Horseshoe Forests for High-Dimensional Causal Survival Analysis

技術的概要：高次元因果生存分析のためのホースシュー・フォレスト

問題定義
生存データにおける異質的処置効果（HTE）の推定は、特に共変量が高次元（$p \gg n$）である場合に困難を伴う。既存の手法は、柔軟性と正則化の間にトレードオフに直面している。ベイズ加法的回帰木（BART）は非線形効果や交互作用を効果的にモデル化するが、その標準的な正則化は、木構造への制約（例：深さの制限）または分割確率への事前分布（例：DART におけるディリクレ事前分布）に依存している。高次元の因果的設定において、これらの構造的正則化戦略は不十分であったり、「正則化誘発交絡（RIC）」を誘発したりする。これは、処置割付に関連する共変量の過度な収縮が、推定された処置効果にバイアスを生じさせる現象である。さらに、生存データへの標準的な BART の拡張（例：AFT-BART）は、$p$ が大きい場合に、正確な不確実性の定量化と変数選択特性を維持することにしばしば苦労する。ここで扱われる具体的な課題は、交絡の仮定を満たすためにすべての共変量を保持しつつ、弱い交絡因子の過度な収縮によるバイアスを誘発することなく、検閲された生存データにおける条件付き平均処置効果（CATE）を推定することである。

手法
著者は、高次元生存分析に適応したベイズ回帰木アンサンブルモデルである因果ホースシュー・フォレストを提案する。中核的な革新は、正則化の焦点を木構造から葉ノードのパラメータ（ステップ高さ）へ移行させる点にある。

1. モデル枠組み: この手法は、潜在的生存時間に対して加速故障時間（AFT）モデルを採用する：
   $$\log T(a) = f(x, \hat{e}(x)) + a \cdot \tau(x) + \varepsilon$$
   ここで、$f(x, \hat{e}(x))$ はベースライン予後をモデル化し（交絡を軽減するために推定された傾向スコア $\hat{e}(x)$ を組み込む）、$\tau(x)$ は異質的処置効果をモデル化する。両方の関数は回帰木の和としてモデル化される。

2. ステップ高さへのホースシュー事前分布: ステップ高さに対する標準的なガウス事前分布の代わりに、著者は木のステップ高さ（$h_\ell$）に直接グローバル・ローカル・ホースシュー事前分布を置く。
   $$h_\ell | \lambda_\ell^2, \tau^2, \omega \sim N(0, \omega \lambda_\ell^2 \tau^2)$$
   ここで、$\tau$ は木全体で共有されるグローバルな収縮パラメータであり、$\lambda_\ell$ は各葉ごとのローカルな収縮パラメータである。グローバルおよびローカルパラメータは半コーシー分布に従う。これにより、適応的収縮が可能となる：弱いシグナル（ノイズ）はゼロに向かって収縮するが、強いシグナルは保持され、LASSO や DART のような手法の「すべてか無か」のスパース性を回避する。この連続的な収縮は因果推論において重要であり、弱い交絡因子となりうる共変量を保持することで、交絡の仮定を維持する。

3. 計算推論: ホースシュー事前分布の非共役性は、標準的な BART のギブスサンプリングの解析的扱い可能性を破る。これに対処するため、著者はギブスサンプリング枠組み内で可逆ジャンプ・メトロポリス・ヘイスティングス（RJMH）アルゴリズムを開発した。

   • 外ループ: ベイズ的バックフィッティング戦略を用いて、予後と処置効果のフォレストを個別に更新する。検閲された時間はデータ増幅（切断正規分布からのサンプリング）を介して処理される。
   • 内ループ（RJMH）: 木構造（GROW、PRUNE、CHANGE 移動を介して）と関連するステップ高さ/ローカル収縮パラメータを共同で更新する。提案メカニズムは、混合を改善するために親ノードパラメータに基づいた「疑似ギブス」更新を使用する。

4. 実装: この手法は R パッケージ ShrinkageTrees に実装されている。これは二値アウトカム（傾向スコア推定用）と検閲された生存アウトカムをサポートする。

主要な貢献

1. 新規正則化戦略: 本論文は、ベイズ木アンサンブルに対するステップ高さ事前分布としてホースシュー事前分布に基づくアプローチを導入する。これにより、正則化が構造的制約からパラメータ収縮へ移行し、高次元におけるモデル複雑性の適応的制御が可能となる。
2. 計算枠組み: 著者は、木アンサンブル枠組み内で非共役なホースシュー事前分布を収容するための可逆ジャンプ・ギブス・サンプリングを開発し、木トポロジーとステップ高さの共同更新を可能にした。
3. 生存 CATE への応用: この枠組みは、高次元因果生存分析のために特別に設計されており、検閲の複雑さと変数除外なしの堅牢な交絡調整の必要性という課題に対処している。

結果
著者は、広範なシミュレーションと実世界の事例研究を通じて手法を評価した：

• シミュレーション研究:

  • 一般的な性能: 次元 $p \in \{100, 1000, 5000\}$ における線形および非線形の処置効果のシナリオにおいて、因果ホースシュー・フォレストは、AFT-BCF（ベイズ因果フォレスト）と同等かそれ以上の二乗平均平方根誤差（RMSE）を達成し、高次元において AFT-BART や AFT-DART を著しく上回った。
  • 不確実性の定量化: カバレッジを維持するために過度に広い信頼区間を生成する AFT-BCF と異なり、ホースシュー・フォレストは安定したカバレッジ（約 90%）を維持しつつ、有意に短く、より精密な信頼区間を維持する。
  • 正則化誘発交絡（RIC）: 弱い交絡因子（処置を予測するがアウトカムとは弱く関連する共変量）を分離するように設計されたシミュレーションにおいて、ホースシュー・フォレストは安定した RMSE とカバレッジを維持する。対照的に、スパース性を誘発する事前分布に依存する手法（AFT-Shrinkage BCF など）は、弱い交絡因子が追加されるにつれてバイアスが増加し、カバレッジが低下する。これは、正確なスパース性に対する連続的収縮の優位性を示している。

• 事例研究（膵臓がん）:

  • この手法は、膵臓管腺がん（PDAC）の The Cancer Genome Atlas（TCGA）データに適用され、補助放射線療法の生存への効果を推定した。
  • モデルは、事後平均が約 0.75（95% 信頼区間：0.40 から 1.11）である正の平均処置効果（ATE）を同定した。
  • 個々の CATE の分析により、大多数の患者において不確実性が大きく、ゼロを含む広い信頼区間が見られた。しかし、事後平均は右方向への一貫したシフトを示し、強い異質性ではなく、一般的に有益だが均質な効果を示唆している。
  • 予備的なランドマーク分析は、主要な分析における効果量が増幅された可能性のある不死時間バイアスを示唆したが、正の効果は持続していた。

意義と主張
本論文は、提案された手法が生存データに対する既存の高次元因果推論ツールの堅牢な代替手段であると主張している。すべての共変量を保持し、適応的連続収縮を適用することにより、因果ホースシュー・フォレストは、観察研究における生存分析において重要な懸念事項である、見落とし変数バイアスおよび正則化誘発交絡のリスクを軽減する。著者は、生存アウトカムへの高次元因果手法の拡張におけるギャップを埋めるものとして自らの研究を位置づけ、柔軟な非線形モデリングと因果推論の厳密な統計的要件のバランスを取るツールを提供している。ShrinkageTrees パッケージの入手可能性は、これらの手法を実世界の高次元生物医学データに適用することを容易にする。