Heterogeneous Treatment Effect Estimation using machine learning for Healthcare application: tutorial and benchmark

要約

標的疾患に対する新薬の開発は、時間と費用がかかる作業であり、ドラッグリパーパシングは、医薬品開発分野で人気のあるトピックになっています。
多くの健康強調表示データが利用可能になるにつれて、そのデータについて多くの研究が行われてきました。
実世界のデータはノイズが多く、まばらで、多くの交絡因子があります。
さらに、多くの研究は、薬物の効果が集団間で異質であることを示しています。
近年、異種処理効果 (HTE) の推定に関する多くの高度な機械学習モデルが登場し、計量経済学および機械学習コミュニティに適用されています。
これらの研究は、医学と医薬品開発を主な応用分野として認識していますが、HTE 方法論から医薬品開発へのトランスレーショナル リサーチは限られています。
HTE 方法論をヘルスケア領域に導入し、医療請求データのベンチマーク実験で方法論を翻訳する際の実現可能性を検討することを目指しています。
また、ベンチマーク実験を使用して、モデルをヘルスケア研究に適用する際の解釈と評価の方法を示したいと考えています。
最新の HTE 手法を生物医学情報学コミュニティの幅広い読者層に紹介することで、機械学習を使用した因果推論の幅広い採用を促進することが期待されます。
また、個別化された薬効のための HTE の実現可能性を提供することも期待しています。

要約(オリジナル)

Developing new drugs for target diseases is a time-consuming and expensive task, drug repurposing has become a popular topic in the drug development field. As much health claim data become available, many studies have been conducted on the data. The real-world data is noisy, sparse, and has many confounding factors. In addition, many studies have shown that drugs effects are heterogeneous among the population. Lots of advanced machine learning models about estimating heterogeneous treatment effects (HTE) have emerged in recent years, and have been applied to in econometrics and machine learning communities. These studies acknowledge medicine and drug development as the main application area, but there has been limited translational research from the HTE methodology to drug development. We aim to introduce the HTE methodology to the healthcare area and provide feasibility consideration when translating the methodology with benchmark experiments on healthcare administrative claim data. Also, we want to use benchmark experiments to show how to interpret and evaluate the model when it is applied to healthcare research. By introducing the recent HTE techniques to a broad readership in biomedical informatics communities, we expect to promote the wide adoption of causal inference using machine learning. We also expect to provide the feasibility of HTE for personalized drug effectiveness.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google