本論文では、局所因果発見法を用いて、因果効果を推定するための有効な調整セットの特定について述べています。従来のグローバル因果発見法は全体の因果グラフを学習するため最適な調整セットを回収できますが、変数数が増えると計算コストが膨大になります。そのため、局所因果発見法がスケーラビリティに優れていますが、統計的には最適とは言えません。提案された「局所最適調整発見（LOAD）」手法は、局所法の計算効率とグローバル法の統計的最適性を兼ね備えており、ターゲット間の因果関係を特定し、因果効果が識別可能かを確認します。識別可能な場合は、調整セットを見つけ、そうでない場合は、学習した局所構造に基づく有効な調整セットを提供します。実験ではLOADがグローバル手法よりもスケーラビリティと効果推定の精度に優れていることが確認されました。