COVID-19 パンデミックから 3 年が経ち、私たちはいくつかのことを学びました (そして、まだ知らないことがたくさんあることも学びました)。感染症を効果的に追跡し、予測するためのデータの課題は相当なものですが、克服できないものではありません。健康に影響を与えるその他の決定を下す際に考慮すべきデータは増えていますが、オミクス データ (ゲノミクス、プロテオミクスなど) からどのような有用な情報が得られるのでしょうか。
私たちは、受賞歴のある世界的に有名な統計学者、父と息子のロバート・ティブシラニ博士とライアン・ティブシラニ博士が革新的な問題解決スキルを発揮し、これらの分野で大きな進歩を実現してくれたことに感謝しています。また、2022年の最後のStatistically Speakingエピソードで、彼らが現在の研究の関心事についてさらに詳しく共有してくれたことに感謝します。
両氏は、強力な新しい統計手法の貢献と、生物学、医学、公衆衛生など多くの分野での功績により、多くの賞賛を受けています。カリフォルニア大学バークレー校の統計学教授であるライアン・ティブシラニ氏は、統計手法と公衆衛生へのその応用に顕著な貢献をした医療統計学者に贈られる 2022 年モーティマー・シュピーゲルマン賞の最近の受賞者です。
スタンフォード大学の生物医学データサイエンスおよび統計学の教授である Rob Tibshirani 氏は、数々の賞を受賞しています。最新の受賞は、統計学とデータサイエンスの基礎と考えられている LASSO に関する 1996 年の論文が認められ、国際統計研究所の現代研究貢献統計創設者賞を受賞しました。
彼らの講演はいくつかの質問を引き起こしましたが、そのうちのいくつかは質疑応答中に答えられませんでしたが、Rob が親切にもここで答えてくれました。
Lasso は応用数学のような別の分野からヒントを得たものだったのでしょうか、それともリッジ回帰の次のステップだったのでしょうか? その変数選択特性は驚きでしたか、それとも最初にジオメトリを見て、それが変数選択に使用できると考えたのでしょうか?
Rob: Lasso のアイデアは、Leo Breiman の1995 年の「Garote」に関する論文から直接得たものです。(Leo はバギングとランダム フォレストの発明者であり、私のヒーローの 1 人です。) そこで彼は、最小二乗推定値を計算し、次に境界付きの非負定数を使用してそれらを縮小することを提案しました。これは p>n (観測値よりも予測子の数が多い場合) では機能しなかったため、仲介者 (LS) を排除しました。
観察データの分析における因果関係についてはどうでしょうか? 変数選択演習の結果に因果関係の説明が付けられることがよくあります。Lasso を使用して因果関係を述べる原理的な方法はありますか?
Rob: 因果推論と Lasso について。一般的には難しいことです。しかし、観察データ (ランダム化されていないデータ) では、Lasso でモデル化された交絡変数を使用して、傾向スコアを使用して因果的な治療効果を推定できます。
異種治療効果の準オラクル推定 - R 推定—X. Nie、S. Wager、Biometrika 2021 を参照してください。
正直に言うと、2 番目の著者は私の義理の息子です!! しかし、これは本当に素晴らしいアイデアであり、私も実際に使用しています。
ロブ氏の講演では、大学院生のデイジー・ディン氏と共同で制作した素晴らしいアニメーションも紹介されました。
