井上浩輔 白眉センター／医学研究科准教授と古村俊昌 米国ハーバード大学（Harvard University）博士课程学生らの研究グループは、机械学习を用いた効果の异质性分析における、科学コミュニケーションのための実践的枠组みを提案しました。
因果関係を探る机械学习アルゴリズムを用いた効果の异质性分析が近年注目を集めています。しかし、これらの手法から得られるデータドリブンな知见は、人间が解釈し意思决定を行う上でのニーズと齟齬が生まれる可能性があることから、応用には注意が必要です。今回の研究では机械学习が提示するデータドリブンな知见と现実的な意思决定と统合する実践的なフレームワークが提案されました。
提案された枠组みは、机械学习を用いた効果の异质性の推定、解釈のためのサブグループ検出のために异なるデータを入力し、人间の意思决定のプロセスに近い决定木を用いて効果の异质性が特に大きい集団を特定します。また、一连の解析における解釈性を批判するための指标も提案しています。これらを组み合わせることで、机械学习が示しているパターンと现実的な意思决定で必要とされているパターンを批判的に吟味することができ、より解釈性?答责性が高い解析が可能となります。これは、効果の异质性を调査する疫学研究において、効果的な机械学习の活用と科学的コミュニケーションの両方を确保するための一般的な戦略となり得る可能性があります。
本研究成果は、2025年3月4日に、国際学術誌「European Journal of Epidemiology」にオンライン掲載されました。
【顿翱滨】
【书誌情报】
Toshiaki Komura, Falco J. Bargagli-Stoffi, Koichiro Shiba & Kosuke Inoue (2025). Two-step pragmatic subgroup discovery for heterogeneous treatment effects analyses: perspectives toward enhanced interpretability. European Journal of Epidemiology.
