Resumen Técnico: Reglas de Puntuación Adecuadas para Datos de Supervivencia con Censura por la Derecha

Planteamiento del Problema

En el análisis de supervivencia y el modelado de tiempo hasta el evento, el objetivo principal suele ser pronosticar la distribución completa del tiempo de evento condicional $F_X$ dado un conjunto de covariables $X$, en lugar de simplemente estimar los tiempos medios de supervivencia o las tasas de riesgo. Las reglas de puntuación adecuadas proporcionan una base teórica rigurosa para entrenar y evaluar tales pronósticos probabilísticos, asegurando que la distribución predictiva verdadera sea óptima en expectativa.

Sin embargo, surge una dificultad fundamental ante la presencia de censura por la derecha. En estos entornos, el tiempo de evento latente $T$ no se observa completamente; en su lugar, se observa $Y = \min(T, C)$ e el indicador de evento $\Delta = \mathbb{1}\{T \le C\}$, donde $C$ es el tiempo de censura. Los enfoques estándar para reglas de puntuación adecuadas, diseñados para resultados no censurados, no pueden aplicarse directamente porque el tiempo de evento real $T$ es desconocido. Los enfoques existentes suelen depender del Ponderación de la Probabilidad Inversa de Censura (IPCW) o de estimaciones plug-in donde los pesos dependen del propio pronóstico. El artículo destaca que la ponderación dependiente del pronóstico puede conducir a "reversiones de clasificación", donde pronósticos subóptimos son clasificados incorrectamente por encima del pronóstico oráculo, y que las implementaciones estándar de IPCW pueden fallar al no ser estrictamente adecuadas si no consideran correctamente la independencia condicional.

Metodología

Los autores proponen un marco unificado para definir reglas de puntuación adecuadas bajo censura por la derecha basado en un principio central: puntuar el pronóstico tras aplicar la misma operación de ensanchamiento (coarsening) que generó los datos.

1. Localización y Marginalización

El marco distingue entre dos escenarios según la naturaleza del mecanismo de censura:

• Puntuaciones Localizadas (Censura Fija): Para un tiempo de censura fijo $c$, la distribución predictiva $F$ se mapea primero al espacio de resultados censurados. La ley censurada $F^\flat_c$ se define de tal manera que la masa de probabilidad en la región identificable $[0, c]$ permanece sin cambios, mientras que toda la masa más allá de $c$ se colapsa en un estado censurado $\ast$. La puntuación adecuada se aplica entonces a esta ley censurada inducida. Esto produce una puntuación que es estrictamente adecuada para la ley latente solo en la región identificable.
• Puntuaciones Marginalizadas (Censura Aleatoria): Cuando el tiempo de censura $C$ es aleatorio y solo se observa parcialmente (por ejemplo, sabemos que $C \ge Y$ si se observa un evento), la puntuación localizada se promedia sobre la ley condicional de $C$ dado los datos observados $(Y, \Delta, X)$.
  • La puntuación marginalizada resultante $\bar{S}$ se define como:
    $$\bar{S}(F; Y, \Delta, X) = \int S^\flat_c(F; Y, \Delta) \, \Pi(dc \mid Y, \Delta, X)$$
  • Crucialmente, la distribución de ponderación $\Pi$ se deriva únicamente del mecanismo de censura (la distribución verdadera o estimada de $C$), no del pronóstico $F$ que se está evaluando. Esto asegura que la puntuación sea independiente del pronóstico.

2. Derivación de Puntuaciones Específicas

Los autores demuestran que este marco recupera criterios familiares y los extiende a otros nuevos:

• Puntuación Logarítmica: La versión marginalizada recupera la log-verosimilitud negativa estándar para censura por la derecha.
• CRPS (Puntuación de Probabilidad Continua Clasificada): Se deriva una versión marginalizada que pondera el error de la cola mediante la función de supervivencia condicional del tiempo de censura.
• Brier Score: El marco genera un Brier score marginalizado que, al ser reescalado, es equivalente al Brier score de IPCW, pero derivado sin pesos dependientes del pronóstico.
• Pérdida Pinball y Score de Energía: Se derivan nuevas versiones para censura por la derecha de la pérdida pinball y el score de energía, adecuados para la regresión de cuantiles y el modelado de distribuciones multivariantes, respectivamente.

3. Engresión Censurada

Extendiendo el principio de localización por censura al entrenamiento, los autores introducen la engresión censurada. Este es un objetivo de aprendizaje basado en muestras para el modelado de supervivencia multivariante con censura por la derecha.

• En lugar de entrenar un generador $g(x, \epsilon)$ para coincidir con los tiempos de evento latentes (que no se observan), el método aplica el mapa de censura $\psi_c$ tanto a las muestras generadas como a los resultados observados.
• El modelo se entrena para minimizar el score de energía censurado, que compara la distribución de las muestras generadas censuradas contra los resultados observados censurados.
• Este enfoque permite el modelado conjunto flexible de tiempos de evento multivariantes sin requerir una función de verosimilitud tratable.

Principales Contribuciones

1. Marco Unificado: Una construcción coherente de reglas de puntuación adecuadas para datos con censura por la derecha al censurar la distribución predictiva antes de puntuar, en lugar de ponderar la puntuación basándose en el pronóstico.
2. Garantías Teóricas: Prueba de que la puntuación marginalizada es adecuada bajo censura de independencia condicional y estrictamente adecuada en la región identificable (la región donde el mecanismo de censura permite distinguir la distribución latente).
3. Derivaciones de Puntuaciones Concretas: Fórmulas explícitas para las versiones de censura por la derecha de la puntuación Logarítmica, CRPS, pérdida Pinball, Brier score y score de Energía, aclarando su relación con los criterios existentes basados en IPCW.
4. Engresión Censurada: Un nuevo objetivo de entrenamiento para el modelado de supervivencia multivariante que aprovecha el score de energía censurado para aprender distribuciones conjuntas flexibles a partir de datos censurados.
5. Validación Empírica: Demostración de que las puntuaciones independientes del pronóstico clasifican correctamente el pronóstico oráculo a través de varios regímenes de censura, mientras que las puntuaciones basadas en plug-in dependientes del pronóstico pueden exhibir reversiones de clasificación.

Resultados Experimentales

El artículo valida la metodología a través de simulaciones controladas y un estudio de caso clínico:

• Evaluación de Pronósticos: En simulaciones con procesos generadores de datos (DGP) conocidos, las puntuaciones propuestas (tanto marginalizadas como localizadas) clasificaron consistentemente al pronóstico oráculo como el mejor (Rango 1) a través de regímenes de censura administrativa, aleatoria independiente y condicionalmente independiente. En contraste, las versiones de plug-in dependientes del pronóstico de puntuaciones existentes (por ejemplo, de Yanagisawa [3]) fallaron frecuentemente, clasificando al oráculo por debajo de pronósticos de explotación que concentran masa en la cola.
• Aprendizaje Multivariante: En experimentos sintéticos con tiempos de evento multivariantes (dimensiones $k=2$ a $10$) y un complejo DGP de mezcla log-normal, la engresión censurada superó sustancialmente a:
  • Engresión observada ingenua: Que trata los tiempos censurados como totalmente observados, lo que conduce a distribuciones predictivas deficientes.
  • Líneas base basadas en verosimilitud: Incluyendo modelos Weibull y Copula. Aunque estas funcionaron mejor que la engresión ingenua, fueron superadas por la engresión censurada, particularmente al capturar distribuciones multimodales que se encuentran fuera de las familias paramétricas de las líneas base.
• Estudio de Caso Clínico (AKI en UCI): Aplicado a la predicción del tiempo conjunto para la lesión renal aguda (AKI) basada en creatinina y en el gasto urinario utilizando datos de MIMIC-IV. La engresión censurada logró los scores de energía localizados y Brier más bajos en comparación con el entrenamiento ingenuo y las líneas base basadas en verosimilitud, demostrando un mejor desempeño en el modelado de desenlaces clínicos conjuntos bajo censura.

Significado y Reivindicaciones

El artículo argumenta que la evaluación y el entrenamiento probabilístico con censura deben construirse sobre ajustes de censura independientes del pronóstico.

• Corrección de los Objetivos de Evaluación: Al basar los pesos únicamente en el mecanismo de censura, las puntuaciones propuestas preservan la propiedad de "clasificación del oráculo". Esto evita la circularidad donde un pronóstico influye en sus propios pesos de evaluación, lo que puede distorsionar el paisaje de optimización y conducir a reversiones de clasificación.
• Flexibilidad en el Modelado: La introducción de la engresión censurada proporciona una vía para aprender distribuciones de supervivencia complejas, de alta dimensión y multivariantes sin las restricciones de las verosimilitudes paramétricas.
• Identificabilidad: Los autores señalan modestamente que la propiedad estricta solo es alcanzable en la región identificable del espacio latente. Fuera de esta región (por ejemplo, en las colas más allá del horizonte de seguimiento), ningún score basado únicamente en datos censurados puede distinguir entre diferentes distribuciones latentes que inducen la misma ley observada.

En resumen, este trabajo proporciona un marco teóricamente sólido y prácticamente efectivo para manejar datos con censura por la derecha en el pronóstico probabilístico, cerrando la brecha entre la teoría rigurosa de las reglas de puntuación y los desafíos prácticos del análisis de supervivencia.