[论文解读] Multiple Causal Inference with Latent Confounding

Rajesh Ranganath, Adler Perotte|arXiv (Cornell University)|May 21, 2018

Bayesian Modeling and Causal Inference参考文献 39被引用 23

一句话总结

本文提出多重因果估计信息法（MCEI），一种在未观测混杂因素下对多重处理进行因果效应估计的方法。该方法利用基于神经网络的混杂因素估计器，并通过互信息正则化来平衡共享混杂因素与处理独立性，从而在模拟数据和真实世界ICU数据中实现准确的因果估计，优于基于PCA的方法在混杂因素和模型误设下的表现。

ABSTRACT

Causal inference from observational data requires assumptions. These assumptions range from measuring confounders to identifying instruments. Traditionally, causal inference assumptions have focused on estimation of effects for a single treatment. In this work, we construct techniques for estimation with multiple treatments in the presence of unobserved confounding. We develop two assumptions based on shared confounding between treatments and independence of treatments given the confounder. Together, these assumptions lead to a confounder estimator regularized by mutual information. For this estimator, we develop a tractable lower bound. To recover treatment effects, we use the residual information in the treatments independent of the confounder. We validate on simulations and an example from clinical medicine.

研究动机与目标

• 解决在未观测混杂因素下多重处理因果推断的挑战，扩展传统单处理假设。
• 形式化两个关键假设：处理间存在共享混杂因素，且在给定混杂因素下处理条件独立。
• 开发一种可计算的信息正则化混杂因素估计器，避免过拟合，同时保持混杂结构。
• 通过在混杂因素调整后利用处理中的残差信息构建结果模型，避免信息泄露。
• 在合成数据和MIMIC-III数据库的真实临床数据上验证该方法，以证明其鲁棒性和准确性。

提出的方法

• 提出一种混杂因素估计器，其目标是最小化处理的重建误差，同时在给定其他处理的条件下，对每个处理所贡献的额外互信息进行正则化。
• 引入多重因果下界（mclbo），作为对数似然的可计算下界，以支持信息正则化估计器的优化。
• 使用深度神经网络建模处理与估计混杂因素之间的非线性关系。
• 通过在混杂因素调整后对处理中的残差信息进行回归来估计因果效应，避免混杂因素冗余。
• 将该方法应用于具有不同混杂水平的合成数据，以及使用37项实验室检测作为处理的MIMIC-III真实ICU数据。
• 临床数据使用高斯似然函数，并对实验室变量进行标准化/变换处理，缺失值按每种检测类型的中位数进行填补。

实验结果

研究问题

• RQ1 在未观测混杂因素下，共享混杂因素与给定混杂因素下处理间的条件独立性是否能实现一致的因果效应估计？
• RQ2 如何利用互信息作为正则化项，以在不过度拟合处理特异性信号的前提下平衡混杂因素估计？
• RQ3 在模型误设下，所提出的MCEI方法是否在混杂因素估计和因果效应恢复方面优于传统方法（如PCA）？
• RQ4 该方法是否能在真实世界医疗数据（如实验室值影响ICU住院时长）中恢复出具有生物学和临床合理性的因果效应？
• RQ5 与基线方法相比，该方法在未观测混杂因素水平逐渐增加时的表现如何？

主要发现

• 当混杂因素维度正确指定时，MCEI在混杂因素估计方面与PCA相当或更优，尤其在高混杂因素水平下表现更佳。
• MCEI在混杂因素维度误设（如使用D=10而真实D=2）时表现出更强的鲁棒性，其因果参数估计的均方误差（MSE）优于PCA。
• 在MIMIC-III数据的临床实验中，MCEI恢复的因果效应与文献一致：血尿素氮和白细胞计数升高与ICU住院时长延长相关，而低钾血症和肌酐水平则呈现相反关系。
• 基于处理残差的结果模型成功隔离了混杂因素无法解释的因果信号，避免了因信息冗余导致的模型崩溃。
• 在技术条件满足且处理数与样本量增加时，该方法能收敛至真实因果效应，支持理论一致性。
• mclbo下界使信息正则化混杂因素估计器的优化在复杂非线性神经网络架构下依然稳定。