医療統計のための機械学習-動的治療割り付けと強化学習ー
- 公開講座
- 医療統計のための機械学習-動的治療割り付けと強化学習ー
概要
医療統計において主要な目的の一つは治療の効果を正確に推論することが挙げられる.統計的に正確に行うためには静的な治療デザインが主流であったがアダプティブ・デザインに見られるように被験者グループごとに異なる治療を割り付ける方法も開発されてきた.近年,個人化医療の内容で被験者の個人ごとに動的な治療のレジューム(Dynamic Treatment Regime)を統計的な観点からアプローチする研究が展開されている.長期治療に伴う治療の割り付けを動的に行うときの最適性を求めることが目的である.このためには統計的な問題を反事実仮想に基づく潜在結果変数の推定や予測がキーとなる.本講座では機械学習の強化学習も援用しながらDTRを紹介する.強化学習の多くはマルコフ性を仮定した決定プロセスが研究されているが,DTRでは被験者の治療履歴を開始時期から最終観察期まで一つの軌跡として扱う必要がある.このような確率的枠組みで,James Robins,Susan Murphyたちの貢献によって理論は完成の域に達せられているが非常に難解である.提案されているQ-学習,G-推定,最適DTR,G-計算についてなるべく簡明な理解が得られるように適用された具体例などの紹介に努め,それぞれの方法論の問題点と今後の方向について考察する.
開催要項
参考書
Chakraborty, B., and E. E. Moodie. Statistical methods for dynamic treatment regimes. New York: Springer, 2013.