技術的サマリー：DARTS – 予算制約付き逐次実験における予後共変量のターゲティング

1. 問題定式化

本論文は、無作為化対照試験（RCT）の設計における重要な限界、すなわち「高品質で高次元の事前共変量が既知であり、無コストで利用可能である」という仮定を扱っている。実際には、医療診断、調査疲労、または計算オーバーヘッドにより、そのようなデータの取得はしばしば高コストとなる。これにより、治療効果の分散を低減する共変量適応型精度と、厳格な測定予算との間でトレードオフが生じる。

さらに、共変量適応型手法（リランダム化など）の有効性は、サンプルサイズに対して予後因子の数が大きい場合に低下し、すべての次元における同時的なバランスを数学的に非確実なものとする。既存の文献は既知の予後セットのバランスを取るための枠組みを提供しているが、多くの設定では未知の予後因子が関与する。著者らは、データがバッチ単位で到着する（例えば、継続的な登録）逐次設定を提案し、実験者がグローバル予算$B$を$T$バッチにわたって遵守しながら、どの変数が最も予後的であるかを反復的に学習することを可能にする。

2. 手法：DARTS

著者らは、有効な因果推論設計に組み込まれた逐次最適化問題として共変量取得を扱う**Dynamic Adaptive Rerandomization via Thompson Sampling（DARTS：トムソンサンプリングによる動的適応型リランダム化）**を導入する。この手法は、相互に関連する 3 つの層で動作する。

A. 取得層（組合せ半腕バンドット）

共変量の選択は、ナップサック制約を伴う**予算制約付き組合せマルチアームバンドット（CBwK）**問題として定式化される。

• アーム： 各候補共変量$j \in [p]$は、未知の予後重要性$\theta^*_j$と測定コスト$c_j$を持つアームである。
• 目的： グローバル予算$B$の制約のもとで、総期待「報酬」（予後価値）を最大化する。
• アルゴリズム： 著者らはこの設定（CBwK-LP-TS）にトムソンサンプリングを適応させる。
  • 各共変量の報酬確率に対して独立したベータ事後分布を維持する。
  • 各ラウンド$t$において、これらの事後分布からサンプリングし、整数選択問題の線形計画（LP）緩和を解いて、サンプリングされた報酬を実効コストで割った「バング・パー・バック」比率を最大化する共変量の部分集合$S_t$を選択する。
  • シャドウプライス： 予算制約を強制するために、アルゴリズムは予算および個々のアーム制約に関連するシャドウプライス（双対変数）に対して乗法的重み更新を使用する。これにより、ノイズの多い高コストのアームに対して予算が早期に枯渇することを防ぐ。
• 報酬プロキシ： 真の予後重要性は未知であるため、報酬は対照群のみの LASSO 回帰係数から導出された分数報酬を用いて推定される（$r_j(t) = |\hat{\lambda}_j| / \max |\hat{\lambda}_k|$）。これにより、治療効果の汚染を避け、高次元設定におけるスパース性を活用する。

B. 設計層（リランダム化）

バッチ$t$に対して部分集合$S_t$が選択されると：

1. 選択された共変量が、そのバッチ内のすべての$n$個の単位に対して測定される。
2. リランダム化： アルゴリズムは$K$個の候補治療割り当てを生成し、$S_t$に基づいて治療群と対照群間のマハラノビス距離を最小化するものを選択する。
3. 鏡像対称性： 正確な周辺バランスを維持するために、最終的な割り当ては、最適割り当て$z^*$とその補集合$1-z^*$の間で公平なコイン投げによって選択される。

C. 推定量層

1. バッチ内推定： バッチ$t$の平均治療効果（ATE）は、選択された共変量に対するLin 調整 OLS（回帰調整）を用いて推定され、HC2 ヘテロスケダスティック性頑健な分散推定量が用いられる。
2. 累積推定： バッチ推定量は、精度重み付き逆分散メタ分析を用いて結合される。累積推定量$\hat{\mu}_t$は逐次更新され、各バッチをその推定精度（$1/\hat{v}_t$）で重み付けする。

3. 主要な理論的貢献

本論文は、3 つの主要な理論的結果を確立する。

1. 設計に基づく不偏性（定理 1）： 著者らは、過去のバッチに基づく適応的共変量選択が、バッチレベルの平均値差推定量にバイアスをかけないことを証明する。共変量セット$S_t$は過去のバッチの$\sigma$-代数（$F_{t-1}$）によって決定され、現在のバッチのランダム化前に固定されるため、推定量の条件付き期待値は真の ATE $\tau$のままである。
2. 漸近的有效性（定理 2）： 累積逆分散重み付き推定量は、少なくとも名目上の漸近カバレッジを達成する。規則性条件（単一のバッチが分散を支配せず、リランダム化が分散を増幅しないことなど）の下で、推定量は保守的なカバレッジを持つ正規分布に収束する。
3. 後悔 bound（定理 3 & 4）：
   • 上限 bound： 彼らは取得層（CBwK-LP-TS）に対するベイジリスク bound を導出し、$O(\sqrt{p \log(pT) \cdot \min(KT, B/c_{min})})$としてスケーリングすることを示した。
   • 下限 bound： 彼らは、組合せ半腕バンドット問題に対するミニマックス下限を確立し、対数因子まで上限 bound と一致させることで、学習率の近似的最適性を示した。
   • 分数報酬： 彼らは理論を実用的な分数報酬スキームに拡張し、疑似事後分布近似誤差が小さい場合、アルゴリズムが部分線形ベイジリスクを維持することを示した。

4. 実証結果

著者らは、線形モデルおよび非線形で相関する Liang DGP など、さまざまなデータ生成プロセス（DGP）における広範なシミュレーションを通じて DARTS を評価した。

• 学習能力： DARTS は、真の予後共変量に予算を集中させることに成功する。扱いやすい設定（例：$p=100, n=1000$）では、信号共変量の事後包含確率は、ノイズ共変量よりも有意に高くなる。
• 精度の向上： DARTS は、ATE 推定量の標準誤差を以下と比較して体系的に低減する。
  • DiM： 調整なしの完全無作為化。
  • Random： 学習なしでランダムに選択された共変量部分集合によるリランダム化。
  • ARMM/MADCovar： 事前に選択された共変量セットを使用する既存の適応型無作為化手法。
  • いくつかのシナリオにおいて、DARTS は DiM に対して最大3.56の相対効率（RE）を達成し、「オラクル」設計（真の予後セットを事前に知っているもの）とのギャップを大幅に縮小する。
• 頑健性： 学習問題が扱いにくい場合（例、予算および地平線に対して非常に高い次元性）、この手法は完全にランダムなベースラインに優雅に劣化するが、ランダムなベースラインと比較して精度を実質的に損なうことはない。
• 妥当性： 実証的なカバレッジ率は名目上の 95% レベルで維持またはそれに近接しており、理論的妥当性の保証を確認する。

5. 意義と主張

本論文は、DARTS が新しい問題定式化を表すと主張している。すなわち、測定予算下での逐次 RCT 設計の一部としての適応的共変量取得である。

その主な意義は、因果推論と**逐次意思決定（バンドット）**の間のギャップを埋める点にある。

• 因果推論の設計に基づく妥当性を損なうことなく、リアルタイムでどの共変量を測定するかを学習できることを示している。
• 選択とランダム化を分離する厳密な理論的枠組みを提供し、設計の適応的性質にもかかわらず累積推定量が不偏かつ漸近的に有効であることを保証する。
• 予後因子が未知でデータ取得が高コストである設定に対する実用的な解決策を提供し、厳密な推論的妥当性を維持しながらオラクル設計への効率ギャップを体系的に縮小する。

著者らは、独立したアーム仮定への依存（ただし LASSO が相関の問題を軽減する）および現在の固定地平線推定量への制限（逐次覗き見はカバレッジを無効化する）を含む限界を指摘している。将来の研究では、相関するアームやいつでも有効な推論に対処することが提案されている。