Bayesian Neural Controlled Differential Equations for Treatment Effect Estimation

要約

連続時間における治療効果の推定は、個別化医療にとって極めて重要である。しかし、このタスクのための既存の手法は、潜在的な結果の点推定に限られており、不確実性の推定は無視されてきた。言うまでもなく、不確実性の定量化は、医療応用における信頼性の高い意思決定にとって極めて重要である。このギャップを埋めるために、我々は連続時間における治療効果推定のための新しいベイズ神経制御微分方程式（BNCDE）を提案する。このBNCDEでは、ニューラル制御微分方程式とニューラル確率微分方程式の連立系によって時間次元をモデル化し、ニューラル確率微分方程式によって扱いやすい変分ベイズ推論を可能にする。これにより、割り当てられた一連の治療に対して、我々のBNCDEは、潜在的な結果の意味のある事後予測分布を提供する。我々の知る限りでは、我々の方法は、連続時間における治療効果の不確実性推定を提供する最初のニューラル手法である。このように、我々の方法は、医療における信頼性の高い意思決定を促進するための直接的な実用的価値がある。

要約(オリジナル)

Treatment effect estimation in continuous time is crucial for personalized medicine. However, existing methods for this task are limited to point estimates of the potential outcomes, whereas uncertainty estimates have been ignored. Needless to say, uncertainty quantification is crucial for reliable decision-making in medical applications. To fill this gap, we propose a novel Bayesian neural controlled differential equation (BNCDE) for treatment effect estimation in continuous time. In our BNCDE, the time dimension is modeled through a coupled system of neural controlled differential equations and neural stochastic differential equations, where the neural stochastic differential equations allow for tractable variational Bayesian inference. Thereby, for an assigned sequence of treatments, our BNCDE provides meaningful posterior predictive distributions of the potential outcomes. To the best of our knowledge, ours is the first tailored neural method to provide uncertainty estimates of treatment effects in continuous time. As such, our method is of direct practical value for promoting reliable decision-making in medicine.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL