[论文解读] Fast Out-of-Sample Predictions for Bayesian Hierarchical Models of Latent Health States

Aaron Fisher, R. Yates Coley+1 more|arXiv (Cornell University)|Oct 29, 2015

Statistical Methods and Inference参考文献 10被引用 3

一句话总结

本文提出使用重要性采样（IS）来实现在贝叶斯分层模型中对潜在健康状态进行快速、实时的样本外预测，特别针对前列腺癌风险评估。通过利用预先计算的群体水平后验分布，IS在将计算时间从数小时缩短至每例患者1–10秒的同时，与耗时的批量MCMC方法保持高度一致——均方根偏差（RMSD）仅为1.3%，从而实现临床环境中的实时决策支持。

ABSTRACT

Hierarchical Bayesian models can be especially useful in precision medicine settings, where clinicians are interested in estimating the patient-level latent variables associated with an individual's current health state and its trajectory. Such models are often fit using batch Markov Chain Monte Carlo (MCMC). However, the slow speed of batch MCMC computation makes it difficult to implement in clinical settings, where immediate latent variable estimates are often desired in response to new patient data. In this report, we discuss how importance sampling (IS) can instead be used to obtain fast, in-clinic estimates of patient-level latent variables. We apply IS to the hierarchical model proposed in Coley et al (2015) for predicting an individual's underlying prostate cancer state. We find that latent variable estimates via IS can typically be obtained in 1-10 seconds per person and have high agreement with estimates coming from longer-running batch MCMC methods. Alternative options for out-of-sample fitting and online updating are also discussed.

研究动机与目标

• 解决临床环境中批量MCMC计算瓶颈问题，以实现实时患者水平潜在变量估计。
• 开发一种可扩展、低延迟的方法，用于在新患者数据到达时更新个体健康状态预测。
• 实现在临床环境中部署精准医学模型，而无需重复完整模型重新拟合或跨服务器通信。
• 评估重要性采样作为MCMC在潜在健康状态样本外预测中的替代方法的准确性与效率。
• 将IS与定期MCMC重新拟合相结合，以在保持群体水平参数准确性的同时实现实时个体预测。

提出的方法

• 应用重要性采样，仅使用先前MCMC运行得到的群体水平参数后验分布，生成患者水平潜在变量（如侵袭性与惰性前列腺癌状态）的后验估计。
• 使用以后验抽样 $ \theta^{(j)} $ 为中心的提议分布 $ g(b_i | \theta^{(j)}) $，生成个体水平参数 $ b_i $ 的候选值。
• 通过在50万个后验样本中对每个后验抽样抽取10个值，共生成500万个提议，以提高提议的多样性。
• 使用未归一化的后验密度对提议进行加权，以计算有效样本量并估计潜在状态的后验概率。
• 实施一种动态提议策略，持续增加提议数量，直至有效样本量超过1,000，从而在准确性和速度之间取得平衡。
• 将IS方法得到的风险估计与完整批量MCMC的结果进行比较，以评估一致性和计算效率。

实验结果

研究问题

• RQ1 重要性采样是否能在计算开销极小的情况下，产生贝叶斯分层模型中潜在健康状态的准确样本外估计？
• RQ2 IS方法预测的准确性与批量MCMC估计相比，在均方根偏差（RMSD）和最大绝对差异方面的表现如何？
• RQ3 在IS中，提议样本数量变化时，计算速度与估计准确性的权衡关系如何？
• RQ4 IS是否能与定期MCMC重新拟合有效结合，以在保持长期模型准确性的同时实现实时预测？
• RQ5 IS中的有效样本量与预测误差之间有何关系？其表现是否符合理论预期？

主要发现

• 动态重要性采样方法在概率尺度上实现了IS与MCMC估计之间的均方根差异（rMSD）为1.3%，表明两者高度一致。
• IS与MCMC估计之间的最大绝对差异为5.9%，其中99%的患者差异低于4.5%。
• 在固定提议数量下，50,000个提议方法的rMSD为1.6%，最大差异为16.6%；而500万个提议方法的rMSD为1.3%，最大差异为4.8%。
• 每例患者的计算时间在最高效IS方法下为1.4至2.8秒，远低于完整MCMC重新拟合的数小时。
• 动态提议方法在每例患者中位计算时间仅2.3–4.6秒，准确性和速度均优于固定50,000个提议方法。
• 拒绝采样表现劣于IS，其rMSD为1.6%，表明IS在此应用中更为有效。