Relative Sparsity for Medical Decision Problems

要約

既存の統計的手法は、ポリシー、または共変量から決定へのマッピングを推定できます。これにより、意思決定者に指示を与えることができます (たとえば、共変量の血圧と心拍数に基づいて低血圧治療を行うかどうか)。
このようなデータ駆動型のポリシーをヘルスケアで使用することに大きな関心が寄せられています。
しかし、医療提供者と患者に、新しい方針が現在の標準治療とどのように異なるかを説明することがしばしば重要です。
標準的なケアから新しく提案されたポリシーに移行するときに変化するポリシーの側面 (つまり、血圧と心拍数のパラメーター) を特定できれば、この目的は促進されます。
この目的のために、Trust Region Policy Optimization (TRPO) のアイデアを採用しています。
ただし、私たちの仕事では、TRPO とは異なり、提案されたポリシーと標準治療の違いは、解釈可能性を助けるために、まばらである必要があります。
これにより、「相対的なスパース性」が得られます。ここで、調整パラメーター $\lambda$ の関数として、標準的なケアの対応するものとは異なる、提案されたポリシーのパラメーターの数をおおよそ制御できます (心拍数など
それだけ）。
$\lambda$ を選択するための基準を提案し、シミュレーションを実行し、実際の観察医療データセットを使用してこの方法を説明し、現在の標準治療のコンテキストで説明しやすいポリシーを導き出します。
私たちの仕事は、健康転帰を改善する大きな可能性を秘めたデータ駆動型意思決定支援の採用を促進します。

要約(オリジナル)

Existing statistical methods can estimate a policy, or a mapping from covariates to decisions, which can then instruct decision makers (e.g., whether to administer hypotension treatment based on covariates blood pressure and heart rate). There is great interest in using such data-driven policies in healthcare. However, it is often important to explain to the healthcare provider, and to the patient, how a new policy differs from the current standard of care. This end is facilitated if one can pinpoint the aspects of the policy (i.e., the parameters for blood pressure and heart rate) that change when moving from the standard of care to the new, suggested policy. To this end, we adapt ideas from Trust Region Policy Optimization (TRPO). In our work, however, unlike in TRPO, the difference between the suggested policy and standard of care is required to be sparse, aiding with interpretability. This yields “relative sparsity,’ where, as a function of a tuning parameter, $\lambda$, we can approximately control the number of parameters in our suggested policy that differ from their counterparts in the standard of care (e.g., heart rate only). We propose a criterion for selecting $\lambda$, perform simulations, and illustrate our method with a real, observational healthcare dataset, deriving a policy that is easy to explain in the context of the current standard of care. Our work promotes the adoption of data-driven decision aids, which have great potential to improve health outcomes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google