Optimal MILP Approach to Group Sequential Hypothesis Test

Resumen Técnico: Enfoque MILP Óptimo para la Prueba de Hipótesis Secuencial por Grupos

Enunciado del Problema
La Prueba de Hipótesis Secuencial por Grupos (GST) es un marco estándar para realizar múltiples pruebas sobre datos que llegan secuencialmente en $K$ puntos de tiempo fijos (grupos) con un tamaño de muestra total preespecificado $N$. El objetivo principal en muchas aplicaciones, como ensayos clínicos y experimentación digital en línea, es alcanzar una decisión válida (rechazar la hipótesis nula $H_0$) lo antes posible para minimizar el tamaño de muestra esperado (ESS).

Los métodos GST existentes, incluidos Lan-DeMets, Pocock y O'Brien-Fleming, dependen de "funciones de gasto de alfa" preespecificadas para distribuir el presupuesto de error de Tipo 1 ($\alpha$) a través de las $K$ etapas. Si bien estos métodos garantizan un control uniforme del error de Tipo 1, la elección de la función de gasto suele ser heurística. La literatura no ha explorado suficientemente la función de gasto de alfa óptima que minimiza el tiempo de parada esperado mientras satisface las restricciones tanto del error de Tipo 1 ($\alpha$) como del error de Tipo 2 ($\beta$). Los autores señalan que, aunque Silva et al. (2020) abordaron esto para resultados binarios, el caso general que involucra resultados continuos y no acotados sigue siendo un problema de optimización abierto.

Metodología: Enfoque S-MILP
El artículo propone un enfoque novedoso basado en optimización para determinar directamente los umbrales de rechazo óptimos $\theta_1, \dots, \theta_K$ en lugar de depender de funciones de gasto de alfa deterministas. La metodología procede en dos pasos principales:

1. Formulación como un Problema de Optimización Estocástica:
   Los autores formulan el problema de minimizar el tamaño de muestra esperado bajo la hipótesis alternativa $H_a$ sujeto a restricciones sobre los errores de Tipo 1 y Tipo 2. La función objetivo y las restricciones involucran probabilidades de eventos complejos (por ejemplo, que la estadística de prueba cruce un umbral en la etapa $k$ sin haber cruzado umbrales anteriores). Esta formulación es generalmente intratable debido a la naturaleza no convexa y discontinua de las funciones indicadoras involucradas en los cálculos de probabilidad.

2. Aproximación por Promedio de Muestras (SAA) y Programación Lineal Entera Mixta (MILP):
   Para hacer el problema tratable, los autores emplean una Aproximación por Promedio de Muestras (SAA). Generan $M$ trayectorias de muestra independientes de las estadísticas de prueba bajo $H_0$ y $H_a$. Los términos de probabilidad en la formulación original se reemplazan por promedios empíricos (estimaciones de Monte Carlo) sobre estas $M$ trayectorias.

   El problema SAA resultante se reformula entonces como un Programa Lineal Entero Mixto (MILP). Esto se logra introduciendo variables binarias auxiliares para linealizar las funciones indicadoras (por ejemplo, $\mathbb{I}(S_k \leq \theta_k)$). Específicamente:

   • Las variables binarias representan si una trayectoria de muestra cruza un umbral.
   • Las restricciones lógicas (utilizando formulaciones "big-M") vinculan estas variables binarias con las variables de decisión continuas (los umbrales $\theta_k$).
   • La objetivo se convierte en una función lineal de estas variables binarias ponderadas por los tamaños de muestra en cada etapa.

   Esta formulación S-MILP permite el uso de solucionadores comerciales estándar (por ejemplo, Gurobi, CPLEX) para encontrar los umbrales óptimos.

Extensiones y Generalizaciones
El artículo extiende el marco central S-MILP a varios escenarios prácticos:

• Varianza Desconocida (pruebas $t$): Dado que la distribución de la estadística $t$ bajo $H_a$ depende de la varianza desconocida $\sigma$, los autores proponen dos soluciones: (1) reformular la hipótesis en términos del tamaño del efecto estandarizado $\delta$, o (2) utilizar un estudio piloto para estimar $\sigma$ y tratarlo como un parámetro de inserción.
• Estadísticas de Prueba Generales: Las garantías de convergencia se generalizan a estadísticas de prueba continuas arbitrarias, siempre que sus distribuciones puedan muestrearse y satisfagan ciertas condiciones de acotación de densidad.
• Diseños Simétricos: El marco se extiende para permitir la parada anticipada no solo para el rechazo ($H_a$) sino también para la aceptación ($H_0$), optimizando el tamaño de muestra esperado bajo una estrategia híbrida.

Garantías Teóricas
El artículo proporciona un análisis riguroso de convergencia de muestras finitas para el enfoque S-MILP:

• Factibilidad: Con alta probabilidad, la región factible del problema SAA aproxima la región factible verdadera del problema de optimización original a medida que aumenta $M$.
• Brecha de Optimalidad: La diferencia entre el valor objetivo óptimo de la solución SAA y el valor óptimo verdadero converge a cero a una tasa de $O(1/\sqrt{M})$ (hasta factores logarítmicos), asumiendo que se cumple la Cualificación de Restricciones de Mangasarian-Fromovitz (MFCQ). Los autores demuestran que la MFCQ se cumple en casi todas partes (excepto en un conjunto de medida de Lebesgue cero).
• Convergencia de Soluciones: La solución óptima del problema SAA converge al conjunto de soluciones óptimas del problema original con probabilidad 1 a medida que $M \to \infty$.

Resultados y Evaluación Empírica
Los autores validan su enfoque mediante simulaciones y una aplicación del mundo real:

• Resultados de Simulación: Al comparar el enfoque S-MILP con los métodos Lan-DeMets, Pocock y O'Brien-Fleming, el enfoque S-MILP logra consistentemente un Tamaño de Muestra Esperado (ESS) menor. Por ejemplo, con $K=5$ y $K=7$, el método S-MILP mostró mejoras de aproximadamente 13% y 12% sobre Lan-DeMets, y hasta un 33% sobre O'Brien-Fleming.
• Comportamiento de Gasto de Alfa: La optimización revela que la estrategia óptima implica gastar el presupuesto de alfa "agresivamente" en las etapas tempranas, significativamente más incluso que los métodos tradicionales más agresivos (como Pocock). Esto arroja luz sobre la eficiencia de la parada anticipada.
• Aplicación Clínica: El método se aplicó a una reanálisis de un ensayo controlado aleatorizado sobre intervenciones para la Lesión Renal Aguda (LRA). Utilizando el enfoque S-MILP, los autores demostraron que se podía alcanzar la misma conclusión estadísticamente significativa con menos muestras (ahorrando aproximadamente 175 pacientes en promedio en permutaciones, y 807 pacientes en comparación con el estudio original completo) en comparación con el método O'Brien-Fleming utilizado en el análisis original.

Significado y Afirmaciones
El artículo afirma ser uno de los primeros en proporcionar un enfoque general y óptimo para problemas de GST optimizando directamente las regiones de rechazo en lugar de especificarlas mediante funciones de gasto de alfa deterministas. Las contribuciones clave son:

1. Optimalidad: Demostrar que la selección de umbrales basada en optimización produce tamaños de muestra esperados estrictamente menores que los métodos clásicos.
2. Innovación Metodológica: Conectar exitosamente la brecha entre la prueba secuencial estocástica y los solucionadores MILP deterministas mediante SAA, manejando resultados continuos donde los enfoques de programación lineal anteriores fallaron.
3. Perspectiva Práctica: Cuestionar el debate de larga data sobre el gasto de alfa al mostrar que la estrategia matemáticamente óptima es gastar el presupuesto de error muy temprano, en contraposición a la naturaleza conservadora de muchos métodos estándar.

Los autores reconocen limitaciones prácticas, señalando que el costo computacional de resolver el MILP para $M$ grande (por ejemplo, $M=2000$) puede ser significativo, aunque resoluble dentro de plazos razonables (por ejemplo, ~30 minutos para $K=5$). También notan que las garantías de optimalidad dependen de la especificación correcta del tamaño del efecto de la hipótesis alternativa, aunque los resultados empíricos sugieren robustez incluso bajo mala especificación.