TrialCalibre：用于 RCT 基准测试与观察性试验校准的全自动因果引擎
人工智能
2026-04-29 v1
摘要
模拟目标试验的真实世界证据（RWE）研究日益指导监管和临床决策，但残余且难以量化的偏差仍限制了其可信度。近期提出的 BenchExCal 框架通过“基准测试、扩展、校准”两阶段流程应对此挑战：首先将观察性模拟与现有的随机对照试验（RCT）进行比较，随后利用观测到的差异来校准针对新适应症的第二次模拟，以进行因果效应估计。尽管 BenchExCal 在方法学上功能强大，但其资源消耗大且难以扩展。我们引入了 TrialCalibre，一个概念化的多智能体系统，旨在自动化并扩展 BenchExCal 工作流。该框架包含协调器、协议设计、数据合成、临床验证和定量校准等专用智能体，协同完成整体流程。TrialCalibre 融合了智能体学习（如 RLHF）与知识黑板，以支持自适应、可审计且透明的因果效应估计。
引用
@article{arxiv.2604.25832,
title = {TrialCalibre: A Fully Automated Causal Engine for RCT Benchmarking and Observational Trial Calibration},
author = {Amir Habibdoust and Xing Song},
journal= {arXiv preprint arXiv:2604.25832},
year = {2026}
}
备注
5 pages , 2 figures