論文の概要: Individualized Multi-Treatment Response Curves Estimation using RBF-net
with Shared Neurons
- arxiv url: http://arxiv.org/abs/2401.16571v4
- Date: Thu, 8 Feb 2024 16:05:43 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-09 18:22:45.984868
- Title: Individualized Multi-Treatment Response Curves Estimation using RBF-net
with Shared Neurons
- Title(参考訳): 共有ニューロンを用いたRBF-netを用いた個別マルチトラック応答曲線推定
- Authors: Peter Chang, Arkaprava Roy
- Abstract要約: マルチ処理環境における新しい非パラメトリック処理効果推定法を提案する。
我々のモデルは、共有された隠れニューロンを持つ放射基底関数(RBF)ネットに依存している。
本手法をMIMICデータに適用し, 在宅中絶患者に対するICU滞在時間と12時間SOFAスコアに対する異なる治療方法の効果に関する興味深い知見を得た。
- 参考スコア(独自算出の注目度): 1.3135918065713799
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Heterogeneous treatment effect estimation is an important problem in
precision medicine. Specific interests lie in identifying the differential
effect of different treatments based on some external covariates. We propose a
novel non-parametric treatment effect estimation method in a multi-treatment
setting. Our non-parametric modeling of the response curves relies on radial
basis function (RBF)-nets with shared hidden neurons. Our model thus
facilitates modeling commonality among the treatment outcomes. The estimation
and inference schemes are developed under a Bayesian framework and implemented
via an efficient Markov chain Monte Carlo algorithm, appropriately
accommodating uncertainty in all aspects of the analysis. The numerical
performance of the method is demonstrated through simulation experiments.
Applying our proposed method to MIMIC data, we obtain several interesting
findings related to the impact of different treatment strategies on the length
of ICU stay and 12-hour SOFA score for sepsis patients who are home-discharged.
- Abstract(参考訳): 不均一な治療効果の推定は、精密医療において重要な問題である。
特定の関心は、いくつかの外部共変量に基づいて異なる治療の差分効果を特定することである。
マルチ処理環境における新しい非パラメトリック処理効果推定法を提案する。
反応曲線の非パラメトリックモデリングは、共有された隠れニューロンを持つ放射基底関数(RBF)-ネットに依存する。
これにより,治療結果間の共通性をモデル化する。
推定と推測スキームはベイズ的枠組みの下で開発され、効率的なマルコフ連鎖モンテカルロアルゴリズムを用いて実装され、解析のあらゆる面で不確実性を適切に調整する。
シミュレーション実験により,本手法の数値性能を実証した。
本手法をMIMICデータに適用し, 在宅中絶患者に対するICU滞在時間と12時間SOFAスコアに対する異なる治療方法の効果に関する興味深い知見を得た。
関連論文リスト
- Comparison of Methods that Combine Multiple Randomized Trials to
Estimate Heterogeneous Treatment Effects [0.1398098625978622]
複数のランダム化制御試験を活用することで、データセットと未確立の処理割り当ての組み合わせが可能になる。
本稿では,複数試行データを用いて不均一な治療効果を推定するための非パラメトリックなアプローチについて述べる。
論文 参考訳(メタデータ) (2023-03-28T20:43:00Z) - TCFimt: Temporal Counterfactual Forecasting from Individual Multiple
Treatment Perspective [50.675845725806724]
個別多面的治療の観点からの時間的対実予測の包括的枠組み(TCFimt)を提案する。
TCFimtは、選択と時間変化バイアスを軽減するためにSeq2seqフレームワークの逆タスクを構築し、比較学習ベースのブロックを設計し、混合処理効果を分離した主治療効果と因果相互作用に分解する。
提案手法は, 特定の治療法による今後の結果予測と, 最先端手法よりも最適な治療タイプとタイミングを選択する上で, 良好な性能を示す。
論文 参考訳(メタデータ) (2022-12-17T15:01:05Z) - Benchmarking Heterogeneous Treatment Effect Models through the Lens of
Interpretability [82.29775890542967]
治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。
ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。
我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
論文 参考訳(メタデータ) (2022-06-16T17:59:05Z) - Disentangled Counterfactual Recurrent Networks for Treatment Effect
Inference over Time [71.30985926640659]
本稿では,DCRN(Disentangled Counterfactual Recurrent Network)を提案する。
時間とともに治療効果の因果構造に完全にインスパイアされたアーキテクチャでは、予測精度と疾患理解が向上する。
実データとシミュレーションデータの両方において,DCRNが処理応答予測の最先端手法より優れていることを示す。
論文 参考訳(メタデータ) (2021-12-07T16:40:28Z) - SurvITE: Learning Heterogeneous Treatment Effects from Time-to-Event
Data [83.50281440043241]
時系列データから不均一な処理効果を推定する問題について検討する。
本稿では,バランス表現に基づく治療特異的ハザード推定のための新しいディープラーニング手法を提案する。
論文 参考訳(メタデータ) (2021-10-26T20:13:17Z) - NCoRE: Neural Counterfactual Representation Learning for Combinations of
Treatments [26.991483018857803]
本論文では, コンビネーション処理における反事実表現を学習する新しい手法であるニューラル反事実関係推定法(NCoRE)を提案する。
NCoREは、学習された治療相互作用変調器を含む新しい分岐状態神経表現に基づいており、複数の治療の組み合わせの基礎となる潜在的な因果生成過程を推測する。
論文 参考訳(メタデータ) (2021-03-20T13:25:00Z) - Efficient Causal Inference from Combined Observational and
Interventional Data through Causal Reductions [68.6505592770171]
因果効果を推定する際の主な課題の1つである。
そこで本研究では,任意の数の高次元潜入共創者を置き換える新たな因果還元法を提案する。
パラメータ化縮小モデルを観測データと介入データから共同で推定する学習アルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-03-08T14:29:07Z) - Evaluating (weighted) dynamic treatment effects by double machine
learning [0.12891210250935145]
本研究では,データ駆動方式で動的処理の因果効果を評価する。
いわゆるNeyman-orthogonal score関数を用いて,中等度(局所的な)不特定性に対する治療効果推定の頑健さを示唆する。
推定子は正規に正規であり、特定の条件下では$sqrtn$-consistentであることを示す。
論文 参考訳(メタデータ) (2020-12-01T09:55:40Z) - Estimating heterogeneous survival treatment effect in observational data
using machine learning [9.951103976634407]
観測データにおける不均一な処理効果を推定する方法は, 連続的あるいは二分的な結果に大きく焦点を絞っている。
対物的フレームワークで柔軟な機械学習手法を使用することは、複雑な個人特性による課題に対処するための有望なアプローチである。
論文 参考訳(メタデータ) (2020-08-17T01:02:14Z) - Prediction of Thrombectomy Functional Outcomes using Multimodal Data [2.358784542343728]
本稿では,マルチモーダルデータを直接活用し,血管内治療の成功を推定するための新しいディープラーニング手法を提案する。
我々は、チャネルワイドおよび空間的にグローバルな特徴間距離をモデル化するためのアテンションメカニズムをアーキテクチャに組み込んだ。
論文 参考訳(メタデータ) (2020-05-26T21:51:58Z) - Generalization Bounds and Representation Learning for Estimation of
Potential Outcomes and Causal Effects [61.03579766573421]
代替薬に対する患者一人の反応など,個人レベルの因果効果の推定について検討した。
我々は,表現の誘導的処理群距離を正規化することにより,境界を最小化する表現学習アルゴリズムを考案した。
これらのアルゴリズムを拡張して、重み付き表現を同時に学習し、治療群距離をさらに削減する。
論文 参考訳(メタデータ) (2020-01-21T10:16:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。