超越ATE:关于剂量和时间中治疗效应的可解释建模
机器学习
2025-07-23 v2
摘要
平均处理效应(ATE)是因果推断中的基础指标，广泛用于评估随机对照试验(RCT)中干预的疗效。然而，在许多应用——特别是在医疗保健领域——这一静态概述无法捕捉随剂量和时间变化而变化的治疗效应的细腻动力学。我们提出了一个框架，用于对治疗效应轨迹作为剂量和时间上的平滑曲面进行建模，从而提取临床可操作的见解，如起始时间、峰值效应和疗效持续时间。为确保可解释性、鲁棒性和可验证性——高风险领域的关键要求——我们将最近的可解释轨迹建模框架(SemanticODE)适应到因果环境中，其中治疗效应永远无法直接观察。我们的ethods通过分离轨迹形状的估计与临床相关属性(如最大值、拐点)的指定，支持基于域的先验、事后编辑和透明分析。我们表明，我们的方法yield准确、可解释且可编辑的治疗动力学模型，促进了严格的因果分析和实际决策。
关键词
引用
@article{arxiv.2507.07271,
title = {Beyond the ATE: Interpretable Modelling of Treatment Effects over Dose and Time},
author = {Julianna Piskorz and Krzysztof Kacprzyk and Harry Amad and Mihaela van der Schaar},
journal= {arXiv preprint arXiv:2507.07271},
year = {2025}
}
备注
Presented at the Actionable Interpretability Workshop at ICML 2025