多版本治疗的因果推断及其在个性化医疗中的应用

高通量测序与靶向治疗的的发展催生了个性化医疗：患者的分子谱或特定药物反应生物标志物的存在，将对应于由医生或治疗分配算法给出的治疗推荐。此类算法的增多提出了如何量化其临床影响的问题，因为个性化医疗策略 inherently 包含不同版本的治疗。因此我们指定了一个带有多版本治疗的适当因果框架，以定义精准医疗策略中关注的因果效应，并使用观察数据模拟临床试验来估计它们。因此，我们确定治疗分配算法是否比不同对照组更有效：金标准治疗、观测治疗或靶向治疗的随机分配。精准医疗效应的因果估计首先在模拟数据上评估，与朴素估计治疗组间期望结局差异相比，它们显示出更低的偏倚和方差。各种模拟情景也指出了取决于临床情境（反应异质性、观测治疗分配等）的不同偏倚来源。我们还提供了一个RShiny交互式应用以进一步探索其他用户自定义情景。该方法随后应用于患者来源异种移植（PDX）数据：每位患者肿瘤被植入若干免疫缺陷克隆小鼠，随后用不同药物治疗，从而提供所有患者对应的所有药物敏感性。访问这些模拟反事实结局的独特临床前数据，得以验证所提方法获得的因果估计的可靠性。