本論文では、割り当てバイアスにおける反事実的予測を研究し、敵対的訓練なしで処置と共変量の依存性を排除する数学的に根拠のある情報理論的アプローチを提案します。反事実的リスクと相互情報を結びつける境界から出発し、結果を予測しながらI(Z; T)を最小化する確率的表現Zを学びます。情報項を上限し、監視型デコーダーと結合する扱いやすい変分目的を導出し、安定した訓練基準を実現します。さらに、この枠組みは動的設定にも自然に拡張可能で、各決定時に対して情報ペナルティを適用します。本手法を制御された数値シミュレーションや実世界の臨床データセットで評価し、最新のバランシング、再重み付け、敵対的ベースラインと比較しました。結果として、私たちのアプローチは、訓練の不安定性や敵対的手法の調整負担を回避しつつ、さまざまな評価指標で優れた性能を示しました。