重建损失骗过所有人：n=3000时间接效应覆盖率竟跌到2%！
When Reconstruction Is Not Enough: Doubly Robust Counterfactual and Interventional Mediation Analysis with Learned Multimodal Representations
📖 AI 总结
该论文研究如何利用高维多模态健康记录的学习表征进行因果中介分析。作者指出，现有表征通常以重建数据为目标训练，而非保留因果识别所需的信息，因此未必足以控制混杂。论文给出了表征保持可识别性的条件，证明仅依赖协变量的训练目标（无论重建、对比还是物理约束）都无法保证表征充分；在线性结构模型中，表征可在重建精度几乎不损失的情况下引入任意大的偏差。作者将交叉拟合双稳健估计器的误差分解为一阶表征偏差与二阶余项，说明表征不足时样本量增大会使置信区间覆盖变差。为此提出一套工作流程，结合样本外训练的多模态变分自编码器、交叉拟合双稳健估计、锁定表型、先选后验路径分析及表征不足与暴露泄漏诊断。模拟显示，遗漏一个稀有中等强度混杂因素时，间接效应区间在样本量3000下覆盖率仅2%，重建损失未能发现问题，而简单预测诊断在每个重复中均能识别。
🔑 关键词速览
| 双稳健估计器 | 一种结合结果模型和倾向得分模型的因果效应估计方法，只要其中一个模型正确即可获得一致估计。 |
| 反事实结果 | 在替代治疗或暴露条件下可能发生但未实际观测到的结果。 |
| 干预中介分析 | 在暴露诱导的中间混杂下，将总效应分解为直接效应和间接效应的因果分析方法。 |
| 变分自编码器 | 一种生成式神经网络模型，通过编码器将数据映射到潜在空间并用解码器重建数据。 |
| 表示偏差 | 由于学习到的表示未能充分保留因果识别所需信息而导致的估计偏差。 |
📱 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