Resumen Técnico: Funciones de Densidad Causal

Planteamiento del Problema

La inferencia causal tradicionalmente se centra en comparar distribuciones completas tras una "cirugía de grafo" (por ejemplo, la eliminación de aristas) o en estimar medidas globales de fuerza causal como la divergencia de Kullback-Leibler (KL) entre modelos observacionales e intervencionales. Si bien estos enfoques son efectivos para comparaciones globales, carecen de un objeto local y diferenciable que describa cómo se transporta la masa de probabilidad de un régimen observacional a uno intervencional a nivel puntual. Además, los métodos existentes suelen depender de operaciones de grafos discretas u objetivos de optimización global que pueden no ser compatibles con intervenciones suaves y continuas o con el aprendizaje basado en gradientes en entornos complejos de múltiples regímenes.

El artículo postula que la pregunta analítica fundamental en la inferencia causal es: ¿Cuál es el objeto de tipo densidad que transporta la masa de probabilidad observacional hacia la masa de probabilidad intervencional?

Metodología: Funciones de Densidad Causal y Cálculo Kan–Do

La propuesta central es la definición de Funciones de Densidad Causal, que son derivadas de Radon–Nikodym (RN) que comparan leyes intervencionales con leyes observacionales.

1. Definición y Calibración

Para una intervención sobre una variable $X_i$, la función de densidad causal $\rho_i(z)$ se define como:
$$\rho_i(z) = \frac{dP_{do(X_i)}}{dP_{obs}}(z)$$
siempre que la ley intervencional $P_{do(X_i)}$ sea absolutamente continua con respecto a la ley observacional $P_{obs}$.

Esta definición produce una identidad de calibración fundamental (la "identidad de calibración RN"):
$$E_{do(X_i)}[f(Y)] = E_{obs}[f(Y)\rho_i(Z)]$$
Esta identidad sirve tanto como definición teórica como diagnóstico empírico. Si un ratio de densidad estimado $\hat{\rho}$ es correcto, el reponderado de las expectativas observacionales por $\hat{\rho}$ debe reproducir las expectativas intervencionales.

2. Semántica Categórica (Cálculo Kan–Do)

El artículo proporciona una base categórica para estos conceptos utilizando extensiones de Kan:

• El condicionamiento se caracteriza como una extensión de Kan por la derecha (una operación conservadora que preserva límites).
• La intervención se caracteriza como una extensión de Kan por la izquierda (una operación generativa, de tipo colímite, de pushforward).
• La derivada de Radon–Nikodym emerge como la transformación natural única que media la terna de adjuntos de estas extensiones.

Este marco, denominado Cálculo Kan–Do, unifica el condicionamiento y la intervención como operaciones universales compatibles. Generaliza el anterior "Cálculo Judo" al incorporar explícitamente las derivadas de densidad de la teoría de la medida y establecer una dualidad donde la densidad RN es el diferencial canónico entre las medidas observacionales e intervencionales.

3. Estimación y Puntuación

Los autores proponen un flujo de trabajo práctico para estimar estas densidades y utilizarlas para el descubrimiento causal:

• Estimación de Densidad: Utilizando flujos de normalización (normalizing flows) o modelos de ratio de densidad para estimar $P_{obs}$ y $P_{do(X_i)}$ en un soporte compartido, computando $\hat{\rho}(z) = \exp(\log \hat{p}_{do}(z) - \log \hat{p}_{obs}(z))$.
• Calibración: Validando los estimadores mediante la medición de la brecha de momentos $\Delta_f = |E_{obs}[f(Z)\hat{\rho}(Z)] - E_{do}[f(Z)]|$. Las brechas grandes indican un pobre solapamiento de regímenes o un fallo en la estimación.
• Curvas Do: Estimando curvas de respuesta $x \mapsto E[Y | do(X_i=x)]$ mediante el reponderado de muestras observacionales.
• Puntuación de Aristas Dirigidas: Se define una puntuación de par $s_{ij}$ para clasificar candidatos a causas $X_i \to X_j$ mediante la varianza residual de $X_j$ tras ponderar por $\rho_i$:
  $$s_{ij} = E_{obs}\left[ \frac{\hat{\rho}_i(Z)(X_j - \hat{E}[X_j|X_i])^2}{\text{Var}(X_j)} \right]$$
  Puntuaciones más bajas indican un mayor soporte causal.
• Coherencia de Sheaf (Haces): Para manejar múltiples regímenes, el método incorpora una penalización de estabilidad basada en la Discrepancia de la Media Máxima (MMD) a través de entornos, asegurando que la estructura estimada sea coherente entre diferentes regímenes de perturbación.

Contribuciones Clave

1. Definición de Funciones de Densidad Causal: El artículo define los efectos causales localmente mediante ratios RN ($dP_{do}/dP_{obs}$), distinguiéndolos de las medidas globales de fuerza causal basadas en la eliminación de grafos o la divergencia de distribuciones completas.
2. Estimadores para Calibración y Puntuación: Deriva estimadores prácticos para la calibración de la densidad causal, las curvas do y las puntuaciones de aristas dirigidas, enfatizando que el estimando primario es el propio ratio de densidad, no solo un grafo derivado.
3. Semántica RN–Kan: Proporciona una semántica categórica compacta que explica la conexión entre el condicionamiento, la intervención y el cambio de medida mediante extensiones de Kan, sin que la teoría de categorías sea la única afirmación empírica.
4. Evaluación Empírica: El marco se evalúa en sistemas sintéticos con verdad de campo conocida y conjuntos de datos de perturbación reales (señalización de proteínas de Sachs, LINCS, PISA), analizando tanto el éxito de la recuperación como los modos de fallo bajo un débil solapamiento de regímenes.

Resultados Experimentales

El artículo evalúa los estimadores en diversos dominios:

• Sistemas Gaussianos Sintéticos: Las estimaciones de la densidad causal son casi exactas, con brechas de calibración de la RN cercanas a cero ($\approx 0.001$), confirmando la compatibilidad teórica del cambio de medida y las extensiones de Kan.
• Señalización de Proteínas de Sachs (S9): El método recupera direcciones biológicamente significativas (por ejemplo, PKC→P38, Raf→MEK) con errores de calibración pequeños ($\approx 0.01$). Mientras que el puntuador de pares por sí solo produce un grafo denso (SHD=30), la adición de penalizaciones de coherencia de sheaf y regresión multivariante mejora la estructura a SHD=16.
• Panel LINCS L1000: En este entorno biológico altamente perturbado, las brechas de calibración aumentan ($\approx 0.12$), reflejando una fuerte heterogeneidad de regímenes. Sin embargo, el método aún identifica genes impulsores esporádicos y estables (ej. HSPA8→CDC25B) y produce curvas do suaves.
• Datos Socioeconómicos PISA 2022: Utilizado como una prueba de estrés para regímenes entre países. Aunque se recuperan estructuras socioeconómicas plausibles, el método exhibe grandes brechas de calibración ($\Delta \approx 4.0$) debido a la extrema heterogeneidad entre países, demostrando el modo de fallo previsto cuando el solapamiento de regímenes es pobre.
• Cadena de Multi-Régimen: En una cadena sintética $X_1 \to \dots \to X_8$ con intervenciones suaves, el campo de densidad identifica correctamente bandas direccionales, aunque la selección de padres sigue siendo un factor limitante para la recuperación perfecta del grafo (SHD=8, F1=0.33).

Significado y Reivindicaciones

El artículo sostiene que las funciones de densidad causal ofrecen una alternativa más granular, diferenciable y localmente interpretable a las medidas globales de fuerza causal. Al enmarcar las intervenciones como extensiones de Kan por la izquierda y el condicionamiento como extensiones de Kan por la derecha, el trabajo proporciona una semántica matemática universal para la inferencia causal que acomoda naturalmente las intervenciones suaves y los parámetros continuos.

Los autores enfatizan que la identidad de calibración es el diagnóstico más crítico: permite a los investigadores verificar si un ratio de densidad estimado realmente transporta las expectativas observacionales hacia las intervencionales. El artículo señala modestamente que, si bien el puntuador de aristas por pares aún no es competitivo con métodos maduros de optimización de grafos como NOTEARS o DCDI para la recuperación pura de la estructura, la contribución principal es la estimación y calibración de la propia densidad causal. El marco se presenta como un paso hacia el descubrimiento causal escalable y de múltiples regímenes, donde los ratios de densidad locales se ensamblan mediante la coherencia de sheaf para formar modelos causales globalmente consistentes.

El trabajo evita afirmar que resuelve todos los problemas de descubrimiento causal, destacando en su lugar que el método es más fiable bajo un buen solapamiento de regímenes y se degrada de forma predecible a medida que crece la divergencia entre regímenes, un comportamiento capturado explícitamente por las brechas de calibración de la RN.