機械学習による自動的変数選択をもちいた新しい治療効果推定手法の提案

点击翻译按钮获取中文摘要

観察研究において関心の治療の効果を適切に推定するためには，研究対象者における膨大な特性情報を考慮する必要がある．高次元な患者特性情報を考慮した治療効果推定量を得るために，近年では機械学習を用いて局外関数を推定した因果推論手法が活用されることも多い．特に計量経済学分野で提案されたdouble/debiased machine learning（DML）推定量は，高次元な患者特性情報の存在下において，従来の機械学習を利用した因果推論手法よりも優れた漸近的性質をもつことが知られている．しかし局外関数の推定に機械学習手法を用いるため，関心の治療の効果推定に対して不適当な因子の影響を強く考慮してしまう懸念が残る．この局外関数推定における変数選択の課題を解消するために，昨年度はアウトカムに関連の強い因子を積極的に考慮できる機械学習手法をDML推定量に応用することの有用性等を評価する研究を行い，国際学術誌に報告した．ただし実際の臨床研究においては，どの機械学習手法が治療効果の推定に対して最も適当であるかを先験的に特定することは難しい．不適切な機械学習手法を選択した場合には，関心の治療効果の推定量にバイアスが生じ得る．この問題を解消するために，本年度は前年度で取り組んだ内容を基盤として，機械学習手法の選択に頑健な治療効果推定量の提案を目的とした研究に取り組んだ．本年度は理論的提案およびコンピューターシミュレーションの実施，状況依存的なパフォーマンスの評価と従来法との比較，実際の臨床研究データへの応用例を提示し，論文にまとめ国際学術誌に投稿中である．