🤖 AI

Conformal Prediction for Causal Effects of Continuous Treatments

Dieses Paper führt eine neuartige Conformal-Prediction-Methode ein, die valide Vorhersageintervalle für endliche Stichproben der potenziellen Ergebnisse kontinuierlicher Behandlungen bereitstellt, selbst wenn der Propensity Score unbekannt ist und aus Daten geschätzt werden muss.

Ursprüngliche Autoren: Maresa Schröder, Dennis Frauen, Jonas Schweisthal, Konstantin Heß, Valentyn Melnychuk, Stefan Feuerriegel

Veröffentlicht 2026-02-04

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Maresa Schröder, Dennis Frauen, Jonas Schweisthal, Konstantin Heß, Valentyn Melnychuk, Stefan Feuerriegel

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Das große Ganze: Warum wir ein „Sicherheitsnetz“ brauchen

Stellen Sie sich vor, Sie sind ein Arzt und müssen entscheiden, wie viel Chemotherapie Sie einem Krebspatienten geben sollten. Sie haben ein Computerprogramm (eine KI), das vorhersagt, wie stark der Tumor basierend auf der Dosierung schrumpfen wird.

Das Problem: Die meisten KI-Programme liefern Ihnen nur einen einzigen Wert: „Wenn Sie 50 mg geben, schrumpft der Tumor um 2 mm.“ Dies nennt man eine Punktschätzung. Es ist wie eine Wettervorhersage, die sagt: „Es werden exakt 22 °C sein.“ Aber was, wenn es in Wirklichkeit 15 °C oder 29 °C sind? In der Medizin kann es gefährlich sein, falsch zu liegen. Man muss die Spanne der Möglichkeiten kennen: „Der Tumor wird wahrscheinlich zwischen 1 mm und 3 mm schrumpfen.“

Die Lösung: Diese Arbeit stellt ein neues mathematisches „Sicherheitsnetz“ namens Conformal Prediction vor. Anstatt nur eine einzelne Vermutung abzugeben, zieht es einen Kasten um die Antwort, um zu sagen: „Wir sind uns zu 95 % sicher, dass die echte Antwort innerhalb dieses Kastens liegt.“

Die spezifische Herausforderung: Kontinuierliche Dosierungen

Die meisten bestehenden Sicherheitsnetze funktionieren nur für einfache Entscheidungen, wie zum Beispiel „Medikament geben“ oder „Nicht geben“ (Binär). Aber im echten Leben haben Ärzte es mit kontinuierlichen Behandlungen zu tun – etwa dem Einstellen eines Reglers von 1 mg bis 100 mg.

Die Autoren mussten zwei knifflige Probleme lösen, um ihr Sicherheitsnetz für diese kontinuierlichen Regler funktionsfähig zu machen:

1. Das „Neue-Politik-Problem“ (Der Shift)

Stellen Sie sich vor, Sie trainieren einen Fahrer in einer Simulation, in der er immer auf der rechten Straßenseite fährt (Beobachtungsdaten). Nun wollen Sie ihn in einem Land testen, in dem er auf der linken Seite fahren muss (Intervention).

Das Problem: Die Gewohnheiten des Fahrers (die Datenverteilung) sind in dem neuen Land anders. Wenn Sie die alten Sicherheitsregeln verwenden, könnte er scheitern.
Die Lösung der Arbeit: Die Autoren haben einen Weg geschaffen, um das Sicherheitsnetz mathematisch „neu zu kalibrieren“. Sie berücksichtigen, dass sich die Verkehrsregeln geändert haben, und stellen so sicher, dass das Sicherheitsnetz auch dann hält, wenn die Behandlung des Patienten von dem abweicht, was die KI bisher gesehen hat.

2. Das „Verborgene-Landkarte-Problem“ (Unbekannte Propensity)

In der realen Welt wissen wir oft nicht genau, warum ein Arzt in der Vergangenheit eine bestimmte Dosis verschrieben hat. Vielleicht gibt Dr. Smith immer hohe Dosen, während Dr. Jones eher niedrige Dosen gibt. Wir nennen dies den Propensity Score (die verborgene Landkarte der Art und Weise, wie Behandlungen gewählt werden).

Das Problem: Normalerweise benötigt man, um ein perfektes Sicherheitsnetz zu bauen, die exakte Kenntnis dieser verborgenen Landkarte. In echten Krankenhäusern haben wir diese Landkarte jedoch nicht; wir müssen sie anhand alter Aufzeichnungen schätzen. Das Schätzen führt zu neuen Fehlern ein.
Die Lösung der Arbeit: Dies ist der größte Durchbruch der Arbeit. Sie haben ein Sicherheitsnetz gebaut, das immer noch funktioniert, selbst wenn man die verborgene Landkarte nur schätzen muss. Sie haben mathematisch bewiesen, dass das Sicherheitsnetz weiterhin gültig bleibt und nicht versagt, selbst wenn Ihre Schätzung über die Gewohnheiten der Ärzte leicht danebenliegt.

Wie sie es gemacht haben (Die Analogie des „Gedehnten Gummibandes“)

Betrachten Sie den Vorhersagefehler der KI als ein Gummiband.

Standardmethode: Sie dehnen das Gummiband basierend auf vergangenen Daten, um zu sehen, wie weit es zurückschnappen könnte.
Die Methode der Autoren: Sie haben erkannt, dass sich das Gummiband anders dehnt, wenn man die Behandlung ändert (Intervention), weil sich der „Wind“ (die Datenverteilung) geändert hat.
Die Innovation: Sie haben einen neuen Weg entwickelt, um diese Dehnung zu messen.
- Wenn Sie das Windmuster kennen (Bekannte Propensity), verwenden sie eine präzise Formel, um das Gummiband anzupassen.
- Wenn Sie das Windmuster nicht kennen (Unbekannte Propensity), nutzen sie einen „Worst-Case-Ansatz“. Sie nehmen an, dass der Wind etwas stärker oder schwächer sein könnte als Ihre Schätzung, und dehnen das Gummiband gerade so weit, dass es diese Möglichkeiten abdeckt.

Was sie bewiesen haben (Die Ergebnisse)

Die Autoren haben nicht nur eine Theorie aufgestellt; sie haben sie getestet.

Synthetische Tests: Sie erstellten gefälschte medizinische Daten, bei denen sie die „wahre“ Antwort kannten. Sie verglichen ihre Methode mit anderen populären KI-Unsicherheitsmethoden (wie „MC Dropout“, ein gängiger, aber oft unzuverlässiger Trick).
- Ergebnis: Die anderen Methoden zeigten oft eine „falsche Zuversicht“ – ihre Kästen waren zu klein und schlossen die wahre Antwort aus. Die Methode der Autoren hielt die wahre Antwort konsistent innerhalb des Kastens, genau wie versprochen.
Realwelt-Test: Sie testeten es an einem echten Datensatz von Intensivpatienten (MIMIC-III) und sagten den Blutdruck basierend auf der Dauer der Beatmung voraus.
- Ergebnis: Ihre Methode zeigte bei Patienten mit ungewöhnlichen Behandlungsdauern (wo die Datenlage dünn war) breitere, ehrlichere Intervalle, während andere Methoden täuschend schmale, riskante Intervalle lieferten.

Das Fazit

Diese Arbeit bietet Ärzten und Datenwissenschaftlern ein neues Werkzeug. Sie ermöglicht es ihnen, KI einzusetzen, um die Auswirkungen von kontinuierlichen Behandlungen (wie Medikamentendosierungen) mit einem garantierten Sicherheitsnetz vorherzusagen.

Selbst wenn die KI schätzen muss, wie Ärzte Medikamente üblicherweise verschreiben, stellt diese neue Methode sicher, dass der „Sicherheitskasten“ um die Vorhersage herum breit genug ist, um vertrauenswürdig zu sein. Dies ist entscheidend für sicherheitskritische Bereiche wie die Medizin, in denen Irrtümer schwerwiegende Folgen haben können.

Wichtigste Erkenntnis: Sie sind die Ersten, die einen mathematisch bewiesenen „Sicherheitskasten“ für kontinuierliche Medikamentendosierungen geschaffen haben, der auch dann funktioniert, wenn wir die Geschichte der Dosierungswahl nicht vollständig verstehen.

Technisches Resümee: Konforme Prädiktion für kausale Effekte kontinuierlicher Behandlungen

1. Problemformulierung

Die Arbeit adressiert die kritische Notwendigkeit der Unsicherheitsquantifizierung (Uncertainty Quantification, UQ) in der kausalen maschinellen Lernforschung, speziell für kontinuierliche Behandlungen. Während kausales ML weit verbreitet in sicherheitskritischen Bereichen wie der personalisierten Medizin (z. B. Chemotherapie-Dosierung) eingesetzt wird, liefern bestehende Methoden typischerweise nur Punktschätzungen und vernachlässigen die Vorhersageunsicherheit.

Die Autoren identifizieren drei spezifische Herausforderungen bei der Anwendung von konformer Prädiktion (Conformal Prediction, CP) auf kontinuierliche kausale Effekte:

Verteilungsverschiebung (Herausforderung a): Eine Intervention auf eine Behandlungsvariable verschiebt die Kovariatenverteilung (speziell den Propensity Score). Dies verletzt die Austauschbarkeitsannahme (Exchangeability Assumption), die der Standard-CP inhärent ist, wodurch Standard-Intervalle zwischen der observationalen und der interventionalen Verteilung ungültig werden.
Unbekannte Propensity Scores (Herausforderung b): In observationalen Daten ist der Propensity Score unbekannt und muss geschätzt werden. Diese Schätzung führt zusätzliche Unsicherheit ein, die Standard-CP-Methoden nicht berücksichtigen, was potenziell zu einer Unterdeckung (Under-coverage) führen kann.
Datensparsamkeit für kontinuierliche Werte (Herausforderung c): Im Gegensatz zu binären Behandlungen sind spezifische kontinuierliche Behandlungswerte in den Daten selten beobachtet, was eine direkte Anwendung diskreter CP-Methoden unmöglich macht.

Das Ziel ist die Ableitung von endlichen-Stichproben-validen Vorhersageintervallen $C(X_{n+1}, \diamond)$ für potenzielle Ergebnisse $Y_{n+1}(\diamond)$ unter entweder harten Interventionen ( $a^*$ ) oder weichen Interventionen ( $A^*(X_{n+1})$ ), selbst wenn der Propensity Score unbekannt ist und geschätzt werden muss.

2. Methodik

Die vorgeschlagene Methode erweitert die Split-Konforme Prädiktion, um die durch Interventionen induzierten Verteilungsverschiebungen und die Unsicherheit aus der Propensity-Schätzung zu handhaben.

Kernrahmen

Die Methode nutzt einen Nicht-Konformitäts-Score, typischerweise das Residuum $S_i = |Y_i - \phi(X_i, A_i)|$ , wobei $\phi$ ein beliebiges Modell des maschinellen Lernens ist. Das Ziel ist die Konstruktion eines Intervalls, sodass $P(Y_{n+1}(\diamond) \in C) \geq 1 - \alpha$ gilt.

Die Autoren unterscheiden zwei Szenarien basierend auf der Verfügbarkeit des Propensity Scores $\pi(a|x)$ :

Szenario 1: Bekannter Propensity Score

Wenn die observationale Policy bekannt ist (z. B. in einer randomisierten Studie oder einem Setting mit bekannter Policy), wird die Verschiebung als Änderung von $\pi(a|x)$ zu $\pi(a+\Delta A|x)$ modelliert.

Ansatz: Die Autoren formulieren das Problem als augmentierte Quantilsregression um. Sie definieren eine Funktionsklasse $\mathcal{F}$ , welche die Propensity-Verschiebung repräsentiert.
Optimierung: Sie leiten ein duales Optimierungsproblem (Theorem 4.2) ab, um das $(1-\alpha)$ -Quantil der Nicht-Konformitäts-Scores unter der verschobenen Verteilung zu finden. Dies vermeidet die Unpraktikabilität, alle möglichen imputierten Scores zu lösen, indem die Eigenschaften der starken Dualität genutzt werden.
Ergebnis: Theorem 4.2 liefert Garantien für die endliche-Stichproben-Abdeckung der potenziellen Ergebnisse unter bekannten Propensity-Verschiebungen.

Szenario 2: Unbekannter Propensity Score

Wenn die Policy unbekannt ist, muss die Methode harte Interventionen ( $a^*$ ) handhaben, bei denen der Propensity eine Dirac-Delta-Funktion wird und der Score $\pi$ geschätzt werden muss ( $\hat{\pi}$ ).

Annahme: Der Schätzfehler ist beschränkt, sodass das Verhältnis $c_a = \hat{\pi}/\pi$ innerhalb von $[1/M, M]$ für eine Konstante $M$ liegt.
Glättung: Um die Diskontinuität der Dirac-Delta-Funktion zu handhaben, approximieren die Autoren diese mittels eines Gauß-Kernels mit Varianz $\sigma^2 \to 0$ .
Optimierung: Das Problem wird als nicht-konvexes Optimierungsproblem (Eq. 18) formuliert, das den Glättungsparameter $\sigma$ und die Fehlergrenze $c_a$ beinhaltet.
Theoretische Garantie: Die Autoren beweisen (Lemma 4.4), dass das Problem Typ-I-invex ist und die Linear Independence Constraint Qualification (LICQ) erfüllt. Dies ermöglicht die Verwendung der Karush-Kuhn-Tucker (KKT)-Bedingungen, um globale Optimalität abzuleiten.
Ergebnis: Theorem 4.5 etabliert Garantien für die endliche-Stichproben-Abdeckung bei unbekannten Propensity Scores durch Optimierung über die Unsicherheitsgrenzen und Glättungsparameter.

3. Zentrale Beiträge

Neuartige Methode für kontinuierliche Behandlungen: Der erste Vorschlag für konforme Prädiktionsintervalle für potenzielle Ergebnisse kontinuierlicher Behandlungen, der die Lücke schließt, die durch bestehende Methoden mit Beschränkung auf binäre/diskrete Behandlungen entstanden ist.
Endliche-Stichproben-Garantien bei unbekanntem Propensity: Ableitung valider Vorhersageintervalle, die die durch die Schätzung von Propensity Scores eingeführte Unsicherheit berücksichtigen, ohne asymptotische Annahmen zu erfordern.
Algorithmische Implementierung: Ein effizienter Algorithmus (Alg. 1) zur Berechnung dieser Intervalle unter Verwendung dualer Formulierungen und KKT-Bedingungen, wodurch eine Brute-Force-Suche über imputierte Scores vermieden wird.
Empirische Validierung: Demonstration der Effektivität auf synthetischen und realen Datensätzen.

4. Experimentelle Ergebnisse

Die Autoren evaluierten ihre Methode gegenüber Baselines, einschließlich Monte Carlo (MC) Dropout, Deep Ensembles und Gauß-Prozess (GP) Regression.

Synthetische Datensätze:
- Treue (Faithfulness): Die vorgeschlagenen CP-Intervalle erreichten eine empirische Abdeckung, die konsistent mit dem Ziel-Signifikanzniveau ( $1-\alpha$ ) über verschiedene weiche und harte Interventionen hinweg war.
- Baselines: MC Dropout und Deep Ensembles zeigten eine signifikant niedrigere Abdeckung (ungetreue Intervalle) und versäumten es oft, das wahre Ergebnis zu erfassen. GP-Regression lieferte nur bei sehr kleinen Verteilungsverschiebungen eine valide Abdeckung, scheiterte jedoch bei größeren Verschiebungen aufgrund zu enger Intervalle.
- Stabilität: Die vorgeschlagene Methode zeigte eine geringe Variabilität in der empirischen Abdeckung im Vergleich zur hohen Varianz, die bei MC Dropout beobachtet wurde.
Real-World-Datensatz (MIMIC-III):
- Aufgabe: Vorhersage von Blutdruckergebnissen unter variierenden Dauern der mechanischen Beatmung.
- Beobachtung: Die CP-Intervalle spiegelten korrekt eine höhere Unsicherheit in Behandlungsregionen mit spärlichen Trainingsdaten (hohe Beatmungsdauer wider. Im Gegensatz dazu waren die MC-Dropout-Intervalle schmaler, was auf eine Unterdeckung in diesen kritischen Regionen hindeutete.

5. Bedeutung und Behauptungen

Die Arbeit behauptet, die erste zu sein, die konforme Prädiktion für kontinuierliche Behandlungen vorschlägt, bei denen der Propensity Score unbekannt ist und aus Daten geschätzt werden muss.

Eignung für sicherheitskritische Anwendungen: Die Methode bietet Garantien für die Gültigkeit in endlichen Stichproben, was sie für sicherheitskritische Anwendungen wie die personalisierte Medizin geeignet macht, in denen asymptotische Garantien (die in kleinen Stichproben versagen können) unzureichend sind.
Modellagnostik: Der Ansatz funktioniert mit jedem zugrunde liegenden ML-Modell $\phi$ zur Vorhersage des Ergebnisses.
Robustheit gegenüber Verteilungsverschiebungen: Im Gegensatz zur Standard-CP berücksichtigt die Methode explizit die durch die Intervention verursachte Verteilungsverschiebung und stellt so die Validität sicher, selbst wenn die Testverteilung von der Trainingsverteilung abweicht.
Praktischer Nutzen: Die Autoren merken an, dass die Methode zwar konservativ ist (potenziell breitere Intervalle), wenn die Propensity-Schätzung schlecht oder die Daten spärlich sind, diese Konservativität jedoch die Zuverlässigkeit sicherstellt und die gefährliche Unterdeckung verhindert, die bei anderen UQ-Methoden beobachtet wird.

Die Arbeit füllt eine kritische Lücke im kausalen ML und ermöglicht eine zuverlässige Entscheidungsfindung unter Unsicherheit für kontinuierliche Behandlungsvariablen sowohl in experimentellen als auch in observationalen Settings.