Resumen Técnico: Estimación Conjunta del Efecto del Tratamiento a partir de Datos Sanitarios Incompletos

Enunciado del Problema

El artículo aborda el desafío crítico de estimar efectos causales del tratamiento a partir de Registros Electrónicos de Salud (RES) observacionales cuando están presentes dos dificultades acumulativas: confusión que varía en el tiempo y ausencia de datos que no es al azar (MNAR).

Los métodos estándar para la Emulación de Ensayos Clínicos (TTE) a menudo fallan en entornos de RES del mundo real debido a:

1. Confusión que varía en el tiempo: Las decisiones de tratamiento están impulsadas por perfiles de pacientes en evolución, creando dependencias complejas que los métodos existentes suelen manejar solo bajo supuestos paramétricos restrictivos o sin una estructura causal explícita.
2. Ausencia de datos MNAR: Los biomarcadores críticos en los RES a menudo exhiben tasas de ausencia de datos del 50% al 80%. Esta ausencia de datos se debe a decisiones clínicas (por ejemplo, pruebas solicitadas solo cuando se sospecha una condición), lo que significa que la probabilidad de que falten datos depende del valor no observado en sí mismo.
3. Sesgo Acumulativo: Las estrategias estándar de imputación (por ejemplo, MICE, MissForest) suelen asumir Ausencia de Datos al Azar (MAR) y se validan en tasas bajas de ausencia de datos. Cuando se aplican a datos MNAR de alta tasa, distorsionan las estructuras de correlación entre biomarcadores y resultados, lo que lleva a estimaciones causales sesgadas.

Los enfoques existentes a menudo tratan la imputación y la inferencia causal como etapas separadas o dependen de aproximaciones variacionales/adversarias que introducen fallos silenciosos en la estimación contrafactual.

Metodología

Los autores proponen una tubería de dos etapas diseñada para manejar conjuntamente la ausencia de datos MNAR y la estructura causal a lo largo del tiempo.

Etapa 1: Imputación Evolutiva Impulsada por LLM

Para abordar la entrada de datos incompletos, los autores introducen un marco de búsqueda evolutiva donde un Modelo de Lenguaje Grande (LLM) actúa como operador de mutación para generar estrategias de imputación.

• Mecanismo: En lugar de que el LLM rellene directamente los valores faltantes, propone módulos candidatos de Python (imputadores) $g^{(k)}$.
• Puntuación Proxy Auto-supervisada: La calidad de cada candidato se evalúa en un conjunto de retención proxy (datos observados enmascarados) utilizando una puntuación compuesta $s(g)$:
  $$s(g) = \text{RMSE}(g) + \lambda_Y \Delta_Y(g) + \lambda_T \Delta_T(g)$$
  Esta puntuación penaliza el error de reconstrucción punto a punto (RMSE) y, crucialmente, la distorsión de las correlaciones covariable–resultado ($\Delta_Y$) y las correlaciones covariable–tratamiento ($\Delta_T$). Esto asegura que los datos imputados preserven la estructura causal requerida para la estimación aguas abajo.
• Bucle Evolutivo: Comenzando desde un imputador semilla, el LLM propone iterativamente variaciones basadas en el mejor candidato actual y un resumen del historial de búsqueda, aceptando solo aquellos que mejoren estrictamente la puntuación proxy.
• Backends: El método se evaluó utilizando tres backends de LLM: GPT-5.4, GPT-OSS-120b y Qwen3.5-Plus.

Etapa 2: CausalFlow-T (Inferencia Contrafactual Exacta)

Los datos completados $\hat{D}$ se alimentan en CausalFlow-T, un modelo novedoso para inferencia contrafactual exacta.

• Arquitectura: Combina un Flujo Autoregresivo Enmascarado Causal (CausalMAF) con un codificador de Memoria a Corto y Largo Plazo (LSTM).
• Restricciones DAG: El flujo está restringido por un Grafo Acíclico Dirigido (DAG) especificado por expertos. El ordenamiento autoregresivo de las variables sigue estrictamente la ordenación topológica del DAG. Esto asegura que las intervenciones (operaciones do) se propaguen solo a través de descendientes causales, evitando fugas anti-causales.
• Inferencia Exacta: A diferencia de los Autoencoders Variacionales (CVAE) o los métodos basados en GAN que optimizan un límite inferior (ELBO) u objetivos adversarios, CausalFlow-T maximiza la verosimilitud logarítmica exacta.
• Procedimiento Contrafactual: Emplea el procedimiento de Abducción-Acción-Predicción (AAP) de Pearl:
  1. Abducción: Invertir el flujo exactamente para recuperar el ruido exógeno $z_t$ para un paciente específico.
  2. Acción: Intervención en la variable de tratamiento ($A \leftarrow a'$) manteniendo $z_t$ fijo.
  3. Predicción: Propagar la intervención a través del flujo restringido por el DAG para generar el resultado contrafactual.
     Esto garantiza que el mismo ruido específico del individuo se utilice tanto para los brazos fácticos como contrafactuales, una propiedad que los métodos variacionales no pueden proporcionar.

Contribuciones Clave

1. CausalFlow-T: Un flujo normalizador restringido por DAG que permite inferencia contrafactual exacta e invertible para datos longitudinales. Los autores demuestran que es el único modelo que satisface simultáneamente cinco criterios de fiabilidad (calibración de subgrupos, preservación de la varianza de la cola, reconstrucción de brazos, recuperación de la razón de riesgos y estabilidad).
2. Identificación de Modos de Fallo No Superpuestos: A través de estudios de ablación, el artículo revela dos modos de fallo distintos en la inferencia causal:
   • Separación de Confusión: Requiere una estructura causal explícita (restricciones DAG). Los modelos sin restricciones DAG mantienen un sesgo sistemático incluso con un error fáctico bajo.
   • Propagación Estructural: Requiere inferencia exacta. Los métodos variacionales (incluso con DAGs correctos) fallan en recuperar los verdaderos efectos del tratamiento bajo caminos de mediación complejos debido a brechas de aproximación (colapso posterior).
3. Imputación Evolutiva Impulsada por LLM: Una estrategia de imputación novedosa que supera a los métodos estadísticos estándar (LOCF, MissForest) y a las líneas base de ajuste de flujo en la preservación de estructuras de correlación causal bajo tasas de ausencia de datos MNAR del 30% al 80%.
4. Marco de Evaluación Conjunta: El artículo establece que la precisión de la reconstrucción punto a punto y la fidelidad causal no son objetivos alineados. Introduce una evaluación de doble capa (calidad del biomarcador + calidad causal aguas abajo) para detectar compensaciones invisibles para las métricas estándar.

Resultados

Benchmarks Sintéticos y Semisintéticos

• Rendimiento de CausalFlow-T: En cuatro conjuntos de datos sintéticos (incluyendo un complejo benchmark de riesgo cardiovascular de 17 nodos) y un conjunto de datos semisintético basado en FIRE, CausalFlow-T fue el único modelo que superó todos los criterios de fiabilidad.
  • Competidores como GNN-CVAE y CVAE sufrieron colapso posterior (predicción de efectos nulos donde existían efectos reales) o colapso de varianza.
  • TARNet y flujos sin restricciones fallaron en recuperar las razones de riesgos correctas o direcciones de tratamiento invertidas.
• Rendimiento de Imputación: El imputador impulsado por LLM (específicamente GPT-5.4) logró la mejor puntuación global en métricas de biomarcadores y causales.
  • Mantuvo el MAE y RMSE punto a punto más bajos a través de ausencias de datos del 30%, 50% y 80%.
  • Crucialmente, fue la única estrategia que preservó la recuperación del Efecto Promedio del Tratamiento (ATE) donde los métodos estadísticos (MissForest, CausalCFM) se degradaron progresivamente a medida que aumentaba la ausencia de datos.
  • El estudio destacó una compensación: mientras que CausalCFM a veces preservó mejor las correlaciones a tasas de ausencia de datos más bajas, los LLM dominaron en regímenes de alta ausencia de datos y extrapolación temporal.

Aplicación en el Mundo Real

La tubería se aplicó a una cohorte de 6.114 adultos con Diabetes Tipo 2 en atención primaria suiza (base de datos FIRE) para estimar el efecto de iniciar agonistas del receptor GLP-1 frente a inhibidores SGLT-2 sobre el peso corporal a un año.

• Resultado: La tubería estimó una diferencia de pérdida de peso por protocolo de −0,98 kg [IC 95% −1,01, −0,96] a favor de los GLP-1RA.
• Validación: Esta estimación es consistente con el Ensayo Controlado Aleatorizado (ECA) SUSTAIN 8, que reportó una diferencia de −1,06 kg, a pesar de que los datos del mundo real tenían >50% de ausencia de datos MNAR y agentes farmacológicos mixtos.

Significado y Afirmaciones

El artículo afirma que abordar conjuntamente la estructura causal y la ausencia de datos MNAR es tanto necesario como factible para la estimación práctica del efecto del tratamiento a partir de datos observacionales.

• Más allá de los ECA: El trabajo demuestra que las tuberías basadas en ML pueden extender la evidencia causal más allá de las poblaciones y condiciones restringidas de los ECA hacia entornos clínicos del mundo real donde los ensayos son inviables.
• Fiabilidad sobre Precisión: Los autores argumentan que un bajo error de predicción fáctica (MAE) es insuficiente para la inferencia causal. Los modelos deben satisfacer criterios estructurales (preservación de varianza, propagación correcta de mediación) para ser fiables.
• Vínculo Imputación-Causal: El estudio establece que las decisiones de imputación tienen impactos directos y medibles en la validez causal, lo que requiere métricas de evaluación conjuntas en lugar de tratar la imputación como una tarea puramente de reconstrucción.
• Limitaciones Modestas: Los autores reconocen limitaciones, incluida la dependencia de DAGs especificados por expertos (el análisis de sensibilidad muestra que el sesgo aumenta con la eliminación de vías únicas), el uso de relajación continua para resultados de supervivencia binarios (afectando la calibración) y la suposición de intercambiabilidad condicional. Señalan que el trabajo futuro debería explorar arquitecturas de flujo discretas y refinamiento automatizado de DAG.

En resumen, el artículo proporciona un marco robusto de dos etapas que cierra la brecha entre los datos de RES incompletos y desordenados del mundo real y la inferencia causal rigurosa, validado tanto por verdades de terreno sintéticas como por la consistencia con la evidencia establecida de ECA.