The Digital Twin Counterfactual Framework: A Validation Architecture for Simulated Potential Outcomes

1. El Problema Fundamental

El artículo aborda el problema fundamental de la inferencia causal: la imposibilidad de observar simultáneamente los resultados potenciales de un individuo bajo tratamiento ($Y_i(1)$) y bajo control ($Y_i(0)$).

• Limitación actual: Los métodos existentes (ensayos controlados aleatorizados, emparejamiento, variables instrumentales, etc.) resuelven este problema sustituyendo los datos faltantes por supuestos (ignorabilidad, tendencias paralelas, restricciones de exclusión). Ninguno de estos métodos genera el contrafactual real; solo estiman promedios poblacionales bajo condiciones restrictivas.
• La brecha: Mientras que el Efecto Promedio del Tratamiento (ATE) es estimable, los efectos a nivel individual (ITE), la distribución completa de los efectos, la probabilidad de beneficio o daño, y la varianza de los efectos permanecen inobservables e inidentificables sin observar ambos resultados.

2. Metodología: El Marco de Gemelo Digital (DTCF)

El DTCF propone un cambio de paradigma: en lugar de estimar estadísticamente el contrafactual, se simula utilizando un "gemelo digital" (una réplica computacional del individuo) y se somete a un régimen de validación jerárquico.

2.1. El Simulador de Gemelo Digital

Se define formalmente como un mapeo estocástico $S: \mathcal{X} \times \{0, 1\} \times \mathcal{U} \to \mathcal{Y}$.

• Para un individuo $i$ con covariables $X_i$, el simulador genera resultados simulados bajo tratamiento y control: $\hat{Y}_i(d) = S(X_i, d, U_i)$.
• Acoplamiento de ruido: Es crucial que se utilice la misma realización de ruido latente $U_i$ para ambos brazos ($d=0$ y $d=1$). Esto permite calcular el Efecto Individual del Tratamiento (ITE) simulado: $\hat{\tau}_i = \hat{Y}_i(1) - \hat{Y}_i(0)$.
• El simulador no revela la verdad absoluta, sino que proporciona un sustituto basado en modelos cuya credibilidad depende de la validación.

2.2. Jerarquía de Fidelidad y Supuestos

El marco reemplaza la suposición de ignorabilidad clásica por supuestos de fidelidad del gemelo, que son parcialmente verificables:

1. Fidelidad Marginal ($\epsilon$-fidelidad): El simulador reproduce correctamente las distribuciones marginales de los resultados observables ($\hat{F}_d = F_d$).
2. Fidelidad Conjunta: El simulador reproduce correctamente la distribución conjunta de los resultados potenciales, lo que implica que la cópula (la estructura de dependencia entre $Y_i(1)$ y $Y_i(0)$) es correcta.
   • Teorema de Sklar: La distribución conjunta se descompone en marginales y una cópula. El DTCF reconoce que las marginales son testables, pero la cópula es inherentemente no testable con datos observacionales.

2.3. Arquitectura de Validación de 5 Niveles

El núcleo metodológico es una arquitectura que convierte la afirmación no falsable ("el simulador es correcto") en pruebas falsables contra datos observables:

• Nivel 0 (Calibración Marginal): Prueba si la distribución global de los resultados simulados coincide con la realidad (por brazo).
• Nivel 1 (Calibración Condicional): Verifica la coincidencia dentro de estratos de covariables. Si se pasa, se validan estimadores como ATE, ATT y CATE con límites de error medidos ($\epsilon$).
• Nivel 2 (Calibración a Nivel Individual): Evalúa si el simulador predice correctamente el resultado observado de cada individuo (RMSPE, pendientes de calibración).
• Nivel 3 (Calibración del Efecto del Tratamiento): Compara los efectos del tratamiento simulados contra un estándar de oro (RCT o cuasi-experimento) para detectar sesgos de transporte (cuando la precisión factual no se transfiere al contrafactual).
• Nivel 4 (Pruebas de Estrés Distribucional): Pruebas de sensibilidad sobre la cópula, incluyendo índices de sensibilidad de cópula (CSI), límites de Fréchet-Hoeffding y pruebas de placebo.

3. Contribuciones Clave

1. Descomposición Formal de la Credibilidad Causal:
   El marco separa explícitamente las cantidades causales en dos categorías:

   • Marginales (Testables): ATE, ATT, CATE, QTE. Estos dependen solo de las distribuciones marginales y pueden validarse empíricamente contra datos observables.
   • Conjuntas (Dependientes de la Cópula): Distribución del ITE, probabilidad de beneficio/daño, varianza del tratamiento. Estos dependen de la estructura de dependencia interna (cópula) y son permanente no testables con datos observacionales.

2. Arquitectura de Validación Jerárquica:
   Proporciona un protocolo para determinar qué estimadores son creíbles en cada nivel de validación. Transforma la incertidumbre de "supuestos ocultos" a "límites medidos y explícitos".

3. Herramientas para la Incertidumbre Residual:
   Para las cantidades dependientes de la cópula, el DTCF no las oculta, sino que ofrece:

   • Límites de Fréchet-Hoeffding: Límites teóricos libres de supuestos para la varianza del ITE y la probabilidad de beneficio.
   • Análisis de Sensibilidad: Permite variar la cópula para ver cómo cambian los resultados, cuantificando explícitamente la dependencia de este supuesto no testable.

4. Resultados y Hallazgos Teóricos

• Identificabilidad: Bajo fidelidad $\epsilon$, los estimadores marginales (ATE, CATE) están identificados con un sesgo acotado por $2\epsilon(b-a)$.
• La Brecha Irreducible: El artículo demuestra formalmente (Proposición 8) que dos simuladores con fidelidad marginal idéntica pero cópulas diferentes pueden pasar todas las pruebas de validación observables (Niveles 0-3) y aún así producir conclusiones clínicas opuestas (ej. un tratamiento beneficioso vs. dañino para el 40% de la población).
• Robustez del ATE: El ATE es robusto a la cópula (depende solo de las medias marginales), mientras que la equidad del tratamiento (quién se beneficia) depende enteramente de la cópula.
• Transportabilidad: Se introduce el concepto de "penalización de extrapolación" ($\delta$) cuando se valida un brazo (factual) y se infiere el otro (contrafactual). Si los mecanismos del tratamiento y control son estructuralmente diferentes, la validez del contrafactual disminuye.

5. Significado e Implicaciones

• Cambio de Paradigma: El DTCF no resuelve el problema fundamental (el contrafactual sigue sin observarse), pero cambia la pregunta de "¿cómo estimamos lo inobservable?" a "¿cómo simulamos, validamos y cuantificamos la incertidumbre de lo inobservable?".
• Transparencia Radical: A diferencia de los métodos clásicos que ocultan la dependencia de supuestos fuertes (como la ignorabilidad) en un solo paso, el DTCF hace explícito qué parte del resultado es empíricamente disciplinada y qué parte depende de supuestos sobre la estructura de dependencia no observable.
• Aplicabilidad a LLMs: El marco es agnóstico a la tecnología del simulador, pero discute su implementación con Modelos de Lenguaje de Gran Tamaño (LLMs). Señala que los LLMs son candidatos prometedores para gemelos digitales en ciencias sociales y de comportamiento, pero requieren estrategias específicas para el acoplamiento de ruido (para evitar la cópula de independencia) y validación rigurosa.
• Herramienta de Decisión: Proporciona a los investigadores y tomadores de decisiones un conjunto de herramientas para tomar decisiones informadas incluso cuando la incertidumbre sobre el contrafactual individual es alta, reportando no solo un punto estimado, sino un rango de posibilidades basado en la sensibilidad de la cópula.

En resumen, el DTCF ofrece un marco metodológico riguroso que convierte la simulación causal en un proceso verificable, separando lo que se puede probar de lo que debe asumirse, y cuantificando la brecha entre ambos.