HIMCE: High-dimensional multiple imputation via covariance-mode updating for neuroimaging and spatiotemporal blocks

Resumen Técnico: HIMCE – Imputación Múltiple de Alta Dimensión mediante Actualización del Modo de Covarianza

Planteamiento del Problema
Los datos de neuroimagen de alta dimensión y los datos espacio-temporales frecuentemente exhiben valores faltantes estructurados debido a artefactos de adquisición, fallos en el preprocesamiento y desconexión de sensores. Si bien la Imputación Múltiple (MI) es el enfoque estándar para manejar dichos datos propagando la incertidumbre, los métodos existentes enfrentan desafíos significativos en bloques continuos de alta dimensión ($p \gg n$ o $p \approx n$):

• Especificación Condicional Completa (FCS): Métodos como la Imputación Multivariante mediante Ecuaciones Encadenadas (MICE) iteran modelos condicionales. En altas dimensiones, una fuerte colinealidad conduce a regresiones mal condicionadas, causando inestabilidad numérica, convergencia lenta o fallo, lo que a menudo requiere un cribado agresivo de predictores.
• Enfoques de Modelo Conjunto (MVN): Si bien un modelo de trabajo Normal Multivariante (MVN) proporciona un objetivo predictivo posterior coherente y una augmentación de datos exacta, el muestreador estándar requiere muestreo repetido desde una distribución Inversa-Wishart y factorizaciones de matrices de una matriz de covarianza $p \times p$. Estos pasos se vuelven computacionalmente prohibitivos y numéricamente delicados en dimensiones grandes.

Metodología: HIMCE
Los autores proponen Imputación de Alta Dimensión mediante Modo de Covarianza y Ecuaciones Encadenadas (HIMCE), un procedimiento híbrido de MI diseñado para bloques continuos. HIMCE opera como una aproximación estocástica motivada por el posterior que equilibra la eficiencia computacional con la validez estadística.

1. Marco del Modelo:

   • Asume un modelo de bloque Gaussiano: $Y | B, \Sigma \sim MN_{n \times p}(XB, I_n, \Sigma)$.
   • Utiliza un prior conjugado Matriz-Normal Inversa-Wishart.
   • Preserva la ley de imputación condicional Gaussiana para entradas faltantes dados los parámetros actuales.

2. La División Preservación-Aproximación:

   • Preservado: El modelo de trabajo Gaussiano, la ley Gaussiana condicional para patrones de falta, y la propagación estocástica de la incertidumbre de los parámetros de la media (mediante coeficientes estocásticos o muestreos de ridge local).
   • Aproximado: La incertidumbre posterior de la matriz de covarianza $\Sigma$. En lugar de extraer matrices completas Inversa-Wishart, HIMCE actualiza la covarianza hacia un modo estabilizado.

3. Componentes Algorítmicos:

   • Actualización del Modo de Covarianza: En bloques de alta dimensión, el algoritmo reemplaza las extracciones aleatorias Inversa-Wishart con una actualización determinista hacia el modo posterior de la matriz de covarianza.
     • Rama de Alta Dimensión: Utiliza un modo de covarianza empírico-Bayesiano (específicamente el estimador HIMA) o una inserción de modo conjugado, opcionalmente aumentado por un puente escalar unidimensional para introducir estocasticidad limitada.
     • Rama de Baja Dimensión: Cuando la dimensión del bloque es pequeña, el algoritmo restaura la extracción condicional exacta Inversa-Wishart para asegurar una incertidumbre de covarianza precisa.
   • Actualizaciones de la Media: Reemplaza las actualizaciones deterministas con extracciones estocásticas (Matriz-Normal exacta o ridge local escalable con cribado) para propagar la incertidumbre en los coeficientes de regresión.
   • Calibración: Incluye una capa de post-procesamiento ligera que aprende ajustes de centro y escala a partir de celdas observadas (no de verdades retenidas) para mejorar la cobertura en muestras finitas sin alterar la cadena central.

4. Diagnósticos:
   El artículo enfatiza diagnósticos de calibración rigurosos sobre la predicción puntual simple, utilizando:

   • PIT de Celda de Rango Aleatorizado: Para evaluar la uniformidad de la distribución predictiva y detectar sobre/sub-dispersión.
   • Cobertura Empírica Consistente con PIT: Calculada a partir de la misma CDF predictiva empírica utilizada para el PIT para asegurar consistencia entre métricas basadas en rangos y basadas en intervalos.
   • Superposiciones de Distribuciones Marginales: Para comparar los muestreos agrupados y las medias posteriores contra las verdades retenidas.

Resultados Clave
El artículo evalúa HIMCE frente a HIMA (línea base determinista de modo de covarianza) y MICE con cribado utilizando dos puntos de referencia:

1. Punto de Referencia de Neuroimagen Espacial ($p=40, n=80$):

   • Precisión: HIMCE mejora significativamente el error de la media posterior (RMSE/MAE) en relación con HIMA y supera ligeramente a MICE con cribado.
   • Velocidad: HIMCE se ejecuta a velocidades comparables a HIMA y en menos de la mitad del tiempo de MICE con cribado.
   • Calibración: HIMCE mejora sustancialmente la cobertura de intervalos y la uniformidad del PIT en comparación con HIMA (por ejemplo, la cobertura del 95% mejoró de ~0.77 a ~0.88). Sin embargo, MICE con cribado permanece mejor calibrado en general (cobertura del 95% ~0.97).
   • Interpretación: HIMCE actúa como un "punto medio rápido", recuperando la mayoría de las ventajas de predicción puntual de los métodos de modo de covarianza mientras mejora materialmente la calibración, aunque no iguala completamente la calibración de MICE en este entorno espacial específico.

2. Punto de Referencia NHANES de Baja Dimensión ($p=2$):

   • En este entorno de baja dimensión, HIMCE cambia a la actualización exacta Inversa-Wishart.
   • Esta rama produce una mejora masiva en la cobertura (la cobertura del 95% aumenta de ~0.60 para HIMA a ~0.91 para HIMCE) mientras mantiene una predicción puntual competitiva y un tiempo de ejecución similar.

Significado y Afirmaciones
El artículo posiciona a HIMCE no como un muestreador de posterior conjunto exacto en su rama de alta dimensión, sino como una aproximación estocástica motivada por el posterior que aborda los cuellos de botella computacionales de la augmentación de datos MVN exacta.

• Contribución Teórica: Los autores prueban la consistencia posterior en dimensión fija para la inserción de modo Inversa-Wishart conjugado y demuestran que la distribución predictiva de la inserción de modo es asintóticamente equivalente a la distribución predictiva posterior exacta en variación total.
• Contribución Práctica: HIMCE ofrece una alternativa viable para neuroimagen de alta dimensión donde los métodos FCS son inestables y el muestreo conjunto exacto es demasiado lento. Separa explícitamente la preservación de la estructura Gaussiana de la aproximación de la incertidumbre de la covarianza.
• Modestia: Los autores reconocen que el esqueleto de covarianza empírico-Bayesiano utilizado en los experimentos es una elección de implementación de alta dimensión cuya adecuación en muestras finitas es una cuestión empírica. Enfatizan que la calibración con pseudo-faltantes y las verificaciones de forma marginal son componentes esenciales de un "uso responsable", no adornos opcionales, particularmente cuando el número de imputaciones almacenadas es moderado.

El trabajo concluye que HIMCE proporciona una solución práctica y escalable para valores faltantes estructurados en bloques espacio-temporales, cerrando efectivamente la brecha entre la velocidad de las aproximaciones deterministas y el rigor estadístico de la imputación estocástica.