Causal Survival Forests with Negative Controls

技術要約：負のコントロールを用いた因果生存フォレスト（Causal Survival Forests with Negative Controls）

問題の定式化
本論文は、右側打ち切り（right-censored）アウトカムと未観測の交絡という2つの同時的な課題を特徴とする、観察研究における生存解析における異質的治療効果（HTE）の推定に取り組んでいる。Causal Survival Forests (CSF) のような既存の機械学習手法は、HTEの柔軟な非パラメトリック推定を提供するが、通常、無視可能性（無視可能な交絡がないこと）の仮定に依存している。多くの生物医学的文脈において、この仮定は非現実的である。未観測の交絡因子は、治療効果の推定値に重大なバイアスをもたらす可能性がある。さらに、負のコントロールを利用して未観測の交絡に対処する標準的な近接因果推論フレームワークは、主にパラメトリックな仮定下での平均治療効果（ATE）や、打ち切りのないデータに対して開発されてきた。打ち切りと未観測の交絡の両方が存在する状況下で、HTEを推定できる柔軟な非パラメトリック手法は不足している。

手法：負のコントロールを用いた因果生存フォレスト（NC-CSF）
著者らは、近接因果推論と因果生存フォレストを統合した非パラメトリック学習器である、Negative Control Causal Survival Forests (NC-CSF) を提案している。この手法は、潜在的な交絡因子 ($U$)、主要な治療 ($A$)、および潜在的なアウトカムに対して特定の条件付き独立性を満たす、負のコントロール・アウトカム ($W$) および負のコントロール・治療 ($Z$) の利用可能性に依存している。

手法の中核は、未観測の交絡を調整するために「ブリッジ関数」を組み込んだランダムフォレストの損失関数を構築することである。アプローチは以下の通りである：

1. ブリッジ関数: この手法は、特定の条件付きモーメント方程式を満たすブリッジ関数 $f_a(w, x)$ および $q(z, x)$ の存在を仮定している。これらの関数により、潜在的な条件付きアウトカムおよび治療メカニズムを、観測可能な変数 ($W, Z, X$) を用いて表現することが可能となり、未観測の $U$ を実質的に回避できる。
2. 残差化: 著者らは、治療およびアウトカムの両方について、ブリッジ調整された残差を定義している。
   • 治療残差は $A^{res}_i = A_i - \hat{q}(Z_i, X_i)$ である。
   • アウトカム残差 $Y^{res}_i$ は、打ち切り補正されたブリッジ調整済み疑似アウトカムである。これは、観測されたイベント時間、打ち切りインジケーター、およびブリッジ推定値を組み合わせ、ノイズ関数（nuisance function）の推定誤差に対して直交するスコアを形成する。
3. 損失関数: フォレストは、アウトカム残差と、治療効果関数 $\tau(X)$ と治療残差の積との間の二乗誤差を最小化するように訓練される：
   $$\ell_{NC-CSF} = \sum_{i=1}^n (Y^{res}_i - \tau(X_i) A^{res}_i)^2$$
4. ノイズ関数の推定と直交性: 手法はネイマン直交化（Neyman orthogonalization）を採用しており、スコア関数が真の値において、ノイズ関数（傾向スコア、ブリッジ関数、打ち切りハザードなど）に関するパスウェイ微分がゼロであることを保証している。これにより、これらのノイズ関数の推定誤差に対する頑健性が提供される。著者らは、ノイズ関数の推定段階における過学習を防ぐために、クロスフィッティング（cross-fitting）を利用している。
5. 対象となる推定量: 手法は、重み付き異質的治療効果 $\tau^w(x)$ を対象としている。これは、潜在的な交絡因子が観測された共変量を超えて治療効果を修飾しない場合、または重み付け関数が治療効果と無相関である場合、標準的な条件付き平均治療効果（CATE）と一致する。

主な貢献

1. 手法的な革新: 本論文は、負のコントロールを用いて未観測の交絡を明示的に調整する、打ち切りを伴う生存データのための柔軟な非パラメトリック・フレームワークを導入している。これは、近接因果推論から導出されたブリッジ関数を取り入れることで、CSFの損失関数を拡張したものである。
2. 理論的正当化: 著者らは、提案された損失関数が未観測の交絡によるバイアスを軽減することを証明する理論的証明を提供している。彼らはスコアのネイマン直交性を確立し、推定量がノイズ関数の推定誤差に対して二次的な感度しか持たないことを示している。さらに、標準的な有界性とオーバーラップ条件の下で、クロスフィッティングされた推定量の漸近正規性と一致性を証明している。
3. 実証的パフォーマンス: 264の構成（交絡の強さ、プロキシの関連性、打ち切りメカニズム、および次元数を変化させたもの）にわたる広範なシミュレーションを通じて、NC-CSFは、標準的なCausal Survival Forests (CSF)、Random Survival Forests (RSF)、およびBARTを含む既存のベースラインと比較して、バイアスと推定誤差の大幅な減少を示した。
4. 実践的な実装: 著者らは、ノイズ関数の推定、変数のクリッピング、およびクロスフィッティングといった、安定した有限サンプル性能を確保するための実用的な実装の詳細を扱う、即時利用可能なPythonパッケージを提供している。

結果

• シミュレーション: 打ち切り設定において、NC-CSFは、マッチングされた打ち切りベースライン（ブリッジとなる負のコントロールを欠くもの）と比較して、制限付き平均生存時間（RMST）において40.2%、生存確率において22.2%のRMSE（平方根平均二乗誤差）の減少を実現した。また、外部の学習器である grf のR-CSF実装をも上回った。本手法は、様々なレベルの交絡やプロキシの質に対して頑健であったが、プロキシが非単射的または粗くなった場合には性能がわずかに低下した。
• 実データへの適用:
  • ACTG175 (HIV試験): ddI単独療法 vs ZDV+ddIのサブセットに適用したところ、NC-CSFは年齢依存的な治療効果を明らかにした。すなわち、ZDV+ddIの恩恵は、若い個体では負であり、高齢者では正であった。これは、一様に正の推定値を出した標準的なR-CSFとは対照的であり、既存の個別化治療ルールに関する文献とより一致している。
  • SUPPORT (右心カテーテル検査): 本手法は、30日生存率に対して負の平均治療効果を推定したが、これは観察研究の設定におけるRHCの有害性を示唆する先行文献と一致している。
  • MIMIC-IV (薬理学的研究): タクロリムスとCYP3A阻害剤の相互作用を分析したところ、NC-CSFはポジティブコントロール群において急性腎障害（AKI）のリスクの有意な増加を検出した一方で、イネルトコントロール群では効果を見出さなかった。これは、偽の信号を生成することなく、特定の相互作用を検出できる本手法の能力を示している。

意義と主張
本論文は、未観測の交絡が懸念される生存解析において、NC-CSFが実用的な解決策を提供すると主張している。これは、標準的な因果推論手法が失敗しやすいシナリオである。負のコントロールを柔軟な機械学習フレームット内で活用することで、本手法は、バイアスによって隠されてしまう可能性のある、解釈可能な治療効果の異質性のパターンを発見することを可能にする。著者らは、本手法が既存のベースラインを大幅に改善する一方で、負のコントロールの仮定の妥当性はアプリケーションに依存し、観測データのみから検証することはできないと強調している。また、対象となる推定量は重み付き平均であり、潜在的な治療効果の異質性がブリッジ調整された治療の変動と共変する場合、従来のCATEとは異なる可能性があることも述べている。本研究は、オープンソースソフトウェアによるサポートとともに、複雑な観察生存研究における、より堅牢な因果推論への一歩として提示されている。