제한평균생존기간 및 동적 치료규칙을 위한 인과·대조학습

Causal Inference with Restricted Mean Lifetimes and Dynamic Treatment Regimes

연구 내용

중도절단 생존자료에서 pseudo-value와 doubly-robust 절차를 사용해 치료효과와 동적 치료규칙을 추정하는 연구

관측연구에서 치료군 간 생존시간 차이는 혼동에 의해 왜곡될 수 있습니다. 연구실은 제한평균생존기간(RML)을 임상적으로 해석 가능한 효과지표로 두고, pseudo-observation을 활용하여 중도절단으로 인한 추정 복잡도를 완화합니다. 또한 outcome 회귀 모형과 inverse probability weighting을 결합한 doubly-robust 설계를 적용하여, 둘 중 하나의 모형이 올바르면 일관성을 확보하도록 구성합니다. 더 나아가 survival 엔드포인트를 갖는 동적 치료규칙(DTR) 문제에서는 pseudo-value 기반 contrast-learning을 통해 치료-특징 상호작용을 대조 형태로 직접 학습하며, SCAD 패널라이제이션으로 변수를 선택하고 다중 치료 옵션을 다루도록 확장합니다.

관련 프로젝트

3건

연구 흐름

첫 단계에서는 치료군 간 RML 차이를 인과효과로 해석하기 위해 pseudo-value 접근을 중심으로 설계했고, inverse probability weighting과 결합한 doubly-robust 추정기를 제시했습니다. 이후 중도절단이 있는 관측자료에서 다양한 연관 구조를 다루기 위해, 활용 가능한 머신러닝을 보조적으로 연결하는 방향을 포함했습니다. 다음 단계로 survival 엔드포인트를 갖는 동적 치료규칙으로 확장하여, doubly-robust 가중 분류에서 출발한 대조학습 구조를 도입하고 pseudo-value로 중도절단을 반영했습니다. 최근에는 SCAD 기반 변수 선택과 다중 치료 옵션 처리를 포함해 정책학습 절차를 구체화했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

제한평균생존기간 기반 치료효과 비교
관측연구 혼동 조정 인과추정
pseudo-observation 기반 생존 인과효과 추정
doubly-robust 치료효과 추정
동적 치료규칙 최적화
survival 엔드포인트 기반 정책학습
치료-특징 상호작용 대조학습
SCAD 기반 임상변수 선택
다중 치료 옵션 의사결정
AIDS/암 코호트 치료 전략 평가