Random-Effects Algorithm for Random Objects in Metric Spaces

ملخص تقني: خوارزمية التأثيرات العشوائية للكائنات العشوائية في الفضاءات المترية

بيان المشكلة
تنتج التخصصات العلمية الحديثة، ولا سيما الصحة الرقمية، مجموعات بيانات حيث يتم جمع ملاحظات متعددة من وحدات تجريبية واحدة (مثل الأفراد). غالبًا ما تظهر هذه الملاحظات في شكل كائنات عشوائية غير إقليدية — مثل التوزيعات الاحتمالية، أو الشبكات، أو المنحنيات الدالية — بدلاً من النتائج القياسية أو المتجهية. وبينما تُعد نماذج التأثيرات المختلطة راسخة للنتائج القياسية، وقد أصبحت مؤخرًا شائعة للبيانات الدالية في فضاءات هيلبرت، إلا أن هناك نقصًا في أطر العمل العامة للتأثيرات العشوائية للكائنات العشوائية التعسفية المعرفة في الفضاءات المترية. وتقتصر الطرق الحالية لبيانات الفضاء المتري غالبًا على النماذج الخطية، أو الفضاءات الجيوديسية، أو التوزيعات أحادية المتغير، مما يجعلها عاجزة عن توفير خط أساس مرن للاستجابات المتكررة في الفضاءات المترية العامة التي تتطلب تنبؤًا مشخصنًا.

المنهجية
يقترح المؤلفون خوارزمية قائمة على "فريشيه" (Fréchet) غير خطية لنمذجة التأثيرات العشوائية لكائنات عشوائية تعسفية في فضاء متري $(\Omega, d)$. الابتكار الجوهري هو التمثيل القائم على المرتكزات (Anchor-based representation) للتأثيرات العشوائية الكامنة الخاصة بكل موضوع، مما يتجنب الحاجة إلى عمليات الجمع أو الطرح المباشرة في الفضاء المتري.

1. تحويل المرتكز (Anchor Transformation):

   • يختار الأسلوب مجموعة من الاستجابات المرصودة (المرتكزات) $A_\ell$ من فضاء الاستجابة التجريبي.
   • لكل مرتكز $A_\ell$، يتم تحويل استجابة الفضاء المتري $Y_{ij}$ إلى متغير قياسي: $Z^{(\ell)}_{ij} = \log(d^2(Y_{ij}, A_\ell) + \delta)، حيث$\delta > 0$ لضمان الاستقرار العددي.

2. ملاءمة التأثيرات المختلطة القياسية (Scalar Mixed-Effects Fitting):

   • لكل مرتكز $\ell$، يتم ملاءمة نموذج تأثيرات مختلطة قياسي للمسافات المحولة:
     $$Z^{(\ell)}_{ij} = f_\ell(X_{ij}) + b^{(\ell)}_i + \varepsilon^{(\ell)}_{ij}$$
   • هنا، $f_\ell$ هي دالة انحدار التأثير الثابت (يتم تنفيذها عبر الأشجار المعززة بالتدرج)، و $b^{(\ell)}_i$ هو تقاطع عشوائي خاص بالمرتكز يمثل التأثير الكامن للموضوع $i$ على المسافة إلى المرتكز $\ell$.
   • يستخدم التنفيذ تقنية GPBoost، التي تجمع بين الأشجار المعززة بالتدرج ومكونات التأثير العشوائي الغاوسي.

3. التنبؤ عبر التحسين المنفصل (Prediction via Discrete Optimization):

   • للتنبؤ بالاستجابة لمتغير مستقل جديد $x$ للموضوع $i$، تقوم الخوارزمية بتقدير التأثيرات العشوائية الخاصة بالموضوع $\hat{b}^{(\ell)}_i$ والتأثيرات الثابتة $\hat{f}_\ell(x)$.
   • يتم الحصول على التنبؤ النهائي $\hat{m}_{n,i}(x)$ عن طريق حل مشكلة تحسين منفصلة على فضاء الاستجابة المرصود $\mathcal{Y}_n$:
     $$\hat{m}_{n,i}(x) \in \arg \min_{\omega \in \mathcal{Y}_n} \sum_{\ell \in I_n} \left( \log(d^2(\omega, A_\ell) + \delta) - (\hat{f}_\ell(x) + \hat{b}^{(\ell)}_i) \right)^2$$
   • جوهر العملية هو اختيار الكائن المرصود الذي يتوافق ملف مسافاته المحولة إلى المرتكزات بشكل أفضل مع الملف المتوقع لهذا الموضوع المحدد.

المساهمات النظرية
تثبت الورقة نتائج الاتساق للمقدر المقترح باستخدام نظرية تقدير M (M-estimation theory). وتحت فرضيات محددة تتعلق بتفرد المقلل، وانفصال المخاطر، والتقارب الموحد للمعيار التجريبي إلى المعيار السكاني، يثبت المؤلفون أن هدف التنبؤ المقدر يتقارب باحتمالية نحو الهدف الأوراكلي (Oracle target) الحقيقي، حتى عندما يتم التعامل مع هيكل التأثير العشوائي كنموذج عملي.

النتائج التجريبية
تم تقييم الطريقة باستخدام أربعة مجموعات بيانات للصحة الرقمية تتضمن أنواعًا مختلفة من الكائنات في الفضاء المتري:

1. فضاء هيلبرت $L^2$ (البيانات الدالية):
   • NHANES (النشاط البدني): أدى إدراج التأثيرات العشوائية إلى تقليل متوسط مربع الخطأ (MSE) للمحجوب بنسبة ~10% (من 16.26 إلى 14.64).
   • CGMCR (منحنيات الجلوكوز): تقليل في MSE بنسبة ~8.6% (من 4,368 إلى 3,994). تفوق النهج غير الخطي على النماذج الدالية المختلطة الخطية الموجودة في كلتا الحالتين.
2. متري واسرستاين (Wasserstein Metric) (التوزيعات متعددة المتغيرات):
   • توزيعات CGM ثلاثية الأبعاد: تمثيل ديناميكيات الجلوكوز كتوزيعات متعددة المتغيرات (الجلوكوز، السرعة، التسارع). حققت التأثيرات العشوائية انخفاضًا كبيرًا بنسبة 57% في خطأ واسرستاين المربع (من 986 إلى 421)، مما يشير إلى أن التباين الخاص بكل موضوع هو المحرك الرئيسي للتنبؤ المشخصن في هذا السياق.
3. متري فروبينيوس (Frobenius Metric) (الرسوم البيانية):
   • رسوم NHANES البيانية لـ Laplacian: تمثيل هياكل الارتباط الزمني للنشاط. في هذه الحالة، قدمت التأثيرات العشوائية تحسنًا ضئيلاً (MSE 0.665 مقابل 0.664)، مما يشير إلى أن بناء الرسم البياني ذو العتبة لم يلتقط إشارات مستقرة خاصة بالموضوع. ومع ذلك، أظهرت مجموعة فرعية صغيرة من الأفراد قليل النشاط مكاسب ملحوظة من نهج التأثيرات العشوائية.

الأهمية والادعاءات
تدعي الورقة تقديم أول إطار عمل عام للتأثيرات العشوائية غير الخطية للكائنات العشوائية التعسفية في الفضاءات المترية. تكمن أهميتها في:

• المرونة: فهي توسع استراتيجيات الملاءمة أحادية المتغير الضخمة لتشمل البيانات ذات القيم في الفضاء المتري دون اشتراط وجود هياكل فضاء متجهي خطي.
• الأداء: تثبت أن النمذجة غير الخطية القائمة على المرتكزات يمكن أن تتفوق على الطرق الخطية القائمة على فضاءات هيلبرت وتلتقط بفعالية التباين الفردي في الهياكل البيانية المعقدة مثل التوزيعات والرسوم البيانية.
• العملية: الخوارزمية بسيطة حاسوبيًا، وقابلة للتوازي، ومناسبة للبيانات السريرية عالية التردد حيث لا يمكن دائمًا محاذاة الإشارات زمنيًا.

يقر المؤلفون بوجود قيود، أبرزها التكلفة الحسابية لملاءمة نماذج متعددة أحادية المتغير، رغم إشارتهم إلى أن الحل قابل للتنفيذ حاسوبيًا في مجموعات الحوسبة عالية الأداء لأحجام العينات النموذجية (مثل $n \approx 4000$). ويُقترح العمل المستقبلي لزيادة القدرة على التوسع عبر أخذ العينات الفرعية وتقدير عدم اليقين.