医療分野における経路特異的公正性と有用性のための因果発見アルゴリズムの評価

要約: 健康データにおける因果発見は、真値が未知である場合、評価の課題に直面します。我々は専門家と協力して代理の真値グラフを構築し、合成アルツハイマー病および心不全の臨床記録データのベンチマークを確立します。Peter-Clark、Greedy Equivalence Search、Fast Causal Inference のアルゴリズムを、構造回復と経路特異的公平性の分解の面から評価し、総合的な公平性スコアを超える評価を目指します。合成データでは、Peter-Clark が最良の構造回復を達成しました。心不全データでは、Fast Causal Inference が最も高い有用性を達成しました。経路特異的効果については、駆出分画が真値の間接効果に対して3.37パーセンテージポイント寄与しました。これらの差異は、アルゴリズム間で公平性と有用性の比率の変動を招きました。我々の結果は、臨床応用で因果発見を展開する際には、グラフを意識した公平性評価と、細粒度の経路特異的分析の必要性を浮き彫りにします。