論文の概要: SurvHTE-Bench: A Benchmark for Heterogeneous Treatment Effect Estimation in Survival Analysis

• arxiv url: http://arxiv.org/abs/2603.05483v1
• Date: Thu, 05 Mar 2026 18:52:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-06 22:06:11.3815
• Title: SurvHTE-Bench: A Benchmark for Heterogeneous Treatment Effect Estimation in Survival Analysis
• Title（参考訳）: SurvHTE-Bench: 生存分析における不均一処理効果評価のベンチマーク
• Authors: Shahriar Noroozizadeh, Xiaobin Shen, Jeremy C. Weiss, George H. Chen,
• Abstract要約: 右心温存生存データからヘテロジニアス治療効果(HTEs)を推定することは、ハイテイクな応用において重要である。 SurvHTE-Benchは、検閲された結果を伴うHTE推定のための最初の総合的なベンチマークである。
• 参考スコア（独自算出の注目度）: 6.859745971148804
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Estimating heterogeneous treatment effects (HTEs) from right-censored survival data is critical in high-stakes applications such as precision medicine and individualized policy-making. Yet, the survival analysis setting poses unique challenges for HTE estimation due to censoring, unobserved counterfactuals, and complex identification assumptions. Despite recent advances, from Causal Survival Forests to survival meta-learners and outcome imputation approaches, evaluation practices remain fragmented and inconsistent. We introduce SurvHTE-Bench, the first comprehensive benchmark for HTE estimation with censored outcomes. The benchmark spans (i) a modular suite of synthetic datasets with known ground truth, systematically varying causal assumptions and survival dynamics, (ii) semi-synthetic datasets that pair real-world covariates with simulated treatments and outcomes, and (iii) real-world datasets from a twin study (with known ground truth) and from an HIV clinical trial. Across synthetic, semi-synthetic, and real-world settings, we provide the first rigorous comparison of survival HTE methods under diverse conditions and realistic assumption violations. SurvHTE-Bench establishes a foundation for fair, reproducible, and extensible evaluation of causal survival methods. The data and code of our benchmark are available at: https://github.com/Shahriarnz14/SurvHTE-Bench .
• Abstract（参考訳）: 右室温存生存データからヘテロジニアス治療効果(HTE)を推定することは、精密医療や個別化政策作成といった高度な応用において重要である。 しかし、生存分析設定は、検閲、未観測の反事実、複雑な識別仮定により、HTE推定に固有の課題を生じさせる。 コーサルサバイバル・フォレストからサバイバル・メタ・ラーナー(英語版)まで、近年の進歩にもかかわらず、評価の実践は断片化され、一貫性がないままである。 検閲結果を用いたHTE推定のための最初の総合的なベンチマークであるSurvHTE-Benchを紹介する。 ベンチマークが広がる (i) 土台真理、体系的に異なる因果仮定、生存ダイナミクスを有する合成データセットのモジュラースイート。 (II)実世界の共変をシミュレートされた治療と結果と組み合わせた半合成データセット 第三に、双子の研究(地上の真実が知られている)とHIV臨床試験から得られた実世界のデータセット。 合成, 半合成, 実世界の環境において, 種々の条件下での生存HTE法と現実的仮定違反の厳密な比較を行った。 SurvHTE-Benchは、因果生存方法の公平で再現可能で拡張可能な評価のための基盤を確立している。 ベンチマークのデータとコードは、https://github.com/Shahriarnz14/SurvHTE-Bench で公開されている。

関連論文リスト

• Estimating Aleatoric Uncertainty in the Causal Treatment Effect [4.106464332077651]
  本研究は,治療応答に固有のアレータリック不確かさの自然な尺度として,治療効果のばらつき(VTE)と治療効果の条件分散(CVTE)を紹介した。 これらの量は、観測されたデータから、観測されていない共同創設者の存在下においても、軽微な仮定で特定可能であることを実証する。
  論文  参考訳（メタデータ） (2026-02-09T10:11:32Z)
• Methodology for Comparing Machine Learning Algorithms for Survival Analysis [55.65997641180011]
  生存分析のための6つの機械学習モデルを評価した。 XGB-AFTは最高性能(C-Index = 0.7618; IPCW = 0.7532、GBSAとRCF)を達成した。
  論文  参考訳（メタデータ） (2025-10-28T14:42:28Z)
• Improving the Generation and Evaluation of Synthetic Data for Downstream Medical Causal Inference [89.5628648718851]
  因果推論は医療介入の開発と評価に不可欠である。 現実の医療データセットは、規制障壁のためアクセスが難しいことが多い。 本稿では,医学における治療効果分析のための新しい合成データ生成法STEAMを提案する。
  論文  参考訳（メタデータ） (2025-10-21T16:16:00Z)
• Can synthetic data reproduce real-world findings in epidemiology? A replication study using tree-based generative AI [0.6268282038459305]
  疫学データを合成するための効率的かつ便利な方法として, 対向ランダム林(ARF)を提案する。 6つの疫学論文から統計学的解析を再現し,原本と合成結果を比較した。 複数の合成データ複製の結果は、元の結果と一貫して一致している。
  論文  参考訳（メタデータ） (2025-08-19T22:51:40Z)
• Prediction-Powered Causal Inferences [59.98498488132307]
  予測型因果推論(PPCI)に焦点をあてる まず, 条件付きキャリブレーションにより, 人口レベルでの有効なPPCIが保証されることを示す。 次に、実験間での十分な表現制約伝達の妥当性を導入する。
  論文  参考訳（メタデータ） (2025-02-10T10:52:17Z)
• Heterogeneous Treatment Effect in Time-to-Event Outcomes: Harnessing Censored Data with Recursively Imputed Trees [10.329891257998597]
  既存の方法は、しばしば完全な観察を前提としており、その仮定は、右検閲による生存データに違反している。 我々は,不均一な治療効果を推定するための新しい,一般かつ非パラメトリックな方法であるMultiple Imputation for Survival Treatment Response (MISTR)を紹介した。
  論文  参考訳（メタデータ） (2025-02-03T17:59:34Z)
• CATE Estimation With Potential Outcome Imputation From Local Regression [24.97657507206549]
  本研究では,条件付き平均処理効果推定のためのモデルに依存しないデータ拡張手法を提案する。 このアイデアにインスパイアされた我々は、潜在的に欠落する可能性を確実に示唆する対照的な学習手法を提案する。 提案手法の有効性を実証する理論的保証と広範な数値的研究の両方を提供する。
  論文  参考訳（メタデータ） (2023-11-07T00:36:51Z)
• Heterogeneous Treatment Effect Estimation for Observational Data using Model-based Forests [0.0]
  本研究では,観測データにおける不整合問題に対処するため,モデルに基づく森林の修正を提案する。 この戦略は,様々な結果分布を模擬した実験において,コンバウンディング効果を低減させることがわかった。 筋萎縮性側索硬化症の進行に対するリルゾールの潜在的ヘテロジニアス効果を評価することにより,HTEの生存率と経時的成績を推定する実践的側面を示す。
  論文  参考訳（メタデータ） (2022-10-06T11:49:39Z)
• Improving Data-driven Heterogeneous Treatment Effect Estimation Under Structure Uncertainty [13.452510519858995]
  ヘテロジニアス処理効果(HTE)推定(英:heregeneous treatment effect, HTE)は、意思決定や政策実施において重要な要素である。 本研究では,HTE推定のための特徴値を考慮した特徴選択手法を開発し,データから因果構造の関連部分を学習する。
  論文  参考訳（メタデータ） (2022-06-25T16:26:35Z)
• Robust and Agnostic Learning of Conditional Distributional Treatment Effects [44.31792000298105]
  問題クラスに対する条件付きDTE(Conditional DTE)を学習するための、新しい堅牢でモデルに依存しない方法論を提供する。 本手法は回帰モデルクラスにCDTEの最良のプロジェクションを提供することができるため,モデルに依存しない。 シミュレーションにおける提案手法の挙動と,富に対する401(k)の適格性の影響を事例として検討した。
  論文  参考訳（メタデータ） (2022-05-23T17:40:31Z)
• Doing Great at Estimating CATE? On the Neglected Assumptions in Benchmark Comparisons of Treatment Effect Estimators [91.3755431537592]
  もっとも単純な設定であっても、無知性仮定に基づく推定は誤解を招く可能性があることを示す。 異種処理効果評価のための機械学習ベンチマークデータセットを2つ検討した。 ベンチマークデータセットの固有の特性が、他のものよりもいくつかのアルゴリズムを好んでいる点を強調します。
  論文  参考訳（メタデータ） (2021-07-28T13:21:27Z)
• Bootstrapping Your Own Positive Sample: Contrastive Learning With Electronic Health Record Data [62.29031007761901]
  本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。 EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。 私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
  論文  参考訳（メタデータ） (2021-04-07T06:02:04Z)
• Enabling Counterfactual Survival Analysis with Balanced Representations [64.17342727357618]
  生存データは様々な医学的応用、すなわち薬物開発、リスクプロファイリング、臨床試験で頻繁に見られる。 本稿では,生存結果に適用可能な対実的推論のための理論的基盤を持つ統一的枠組みを提案する。
  論文  参考訳（メタデータ） (2020-06-14T01:15:00Z)
• Predictive Modeling of ICU Healthcare-Associated Infections from Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling Approach [55.41644538483948]
  本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。 感染発生率の低減に向けた意思決定を支援することを目的とする。
  論文  参考訳（メタデータ） (2020-05-07T16:13:12Z)

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。