基于高斯过程模拟的最优动态治疗策略估计

在精准医学中，确定被称为动态治疗策略（DTRs）的最优决策规则序列是一项重要工作。研究者推断最优DTR的一种途径是通过贝叶斯动态边际结构模型（MSMs）。这些模型表示在遵循由参数 $\psi$ 索引的某一族DTR时该族DTR下的期望结局；将族中策略映射到遵循该DTR下期望结局的函数称为价值函数。允许直接识别最优DTR的模型可能导致有偏估计。若此类模型在计算上可行，通常认为对最优DTR进行网格搜索可消除这一困难。在贝叶斯框架下，若必须在每个网格点计算后验均值，计算困难可能加剧。我们旨在通过实现高斯过程（$\mathcal{GP}$）优化方法来缓解这些推断挑战，用于估计遵循指定DTR的因果效应。我们研究了价值函数多峰情形下如何识别最优DTR，这类情形在DTR文献中常未被涉及。我们得出结论：承认估计响应面中噪声的 $\mathcal{GP}$ 建模方法可改善结果。此外，我们发现网格搜索未必总能给出稳健解，且通常不如 $\mathcal{GP}$ 方法高效。我们通过分析一个临床数据集来说明所提方法的使用，旨在量化不同HIV治疗模式的效果。