技術要約: B-CALM (Bias-Limited Bayesian Borrowing)

1. 問題提起

ランダム化比較試験（RCT）は、治療効果の内部妥当性の高い推定値を提供するが、患者サブグループごとの条件付き平均治療効果（CATE）を推定するにはパワーが不足していることが多い。大規模な観察研究（OS）は、膨大なサンプルサイズを提供する一方で、交絡、集団のミスマッチ、および部分的な共変量の重複（RCTとOSが一部の共変量 $W$ を共有しているが、それぞれ独自の共変量 $U$ および $V$ を持つ状況）に悩まされる。

核心となる課題は、OSのデータがRCTで定義された推定量の推定を支配しない（すなわち、OSのバイアスが真のRCTターゲットから推定量をずらしてしまう「負の転移」を防ぐ）ようにしながら、RCTのCATE推定における不確実性を減少させるために、いかにOSデータを活用するかである。既存の手法は、個別に不確実性を伝播させた点推定値や、バイアスの関数形式を明示的にモデル化しないグローバルな借用重みに依存することが多い。

2. 手法: B-CALM

著者らは、OSを、RCTのアウトカム・サーフェスに対する「バイアスのある、部分的にミスマッチした測定値」として扱うベイズ・フレームワークである B-CALM (Bayesian Calibrated ALignment under covariate Mismatch) を提案する。

2.1 モデル・アーキテクチャ

• 潜在的アライメント (Latent Alignment): ソース固有のエンコーダ（RCT用の $q_{\phi_r}$ および OS用の $q_{\phi_o}$）が、異なる共変量ブロック（$X_r = (W, U)$ および $X_o = (W, V)$）を共通の潜在的な患者状態 $Z$ へと写像する。これにより、比較のための共通の座標系が構築される。
• アウトカム・サーフェス:
  • RCTサーフェス: $\eta_r(a, z) = \mu(z) + a\tau(z)$。ここで $\mu(z)$ はコントロール群の予後、$\tau(z)$ はターゲットとなるCATEである。
  • OSサーフェス: $\eta_o(a, z) = \mu(z) + a\tau(z) + b_0(z) + ab_\Delta(z)$。
• バイアスの分解:
  • $b_0(z)$: ベースライン・バイアス。同一の潜在状態におけるOSとRCTのコントロール群のアウトカムの差を表す（例：未測定の併存疾患によるもの）。
  • $b_\Delta(z)$: 比較バイアス。ベースラインのシフトを考慮した後の、治療コントラストの差（$\tau_{OS} - \tau_{RCT}$）を表す。これは借用を制御する極めて重要なパラメータである。

2.2 確率的定式化

本手法は、アウトカム関数（$\mu, \tau$）およびバイアス関数（$b_0, b_\Delta$）に対してガウス過程（GP）事前分布を置く。

• 借用メカニズム: 比較バイアスの事前分散 $\sigma^2_\Delta$ が「感度ノブ（sensitivity knob）」として機能する。
  • $\sigma^2_\Delta \to 0$ の場合、OSとRCTのコントラストは同等であると仮定され、完全なプーリングが許容される。
  • $\sigma^2_\Delta \to \infty$ の場合、OSのコントラストは任意にバイアスされていることが許容され、推論はRCTのみの状態へと回帰する。
  • 中間的な値は、バイアス関数が事前分布によって制約される範囲においてのみ、OSがRCTのCATEに情報を与えるという感度分析を定義する。

2.3 アライメントとキャリブレーション

本フレームワークは、2つのソース間の潜在分布の残留ミスマッチを定量化するために、積分確率距離（IPM）を組み込んでいる。モデルは、以下の要素を含む変分下限（ELBO）を最適化する：

1. 両方のソースのアウトカムに関する尤度項。
2. 事前分布からのKLダイバージェンス。
3. 潜在空間が十分に整列することを保証するためのアライメント・ペナルティ（例：MMDまたは敵対的損失）。

3. 主要な理論的貢献

本論文は、以下の4つの主要な理論的結果を確立している。

1. バイアス限定情報境界 (Bias-Limited Information Bound): 著者らは、OSがRCTの治療効果関数について提供できる情報は、比較バイアス関数 $b_\Delta$ の事前精度によって上限が設定されることを証明した。OSのサンプルサイズ ($n_o$) が無限大に近づいたとしても、情報の利得は発散せず、飽和する。
2. 有効サンプルサイズ (ESS) の飽和: スカラーの特殊ケース（例：平均治療効果）において、著者らは以下のESS公式を導出した：$n_{eff} = n_o / (1 + n_o \sigma^2_b / \sigma^2_o)$。$n_o \to \infty$ となるにつれ、$n_{eff}$ は $\sigma^2_o / \sigma^2_b$ に収束する。これは、OSのサンプルサイズを増やしても、バイアスに関する事前分布の不確実性を克服することはできないことを示している。
3. 関数値への拡張: 定理1は、この飽和の結果をCATE関数の有限次元表現へと拡張し、治療効果に関するフィッシャー情報量が、あらゆる方向においてバイアス関数の事前精度によって制限されることを示している。
4. PAC-Bayes リスク分解: 著者らは、RCTの経験的リスク、潜在的アライメント誤差（IPM）、およびデバイアスされたOSサーフェスの残留キャリブレーション誤差を分離するターゲット・リスク分解を提供している。これにより、アライメントだけでは不十分であり、デバイアスされたOSサーフェスがRCTサーフェスに対してキャリブレーションされている必要があることが明確になる。

4. 実験結果

本手法は、合成ファクトリアル研究、Tennessee STAR試験に基づく半合成ベンチマーク、および実世界の小児肥満外部コントロール研究の3つのデータセットで評価された。

• 合成研究:
  • カバレッジ: B-CALMは、様々なバイアス・レジームにおいて、公称90%信頼区間カバレッジを維持した（平均0.939）。対照的に、プーリング手法およびCausal Forests (CF) は、比較バイアス下で過剰適合（過信）となった（カバレッジはそれぞれ0.581および0.811に低下）。
  • 負の転移: B-CALMは低い負の転移（0.023）を示した。これは、RCTのみの解析よりも性能が悪くなることが稀であることを意味する。
  • 飽和: OSのサンプルサイズが増加するにつれ、B-CALMの信頼区間の幅は $\sigma_\Delta$ によって決定される底へと平坦化した。一方、プーリング手法は、バイアスを無視してゼロに向かって縮小し続けた。
• 半合成 (STAR): B-CALMは、RMSEにおいて同等の性能を示しつつ、プーリング手法の0.425に対し、0.936のカバレッジを達成した。
• 実データ (小児肥満): EHRデータを外部コントロールとして使用した場合、B-CALMは、RCTのみの解析と比較して90%信頼区間の幅を9.4%減少させつつ、「バイアス感受性比（bias-susceptibility ratio）」を1.0未満に維持した。プーリング手法はより大きな幅の減少（最大70%）を達成したが、報告された区間幅を超えるバイアスリスク（比率 > 1.0）を内包していた。

5. 意義と主張

本論文は、B-CALMを「借用」を点推定の問題としてではなく、事後分布の感度分析としての問題へと転換するものとして位置づけている。

• 明示的なバイアスモデリング: グローバルな割引係数や交換可能性の指標を使用する手法とは異なり、B-CALMはバイアス関数 $b_\Delta(z)$ を明示的にモデル化する。これにより、分析者はバイアスに関する事前精度に基づいて、「どこで」「どの程度」借用が行われるかを制御できる。
• 安全メカニカズム: 「バイアス限定（bias-limited）」という特性により、観察データがいかに大規模になっても、推論が潜在的にバイアスのあるデータによって完全に支配されることはない。バイアス関数に対する事前分布が、情報転送のハードな天井として機能する。
• 実用的な出力: 著者らは、主要な出力は単一の推定値ではなく、キャリブレーションされた解析であると主張している。これには、RCTによって定義された推定量の事後分布、事前バイアス尺度に対する感度曲線、および有効サンプルサイズの診断が含まれる。これにより、研究者は、単一の（おそらく脆弱な）借用重みにコミットするのではなく、OSのバイアスに関する仮定が変化するにつれて結論がどのように変化するかを報告することが可能となる。

著者らは、限界事項として、事前分布なしでは $b_\Delta$ が識別不可能であること（感度分析が必要となる）、潜在的アライメントのための共有共変量への依存、および大規模スケールにおける計算コストを挙げている。