Transporting Randomized Trial Effects to Real-World Populations via Riesz-Calibrated Optimal Transport

技術要約：Riesz校正を用いた最適輸送による、ランダム化比較試験効果の実世界集団への輸送

問題提起
ランダム化比較試験（RCT）は内部妥当性の高い因果推論値を提供するが、試験参加者と対象集団との間の共変量分布の相違により、その一般化可能性（外部妥当性）はしばしば制限される。サンプリングの逆確率重み付け（IPSW）に基づくパラメトリックな傾向スコアモデルのような標準的な輸送手法は、モデルの誤設定やオーバーラップ（重なり）の弱さに敏感である。最適輸送（OT）は、共変量空間において集団を直接整列させる幾何学的な代替案を提供するが、標準的な正則化OT（特にエントロピー正則化OT）は、集団レベルのバイアスを誘発する。このバイアスは、正則化パラメータが固定されている限り、正則化された重みが、セミパラメトリックな効率性を達成するために必要なターゲット対試験の密度比を整合的に推定することを妨げる。

手法：RiCOT
著者らは、RiCOT（Riesz-calibrated Optimal Transport：Riesz校正最適輸送）を提案する。これは、Riesz校正を、半非均衡（semi-unbalanced）なエントロピー正則化OTフレームワークに直接組み込んだ手法である。

1. 半非均衡エントロピーOT： 本手法は、ターゲットの周辺分布を固定（推定対象となる集団を表現）し、試験側の周辺分布をカルバック・ライブラー（KL）ダイバージェンスによるペナルティを通じて緩和する輸送問題を定式化する。この「ソース緩和型」の定式化により、整列の悪い試験観測値に対して質量を減少させることが可能となり、弱いオーバーラップに適応できる。
2. 推論上のギャップ： 著者らは、固定されたエントロピー（$\epsilon$）およびソース緩和（$\rho$）パラメータの下では、誘導された試験側重み $r_{\epsilon, \rho}$ が、真の密度比 $r^\dagger = dQ_X/dP_X$ とは異なる偏った極限値に収束することを証明している。このバイアスは、サンプルサイズが増大しても消失しない集団オブジェクトである。
3. Riesz校正： これを補正するために、RiCOTはRieszモーメント条件を輸送最適化の中に直接課す。具体的には、増大する篩（sieve）の基底関数 $\mathcal{H}_J$ 上で、重み付けされた試験共変量がターゲットの共変量と一致するように強制する。
   • 校正は、生の輸送オフセットに対する乗法的指数型ティルトとして実装される：$\hat{r}(x) = \exp(\gamma \hat{L}(x) + \theta^\top b_J(x))$。ここで、$\hat{L}$ は輸送オフセットであり、$\theta$ は有限次元のパラメータである。
   • この構造は、OTの正値性と幾何学的特性を維持しつつ、効率的な因果推論に必要なバランス条件を満たす重みを保証する。
4. 二重に頑健な推定： 校正された重みは、アウトカム回帰モデル（クロスフィッティングを介して適合）と組み合わされ、治療を受けたターゲット集団における平均治療効果（$\tau_Q$）のためのワンステップ推定量を構築する。この推定量は、密度比をRiesz表現子として持つ効率的影響関数を利用する。

主な貢献

• 正則化バイアスの特性化： 本論文は、未校正のエントロピーOTにおける集団レベルの試験側重みの正確な不動点表現を導出している。また、バイアスがソース緩和成分（$\rho/\epsilon$ に比例）とエントロピー平滑化成分（$\epsilon$ に比例）からなるローカル展開を示す。決定的なのは、このバイアスは正則化パラメータが固定されている限り持続するため、アンダースムーシング（過小平滑化）を超えた補正が必要であることを証明している点である。
• Riesz校正輸送： 著者らは、正則化パラメータをゼロにする必要なく、正則化による歪みを取り除く校正メカニズムを導入した。彼らは、校正の篩（sieve）を増大させることで、正則化パラメータが固定かつ正の値であっても、校正された重みが $L^2(P_X)$ においてターゲット対試験の密度比を一貫して推定することを示す。
• セミパラメトリック効率性と二重の頑健性： 得られる推定量は、アウトカム回帰または校正された重みのいずれかが一貫している場合に一貫性を持つという、二重に頑健な性質を持つ。適切なレート条件（具体的には、誤差項の積が $o(N^{-1/2})$ であること）の下で、本推定量はセミパラメトリック効率境界を達成する。
• 分散推定： 論文では、再サンプリングや繰り返しのOT最適化を必要としない、影響関数に基づく直接的な分散推定量を提案しており、実用的な推論を容易にしている。

結果

• シミュレーション： ガウス型シフト、共分散ティルト、混合分布を含むシミュレーション研究において、RiCOTは、様々なオーバーラップおよび誤設定の設定下で、低いバイアスと近似的に公称通りの被覆率（95%）を示した。
  • サンプリング傾向スコアが誤設定されている場合、従来の増強IPW（AIPW-PS）は顕著なバイアスと不十分な被覆率を示したが、RiCOTは重みの分岐の整合性に依存することで妥当性を維持した。
  • アウトカムモデルと重みモデルの両方が誤設定されている場合でも、校正の次元を増大させることでRiCOTの妥当な推論が回復したが、効率性への定量的なコスト（分散が境界をわずかに上回る）が生じた。
  • 本手法は、標準的な傾向スコアの重みが不安定または無効になるような、オーバーラップが弱まる状況下でも安定していた。
• 実世界への適用： 本手法は、トランスサイレチン型アミロイド心筋症に対するタファミディスの治療効果を、ランダム化比較試験からリアルワールド・レジストリへ輸送するために適用された。30ヶ月死亡リスク差のRiCOTによる推定値（$-0.556$）は、アウトカム回帰ベースの推定値と一致したが、パラメトリックなIPWよりも堅牢な輸送メカニズムを提供した（IPWはより減衰した推定値$-0.476$ を示した）。

意義と主張
本論文は、分析計画が事前に規定される必要がある規制環境において、RiCOTをパラメトリックなサンプリング傾向スコア重み付けに対する堅牢な代替案として位置づけている。著者らは、本アプローチが、パラメトリックモデルの正しい特定に頼るのではなく、規定されたバランス条件を通じて密度比を標的にしていると主張している。

その意義は、最適輸送の幾何学的な柔軟性と、セミパラメトリックな因果推論の厳格な要件との間の溝を埋めることにある。正則化によって導入される特定のバイアスを特性化し補正することにより、著者らは、安定した固定パラメータのOTソルバーを使用しながら、妥当な輸送性に必要な一貫性と効率性を達成することを可能にした。本手法は、既存の手法（正しく特定されたパラメトリックモデルの方が効率的であり得ることを認めた上で）に対して一様に優れていると主張しているのではなく、実世界のエビデンス生成におけるモデル誤設定に対する必要なセーフガードとして提示されている。

著者らは、共通のベースライン共変量空間の仮定や、条件付き輸送可能性（データから検証できない）への依存といった限界についても言及している。また、生存時間アウトカムへの拡張や、リアルワールド・コントロールを含むデザインへの拡張を、今後の重要な課題として挙げている。