利用异方差噪声模型识别患者特异性根因
机器学习
2023-07-10 v2 机器学习
应用统计
统计方法学
摘要
复杂疾病由多种因素引起，即使在同一诊断类别内，不同患者之间的致病因素也可能不同。然而，少数潜在的根因可能在每个患者体内启动疾病的发展。因此我们聚焦于识别患者特异性的疾病根因，将其等同于结构方程模型中 exogenous 误差项的样本特异性可预测性。我们从线性设定推广到异方差噪声模型，其中 ，非线性函数 和 分别表示条件均值与平均绝对偏差。该模型保持可识别性，但引入了非平凡的挑战，需要一种称为广义根因果推断（Generalized Root Causal Inference, GRCI）的定制算法来正确提取误差项。GRCI 比现有替代方法更准确地恢复患者特异性根因。
引用
@article{arxiv.2205.13085,
title = {Identifying Patient-Specific Root Causes with the Heteroscedastic Noise Model},
author = {Eric V. Strobl and Thomas A. Lasko},
journal= {arXiv preprint arXiv:2205.13085},
year = {2023}
}