Nuovo metodo risolve il paradosso bias-precisione nella medicina personalizzata

Un paradosso bias-precisione è stato scoperto dai ricercatori nell'ambito dell'apprendimento causale delle rappresentazioni, in particolare per la stima degli effetti del trattamento individualizzati a partire da dati osservazionali longitudinali. Propongono un nuovo metodo chiamato sampling-based maximum mean discrepancy (sMMD), che utilizza una tecnica di allineamento stocastico che sostituisce il bilanciamento avversario globale con un matching a livello di sottogruppo. Questo metodo è applicato all'interno di un framework progettato per la previsione di esiti controfattuali, garantendo un'interpretabilità basata sull'attribuzione. Valutato su due ampie coorti di terapia intensiva (n = 27.783), il framework ha dimostrato una maggiore accuratezza in presenza di cambiamenti distributivi, ottenendo riduzioni dell'errore fino all'11,5% e aumentando significativamente il richiamo in scenari ad alto rischio. Le analisi meccanicistiche indicano che sMMD conserva efficacemente le variabili clinicamente significative.