Parametric ROC Analysis and Optimal Cutoff Selection under Scale Mixtures of Skew-Normal Distributions: A Decision-Theoretic Framework with Asymptotic Inference

Resumen Técnico: Análisis ROC Paramétrico y Selección Óptima de Puntos de Corte bajo Mezclas de Escala de Distribuciones Normales Asimétricas

Planteamiento del Problema
La selección de un umbral diagnóstico para biomarcadores continuos es una decisión clínica crítica que equilibra la sensibilidad y la especificidad. Si bien la curva Característica Operativa del Receptor (ROC) proporciona una evaluación integral de la capacidad discriminativa, la implementación clínica requiere un único punto de operación. El índice de Youden, ampliamente utilizado, que maximiza la suma de la sensibilidad y la especificidad, asume implícitamente costos de clasificación errónea iguales y una prevalencia de la enfermedad igual. Estas suposiciones son frecuentemente poco realistas, particularmente en estudios serológicos donde la prevalencia de la enfermedad es baja o donde las consecuencias de los falsos negativos (por ejemplo, diagnósticos omitidos) difieren significativamente de los falsos positivos. Además, los biomarcadores en contextos inmunológicos y serológicos a menudo exhiben asimetría y colas pesadas, lo que hace inadecuados los modelos ROC estándar basados en la distribución Gaussiana. Los enfoques paramétricos existentes a menudo fallan en integrar la optimalidad de la teoría de la decisión (incorporando costos y prevalencia) con la inferencia asintótica formal bajo familias distribucionales flexibles.

Metodología
Los autores desarrollan un marco paramétrico unificado para el análisis ROC y la selección óptima de puntos de corte basado en la familia de distribuciones Mezclas de Escala de Normales Asimétricas (SMSN). Esta familia abarca las distribuciones normal asimétrica (SN) y t asimétrica (ST), permitiendo asimetría a la derecha o a la izquierda y diversos grados de pesadez de las colas.

1. Estructura del Modelo: El biomarcador $X$ se modela condicionalmente al estado de la enfermedad $D \in \{0, 1\}$ como $X|D=k \sim \text{SMSN}(\xi_k, \omega_k, \alpha_k; H_k)$. Los parámetros se estiman mediante ajustes de máxima verosimilitud (MV) separados para los grupos enfermos y no enfermos.
2. Estimación de la Curva ROC y del AUC: La curva ROC y el Área bajo la Curva (AUC) se derivan como funcionales suaves de los parámetros SMSN. Los estimadores se obtienen utilizando el principio de sustitución (plug-in) con las estimaciones de MV separadas por grupo.
3. Selección de Puntos de Corte Basada en la Teoría de la Decisión: El punto de corte óptimo $c^*$ se define como el minimizador de un riesgo de clasificación errónea ponderado $R(c) = \lambda_1 \pi_1 F_1(c) + \lambda_0 \pi_0 (1 - F_0(c))$, donde $\lambda$ representa los costos de error y $\pi$ representa la prevalencia de la enfermedad.
   • La condición de primer orden para la optimalidad produce una ecuación de razón de verosimilitud: $\Lambda(c^*) = f_1(c^*)/f_0(c^*) = (\lambda_0 \pi_0) / (\lambda_1 \pi_1)$.
   • Esto generaliza el criterio de Youden (donde la razón es igual a 1) a configuraciones asimétricas.
4. Propiedades Teóricas:
   • Existencia y Unicidad: Bajo una condición de Razón de Verosimilitud Monótona (MLR), los autores prueban la existencia, unicidad y optimalidad global del punto de corte.
   • Inferencia Asintótica: Utilizando el Teorema de la Función Implícita y el método Delta multivariado, los autores derivan la distribución asintótica conjunta de los estimadores de sustitución para la curva ROC, el AUC y el punto de corte óptimo.
   • Varianza e Identificabilidad: Una contribución clave es la derivación de un estimador de varianza de sustitución de forma cerrada. La varianza asintótica es inversamente proporcional al cuadrado de la pendiente local de la ecuación de estimación en el umbral óptimo, denotada como $|\partial_c \phi(c^*, \theta^*)|$. Esta cantidad se interpreta como un diagnóstico de identificabilidad local, midiendo qué tan nítidamente está definida la frontera de decisión.

Contribuciones Clave

• Marco Unificado: El artículo integra el modelado flexible SMSN con la selección de puntos de corte basada en la teoría de la decisión, abordando las limitaciones de las suposiciones Gaussianas y los criterios de costos/prevalencia simétricos.
• Optimalidad Generalizada: Establece el punto de corte óptimo como la solución única a una ecuación de razón de verosimilitud que cuenta explícitamente con costos y prevalencia asimétricos, proporcionando una alternativa rigurosa al índice de Youden.
• Teoría Asintótica: Los autores proporcionan consistencia, normalidad asintótica y un estimador de varianza de forma cerrada para el punto de corte óptimo.
• Diagnóstico de Identificabilidad: La derivación del término de pendiente local como herramienta de diagnóstico permite a los profesionales evaluar la fiabilidad y estabilidad del punto de corte estimado antes del informe clínico.
• Expansión de Primer Orden: Se deriva una expansión de primer orden para cuantificar el desplazamiento del punto de corte óptimo desde la solución de Youden como función de la relación costo-prevalencia y la curvatura local.

Resultados

• Estudio de Simulación: Las simulaciones de Monte Carlo en seis escenarios (variando distribuciones SN y ST, niveles de separación y asimetrías de costos/prevalencia) confirman la precisión de las aproximaciones asintóticas.
  • El estimador de sustitución $\hat{c}$ exhibe un sesgo despreciable y un Error Cuadrático Medio (RMSE) decreciente a medida que aumenta el tamaño de la muestra.
  • La relación entre la varianza empírica y la varianza asintótica de sustitución permanece cercana a 1, validando la fórmula de varianza.
  • Los intervalos de confianza de Wald logran una cobertura nominal (aprox. 95%) en todos los escenarios, incluidos los casos de colas pesadas y separación débil.
  • El diagnóstico de identificabilidad local $|\partial_c \phi|$ se correlaciona inversamente con la variabilidad de la estimación: pendientes menores (fronteras más planas) resultan en varianzas mayores e intervalos de confianza más amplios.
• Aplicación a Datos de SARS-CoV-2: La metodología se aplicó a datos serológicos de cuatro biomarcadores IgG (Stri, RBD, S1, S2).
  • La selección del modelo mediante BIC favoreció distribuciones t asimétricas para el grupo seronegativo y normales asimétricas para el grupo seropositivo.
  • Bajo una configuración de decisión asimétrica ($\lambda_1 = 3\lambda_0$, $\pi_0 = 0.9$), los puntos de corte óptimos propuestos fueron sustancialmente más altos que los puntos de corte de Youden.
  • Los puntos de corte basados en la teoría de la decisión redujeron el riesgo de clasificación errónea estimado hasta en un 63% en comparación con el umbral de Youden (específicamente para el biomarcador RBD en un escenario con altos costos de falsos positivos).
  • El diagnóstico de identificabilidad local predijo con éxito la anchura de los intervalos de confianza, con biomarcadores que tenían razones de verosimilitud más planas que producían intervalos más amplios.

Significado y Afirmaciones
El artículo afirma llenar un vacío en la literatura al proporcionar un tratamiento sistemático del análisis ROC y la selección óptima de puntos de corte dentro de la familia SMSN que combina la optimalidad de la teoría de la decisión con la inferencia asintótica formal. Los autores enfatizan que el marco propuesto ofrece una alternativa fundamentada al índice de Youden, particularmente en configuraciones con enfermedades raras o costos de error asimétricos, donde la regla de Youden puede ser significativamente subóptima. La inclusión del diagnóstico de identificabilidad local se destaca como una herramienta práctica para evaluar la estabilidad del umbral estimado, reconociendo que un biomarcador con buena discriminación global puede aún producir un punto de corte débilmente identificable si la frontera de decisión es localmente plana. Los autores notan modestamente que la suposición de razón de verosimilitud monótona es una condición suficiente, no necesaria, para la unicidad, y que el marco asume una prevalencia conocida, dejando la extensión a prevalencias estimadas para trabajos futuros.