From Observed Viability to Internal Predictive Approximation: A Single-Subject Latent-Space Analysis of Gait Dynamics Under Occlusal Constraint

Resumen Técnico: De la Viabilidad Observada a la Aproximación Predictiva Interna

Enunciado del Problema
Los sistemas biomecánicos adaptativos, como la marcha humana, presentan un desafío donde el rendimiento observable (por ejemplo, variables espacio-temporales) no identifica de manera única la organización latente subyacente. Trabajos previos establecieron que una marcha observable similar puede surgir de configuraciones latentes distintas y que la viabilidad longitudinal (estabilidad del sistema a lo largo del tiempo) no puede inferirse únicamente del rendimiento instantáneo. Si bien un marco anterior de "Nivel 4" logró evaluar la viabilidad longitudinal retrospectivamente midiendo los desplazamientos del centroide en un espacio latente (M1 a M2), este permaneció puramente descriptivo. No podía aproximar la transformación antes de observar el estado final. El problema central abordado en este estudio es si las transformaciones latentes observadas M1–M2, que caracterizan la viabilidad longitudinal, pueden aproximarse internamente dentro de un marco predictivo de espacio latente utilizando un conjunto de datos de un solo sujeto.

Metodología
El estudio emplea un diseño exploratorio, retrospectivo y de un solo sujeto que involucra a un participante con enfermedad de Parkinson. Los datos se recopilaron en dos sesiones (M1 y M2) separadas por once semanas, durante las cuales el participante se sometió a una intervención sensoriomotora estructurada.

• Adquisición de Datos: La marcha se registró mediante plantillas instrumentadas bajo seis "sondas observacionales oclusales" distintas: Oclusión Natural Neutra (ONL), Desenganche Amplio de Boca Abierta (OBL), Apriete Voluntario Fuerte (OSL) y tres variaciones de la Dimensión Vertical de Oclusión (VDO) (OC2.5, OC3, OC3P). Estas sondas se aplicaron únicamente durante la medición, sirviendo como restricciones discretas en lugar de impulsores causales continuos de la evolución longitudinal.
• Representación Latente: Se utilizó el Análisis de Componentes Principales (PCA) para mapear variables biomecánicas de alta dimensión en un espacio latente de baja dimensión (PC1–PC2). Se generaron dos proyecciones: una alineada con el análisis anterior de Nivel 4 (utilizando ONL, OC2.5, OC3) y una proyección extendida que incluía las seis sondas.
• Modelo Predictivo: Se entrenó un modelo simplificado de aprendizaje automático supervisado (una red neuronal de alimentación hacia adelante con dos capas ocultas de 16 neuronas) para aproximar la transformación M1–M2 directamente en el espacio latente.
  • Entradas: Coordenadas latentes de M1, descriptores codificados de sondas oclusales (que representan restricciones mecánicas como contacto dental, aumento de VDO y protrusión) y un indicador de transición.
  • Salida: Coordenadas latentes predichas de M2.
  • Objetivo: Minimizar el error cuadrático medio entre los centroides observados y predichos de M2.
• Estrategia de Evaluación: El estudio utilizó tres niveles de evaluación interna para probar la aproximación sin afirmar generalizabilidad:
  1. Aproximación con conjunto de datos completo: Entrenamiento y prueba sobre el conjunto completo de condiciones.
  2. M2 retenido: Retención de un subconjunto de observaciones de M2 durante el entrenamiento.
  3. Dejar condición fuera: Entrenamiento sobre cinco sondas y evaluación sobre la sexta sonda (no vista).

Contribuciones Clave

1. Introducción del Análisis de Nivel 5: El artículo define un nuevo nivel analítico centrado en la "aproximación predictiva interna". Esto desplaza el marco de la observación retrospectiva de la viabilidad a una aproximación basada en modelo de trayectorias latentes relacionadas con la viabilidad dentro de un solo sujeto.
2. Distinción Metodológica: Distingue rigurosamente entre "restricciones observacionales" (sondas oclusales aplicadas durante la medición) y "evolución longitudinal del sistema" (el efecto combinado del tiempo, la intervención y la variabilidad espontánea entre sesiones). El modelo aproxima la última mientras condiciona a la primera.
3. Prueba de Concepto para la Aproximación de Trayectorias Latentes: El estudio demuestra que una red neuronal simplificada puede aproximar el desplazamiento observado M1–M2 en el espacio latente y preservar la jerarquía relativa de desplazamientos identificada en análisis retrospectivos anteriores.
4. Codificación Basada en Descriptores: Para permitir la prueba de "dejar condición fuera", los autores desarrollaron una codificación basada en descriptores para las sondas oclusales (por ejemplo, presencia de contacto, magnitud del aumento de VDO) en lugar de una codificación categórica simple de tipo one-hot, lo que permite que el modelo generalice a combinaciones de restricciones no vistas dentro del mismo sujeto.

Resultados

• Análisis Central (Alineación con Nivel 4): En el análisis restringido a ONL, OC2.5 y OC3, el modelo preservó con éxito la jerarquía de desplazamientos observada en el estudio anterior de Nivel 4: $d_{OC3} < d_{ONL} < d_{OC2.5}$. Los desplazamientos de centroide predichos coincidieron estrechamente con los valores observados (por ejemplo, $d_{OC3}$ predicho = 5.32 frente a 5.35 observado), con errores de centroide bajos (0.01–0.06).
• Análisis Extendido de Seis Sondas: El modelo aproximó la transformación M1–M2 para las seis sondas, preservando la estructura global del ordenamiento exploratorio. OSL mostró el desplazamiento más bajo, mientras que OBL y OC2.5 mostraron los más altos. OC3 y OC3P permanecieron estrechamente agrupados.
• Robustez Interna:
  • M2 retenido: El modelo mantuvo la capacidad de aproximación a nivel de centroide en observaciones de M2 no vistas dentro del mismo sujeto, aunque los errores punto a punto variaron según la condición.
  • Dejar condición fuera: El modelo pudo aproximar la transformación de una sonda retenida, aunque con errores de centroide más altos (0.40–1.08) en comparación con el ajuste con conjunto de datos completo, lo que indica la mayor dificultad de aproximar restricciones no vistas.
• Organización Dentro de la Sesión: El análisis reveló que, aunque OC3 permaneció cerca de la referencia ONL en ambas sesiones, OC2.5 permaneció más distante, lo que sugiere que la proximidad mecánica (aumento de VDO) no implica necesariamente equivalencia funcional latente.

Significado y Afirmaciones
El artículo enmarca explícitamente sus hallazgos como un puente metodológico en lugar de una solución clínica.

• Sin Predicción Clínica: Los autores declaran claramente que el estudio no establece validez predictiva clínica, efectos oclusales causales, superioridad terapéutica o predicción generalizable a nivel de paciente. El término "predictivo" se utiliza estrictamente en un sentido metodológico restringido: la aproximación interna de transformaciones observadas dentro de un conjunto de datos de un solo sujeto.
• Prueba de Concepto: El significado principal es demostrar que las trayectorias latentes relacionadas con la viabilidad, anteriormente observables solo retrospectivamente, pueden aproximarse internamente por un modelo simplificado. Esto sugiere que la "estructura" de la viabilidad longitudinal es representable en un espacio latente.
• Camino hacia el Nivel 6: El trabajo se posiciona como un prerrequisito necesario para un futuro marco de "Nivel 6". El Nivel 5 prueba si las trayectorias son aproximables en un solo sujeto; se requeriría un Nivel 6 para probar si estas aproximaciones son generalizables a través de múltiples individuos para apoyar la predicción clínicamente operativa.

En resumen, el estudio valida un marco computacional para pasar de la "viabilidad longitudinal observada" a la "aproximación predictiva interna" de trayectorias latentes, estableciendo una prueba de concepto de que tales transformaciones pueden modelarse sin afirmar aplicabilidad clínica inmediata o inferencia causal.