異質な長期治療効果を推定するための直交ラーナー
arXiv cs.LG / 2026/4/2
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本稿は、短期RCTデータと長期の観測データを組み合わせて個別化された長期治療効果（HLTE）を推定する際、特にサブポピュレーションでの「オーバーラップ不足」により推定が不安定になる問題を扱っています。
- その解決として、LT-O-Learners（Long-Term Orthogonal Learners）を提案し、オーバーラップの低いサンプルを抑える「カスタムのオーバーラップ重み」で学習目的を再ターゲティングします。
- 提案手法の損失は重み付きのオラクル損失と等価で、Neyman直交性を満たすため、ヌイサンス推定の誤差に対して頑健であることを理論的に示しています。
- 一般の誤差境界や、準オラクル率（quasi-oracle rate）を達成する条件も提示し、さらにモデル非依存（model-agnostic）に任意の機械学習モデルへ実装可能であると述べています。
- 合成・準実データのベンチマークで低オーバーラップ設定でも理論特性、とりわけ頑健性が確認されたと報告しています。
