論文の概要: SIRNET: Causal Adaptation of Pretrained Embeddings for Semiparametric Treatment-Effect Estimation Under Surrogacy
- arxiv url: http://arxiv.org/abs/2610.14011v1
- Date: Tue, 29 Sep 2026 04:56:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 23:09:14.114175
- Title: SIRNET: Causal Adaptation of Pretrained Embeddings for Semiparametric Treatment-Effect Estimation Under Surrogacy
- Title（参考訳）: SIRNET:半パラメトリック治療のためのプレトレーニングエンベディングの因果適応-サロガシーによる効果評価
- Abstract要約: SIRNETは,非構造的ポストサロゲートの存在下での因果推定のためのフレームワークである。
SIRNETは、結果予測、治療適合性、腕特異的サロゲートマーシャライゼーションのための共用アダプタを学習する。
Aatic Alzheimer's Disease (A4) における抗アミロイドと同様に, 合成および半合成実験におけるSIRNETの性能も検証した。
- 参考スコア（独自算出の注目度）: 2.815765641180636
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Modern experiments increasingly produce rich post-treatment objects---such as text, images, and video---that may provide early surrogate signals for outcomes that are delayed, expensive, or observed only for a subset of participants. A pretrained encoder can turn such an object into a strong generic embedding, but the embedding is not trained for the estimation tasks required by a causal estimator and may emphasize information irrelevant to the causal target. We propose SIRNET, a Surrogate-Informed Representation adaptation framework for neural-NETwork-based causal estimation in the presence of unstructured post-treatment surrogates. Starting from pretrained surrogate embeddings, SIRNET learns a shared adapter jointly for outcome prediction, treatment propensity, and arm-specific surrogate marginalization, beyond the generic pretraining objective. The resulting covariate and surrogate representations provide a common interface for these nuisance tasks. The final treatment-effect estimate and confidence interval are obtained from cross-fitted orthogonal scores that attain the semiparametric efficiency bound under the stated nuisance-rate conditions. We also validate SIRNET's performance in synthetic and semisynthetic experiments, as well as the Anti-Amyloid in Asymptomatic Alzheimer's Disease (A4) trial, using frozen pretrained brain-MRI embeddings as surrogates for a long-term outcome.
- Abstract（参考訳）: 現代の実験では、テキスト、画像、ビデオなどのリッチな後処理オブジェクトが作成され、遅延、高価、あるいは一部の参加者にのみ観察される結果に対して、早期にサロゲート信号を提供する可能性がある。
事前訓練されたエンコーダは、そのようなオブジェクトを強力な汎用的な埋め込みに変換することができるが、埋め込みは、因果推定器が必要とする推定タスクのために訓練されておらず、因果目標に関係のない情報を強調することができる。
本稿では,ニューラルネットワークに基づく因果推定のための代理表現適応フレームワークであるSIRNETを提案する。
SIRNETは、事前訓練されたサロゲート埋め込みから始まり、一般的な事前訓練目的を超えて、結果予測、治療の妥当性、腕固有のサロゲートマージン化のための共有アダプタを共同で学習する。
結果として得られる共変量および代理表現は、これらのニュアンスタスクに共通のインターフェースを提供する。
最終処理効果推定値と信頼区間は、前述のニュアンスレート条件下で半パラメトリック効率を達成できるクロスフィット直交スコアから得られる。
また、SIRNETの合成・半合成実験における性能や、無症候性アルツハイマー病(A4)臨床試験における抗アミロイド(抗アミロイド)の評価も行った。
関連論文リスト
- DR-Learners for Generalizing CATEs from a Randomized Controlled Trial [1.590516501958594]
対象集団に対する条件平均治療効果を一般化するgDR-Learnerを開発した。
我々は、ニュアンス誤差が積としてのみ入ってくる過度リスク境界を導出し、推定器がオラクルレート収束を達成することを示す。
冠状動脈手術研究の再検討を行った。
論文 参考訳（メタデータ） (2026-10-18T17:03:30Z) - Doubly Robust Proxy Causal Learning with Neural Mean Embeddings [58.8808794752741]
我々は、連続的かつ構造化された治療を用いて因果学習をプロキシするための、神経的に二重に頑健なフレームワークを開発する。
このフレームワークは、人口、不均一、条件付き線量応答関数をカバーし、完全な応答曲線推定器を生成する。
合成および画像評価ベンチマーク全体で、提案した推定器は既存のベースラインと単一ブリッジニューラル推定器より優れている。
論文 参考訳（メタデータ） (2026-05-10T12:50:25Z) - Proximal Path-Specific Inference [6.849668061523819]
因果媒介分析は、経路特異的な効果を複数の中間変数で推定するために拡張されている。
既存の方法は通常、一般的な未測定の共起を含む厳密な仮定に依存している。
経路固有効果に対する4つの非境界同定戦略を開発し、四重に頑健で局所的に効率的な推定器を提案する。
論文 参考訳（メタデータ） (2026-05-10T10:24:00Z) - Overlap-weighted orthogonal meta-learner for treatment effect estimation over time [90.46786193198744]
ヘテロジニアス治療効果(HTE)を推定するための新しい重み付きメタラーナーを提案する。
我々のWO-Larnerは、ノイマン直交性(Neyman-orthogonality)の好ましい性質を持ち、ニュアンス関数の誤特定に対して堅牢である。
我々のWO-learnerは完全にモデルに依存しず、あらゆる機械学習モデルに適用可能であることを示す。
論文 参考訳（メタデータ） (2025-10-22T14:47:57Z) - A Generative Framework for Causal Estimation via Importance-Weighted Diffusion Distillation [55.53426007439564]
観察データから個別化された治療効果を推定することは因果推論における中心的な課題である。
逆確率重み付け(IPW)は、この問題に対するよく確立された解決策であるが、現代のディープラーニングフレームワークへの統合は依然として限られている。
本稿では,拡散モデルの事前学習と重み付きスコア蒸留を組み合わせた新しい生成フレームワークであるIWDDを提案する。
論文 参考訳（メタデータ） (2025-05-16T17:00:52Z) - Flexible Nonparametric Inference for Causal Effects under the Front-Door Model [2.6900047294457683]
本研究では, 平均治療効果, 平均治療効果の両面から, 新規な1段階, 目標最小損失ベース推定装置を開発した。
我々の推定器は観測されたデータ分布のパラメータ化に基づいて構築され、メディエータ密度を完全に回避するアプローチを含む。
因果効果推定器の効率を向上させるためにこれらの制約をどのように活用できるかを示す。
論文 参考訳（メタデータ） (2023-12-15T22:04:53Z) - 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) - Causal Inference of General Treatment Effects using Neural Networks with
A Diverging Number of Confounders [12.105996764226227]
非確立状態下では、共同設立者に対する調整は、非パラメトリックな共同設立者に対して結果や治療に関連する迷惑関数を見積もる必要がある。
本稿では,ニューラルネットワーク(ANN)を用いた一般的な治療効果の効率的な評価のための一般化された最適化手法について考察する。
論文 参考訳（メタデータ） (2020-09-15T13:07:24Z) - 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) - On the role of surrogates in the efficient estimation of treatment effects with limited outcome data [43.17788100119767]
一次利害関係にない結果のみを代理する単位にデータを組み込むことは、ATE推定の精度を高めることができる。
我々は,これらの効率向上を実現するために,ロバストなATE推定と推論手法を開発した。
論文 参考訳（メタデータ） (2020-03-27T13:31:49Z)
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。