本稿では、高次元データにおける因果推論の課題を解決するため、深層因果生成モデルの新しい学習手法であるModular-DCMを提案する。Modular-DCMは、因果構造に基づいてモデルをモジュール化し、敵対的学習を用いて学習することで、高次元データの因果関係を効率的に学習できる。
本研究では、ラベルが欠落した医療データを活用して深層因果生成モデルを学習する手法を提案する。ラベルが完全に観測されていない場合でも、因果関係を活用して欠落値を推定し、現実的な反事実を生成することができる。
