Framing local structural identifiability and observability in terms of parameter-state symmetries

Este artículo introduce las simetrías parámetro-estado como un subconjunto de las simetrías de Lie para demostrar que las combinaciones de parámetros estructuralmente identificables y los estados estructuralmente observables corresponden a invariantes universales, ofreciendo así un enfoque unificado para analizar las propiedades estructurales de modelos dinámicos.

Lo esencial

Imagina que tienes una caja negra (un modelo matemático que describe cómo funciona algo en la vida real, como el azúcar en tu sangre o cómo se propaga una enfermedad). Dentro de esta caja hay dos tipos de cosas:

1. Las "Piezas Ocultas" (Estados): Son las variables que no puedes ver directamente, como la cantidad exacta de insulina en tu cuerpo en un momento dado.
2. Los "Tornillos Ajustables" (Parámetros): Son las constantes que definen cómo se mueven esas piezas, como la velocidad a la que tu cuerpo procesa el azúcar.

El problema es que solo puedes ver lo que sale de la caja (los datos observados, como una medición de glucosa en una tira reactiva). La pregunta que se hacen los científicos es: "¿Puedo deducir exactamente cómo están configurados los tornillos y las piezas ocultas solo mirando lo que sale?"

A esto se le llama Identificabilidad (¿puedo saber los tornillos?) y Observabilidad (¿puedo ver las piezas ocultas?).

El Problema: El "Cambio de Camisa"

Antes de este artículo, los científicos tenían dificultades para responder estas preguntas de forma unificada. A veces, podías cambiar un tornillo y una pieza oculta al mismo tiempo, y el resultado final (lo que sale de la caja) seguía siendo idéntico. Era como si dos personas diferentes se cambiaran de ropa y de peinado, pero al salir a la calle, nadie pudiera distinguirlas porque llevaban la misma chaqueta y el mismo sombrero.

Si el resultado es el mismo, no puedes saber cuál es la configuración "real". El modelo es "confuso".

La Solución: Los "Espejos Mágicos" (Simetrías)

Los autores de este paper (Borgqvist y sus colegas) han creado una nueva herramienta basada en la geometría y el movimiento, llamada Simetrías Estado-Parámetro.

Imagina que tienes un espejo mágico (una transformación matemática) que puede:

• Mover las piezas ocultas (estados).
• Girar los tornillos (parámetros).

Pero hay una regla estricta para este espejo: Lo que sale de la caja (los datos observados) debe permanecer exactamente igual en cada instante de tiempo.

Si puedes mover los tornillos y las piezas ocultas usando este espejo y el resultado sigue siendo el mismo, entonces no puedes distinguir la configuración original de la nueva. Son "indistinguibles".

El Gran Descubrimiento: Los "Objetos Inmutables"

La genialidad de este trabajo es que han demostrado que:

1. Lo que SÍ puedes saber: Son las cosas que NO cambian cuando usas el espejo mágico. A estas cosas las llaman Invariantes Universales.

   • Si un tornillo (parámetro) nunca cambia su valor sin importar cómo muevas el espejo, ¡es identificable! Sabes exactamente cuánto vale.
   • Si una pieza oculta (estado) nunca cambia su valor sin importar cómo muevas el espejo, ¡es observable! Sabes exactamente dónde está.

2. Lo que NO puedes saber: Son las cosas que SÍ cambian cuando usas el espejo. Si el espejo puede transformar un tornillo en otro valor diferente sin alterar el resultado final, entonces ese tornillo es "invisible" para ti. No puedes saber su valor real.

Analogía de la Receta de Cocina

Imagina que eres un chef (el científico) y tienes una receta secreta (el modelo) para hacer un pastel.

• Parámetros: La cantidad de harina, azúcar y huevos.
• Estados: Cómo se mezcla la masa en cada segundo (una variable oculta).
• Salida: El sabor final del pastel (lo que pruebas).

El paper dice: "Si puedo cambiar la cantidad de harina y la velocidad de mezcla al mismo tiempo, y el pastel sigue sabiendo exactamente igual, entonces no puedo saber cuánta harina usaste realmente".

Sin embargo, si descubres que la suma de la harina y el azúcar siempre tiene que ser la misma para que el pastel sepa igual, entonces esa suma es un "Invariante Universal". ¡Eso es lo que sí puedes saber!

¿Por qué es importante esto?

Antes, los científicos tenían que hacer cálculos muy complicados para eliminar las "piezas ocultas" de las ecuaciones antes de poder analizar los tornillos. Era como intentar adivinar el precio de los ingredientes solo mirando la factura final, sin saber qué ingredientes había en la cocina.

Este nuevo método permite analizar todo el sistema a la vez:

1. Te dice qué tornillos puedes ajustar con precisión.
2. Te dice qué partes de la "máquina oculta" puedes ver.
3. Te revela combinaciones secretas (como "el producto de la velocidad por la masa") que sí puedes medir, aunque no veas ni la velocidad ni la masa por separado.

En Resumen

Los autores han creado un mapa de espejos que les permite ver qué partes de un modelo matemático son reales y medibles, y cuáles son solo ilusiones que pueden confundirse entre sí.

• Si el espejo no te deja cambiar algo sin alterar el resultado: ¡Esa cosa es real y medible! (Identificable/Observable).
• Si el espejo te permite cambiar algo sin que nadie se dé cuenta: ¡Esa cosa es un misterio! (No identificable/No observable).

Esta herramienta es como una linterna mágica que ilumina exactamente qué partes de un sistema complejo (desde el azúcar en la sangre hasta la propagación de tuberculosis) podemos entender realmente con los datos que tenemos.

Resumen técnico

Aquí tienes un resumen técnico detallado del artículo en español, estructurado según los puntos solicitados:

Resumen Técnico: Enmarcando la Identificabilidad y Observabilidad Estructural Local en Términos de Simetrías Parámetro-Estado

Autores: Johannes G. Borgqvist, Alexander P. Browning, Fredrik Ohlsson, Ruth E. Baker.

1. Problema

La identificabilidad estructural y la observabilidad estructural son conceptos fundamentales en el análisis de modelos mecanísticos descritos por ecuaciones diferenciales ordinarias (EDO).

• Identificabilidad: Determina si los parámetros de un modelo pueden recuperarse de manera única a partir de datos de salida perfectos.
• Observabilidad: Determina si los estados internos del modelo pueden reconstruirse de manera única a partir de las salidas observadas.

El enfoque estándar de álgebra diferencial requiere eliminar los estados del sistema para obtener un sistema de EDOs de orden superior que dependa solo de las salidas, lo cual puede ser computacionalmente costoso y restrictivo (requiere funciones racionales). Además, los métodos existentes a menudo analizan la identificabilidad y la observabilidad por separado o se centran en la identificabilidad global, dejando un vacío en la comprensión unificada de las propiedades locales y su relación con la observabilidad de los estados. Aunque se han utilizado simetrías de Lie extendidas ("simetrías completas") en trabajos previos, la conexión exacta entre estas simetrías y las combinaciones de parámetros/estados identificables y observables localmente permanecía poco clara.

2. Metodología

Los autores introducen una nueva subclase de simetrías de Lie llamadas simetrías parámetro-estado (parameter-state symmetries). Esta metodología se basa en los siguientes pilares:

• Definición de Simetrías Parámetro-Estado: Se definen como transformaciones continuas de un parámetro $\varepsilon$ que actúan simultáneamente sobre los estados ($x$) y los parámetros ($\theta$) de un modelo, pero preservan las salidas observadas ($y$) en cada instante de tiempo.
  • A diferencia de las simetrías completas generales, estas simetrías imponen la restricción de que el infinitesimal del tiempo sea cero ($\xi = 0$), evitando desplazamientos temporales que violarían la definición de identificabilidad/observabilidad local.
  • Las condiciones matemáticas requieren que el generador del grupo de Lie $X$ satisfaga las condiciones de simetría linealizadas para el sistema de EDOs y, crucialmente, la condición de invariancia de la salida: $X(y) = 0$.
• Invariantes Diferenciales y Universales:
  • Se definen invariantes diferenciales como funciones que permanecen constantes bajo la acción de estas simetrías.
  • Se introducen los invariantes universales, que son aquellas funciones que son invariantes bajo todas las simetrías parámetro-estado posibles de un modelo dado.
  • Se clasifican en: invariantes de parámetros (dependen solo de $\theta$), invariantes de estado (dependen solo de $x$) e invariantes parámetro-estado (dependen de ambos).
• Teoremas de Caracterización:
  • Teorema 1: Un parámetro es localmente estructuralmente identificable si y solo si es un invariante universal de parámetros.
  • Teorema 2: Un estado es localmente estructuralmente observable si y solo si es un invariante universal de estado.
  • Corolarios: Las combinaciones identificables/observables corresponden a los invariantes universales mixtos.

3. Contribuciones Clave

• Unificación Teórica: Establecen un vínculo riguroso y unificado entre la teoría de simetrías de Lie y las propiedades estructurales locales (identificabilidad y observabilidad) de modelos dinámicos.
• Generalización de Trabajos Previos: Demuestran que sus invariantes de parámetros coinciden exactamente con los resultados obtenidos anteriormente mediante simetrías de parámetros en sistemas de salida (trabajo previo de los mismos autores), validando la consistencia del método.
• Novedad en Observabilidad: A diferencia de enfoques anteriores que se limitaban a la identificabilidad, este marco permite identificar combinaciones de estados y parámetros observables directamente sin necesidad de eliminar los estados del sistema.
• Marco Sin Reducción de Modelo: El método analiza el modelo completo (EDO + ecuaciones de salida) sin necesidad de la costosa eliminación algebraica de estados requerida por el enfoque de álgebra diferencial estándar.

4. Resultados

Los autores validaron el marco teórico aplicándolo a cuatro modelos mecanísticos de sistemas biológicos, confirmando resultados conocidos y revelando nuevos hallazgos:

1. Modelo de Decaimiento Desacoplado:
   • Identificó que la tasa de decaimiento $\lambda$ es identificable, mientras que las tasas de formación $\kappa_1$ y $\kappa_2$ no lo son individualmente, pero su suma sí lo es.
   • Reveló que la suma de los estados $u+v$ es observable (coincidiendo con la salida), mientras que los estados individuales no lo son.
2. Modelo Lineal Acoplado:
   • Confirmó la identificabilidad de parámetros $a$ y $c$.
   • Descubrió una combinación observable parámetro-estado ($bz$) que no corresponde directamente a la salida observada, demostrando la capacidad del método para encontrar observables ocultos.
3. Modelo de Regulación Glucosa-Insulina:
   • Identificó parámetros individuales ($p_1, p_3, V_p$) y la combinación $p_2 p_4$.
   • Mostró que el estado de glucosa $x_1$ es observable por sí mismo (a pesar de que la salida es $x_1/V_p$), y encontró otra combinación observable $p_2 x_2$.
4. Modelo Epidemiológico SEI (Tuberculosis):
   • Recupera las 7 combinaciones de parámetros identificables globales y locales encontradas previamente en la literatura.
   • Proporciona información novedosa sobre la observabilidad, identificando combinaciones parámetro-estado como $S/c$ (población susceptible normalizada) que son observables aunque la población susceptible $S$ no se mida directamente.

5. Significado e Impacto

• Enfoque Unificado: Proporciona una herramienta única para analizar simultáneamente la identificabilidad de parámetros y la observabilidad de estados, superando la necesidad de métodos separados.
• Flexibilidad: Al no requerir la eliminación de estados ni asumir formas funcionales racionales, el método es aplicable a una clase más amplia de modelos no lineales que el enfoque de álgebra diferencial tradicional.
• Fundamento para Automatización: Aunque el cálculo manual de las condiciones de simetría puede ser complejo para sistemas grandes, el marco teórico sienta las bases para el desarrollo de herramientas computacionales automatizadas (simbólicas o numéricas) para el análisis estructural de modelos mecanísticos.
• Interpretación Física: Los invariantes universales ofrecen una interpretación física directa de qué cantidades del sistema pueden o no ser inferidas de los datos, guiando el diseño de experimentos y la simplificación de modelos.

En conclusión, el artículo propone un cambio de paradigma al utilizar la invariancia bajo simetrías parámetro-estado como la propiedad fundamental que define la identificabilidad y observabilidad estructural local, ofreciendo una perspectiva matemática elegante y potente para el análisis de sistemas dinámicos.