Resumen Técnico: CAUSALGUARD

Enunciado del Problema

Estimar los efectos del tratamiento individualizados (Efecto Promedio Condicional del Tratamiento, o CATE) a partir de datos observacionales requiere seleccionar un conjunto de ajuste válido para bloquear la confusión. Esta selección depende del Grafo Acíclico Dirigido (DAG) causal subyacente, el cual rara vez se conoce en la práctica.

• Especificación Incorrecta del Grafo: Confiar en un único grafo, potencialmente incorrecto, puede conducir a conjuntos de ajuste inválidos (por ejemplo, omitir confusores o ajustar por colisionadores), destruyendo la identificación o induciendo sesgo.
• Limitaciones de los Métodos Conformales Actuales: Aunque la inferencia conformal ofrece garantías de cobertura libres de distribución y para muestras finitas, los "envoltorios" estándar "agnósticos al grafo" a menudo fallan en proporcionar cobertura válida para el estimando causal si el conjunto de ajuste subyacente es inválido. Además, promediar intervalos de múltiples grafos después de la calibración introduce una brecha de Jensen, lo que conduce a intervalos innecesariamente amplios (gran relleno) para recuperar la cobertura nominal.

Metodología: CAUSALGUARD

Los autores proponen CAUSALGUARD, un marco conformal ponderado por estructura que integra la incertidumbre del grafo directamente en el proceso de calibración conformal, en lugar de tratarlo como una fuente de error a posteriori. La tubería procede en cuatro etapas:

1. Elicitación Probabilística de Priors Estructurales

En lugar de asumir un grafo fijo, el método construye una distribución de propuesta sobre DAGs candidatos:

• Priors Derivados de LLM: Se consulta un modelo de lenguaje autoregresivo preentrenado para estimar las probabilidades de las aristas ($P_{prior}(u \to v)$) basándose en descripciones del dominio. Estos sirven como un mecanismo de propuesta, no como una fuente de verdad garantizada.
• Muestreo de DAG: Se muestrean DAGs candidatos a partir de este prior, respetando los metadatos temporales (por ejemplo, el tratamiento precede al resultado) para asegurar la aciclicidad.

2. Poda Estadística y Ponderación Bayesiana

• Poda por Independencia Condicional (IC): Las aristas espurias en los grafos muestreados se podan utilizando la prueba $z$ de Fisher para la independencia condicional en los datos de entrenamiento ($D_{train}$).
• Reponderación BIC: Los grafos candidatos restantes se puntúan utilizando el Criterio de Información Bayesiano (BIC) combinado con el prior estructural. Las estrategias de ajuste duplicadas se colapsan y los pesos ($w_k$) se normalizan para formar una distribución posterior sobre conjuntos de ajuste únicos.

3. Estimación Doblemente Robusta Condicional al Grafo

Para cada grafo candidato $G_k$ (y su conjunto de ajuste implícito $Z_k$):

• Estimación de Variables de Nuisance: Se ajustan modelos de nuisance doblemente robustos (puntuaciones de propensión y regresiones de resultado) en $D_{train}$.
• Generación de Pseudo-Resultados: Se calculan pseudo-resultados de Ponderación Inversa de Probabilidad Aumentada (AIPW) ($\tilde{Y}^{(k)}$) y límites heurísticos.

4. Calibración Conformal Ponderada por Estructura

Esta es la innovación central. En lugar de calibrar grafos individuales y promediar los resultados, CAUSALGUARD:

• Agrega Primero: Calcula un pseudo-resultado ponderado por la posterior ($\bar{\gamma}$) y límites agregados combinando las estimaciones condicionales al grafo utilizando los pesos de BMA.
• Puntuación Compuesta: Se define una única puntuación de no conformidad sobre este objetivo agregado: $E_i = \max(\bar{q}_{low} - \bar{\gamma}_i, \bar{\gamma}_i - \bar{q}_{high})$.
• Calibración: El umbral conformal $\hat{Q}$ se deriva de la distribución de estas puntuaciones compuestas en el conjunto de calibración ($D_{cal}$).
• Intervalo Final: El intervalo de salida es $\hat{C}(x) = [\bar{q}_{low}(x) - \hat{Q}, \bar{q}_{high}(x) + \hat{Q}]$.

Contribuciones Clave

1. Inferencia Conformal Ponderada por Estructura: Un marco novedoso que agrega pseudo-resultados doblemente robustos condicionales al grafo mediante una puntuación compuesta ponderada por la posterior, transfiriendo la incertidumbre estructural directamente a la etapa de calibración.
2. Puntuación de Agregación-Antes-de-Calibrar: Demostración teórica (Proposición 1) de que calibrar el objetivo agregado directamente evita la brecha de Jensen inherente al promediar intervalos específicos del grafo, resultando en intervalos más estrechos para la misma garantía de cobertura.
3. Construcción de Ensamble de Grafos: Un procedimiento práctico que combina propuestas de aristas derivadas de LLM, poda basada en IC y reponderación BIC. El prior de LLM actúa como una distribución de propuesta para muestras finitas, mientras que la verosimilitud de los datos (a través del BIC) domina a medida que aumenta el tamaño de la muestra.
4. Garantías Teóricas:
   • Validez para Muestras Finitas: El Teorema 1 establece cobertura marginal libre de distribución para el pseudo-resultado agregado ($\bar{\gamma}$) bajo intercambiabilidad, sin asumir que ningún grafo candidato es correcto.
   • Consistencia Asintótica: El Corolario 2 demuestra que, bajo identificación causal, superposición, estabilidad de nuisance y concentración de puntuaciones en estrategias válidas, la media condicional del objetivo agregado converge al CATE verdadero.

Resultados Empíricos

El método fue evaluado en cinco puntos de referencia (IHDP, Sachs, ACIC2019, Jobs, Twins) con 10 semillas aleatorias por conjunto de datos.

• Cobertura: CAUSALGUARD logró consistentemente una cobertura media superior al nivel nominal del 90% para el objetivo directamente evaluable (CATE verdadero en IHDP/Twins; pseudo-resultado ponderado en los demás).
• Eficiencia: El método redujo significativamente el ancho del intervalo en comparación con las líneas base conformales agnósticas al grafo (por ejemplo, Bosque Causal Conformal, DR Naive Conformal), particularmente en conjuntos de datos donde la incertidumbre del conjunto de ajuste impulsa la ineficiencia (por ejemplo, IHDP y Jobs).
• Robustez ante Ajustes Inválidos: Las pruebas de estrés que involucraron la inyección de una variable colisionadora mostraron que CAUSALGUARD suprimió con éxito los ajustes de colisionadores inválidos (mediante metadatos temporales y poda IC), manteniendo una alta cobertura y un RMSE bajo, mientras que las líneas base ingenuas sufrieron una subcobertura severa.
• Sensibilidad al Prior: En regímenes de pocos datos, el prior de LLM ayuda a organizar la búsqueda. Sin embargo, a medida que aumenta el tamaño de la muestra, la ponderación BIC hace que el prior se "desvanezca", haciendo que el intervalo final sea cada vez más impulsado por los datos. El método permanece estable incluso bajo priores adversarios o no informativos cuando los datos son informativos.

Significado y Afirmaciones

El artículo posiciona a CAUSALGUARD como una solución a la tensión entre la necesidad de un ajuste causal válido y la incertidumbre de la estructura del grafo subyacente.

• Cambio de Paradigma: Se aleja de "seleccionar un único mejor grafo" o "rellenar para la incertidumbre del peor caso". En su lugar, trata el conjunto de ajuste como incierto y propaga esta incertidumbre a través de la construcción del intervalo.
• Utilidad Práctica: El método es más efectivo cuando la inflación del intervalo es impulsada por la incertidumbre en las elecciones de ajuste en lugar del ruido de resultado irreducible. Proporciona una forma de aprovechar priores semánticos (LLMs) para la búsqueda en muestras finitas mientras se asegura la validez asintótica a través de la reponderación impulsada por datos.
• Limitaciones: Los autores señalan que el método asume suficiencia causal y actualmente escala a tamaños de grafo moderados debido a la naturaleza combinatoria de la generación de candidatos. Garantiza cobertura para el pseudo-resultado agregado; la convergencia al CATE verdadero depende de supuestos adicionales sobre la alineación del objetivo y la estabilidad de nuisance.

En resumen, CAUSALGUARD ofrece un enfoque libre de distribución y válido para muestras finitas para la estimación del efecto del tratamiento bajo incertidumbre del grafo, logrando intervalos más estrechos que los métodos agnósticos al grafo al calibrar un objetivo ponderado por estructura en lugar de promediar intervalos calibrados.