Classical and Quantum Machine Learning for Population-Level Prediction of Heat-Related Physiological Events

A continuación presento un resumen técnico detallado del artículo "Classical and Quantum Machine Learning for Population-Level Prediction of Heat-Related Physiological Events", traducido y estructurado en español.

1. Planteamiento del Problema

La predicción de eventos fisiológicos relacionados con el calor a nivel poblacional es un desafío crítico para la salud pública, especialmente ante el aumento de temperaturas y la vulnerabilidad social. El problema presenta varias dificultades inherentes:

• Complejidad de factores: Los resultados dependen de la interacción no lineal entre variables climáticas, demográficas y socioeconómicas.
• Calidad de los datos: Los datos observacionales suelen ser escasos (esparcidos), estacionales (concentrados en verano) y presentan una fuerte inflación de ceros (pocos eventos registrados en muchas semanas).
• Escala geográfica: Existe una desincronización entre la resolución de los datos climáticos y los registros de salud (agregados a nivel de condado o provincia).
• Brecha de investigación: Aunque existen modelos epidemiológicos clásicos, hay una falta de estudios comparativos que evalúen el rendimiento de la Aprendizaje Automático Cuántico (QML) frente a métodos clásicos en tareas reales de predicción de salud poblacional.

2. Metodología

Los autores proponen un marco unificado para construir y evaluar modelos bajo condiciones idénticas de datos, permitiendo una comparación justa entre paradigmas clásicos y cuánticos.

A. Construcción del Dataset Unificado

Se integraron datos heterogéneos de Estados Unidos y Cataluña (España) para crear un dataset semanal a nivel de condado/área comarcal. Las características de entrada se agruparon en cuatro categorías:

1. Variables Climáticas: Temperatura máxima/media/mínima, presión de vapor, humedad relativa, indicadores de olas de calor y días por encima del percentil 95.
2. Variables Demográficas: Población total y desglose por edad (0-17, 18-64, +65) y género, convertidas en ratios para evitar problemas de escala.
3. Estructura Económica: Indicadores de empleo por sectores (agricultura, construcción, industria, servicios) para capturar la exposición laboral al calor.
4. Características Estacionales: Se incorporó un modelo latente basado en una distribución gaussiana para la estacionalidad y un kernel de respuesta para las olas de calor, simulando la intensidad esperada de enfermedades relacionadas con el calor (HRI).

B. Pipeline de Preprocesamiento Común

Para garantizar la comparabilidad, ambos modelos (clásico y cuántico) utilizan el mismo flujo de datos:

1. Estandarización: Normalización Z-score para asegurar estabilidad numérica, crucial para codificar características como ángulos de rotación en puertas cuánticas.
2. Análisis de Correlación: Eliminación de variables redundantes para reducir la multicolinealidad.
3. Reducción de Dimensionalidad (PCA): Se aplica Análisis de Componentes Principales (PCA) para preservar el 98% de la varianza. Esto es vital para la QML debido a las limitaciones actuales de hardware (número de qubits y profundidad de circuitos).

C. Modelos de Predicción

• Línea Base Clásica: Se utilizó LightGBM (Gradient Boosting), un método basado en árboles conocido por su alto rendimiento en datos tabulares estructurados y no lineales.
• Modelo Cuántico: Se implementó un Modelo Secuencial Cuántico (QSM) basado en circuitos variacionales (VQC).
  • Codificación: Angle embedding para mapear los datos clásicos comprimidos al espacio de Hilbert.
  • Estrategia: Uso de re-subida de datos (data re-uploading), donde las características se inyectan múltiples veces en el circuito para aumentar la expresividad sin añadir más qubits.
  • Entrelazamiento: Capas variacionales con puertas de rotación y operaciones CNOT.
  • Salida: Medición de valores esperados de observables combinados con un mapeo de regresión clásico.

3. Configuración Experimental

• Entrenamiento: Se utilizó el dataset de EE. UU. (mayor volumen de datos y cobertura geográfica) para entrenar ambos modelos.
• Inferencia/Prueba: Se evaluó el rendimiento en el dataset de Cataluña.
• Filtrado: Para reducir el desajuste de distribución, el entrenamiento se limitó a estados de EE. UU. con características climáticas comparables a las de Cataluña.
• Métricas: Error Absoluto Medio (MAE) y Coeficiente de Determinación ($R^2$).

4. Resultados Principales

Los experimentos revelaron las siguientes conclusiones:

• Rendimiento General: Los modelos clásicos superaron consistentemente a los modelos cuánticos en términos de precisión predictiva y estabilidad.
  • Cataluña: El modelo clásico obtuvo un MAE de 0.33, mientras que el cuántico obtuvo 2.84. Ambos tuvieron $R^2$ negativos, indicando la dificultad extrema de la tarea debido a la escasez de datos, pero el clásico fue significativamente mejor.
  • EE. UU.: El modelo clásico alcanzó un MAE de 0.54 frente a 2.57 del modelo cuántico.
• Comportamiento Cuántico: Aunque el rendimiento fue inferior, los modelos cuánticos demostraron una capacidad de aprendizaje no trivial. No aprendieron aleatoriamente, sino que capturaron cierta estructura predictiva, lo que sugiere que el modelo tiene potencial si se superan las limitaciones actuales.
• Factores Limitantes: La brecha de rendimiento se atribuye principalmente a las restricciones del régimen NISQ (Noisy Intermediate-Scale Quantum): ruido, profundidad de circuito limitada y sensibilidad a la escalabilidad de los datos.

5. Contribuciones Clave

1. Pipeline Reproducible: Desarrollo de un flujo de trabajo unificado que integra datos climáticos, demográficos y de salud para la predicción poblacional.
2. Comparación Justa: Primera evaluación empírica que aplica preprocesamiento idéntico (PCA, estandarización) a modelos clásicos y cuánticos en un problema de salud real.
3. Análisis de Capacidad Actual: Demostración de que, aunque la QML aún no supera a los métodos clásicos en este dominio específico, ya posee capacidad de aprendizaje significativa bajo restricciones de hardware real.
4. Fundamento para Modelos Híbridos: Establecimiento de una base metodológica para futuras investigaciones en modelado de salud híbrido (clásico-cuántico).

6. Significado y Conclusión

El estudio concluye que, en el estado actual de la tecnología cuántica, los métodos clásicos (especialmente el boosting) siguen siendo la opción superior para la predicción de eventos de salud relacionados con el calor debido a la naturaleza esparcida y ruidosa de los datos.

Sin embargo, el trabajo es significativo porque no descarta la QML, sino que la posiciona como una tecnología emergente con potencial. Los resultados sugieren que a medida que el hardware cuántico evolucione (más qubits, menos ruido), los modelos variacionales podrían complementar o superar a los clásicos en tareas que requieren capturar interacciones de características altamente no lineales y complejas. El artículo sirve como un "punto de referencia" (benchmark) honesto para la comunidad de salud computacional y física cuántica.