当重构不再足够：基于学习所得多模态表征的双重稳健反事实与干预中介分析

arXiv:2610.30220v1 公告类型：新提交 摘要：高维多模态健康记录的学习表征越来越多地被用于调整混杂，但这些表征的训练目标通常是重构数据，而非保留因果识别所需的信息。我们研究不同治疗方案下的反事实结局，包括表型特异性效应以及数字孪生所提供的患者层面反事实风险谱，并研究存在暴露诱导的中间混杂时的干预直接效应和间接效应。我们给出表征保留可识别性的条件，并表明干预中介分析比反事实比较要求更高。我们证明，任何仅基于协变量的训练目标，无论是重构、对比学习还是物理信息驱动，都无法保证表征的充分性；而在线性结构模型中，表征即使仅损失任意小的重构精度，也可能引入任意大的偏差。我们将交叉拟合双重稳健估计量的误差分解为一阶表征偏差与干扰参数估计误差的二阶余项，其中双重稳健性和交叉拟合均无法消除前者，因此当表征不充分时，覆盖率会随着样本量增加而恶化。我们提出一套工作流程，结合在估计样本之外训练的模态特异性变分自编码器、交叉拟合双重稳健估计量、预先锁定的表型、先筛选后确认的通路分析、可迁移表征，以及针对表征不充分、暴露信息泄漏和敏感性的诊断。在模拟中，丢弃一个罕见但作用强度中等的混杂因素，导致间接效应区间在 n = 3,000 时的覆盖率仅为 2%；重构损失未能发现这一问题，而一个简单的预测诊断方法在每次重复模拟中都标记出了该问题。