ContiVAE: un avance en la estimación de efectos causales continuos con presencia de confusores no observados

En un esfuerzo por mejorar la capacidad de inferir efectos causales de tratamientos continuos, académicos de la Universidad de Tsinghua han introducido el nuevo marco ContiVAE. Esta innovadora herramienta aborda la complejidad de tratamientos que varían de manera continua, algo crucial en campos como la medicina y las ciencias sociales.

Las metodologías existentes en el ámbito de la inferencia causal han estado principalmente limitadas a la evaluación de efectos causales de tratamientos binarios o a condiciones en las que todos los factores confusores pueden ser medidos. ContiVAE llena este vacío al permitir la estimación de curvas individuales de respuesta a la dosis, incluso en presencia de confusores no observados.

El equipo de investigación, liderado por Shutong Chen y Yang Li, utiliza un auto-encoder variacional con una distribución Tilted Gaussian como medio para modelar confusores ocultos como variables latentes. Esta aproximación permite predecir el resultado potencial a cualquier nivel de tratamiento para cada individuo, capturando de manera efectiva la heterogeneidad entre las personas.

Experimentos realizados en conjuntos de datos semisintéticos han demostrado que ContiVAE supera hasta en un 62% a los métodos existentes, evidenciando su robustez y flexibilidad. Además, aplicaciones en un conjunto de datos real de actividades voluntarias han ilustrado su utilidad práctica para responder preguntas causales en la vida real.