Transport G-Computation: A Distributional Approach to Longitudinal Causal Inference via Optimal Transport

技術要約：Transport G-Computation (TGC)

問題提起
観察データを用いた縦断的な因果推論は、主に、時間依存性の交絡、治療割り当てと進化する患者状態との間のフィードバックループ、および介入後の不均一なアウトカム分布という大きな課題に直面している。従来の縦断的g-computation法は、通常、平均レベルの効果（例：平均治療効果）の推定に焦点を当てている。しかし、多くの臨床現場において、介入は単なる平均の変化ではなく、アウトカム分布の形状、分散、あるいは多峰性を変化させる可能性がある。さらに、パラメトリックなg-computationは、条件付き遷移モデルの正しい特定に大きく依存しており、データが非線形性、多峰性、不等分散性、または複雑なフィードバック構造を示す場合、これらのモデルはしばしば失敗し、系統的なバイアスを招く。したがって、硬直的なグローバル・パラメトリック仮定に依存することなく、複雑な動的依存性をロバストに扱うことができる、分布的因果効果を推定するための枠組みが必要とされている。

手法：Transport G-Computation (TGC)
著者らは、縦断的g-computationと最適輸送（Optimal Transport; OT）理論を統合した分布的フレームワークである、Transport G-Computation (TGC) を提案している。核心となる目的は、2つの静的な介入レジメン（$A_t \equiv 1$ および $A_t \equiv 0$）の下での終末潜在アウトカム分布間の2次ワッサースタイン距離（$W_2$）として定義される、ワッサースタイン因果効果（Wasserstein Causal Effect; WCE）を推定することである。

TGCアルゴリズムは以下の手順で進行する：

1. 識別（Identification）: 標準的な仮定（一致性、逐次的無視可能性、および陽性性）の下で、終末分布は縦断的g-formulaを介して識別される。
2. 局所的遷移推定（Local Transition Estimation）: 条件付き遷移カーネル $\mathbb{P}(L_{t+1} | L_t, A_t)$ に対するグローバルなパラメトリックモデルを適合させる代わりに、TGCは各時点および治療レベルにおけるノンパラメトリックな近似を構築する。
   • 観測されたデータペア $(L_t, L_{t+1})$ （ただし $A_t = a$）から経験的遷移ライブラリを抽出する。
   • クエリ状態に対し、近傍の最近傍点（nearest neighbors）を特定してサブサンプルを形成し、高次元のバイアスを軽減するために推定を観測領域内に限定する。
   • この局所的なサブサンプル上でエントロピー正則化された最適輸送問題を解き、ソース状態とターゲット状態の間の「ソフトマッチング」による結合（coupling）を生成する。これにより、経験的分布の多峰性と確率的構造が保持される。
   • 局所的なソース状態にガウスカーネル重みを適用し、OT結合を行方向正規化することで、局所的な条件付き分布を形成する。
3. 再帰的シミュレーション（Recursive Simulation）: 初期状態のサンプルから開始し、各ステップで推定された局所的な条件付き分布からサンプリングを行うことで、静的な介入下での軌跡を再帰的にシミュレートする。
4. 効果推定（Effect Estimation）: 得られた2つの介入アームの経験的終末分布間のワッサースタイン距離を計算する。
5. 陽性性の取り扱い（Positivity Handling）: アルゴリズムは、局所的な近傍におけるサンプル充足性を明示的にチェックする。有効サンプルサイズが閾値を下回る場合、アルゴリズムは外挿を行うのではなく、陽性の欠如（positivity violation）をフラグ立てし、それによって偽の推定を回避する。

主な貢献

1. 分布的因果ターゲット: 本論文は、縦断的因果効果の形式的な推定対象として、平均のみに焦点を当てるのではなく、位置、広がり、および形状の変化を捉えるワッサースタイン距離を導入している。
2. 新規フレームワーク: グローバルなパラメトリック仮定なしに、静的な介入下での終末分布を推定するために、局所的なカーネル平滑化と最適輸送結合を組み合わせたTGCを提案している。
3. 理論的分析: 著者らは、標準的な因果仮定の下でのWCEの識別証明を提供し、局所的遷移推定量の近似特性を分析している。彼らは、終末誤差が局所的な推定誤差の総和によって抑えられることを確立し、各再帰ステップにおける安定性の重要性を強調している。
4. 診断機能: 本手法には、陽性の欠如を診断し報告するための明示的なメカニメントが含まれており、制御不能な外挿を防止している。

結果
TGCの性能は、4つのシミュレーションシナリオ（各100回の反復試行）において、パラメトリックg-computationと比較して評価された：

• 線形ガウスシナリオ: パラメトリックg-computationがTGCを上回った（RMSE 0.075 vs. 0.659）。これは、真のモデルが線形かつ正しく特定されている場合、パラメトリックなアプローチの方が優れており、TGCが不要な平滑化バイアスを導入することを示している。
• ガウス混合シナリオ: パラメトリックg-computationの方が依然として正確であった（RMSE 0.080 vs. 0.252）。TGCは、これらの特定の条件下で期待された多峰的構造の捕捉における優位性を示せず、近傍サイズや正則化強さといったハイパーパラメータへの感度を示唆した。
• 交絡フィードバックシナリオ: TGCは最も強い優位性を示し、RMSEを1.821（パラメトリック）から0.486へと大幅に減少させた。動的なフィードバックを伴うこの複雑な設定において、局所的なOTアプローチは、パラメトリックなベースラインにおけるモデル誤設定による系統的バイアスを効果的に軽減した。
• 非線形不等分散シナリオ: 両手法とも相当な誤差を示した（両者ともRMSE ~3.65）。これは、どちらのアプローチもこの特定の状況における複雑な分布構造を完全には捉えきれなかったことを示している。
• 計算コスト: TGCは大幅に低速であり、パラメトリック法が約1.1秒であったのに対し、1回の反復につき約136〜235秒を要した。これは、約2桁のオーバーヘッドに相当する。
• 安定性: 両手法ともすべてのシナリオで0%の失敗率を達成し、TGCは明示的な診断を通じて陽性の崩壊を回避することに成功した。

意義と主張
本論文は、TGCがパラメトリックg-computationの普遍的な優れた代替品であるとは結論付けていない。その主な価値は、動的なフィードバック交絡が存在し、パラメトリックモデルが誤設定を起こしやすい複雑な分布遷移を特徴とするシナリオにある。そのような設定において、TGCは分布的因果推論のための、よりロバストで柔軟かつ解釈可能なアプローチを提供する。

しかし、著者らは、単純で正しく特定された線形設定においては、バイアスと分散が低いことから伝統的なパラメトリック手法の方が好ましいことを謙虚に認めている。また、TGCは現在、多大な計算コストを要し、慎重なハイパーパラメータのチューニングが必要であることも指摘している。本手法は、すべての縦断的因果問題に対するデフォルトの解決策としてではなく、平均の変化よりも分布の変化に焦点を当て、フィードバック構造が標準的なモデリングを複雑にする観察医学研究のための専門的なツールとして位置付けられている。効率性、ハイパーパラメータ選択、および大規模データへの実用的な実装を改善するために、今後の研究が必要であるとされている。