🤖 AI

Conformal Prediction for Causal Effects of Continuous Treatments

Dit artikel introduceert een nieuwe conformal prediction-methode die geldige predictie-intervallen voor eindige steekproeven biedt voor de potentiële uitkomsten van continue behandelingen, zelfs wanneer de propensity score onbekend is en uit data moet worden geschat.

Oorspronkelijke auteurs: Maresa Schröder, Dennis Frauen, Jonas Schweisthal, Konstantin Heß, Valentyn Melnychuk, Stefan Feuerriegel

Gepubliceerd 2026-02-04

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Maresa Schröder, Dennis Frauen, Jonas Schweisthal, Konstantin Heß, Valentyn Melnychuk, Stefan Feuerriegel

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Het Grote Plaatje: Waarom we een "Veiligheidsnet" nodig hebben

Stel je voor dat je een arts bent die moet beslissen hoeveel chemotherapie je aan een kankerpatiënt geeft. Je hebt een computerprogramma (een AI) dat voorspelt hoe de tumor zal krimpen op basis van de dosering.

Het Probleem: De meeste AI-programma's geven je slechts één getal: "Als je 50 mg geeft, zal de tumor met 2 mm krimpen." Dit wordt een puntinschatting genoemd. Het is als een weersverwachting die zegt: "Het wordt exact 22°C." Maar wat als het eigenlijk 15°C of 28°C is? In de geneeskunde kan het fout zijn gevaarlijk. Je moet de range van mogelijkheden weten: "De tumor zal waarschijnlijk tussen de 1 mm en 3 mm krimpen."

De Oplossing: Dit paper introduceert een nieuw wiskundig "veiligheidsnet" genaamd Conformal Prediction. In plaats van alleen een gok te geven, tekent het een kader rondom het antwoord om te zeggen: "We zijn 95% zeker dat het echte antwoord binnen dit kader valt."

De Specifieke Uitdaging: Continue Doseringen

De meeste bestaande veiligheidsnetten werken alleen voor eenvoudige keuzes, zoals "Geef het medicijn" of "Geef het medicijn niet" (Binair). Maar in de echte wereld hebben artsen te maken met continue behandelingen—zoals het draaien aan een knop van 1 mg naar 100 mg.

De auteurs moesten twee lastige problemen oplossen om hun veiligheidsnet te laten werken voor deze continue knoppen:

1. Het "Nieuw Beleid" Probleem (De Verschuiving)

Stel je voor dat je een bestuurder traint in een simulatie waarbij ze altijd aan de rechterkant van de weg rijden (Observationele Data). Nu wil je hen testen in een land waar ze aan de linkerkant moeten rijden (Interventie).

Het Probleem: De rijgewoonten van de bestuurder (de datadistributie) zijn anders in dat nieuwe land. Als je de oude veiligheidsregels gebruikt, kunnen ze falen.
De Oplossing van het Paper: De auteurs hebben een manier gecreëerd om het veiligheidsnet wiskundig te "herkalibreren". Ze houden rekening met het feit dat de verkeersregels zijn veranderd, waardoor het veiligheidsnet nog steeds standhoudt, zelfs wanneer de behandeling van de patiënt anders is dan wat de AI eerder heeft gezien.

2. Het "Verborgen Kaart" Probleem (Onbekende Propensity)

In de echte wereld weten we vaak niet waarom een arts in het verleden een specifieke dosis heeft voorgeschreven. Misschien geeft Dr. Smith altijd hoge doses, terwijl Dr. Jones lage doses geeft. Wij noemen dit de propensity score (de verborgen kaart van hoe behandelingen worden gekozen).

Het Probleem: Normaal gesproken heb je deze verborgen kaart exact nodig om een perfect veiligheidsnet te bouwen. Maar in echte ziekenhuizen hebben we die kaart niet; we moeten deze schatten op basis van oude dossiers. Het schatten hiervan introduceert nieuwe fouten.
De Oplossing van het Paper: Dit is de grootste doorbraak van het paper. Ze hebben een veiligheidsnet gebouwd dat nog steeds werkt, zelfs als je de verborgen kaart moet schatten. Ze hebben wiskundig bewezen dat zelfs als je schatting over de gewoonten van de arts er iets naast zit, het veiligheidsnet geldig blijft en niet breekt.

Hoe ze het deden (De analogie van de "Gestrekte Rubberen Band")

Beschouw de voorspellingsfout van de AI als een rubberen band.

Standaard Methode: Je rekt de rubberen band uit op basis van oude gegevens om te zien hoe ver hij zou kunnen terugspringen.
De Methode van de Auteurs: Zij realiseerden zich dat wanneer je de behandeling verandert (de interventie), de rubberen band anders rekt omdat de "wind" (de datadistributie) is veranderd.
De Innovatie: Ze ontwikkelen een nieuwe manier om die rek te meten.
- Als je het windpatroon kent (Bekende Propensity), gebruiken ze een precieze formule om de rubberen band aan te passen.
- Als je het windpatroon niet kent (Onbekende Propensity), gebruiken ze een "worst-case scenario"-benadering. Ze gaan ervan uit dat de wind iets sterker of zwakker kan zijn dan je schatting, en ze rekken de rubberen band net genoeg op om die mogelijkheden te dekken.

Wat ze bewezen hebben (De Resultaten)

De auteurs hebben niet alleen een theorie bedacht; ze hebben het getest.

Synthetische Tests: Ze creëerden nep medische data waarbij ze het "ware" antwoord kenden. Ze vergeleken hun methode met andere populaire AI-onzekerheidsmethoden (zoals "MC Dropout," wat een veelgebruikte maar vaak onbetrouwbare truc is).
- Resultaat: De andere methoden gaven vaak "valse zelfverzekerdheid"—hun kaders waren te klein en misten het ware antwoord. De methode van de auteurs hield het ware antwoord consequent binnen het kader, precies zoals beloofd.
Real-World Test: Ze testten het op een echte dataset van IC-patiënten (MIMIC-III), waarbij ze de bloeddruk voorspelden op basis van hoe lang een patiënt aan een beademingsapparaat lag.
- Resultaat: Hun methode toonde bredere, eerlijkere intervallen voor patiënten die een ongebruikelijke behandelduur hadden (waar de data schaars was), terwijl andere methoden misleidend nauwe, risicovolle intervallen gaven.

De Kern van het Verhaal

Dit paper biedt een nieuw instrument voor artsen en datawetenschappers. Het stelt hen in staat om AI te gebruiken om de effecten van continue behandelingen (zoals medicijn doseringen) te voorspellen met een gegarandeerd veiligheidsnet.

Zelfs als de AI moet schatten hoe artsen gewoonlijk medicijnen voorschrijven, zorgt deze nieuwe methode ervoor dat de "veiligheidsbox" rond de voorspelling breed genoeg is om betrouwbaar te zijn. Dit is cruciaal voor sectoren waar veiligheid essentieel is, zoals de geneeskunde, waar het fout hebben ernstige gevolgen kan hebben.

Belangrijkste les: Zij zijn de eersten die een wiskundig bewezen "veiligheidskader" hebben gecreëerd voor continue medicijn doseringen dat werkt, zelfs wanneer we de geschiedenis van hoe die doseringen werden gekozen niet volledig begrijpen.

Technische Samenvatting: Conformal Prediction voor Causale Effecten van Continue Behandelingen

1. Probleemformulering

Het artikel behandelt de kritieke behoefte aan Onzekerheidskwantificering (UQ) in causale machine learning, specifiek voor continue behandelingen. Hoewel causale ML breed wordt toegepast in veiligheidskritische domeinen zoals gepersonaliseerde geneeskunde (bijv. chemotherapie-dosering), bieden bestaande methoden doorgaans alleen puntramingen, waarbij de voorspellingsonzekerheid wordt genegeerd.

De auteurs identificeren drie specifieke uitdagingen bij het toepassen van Conformal Prediction (CP) op continue causale effecten:

Distributieverschuiving (Uitdaging a): Interveniëren op een behandelvariabele verschuift de covariantendistributie (specifiek de propensity score). Dit schendt de uitwisselbaarheidsveronderstelling (exchangeability assumption) die inherent is aan standaard CP, waardoor standaard intervallen ongeldig worden tussen observationele en interventionele distributies.
Onbekende Propensity Scores (Uitdaging b): In observationele data is de propensity score onbekend en moet deze geschat worden. Deze schatting introduceert extra onzekerheid waar standaard CP-methoden geen rekening mee houden, wat kan leiden tot onderdekking (under-coverage).
Dataschaarste voor Continue Waarden (Uitdaging c): In tegenstelling tot binaire behandelingen, komen specifieke continue behandelwaarden zelden voor in de data, waardoor directe toepassing van discrete CP-methoden onmogelijk is.

Het doel is om eind-stele geldig voorspellingsintervallen $C(X_{n+1}, \diamond)$ te afleiden voor potentiële uitkomsten $Y_{n+1}(\diamond)$ onder ofwel harde interventies ( $a^*$ ) of zachte interventies ( $A^*(X_{n+1})$ ), zelfs wanneer de propensity score onbekend is en geschat moet worden.

2. Methodologie

De voorgestelde methode breidt Split Conformal Prediction uit om distributieverschuivingen veroorzaakt door interventies en onzekerheid door propensity-schatting op te vangen.

Kernframework

De methode maakt gebruik van een non-conformiteitsscore, doorgaans de residu $S_i = |Y_i - \phi(X_i, A_i)|$ , waarbij $\phi$ een willekeurig machine learning-model is. Het doel is om een interval te construeren zodanig dat $P(Y_{n+1}(\diamond) \in C) \geq 1 - \alpha$ .

De auteurs maken onderscheid tussen twee scenario's op basis van de beschikbaarheid van de propensity score $\pi(a|x)$ :

Scenario 1: Bekende Propensity Score

Wanneer het observationele beleid bekend is (bijv. in een gerandomiseerde studie of een setting met een bekend beleid), wordt de verschuiving gemodelleerd als een verandering van $\pi(a|x)$ naar $\pi(a+\Delta A|x)$ .

Aanpak: De auteurs herformuleren het probleem als een geaugmenteerde kwantielregressie. Ze definiëren een functieklasse $\mathcal{F}$ die de propensity-verschuiving representeert.
Optimalisatie: Ze leiden een duaal optimalisatieprobleem (Theorema 4.2) af om het $(1-\alpha)$ -kwantiel van de non-conformiteitsscores onder de verschoven distributie te vinden. Dit vermijdt de onhaalbaarheid van het oplossen voor alle mogelijke geïmputeerde scores door gebruik te maken van sterke dualiteitseigenschappen.
Resultaat: Theorema 4.2 biedt eind-stele dekkinggaranties voor potentiële uitkomsten onder bekende propensity-verschuivingen.

Scenario 2: Onbekende Propensity Score

Wanneer het beleid onbekend is, moet de methode harde interventies ( $a^*$ ) afhandelen waarbij de propensity een Dirac-deltafunctie wordt, en de score $\pi$ moet worden geschat ( $\hat{\pi}$ ).

Aanname: De schattingsfout is begrensd zodat de ratio $c_a = \hat{\pi}/\pi$ binnen $[1/M, 1/M]$ ligt voor een constante $M$ .
Smoothing: Om de discontinuïteit van de Dirac-deltafunctie op te vangen, benaderen de auteurs deze met een Gaussische kernel met variantie $\sigma^2 \to 0$ .
Optimalisatie: Het probleem wordt geformuleerd als een niet-convexe optimalisatie (Eq. 18) waarbij rekening wordt gehouden met de smoothing-parameter $\sigma$ en de foutmarge $c_a$ .
Theoretische Garantie: De auteurs bewijzen (Lemma 4.4) dat het probleem Type-I invex is en voldoet aan de Linear Independence Constraint Qualification (LICQ). Dit maakt het mogelijk om Karush-Kuhn-Tucker (KKT) condities te gebruiken om globale optimaliteit af te leiden.
Resultaat: Theorema 4.5 vestigt eind-stele dekkinggaranties voor onbekende propensity scores door te optimaliseren over de onzekerheidsgrenzen en smoothing-parameters.

3. Belangrijkste Bijdragen

Nieuwe Methode voor Continue Behandelingen: De eerste voorstel van conformal prediction intervallen voor potentiële uitkomsten van continue behandelingen, waarmee de kloof wordt gedicht die wordt achtergelaten door bestaande methoden die beperkt zijn tot binaire/discrete behandelingen.
Eind-stele Garanties onder Onbekende Propensity: Afleiding van geldige voorspellingsintervallen die rekening houden met de onzekerheid die wordt geïntroduceerd door het schatten van propensity scores, zonder asymptotische aannames te vereisen.
Algoritmische Implementatie: Een efficiënt algoritme (Alg. 1) voor het berekenen van deze intervallen met behulp van duale formuleringen en KKT-condities, waardoor een brute-force zoektocht over geïmputeerde scores wordt vermeden.
Empirische Validatie: Demonstratie van de effectiviteit op synthetische en real-world datasets.

4. Experimentele Resultaten

De auteurs hebben hun methode geëvalueerd tegen baselines, waaronder Monte Carlo (MC) Dropout, Deep Ensembles en Gaussian Process (GP) regressie.

Synthetische Datasets:
- Getrouwheid (Faithfulness): De voorgestelde CP-intervallen bereikten een empirische dekking die consistent was met het beoogde significantieniveau ( $1-\alpha$ ) over diverse zachte en harde interventies.
- Baselines: MC Dropout en Deep Ensembles vertoonden aanzienlijk lagere dekking (niet-getrouwe intervallen), en slaagden er vaak niet in de werkelijke uitkomst te vatten. GP-regressie bood alleen geldige dekking bij zeer kleine distributieverschuivingen, maar faalde onder grotere verschuivingen vanwege nauwe intervallen.
- Stabiliteit: De voorgestelde methode vertoonde een lage variabiliteit in empirische dekking vergeleken met de hoge variantie die werd waargenomen bij MC Dropout.
Real-World Dataset (MIMIC-III):
- Taak: Voorspellen van bloeddrukuitkomsten onder variërende duur van mechanische ventilatie.
- Observatie: De CP-intervallen weerspiegelden correct de hogere onzekerheid in behandelgebieden met schaarse trainingsdata (hoge ventilatieduur). In contrast waren de MC Dropout-intervallen smaller, wat duidt op onderdekking in deze kritieke regio's.

5. Betekenis en Claims

Het artikel claimt de eerste te zijn die conformal prediction voor continue behandelingen voorstelt waarbij de propensity score onbekend is en uit de data geschat moet worden.

Toepasbaarheid in Veiligheidskritische Domeinen: De methode biedt eind-stele geldigheidgaranties, wat het geschikt maakt voor veiligheidskritische toepassingen zoals gepersonaliseerde geneeskunde, waar asymptotische garanties (die kunnen falen bij kleine steekproeven) onvoldoende zijn.
Model-Agnostisch: De aanpak werkt met elk onderliggend machine learning-model $\phi$ voor de voorspelling van de uitkomst.
Robuustheid tegen Distributieverschuiving: In tegen tegenover standaard CP, houdt deze methode expliciet rekening met de distributieverschuiving veroorzaakt door de interventie, wat de geldigheid waarborgt zelfs wanneer de testdistributie verschilt van de trainingsdistributie.
Praktisch Nut: De auteurs merken op dat hoewel de methode conservatief is (potentieel bredere intervallen) wanneer de propensity-schatting slecht is of de data schaars is, deze conservativiteit de betrouwbaarheid waarborgt en gevaarlijke onderdekking voorkomt die bij andere UQ-methoden wordt gezien.

Dit werk vult een kritieke lacune in causale ML en maakt betrouwbare besluitvorming onder onzekerheid mogelijk voor continue behandelvariabelen in zowel experimentele als observationele settings.