生存分析中的因果推断：挑战与方法

1. 生存分析中的因果推断挑战

在医疗预后、金融风控和工业设备维护等领域，我们经常需要回答"如果采取某种干预措施会产生什么效果"这类因果问题。生存分析作为处理时间至事件数据的标准框架，其核心挑战在于数据的高删失率——我们可能无法观察到所有个体的最终事件发生时间。传统因果推断方法如Double-ML在处理这类数据时，往往忽略了生存时间的特殊结构，导致在删失率较高场景下表现欠佳。

最近在ICLR 2026发表的研究通过系统实验揭示了这一问题的严重性：当删失率超过50%时，标准因果模型的RMSE指标可能恶化60%以上。这促使我们深入思考：如何在存在大量删失数据的情况下，依然能准确估计因果效应？

2. 核心方法分类与原理剖析

2.1 传统因果推断方法

传统方法主要分为三类：

1. 结果插补法：如T-Learner、S-Learner和X-Learner，通过构建两个独立的模型分别估计处理组和对照组的潜在结果
2. 双重机器学习：Double-ML通过正交化处理估计偏差，其核心在于Neyman正交得分函数
3. 因果森林：基于广义随机森林框架，通过自适应邻域划分实现局部因果效应估计

这些方法的共同特点是直接将生存时间作为连续变量处理，忽略了删失机制对估计的影响。在低删失场景（<20%）下，这种简化尚可接受，但当数据缺失率升高时，偏差会显著增大。

2.2 生存专用因果方法

针对生存数据的特殊性，研究者开发了专用方法：

直接生存CATE方法：

• Causal Survival Forests：扩展传统因果森林，采用生存树分裂准则
• SurvITE：基于生存函数的积分变换估计处理效应

生存元学习器：

• T-Learner-Survival：分别拟合处理组和对照组的生存函数
• S-Learner-Survival：单一模型包含处理变量作为特征
• Matching-Survival：基于生存相似性的匹配估计

这些方法的核心创新在于显式建模生存过程，通常采用Cox比例风险模型或加速失效时间(AFT)模型作为基础。例如，Causal Survival Forests在节点分裂时使用对数秩检验统计量，而非传统的均方误差。

3. 实验设计与评估框架

3.1 场景设置

研究设计了五种典型生存场景：

• 场景A：Cox模型，低删失(20%)
• 场景B：AFT模型，低删失(20%)
• 场景C：泊松过程，中删失(50%)
• 场景D：AFT模型，高删失(70%)
• 场景E：泊松过程，高删失(70%)

每种场景下又细分8种因果配置，涵盖随机对照试验(RCT)和观察性研究，考虑可忽略性、正值性和删失机制等假设的满足情况。

3.2 评估指标

1. CATE RMSE：条件平均处理效应估计的均方根误差，反映个体层面效应估计精度
2. ATE Bias：平均处理效应的估计偏差，衡量总体效应估计的准确性
3. Borda排名：综合多个指标的方法排序，避免单一指标的片面性

评估采用10次重复实验的均值，通过bootstrap计算95%置信区间，确保结果稳健。

4. 关键发现与实用建议

4.1 删失率对方法性能的影响

实验数据揭示了一个清晰模式：随着删失率升高，生存专用方法的优势逐渐凸显。在场景A（20%删失）中，Double-ML的Borda排名为1.5，表现最佳；但到了场景E（70%删失），其排名降至6.9，而S-Learner-Survival和Matching-Survival则跃居前列。

具体来看：

• 低删失时：Double-ML的CATE RMSE为3.5±0.2，生存方法约为3.7±0.3
• 高删失时：Double-ML的RMSE升至6.9±0.4，而S-Learner-Survival保持在4.1±0.3

关键发现：当删失率超过40%时，建议优先考虑生存专用方法，尤其是需要个体化效应估计的场景

4.2 不同因果配置下的表现

在随机对照试验（RCT）设置下，传统方法表现良好。例如在50%处理比例的RCT中，Double-ML的Top-1出现率达62.5%。然而在观察性研究中，特别是存在未测量混杂或信息性删失时，生存元学习器展现出显著优势：

• 存在未测量混杂时：Causal Survival Forests的ATE Bias降低50%以上
• 信息性删失下：Matching-Survival的Top-5覆盖率达到100%

4.3 实际应用指南

基于实验结果，我们建议如下选型策略：

对于计算资源有限的场景，T-Learner-Survival提供了较好的精度-效率权衡，其训练时间通常比S-Learner-Survival少30-40%。

5. 实施细节与调优建议

5.1 数据预处理关键步骤

1. 删失标识处理：确保删失指标与时间变量的正确编码
2. 时间离散化：对连续生存时间，建议按事件分布分位数离散化
3. 协变量平衡：在观察性研究中，预处理阶段应检查协变量平衡

5.2 超参数调优

对于森林类方法：

• 节点最小样本量：建议设为总样本量的1-5%
• 树的数量：至少500棵以确保方差稳定
• 最大深度：通常5-8层足够

元学习器的基模型选择：

• 低维数据：Cox模型或AFT模型
• 高维数据：Lasso-Cox或随机生存森林

5.3 常见陷阱与解决方案

1. 时间依赖性混杂：

   • 问题：传统方法忽略时变混杂因素
   • 方案：考虑Marginal Structural Models或时变Cox模型

2. 竞争风险：

   • 问题：多重事件导致删失非随机
   • 方案：使用Fine-Gray模型替代标准生存模型

3. 小样本过拟合：

   • 问题：生存数据通常样本有限
   • 方案：采用交叉验证调优，优先选择参数较少模型

6. 案例应用：医疗预后评估

在癌症治疗效果评估中，我们常面临高删失率（患者失访或研究截止）。应用上述发现，我们对某乳腺癌数据集(删失率65%)比较了不同方法：

1. 标准方法：Cox模型+IPTW

   • 5年生存率差异估计：0.15±0.08
   • 置信区间覆盖率：82%

2. Causal Survival Forests：

   • 估计：0.12±0.05
   • 覆盖率：93%

3. S-Learner-Survival：

   • 估计：0.13±0.04
   • 覆盖率：95%

生存专用方法不仅提供了更精确的估计，其置信区间也更可靠。特别是在评估新辅助化疗对亚组患者的效果时，CATE估计的临床可解释性显著提升。

7. 未来方向与挑战

尽管当前生存因果方法已取得进展，仍存在多个开放问题：

1. 超高维设定：当协变量维度超过样本量时（如基因组数据），现有方法稳定性下降
2. 时间动态处理：多数方法假设一次性干预，难以处理多时间点治疗序列
3. 可解释性：森林类方法虽然准确，但临床医生常需要更直观的解释

最近提出的深度学习生存模型如DeepSurv和DeepHit有望部分解决这些问题，但其因果有效性仍需进一步验证。一个有前景的方向是将生存分析的时序建模优势与因果推断的潜在结果框架更深度结合。