自动化因果推断在随机对照临床试验中的应用
统计方法学
2022-01-21 v3 人工智能
机器学习
摘要
随机对照试验（RCT）被视为临床领域检验因果假设的黄金标准。然而，利用标准统计方法研究假设因果路径中患者结局的预后变量并不可行。在此，我们提出一种基于不变因果预测（ICP）框架构建的新型自动化因果推断方法（AutoCI），用于对临床试验数据进行因果重解释。与现有方法相比，我们表明所提AutoCI能够高效确定因果变量，并在两项具有成熟结局及丰富临床病理与分子数据的子宫内膜癌患者真实世界RCT中给出清晰区分。这通过大幅抑制非因果变量的因果概率得以实现。在消融研究中，我们进一步证明即便存在混杂因素，AutoCI所分配的因果概率仍保持一致。总之，这些结果证实了AutoCI在未来真实世界临床分析应用中的鲁棒性与可行性。
引用
@article{arxiv.2201.05773,
title = {Automated causal inference in application to randomized controlled clinical trials},
author = {Jiqing Wu and Nanda Horeweg and Marco de Bruyn and Remi A. Nout and Ina M. Jürgenliemk-Schulz and Ludy C. H. W. Lutgens and Jan J. Jobsen and Elzbieta M. van der Steen-Banasik and Hans W. Nijman and Vincent T. H. B. M. Smit and Tjalling Bosse and Carien L. Creutzberg and Viktor H. Koelzer},
journal= {arXiv preprint arXiv:2201.05773},
year = {2022}
}
备注
Submitted to Nature Machine Intelligence. The code is publicly available via https://github.com/CTPLab/AutoCI