Efficient sequential Bayesian inference for state-space epidemic models using ensemble data assimilation

Título: Inferencia Bayesiana Secuencial Eficiente para Modelos de Epidemias de Espacio de Estados usando Asimilación de Datos de Ensamble

1. El Problema

La estimación de estados epidémicos latentes (como el número de infectados no observados) y parámetros del modelo (tasas de transmisión, periodos de incubación) a partir de datos observados parciales y ruidosos es un desafío fundamental en la modelización de enfermedades infecciosas.

• Desafío Computacional: Aunque los modelos de espacio de estados (SSM) ofrecen un marco probabilístico coherente, la inferencia bayesiana completa es a menudo prohibitiva computacionalmente. Esto se debe a que la verosimilitud de los datos observados requiere integrar sobre trayectorias latentes desconocidas.
• Limitaciones de Métodos Actuales:
  • Los métodos basados en Filtros de Partículas (PF) dentro de algoritmos como Sequential Monte Carlo Squared (SMC2) son exactos pero computacionalmente costosos, ya que requieren ejecutar un filtro de partículas completo en cada iteración de MCMC para cada partícula de parámetros.
  • Los métodos sin verosimilitud (como ABC) requieren muchas simulaciones y son difíciles de aplicar en tiempo real.
  • El Filtro de Kalman de Ensamble (EnKF) es eficiente pero introduce sesgo al asumir distribuciones gaussianas, lo cual es problemático para datos de conteo epidémico que suelen estar sobredispersos.

2. Metodología Propuesta: eSMC2

Los autores proponen eSMC2 (Ensemble SMC2), una variante computacionalmente eficiente que integra el EnKF dentro del marco SMC2 para realizar inferencia bayesiana secuencial conjunta sobre estados y parámetros.

• Estructura del Algoritmo:
  • Capa Externa (Parámetros): Se mantiene una población de partículas de parámetros ($\theta$).
  • Capa Interna (Estados): En lugar de un Filtro de Partículas (PF) costoso, se utiliza un EnKF para aproximar la verosimilitud incremental en cada paso de tiempo.
• Innovaciones Clave para Mitigar Sesgos:
  1. Estimador de Densidad Gaussiana Insesgado: Para corregir el sesgo inherente de la aproximación gaussiana del EnKF con tamaños de ensamble finitos, se utiliza un estimador de densidad gaussiana insesgado (basado en Ghurye & Olkin, 1969; Drovandi et al., 2022). Esto permite que la inferencia sea estable y no dependa fuertemente del tamaño del ensamble.
  2. Varianza de Observación Dependiente del Estado: Dado que los datos de incidencia (conteos) suelen mostrar sobredispersión (varianza mayor que la media), el modelo no asume una varianza de ruido fija. En su lugar, la varianza de observación se actualiza dinámicamente en cada paso basándose en la predicción del ensamble, utilizando modelos Poisson o Binomial Negativo.
  3. Mecanismo de Rejuvenecimiento (PMMH): Para evitar la degeneración de las partículas de parámetros, se implementa un paso de "resamplear-mover" utilizando Metropolis-Hastings de Partículas Marginales (PMMH) cuando el tamaño de muestra efectivo (ESS) cae por debajo de un umbral.
• Modelo Subyacente: Se utiliza un modelo estocástico SEIR (Susceptible-Expuesto-Infeccioso-Recuperado) donde la tasa de transmisión $\beta_t$ evoluciona como un proceso de Wiener en escala logarítmica, permitiendo capturar cambios temporales en la dinámica de transmisión.

3. Contribuciones Clave

1. Eficiencia Computacional: Reemplazar el filtro de partículas interno por un EnKF reduce drásticamente el costo computacional (de horas a minutos) sin sacrificar significativamente la precisión de la inferencia.
2. Manejo de Sobredispersión: La adaptación del EnKF para manejar datos de conteo con varianza dependiente del estado (mediante modelos Poisson/Binomial Negativo) hace que el método sea robusto para datos de vigilancia epidemiológica real, que a menudo violan la suposición de ruido gaussiano constante.
3. Corrección de Sesgo: La implementación de un estimador de verosimilitud gaussiano insesgado dentro de un marco secuencial permite obtener estimaciones posteriores estables que no dependen del tamaño del ensamble, superando una limitación histórica del uso del EnKF en inferencia bayesiana.
4. Marco Secuencial Completo: A diferencia de métodos que solo estiman parámetros estáticos, eSMC2 permite la actualización en tiempo real de tanto las trayectorias latentes como los parámetros a medida que llegan nuevos datos.

4. Resultados

Los autores evaluaron el método mediante experimentos de simulación y una aplicación a datos reales.

• Experimentos de Simulación (SEIR):

  • Se comparó eSMC2 con el SMC2 estándar (con Filtro de Partículas Bootstrap).
  • Precisión: eSMC2 recuperó con alta precisión las trayectorias latentes (incidencia, estados SEIR) y parámetros clave ($\alpha, \gamma, \beta_t$), mostrando errores medios absolutos (MAE) y desviaciones estándar comparables a los del SMC2 "exacto".
  • Velocidad: Se lograron aceleraciones significativas. En los casos de prueba, eSMC2 fue entre 4.8 y 6.9 veces más rápido que el SMC2 estándar (ej. 467s vs 2760s en un escenario).
  • Robustez: El método fue robusto ante variaciones en el tamaño del ensamble y especificaciones de priores.

• Aplicación Real: Brotes de Viruela del Mono (Mpox) en EE. UU. (2022):

  • Se aplicó el modelo a datos diarios de casos confirmados.
  • El modelo capturó adecuadamente la dinámica de crecimiento, el pico y el declive del brote, así como la evolución del número reproductivo efectivo ($R_{eff}$).
  • Comparación de Rendimiento: Una sola ejecución de eSMC2 tomó aproximadamente 16 minutos, mientras que la implementación equivalente con SMC2 requirió casi 2.5 horas.
  • Pronósticos: En pruebas de pronóstico a 14 días, eSMC2 superó a un modelo autorregresivo (AR) simple una vez que la incidencia comenzó a estabilizarse, mostrando mejor calibración probabilística y menor error absoluto.

5. Significado e Impacto

El trabajo presenta un avance significativo en la viabilidad de la inferencia bayesiana en tiempo real para la respuesta a brotes epidémicos:

• Toma de Decisiones en Salud Pública: Proporciona un marco que permite a los responsables de la salud pública obtener estimaciones actualizadas de parámetros críticos (como $R_{eff}$ y tasas de transmisión) en escalas de tiempo operativas, facilitando la evaluación de intervenciones.
• Equilibrio entre Precisión y Costo: Demuestra que es posible obtener inferencias bayesianas de alta calidad (cercanas a las de métodos exactos) utilizando aproximaciones eficientes (EnKF) cuando se corrigen adecuadamente los sesgos y se adaptan a la naturaleza de los datos epidemiológicos.
• Escalabilidad: La metodología es escalable y aplicable a modelos de espacio de estados más complejos y a grandes volúmenes de datos de vigilancia, superando las barreras computacionales que limitaban el uso de métodos bayesianos completos en la práctica diaria.

En resumen, eSMC2 es una herramienta poderosa que democratiza el uso de inferencia bayesiana secuencial avanzada para la vigilancia epidemiológica, ofreciendo un equilibrio óptimo entre rigor estadístico y eficiencia computacional.