AI预测当替身，无需长期随访也能精准估算治疗效果！
Artificial intelligence surrogates for treatment effect estimation with before-and-after data
📖 AI 总结
该研究提出一种利用人工智能预测作为替代指标来估计治疗效应的方法，旨在解决临床重要结局测量成本高或随访周期长的问题。研究团队构建了一个框架，针对每位受治个体的治疗前后配对测量数据，将预训练AI模型应用于这些测量并比较其输出的结局预测，从而在个体内部进行对比。作者刻画了该方法能够识别受治者平均治疗效应的技术假设条件，即使在受治个体从未观测到临床结局的情况下依然成立。当这些假设无法满足时，研究采用预测驱动推断，借助少量已观测的临床结局校正偏差并获得有效推断。合成数据与真实世界心脏肿瘤学实验均验证了该方法的有效性和准确性。这项工作为利用AI预测替代传统替代生物标志物、降低治疗效应评估成本提供了新思路。
🔑 关键词速览
| 替代结局 (Surrogate Outcome) | 在无法直接测量主要临床结局时，用来替代主要结局的短期或廉价指标，如生物标志物。 |
| 治疗效应 (Treatment Effect) | 因果推断中，干预（如医疗治疗）对结局产生的因果影响，通常用平均治疗效应衡量。 |
| 预测驱动推断 (Prediction-Powered Inference) | 一种利用机器学习预测结果辅助统计推断的方法，可在少量真实标签下校正预测偏差。 |
| 接受治疗者的平均治疗效应 (Average Treatment Effect on the Treated, ATT) | 因果推断中的目标参数，表示实际接受治疗的个体群体中治疗的平均因果效应。 |
| 个体内对比 (Within-Person Contrast) | 利用同一个体治疗前后的测量差异来估计效应，控制个体不随时间变化的混杂因素。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅