In this talk, we propose a new semi-parametric modeling strategy for heterogeneous treatment effect estimation and individualized treatment selection with a large number of baseline covariates. To achieve our goals, we first extend the concept of a covariate-specific treatment effect (CSTE) curve originally proposed by Zhou and Ma (2013) to the situation with high-dimensional covariates. The CSTE curve is estimated by a spline-backfitted kernel procedure, which enables us to further construct a simultaneous confidence band (SCB) for the CSTE curve under a desired confidence level. Based on the SCB, we then find the subgroups of patients that benefit from each treatment, so that we can make individualized treatment selection. The innovations of the proposed method are three-fold. First, the proposed method can quantify variability associated with the estimated optimal individualized treatment rule with high-dimensional covariates. Second, the proposed method is very flexible to depict both local and global associations between the treatment and baseline covariates in the presence of high-dimensional covariates, and thus is robust against model mis-specification. Third, the proposed method enjoys some good theoretical properties and hence can provide a sound basis for conducting statistical inference in making individualized treatment decisions with high-dimensional covariates. This is a joint wok with Wenchuan Guo at Bristol-Myers Squibb and Shujie Ma at University of California Riverside.

中文翻译：

---

使用具有高维协变量的协变量特异性治疗效果曲线估计最佳个体化治疗规则

在本次演讲中，我们提出了一种新的半参数建模策略，用于具有大量基线协变量的异质治疗效果估计和个性化治疗选择。为了实现我们的目标，我们首先将 Zhou 和 Ma (2013) 最初提出的协变量特异性治疗效果 (CSTE) 曲线的概念扩展到具有高维协变量的情况。CSTE 曲线是通过样条回拟合内核程序估计的，这使我们能够在所需的置信水平下进一步构建 CSTE 曲线的同时置信带 (SCB)。基于SCB，我们再找出每个治疗受益的患者亚组，以便我们可以进行个体化的治疗选择。所提出的方法的创新是三方面的。第一的，所提出的方法可以量化与具有高维协变量的估计最优个体化治疗规则相关的变异性。其次，所提出的方法非常灵活，可以在存在高维协变量的情况下描述治疗和基线协变量之间的局部和全局关联，因此对模型错误规范具有鲁棒性。第三，所提出的方法具有一些良好的理论特性，因此可以为进行具有高维协变量的个性化治疗决策的统计推断提供良好的基础。这是与百时美施贵宝的郭文川和加州大学河滨分校的马舒杰合作的炒锅。所提出的方法非常灵活，可以在存在高维协变量的情况下描述处理和基线协变量之间的局部和全局关联，因此对模型错误规范具有鲁棒性。第三，所提出的方法具有一些良好的理论特性，因此可以为进行具有高维协变量的个性化治疗决策的统计推断提供良好的基础。这是与百时美施贵宝的郭文川和加州大学河滨分校的马舒杰合作的炒锅。所提出的方法非常灵活，可以在存在高维协变量的情况下描述处理和基线协变量之间的局部和全局关联，因此对模型错误规范具有鲁棒性。第三，所提出的方法具有一些良好的理论特性，因此可以为进行具有高维协变量的个性化治疗决策的统计推断提供良好的基础。这是与百时美施贵宝的郭文川和加州大学河滨分校的马舒杰合作的炒锅。所提出的方法具有一些良好的理论特性，因此可以为进行具有高维协变量的个性化治疗决策的统计推断提供良好的基础。这是与百时美施贵宝的郭文川和加州大学河滨分校的马舒杰合作的炒锅。所提出的方法具有一些良好的理论特性，因此可以为进行具有高维协变量的个性化治疗决策的统计推断提供良好的基础。这是与百时美施贵宝的郭文川和加州大学河滨分校的马舒杰合作的炒锅。