提高下游医学因果推断的合成数据生成与评估
机器学习
2025-10-22 v1
摘要
因果推断对于开发和评估医学干预至关重要，但由于监管障碍，真实医学数据集往往难以获取。这使得合成数据成为可能的宝贵资产，使医学分析得以实现，以及新推断方法的开发本身。生成模型可以产生接近真实数据分布的合成数据，但现有方法不考虑下游因果推断任务的独特挑战，特别是针对治疗的任务。我们确立了一组期望值，使得包含治疗的合成数据在最大化下游效用方面满足：(i) 保存协变量分布，(ii) 保存治疗分配机制，以及(iii) 保存结果生成机制。基于这些期望值，我们提出了一组评估指标来评估此类合成数据。最后，我们提出了STEAM：一种用于医疗治疗效应分析的合成数据生成方法，该方法模拟包含治疗的数据生成过程，并针对我们的期望值进行优化。我们经验性地演示了STEAM在我们的指标上相对于现有生成模型实现了国际领先的性能，特别是在真实数据生成过程的复杂性增加时。
引用
@article{arxiv.2510.18768,
title = {Improving the Generation and Evaluation of Synthetic Data for Downstream Medical Causal Inference},
author = {Harry Amad and Zhaozhi Qian and Dennis Frauen and Julianna Piskorz and Stefan Feuerriegel and Mihaela van der Schaar},
journal= {arXiv preprint arXiv:2510.18768},
year = {2025}
}