선택 편향을 다루고, 비모수적이고 강건한 생존 시간에 대한 조건부 평균 치료 효과 추정을 가능하게 한다. 시뮬레이션과 실제 약물 임상 시험 데이터(AIDS)에 응용한 결과 기존의 기준 방법들보다 뛰어난 성능을 보였다.

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.

연구 동기 및 목표

• 우측으로 케일된 생존 데이터에 대한 기존의 이질적 치료 효과 추정 방법 간의 격차를 보완하기 위해.
• 관찰된 생존 연구에서 케일링과 선택 편향을 모두 고려한 비모수적이고 강건한 방법을 개발하기 위해.
• 인과 포레스트 방법론을 생존 결과에 확장하기 위해 생존 분석에서 유래한 이중으로 강건한 추정 기법을 통합하기 위해.
• 정규 조건 하에서 예측의 점근적 일致성과 정규성을 확립하기 위해.
• 시뮬레이션 데이터와 실제 AIDS 임상 시험 데이터(ActG175)에서의 실증적 성능을 입증하기 위해.

제안 방법

• 이 방법은 결과 분산이 아닌 이질적 치료 효과 추정에 직접적으로 유도된 분할을 사용하는 인과 포레스트를 사용한다.
• 이중으로 강건한 생존 분석(제티아티스, 2007; 반 데어 라안 및 로빈스, 2003) 기반의 직교 추정 방정식을 적용하여 케일링과 교란 요인을 보정한다.
• 관측된 것은 케일링된 생존 시간 U_i = T_i ∧ C_i 와 케일링 지표 Δ_i 뿐이지만, 조건부 평균 치료 효과 τ(x) = E[T_i(1) − T_i(0) | X_i = x] 를 추정하는 접근법을 취한다.
• 추정 방정식 내에서 케일링 편향을 보정하기 위해 관측 확률의 역수 가중치(ICCW)를 사용한다.
• 알고리즘은 R/C++ 패키지 grf에 구현되어 있으며, 기본 튜닝 파rameter를 사용하고 10,000개의 트리로 신뢰구간 지원 기능을 제공한다.
• 추정된 치료 효과를 공변량에 대해 최적의 선형 투영을 통해 이질성과 해석 가능성을 평가한다.

실험 결과

연구 질문

• RQ1 생존 결과가 우측으로 케일된 경우 인과 포레스트 프레임워크를 이질적 치료 효과 추정에 어떻게 적용할 수 있는가?
• RQ2 가상 쌍둥이와 S-러닝자와 같은 이중으로 강건하지 않은 기준 방법에 비해 제안된 방법은 케일링 생존 환경에서 어떻게 성능을 발휘하는가?
• RQ3 예측의 점근적 성질로서 일치성과 정규성 측면에서 인과적 생존 포레스트는 어떠한가?
• RQ4 관찰된 생존 데이터에서 이 방법은 교란 요인과 케일링을 동시에 어떻게 다루는가?
• RQ5 실제 임상 데이터에서 이 방법은 치료 효과의 의미 있는 이질성을 어느 정도 드러낼 수 있는가?

주요 결과

• 시뮬레이션 결과, 인과적 생존 포레스트는 가상 쌍둥이와 S-러닝자 기준 방법에 비해 평균 제곱오차와 진짜 조건부 평균 치료 효과와의 상관관계에서 뚜렷한 우월성을 보였다.
• 지속형 및 이산형 생존 시간 데이터 생성 과정 양쪽에서, 이 방법은 두 기준 방법보다 더 낮은 평균 제곱오차(100배 곱한 값)를 달성했다.
• ACTG175 데이터셋에서, 연령에 따라 추정된 조건부 평균 치료 효과가 변동했으며, 95% 신뢰구간에서 양의 추세를 보여, 고령 환자에서 지도부비딘+디다노신이 디다노신보다 잠재적으로 유익할 수 있음을 시사했다.
• 최적의 선형 투영 결과 대부분의 공변량에 대해 통계적으로 유의미한 계수를 보이지 않아, 관측된 공변량 간에 치료 효과의 강력하고 해석 가능한 이질성이 제한적임을 시사했다.
• 이 방법은 케일링과 교란 요인에 대해 강건했으며, 정규 조건 하에서 일致하고 점근적으로 정규 분포를 따르는 예측을 보였다.
• grf 패키지에 구현된 소프트웨어 구현은 신뢰구간과 ICCW를 위한 표본 가중치 지원 기능을 제공하여 실용적 구현을 가능하게 했다.