TL;DR
EHRのMNAR欠測と時間依存交絡をまとめて扱う二段階パイプライン。LLMが補完器を進化探索し、DAG制約付き時系列正規化フローが厳密な反事実推論を行う。合成・半合成で30–80%欠測を評価し、実データではGLP-1RAがSGLT-2iより1年体重で−0.98kgを示したが、正しいDAGなど前提と単一コホートでの検証に注意。
既存手法との違い
原論文では、欠測補完の比較としてLOCF、MissForest、DAG-aware flow matching（CFM、m-graphに着想）を挙げ、LLM駆動の進化的補完をGPT-5.4、GPT-OSS-120b、Qwen3.5-Plusの3バックエンドで評価している。30–80%のMNAR欠測下で、再構成誤差、バイオマーカーと治療・転帰の相関構造の保持、下流のATE回復を指標に比較し、LLM系が総合ランクで最良、GPT-5.4が全体最良、オープンソース模型も頑健性と再構成・因果指標のトレードオフを示したと報告している。因果推定器については、CausalFlow-TがDAG制約と厳密推論のアブレーションで二つの失敗モードに対応することを確認し、完全データで既知反事実を用いて検証したと述べる。提示本文には全比較表や詳細数値は含まれない。本記事は原論文の整理であり、追試はしていない。
使える条件
対象は、電子健康記録のような縦断的観測データで、時間変化する共変量・治療・転帰を持ち、MNAR欠測が存在する設定。入力には欠測マスク付きの不完全な縦断データ、専門家が指定する因果DAG、逐次無視可能性と正しいDAG指定の仮定が必要。評価は4つの合成データと1つの半合成データ、30–80%のMNAR欠測、スイス一次診療の2型糖尿病成人コホート（GLP-1RAまたはSGLT-2i開始、1年体重）で行われた。計算は単一HPCノードと記載されるが、詳細資源は提示本文からは確認できない。他の疾患・データ源・欠測率・欠測機構への適用可否は未知。
限界と未検証の範囲
逐次無視可能性と正しいDAG指定が前提で、DAGの誤指定は推定バイアスを伝播する。実データ適用は単一のスイス2型糖尿病コホートであり、実データには真の反事実がないため、RCT證據との一致は因果的真実の証明ではない。評価は主に合成・半合成データと30–80%のMNAR欠測に限定され、他の欠測率・欠測機構・疾患・治療・転帰への一般化は未検証。LLM補完は3バックエンドで評価されているが、他のLLM、コスト、再現性、運用上の制約は提示本文からは確認できない。提示本文は途中で切れており、付録や全実験結果の詳細は確認できない。
解説
ねえ智也、この論文ってEHRの欠測と治療効果推定をまとめてやる話？なんか難しそうだけど、要点だけ知りたいな。
うん。ざっくり言うと、EHRのMNAR欠測と時間依存交絡を、二段階でまとめて扱うパイプラインの論文だよ。
MNARって、欠測がランダムじゃないってやつだよね？なんでそれが治療効果の推定を難しくするの？
臨床では検査が疑いに基づいて行われるから、値そのものが欠測の確率に影響する。しかも時間で治療も共変量も変わる。既存手法は片方ずつしか扱わないことが多くて、そこが問題らしい。
なるほど。で、どうやって二段階にするの？
一段目がLLMで欠測補完。でもLLMが直接セルを埋めるんじゃなくて、Pythonの補完器候補を進化探索する。自己教師ありの代理スコアで、再構成誤差だけじゃなくて、バイオマーカーと治療・転帰の相関の歪みも罰する。
へえ、LLMは補完器を作る側なんだ。二段目は？
二段目がCausalFlow-T。DAG制約付きの時系列正規化フローで、患者履歴をLSTMで条件づける。CausalMAFを使って、介入は因果的な子孫にだけ伝わるようにする。で、AAPで厳密に反事実推論する。
厳密ってのが売りなんだね。評価はどうやってるの？
まず完全データで既知の反事実を使ってCausalFlow-Tを検証。DAG制約と厳密推論のアブレーションで、交絡分離と構造伝播が別々の失敗モードに対応すると報告してる。
評価は4つの合成データと1つの半合成データ。そのあと30–80%のMNAR欠測で補完を比較する。LOCF、MissForest、DAG-aware flow matchingのCFMベースラインに対して、LLM駆動の補完をGPT-5.4、GPT-OSS-120b、Qwen3.5-Plusの3バックエンドで評価。指標は再構成、因果相関構造の保持、下流のATE回復。
結果は？
論文では、LLM系が総合ランクで最良、GPT-5.4が全体最良。オープンソース模型も頑健性と、再構成と因果指標のトレードオフを示した、って報告。提示本文には全比較表の細かい数値までは確認できないけどね。
実データでも使ってるの？
スイス一次診療の2型糖尿病成人コホートで、GLP-1RAかSGLT-2iを開始した人の1年体重を推定。GLP-1RAがSGLT-2iより−0.98kg、95%CIは−1.01から−0.96でGLP-1RA寄り。RCT証拠と一致するって書いてある。
それってすごいの？
すごいけど、実データには真の反事実がないから、RCTと一致しても因果的真実を証明したわけじゃない。逐次無視可能性と正しいDAG指定が前提で、DAGを間違えるとバイアスが伝播する。実データは単一コホートだし、他の疾患・欠測率・欠測機構への一般化は未検証。
LLMのコストとか再現性は？
3バックエンドで評価してるけど、他のLLMやコスト、再現性、運用制約は提示本文からは確認できない。計算は単一HPCノードって書いてあるけど、詳細な資源も提示本文からは確認できない。あとこれは論文の整理で、僕らが実装や追試をしたわけじゃない。
そっか。じゃあ私の欠測したやる気もLLMに進化探索してもらおうかな。
その欠測はMNARじゃなくて、たぶん単なるサボりだろ。