Resumen Técnico: Entropía de Transferencia Simbólica de Polígonos Embebidos (EPSTE)

1. Declaración del Problema

La inferencia de interacciones dirigidas entre sistemas neurales a partir de datos de EEG y MEG sigue siendo un desafío significativo debido al ruido, la no estacionariedad y la alta complejidad de muestreo requerida por los estimadores de la teoría de la información. Aunque la Entropía de Transferencia (TE) ofrece una medida fundamentada y libre de modelos para el flujo de información dirigida, su estimación práctica es inestable en regímenes de datos finitos, particularmente a medida que aumentan las dimensiones de embebido. Los estimadores clásicos que dependen de las amplitudes de la señal bruta sufren de la "maldición de la dimensionalidad", requiriendo tamaños de muestra exponencialmente grandes para estimar de manera fiable las distribuciones de probabilidad condicional de alta dimensión.

Las formulaciones simbólicas existentes de la TE (por ejemplo, la Entropía de Transferencia Simbólica) mejoran la robustez mediante la discretización de las señales, pero a menudo dependen de alfabetos simbólicos limitados (por ejemplo, patrones ordinales) que restringen la capacidad expresiva del espacio de estados, lo que puede descartar información morfológica crítica como la curvatura y los cambios de magnitud. Además, los enfoques recientes de aprendizaje profundo que intentan aproximar la TE suelen operar directamente sobre amplitudes brutas o distribuciones implícitas, requiriendo grandes conjuntos de datos y una optimización cuidadosa para mantener la estabilidad. Existe la necesidad de una representación que reduzca la complejidad de la estimación mientras preserva la información espaciotemporal y estructural central para la TE.

2. Metodología

2.1 El Marco EPSTE

El artículo introduce la Entropía de Transferencia Simbólica de Polígonos Embebidos (EPSTE), un marco que replantea la estimación de la TE como un problema aprendible que opera sobre representaciones simbólicas estructuradas de la morfología temporal local, en lugar de las amplitudes de la señal bruta.

• Descomposición Geométrica: Las series temporales neurales se descomponen en secuencias de primitivas geométricas derivadas de tríos locales de muestras $(x_{t-1}, x_t, x_{t+1})$. Estos tríos forman primitivas triangulares que codifican tres aspectos complementarios de la estructura de la forma de onda:
  1. Área del Triángulo: Representando la magnitud del cambio.
  2. Ángulo/Orientación: Derivado de las pendientes relativas, representando el cambio direccional.
  3. Cambio de Amplitud: Representando la magnitud relativa.
• Simbolización: Estas características geométricas continuas se discretizan en tokens categóricos utilizando contenedores (bins) globales basados en cuantiles aprendidos del conjunto de entrenamiento. Los tres índices de los contenedores se empaquetan en un único token simbólico, creando un espacio de estados compacto pero expresivo.
• Arquitectura Neuronal: Se emplea una Red Neuronal Recurrente (RNN) que utiliza Unidades de Puerta Recurrentes (GRU) para modelar las dependencias temporales locales dentro de ventanas deslizantes de las secuencias simbólicas transformadas.
• Aprendizaje de Múltiples Instancias (MIL): El modelo opera sobre "bolsas" de ventanas temporales simbólicas. Un mecanismo de agrupación basado en atención agrega las representaciones a nivel de ventana en una única predicción a nivel de ensayo, permitiendo que la red se concentre en los segmentos más informativos del ensayo.
• Objetivos de Entrenamiento: La red se entrena para predecir valores de TE validados mediante métodos de sustitución (surrogates). Las etiquetas de verdad fundamental (ground-truth) se generan computando la TE Simbólica estándar (STE) a partir de las primitivas geométricas utilizando un estimador de conteo conjunto con una corrección de sesgo de Miller–Madow.

2.2 Diseño Experimental

• Datos: Datos de MEG reconstruidos de la fuente de cinco participantes (estudio psicodélico), parcelados utilizando el atlas AAL90 (90 regiones). Los datos fueron preprocesados con filtrado notch y de paso bajo, submuestreo a 250 Hz y estandarización (z-scoring).
• Comparación con Línea Base: Se implementó una condición de control utilizando una línea base simbólica estándar donde las amplitudes de la MEG bruta se discretizaron en símbolos categóricos utilizando reglas de binning por cuantiles idénticas. Crucialmente, la arquitectura neuronal, los hiperparámetros, el procedimiento de optimización y las divisiones de datos se mantuvieron constantes entre los modelos EPSTE (basado en triángulos) y la línea base (basado en amplitud) para aislar el efecto de la representación de entrada.
• Evaluación: El rendimiento se evaluó en tres escalas jerárquicas:
  1. Nivel de Ventana: Dinámicas locales.
  2. Nivel de Bolsa (Ensayo): Agregación a través de ensayos.
  3. Nivel de Par: Agregación a través de todos los ensayos para pares de canales dirigidos (el resultado principal).
• Validación: Se utilizó la prueba de sustitución (aleatorización de fase) para verificar que las estimaciones de TE reflejaran una estructura dirigida genuina en lugar de correlaciones espurias.

3. Resultados Clave

3.1 La Agregación es Esencial

En el nivel de ventana, tanto el EPSTE como la línea base exhibieron una alta varianza y una débil correspondencia con los valores de TE de verdad fundamental (EPSTE $r \approx 0.48$, Línea Base $r \approx 0.52$). Esto confirma que las ventanas locales no codifican una dependencia dirigida estable de forma aislada.

Sin embargo, la agregación a través de ensayos y pares de canales produjo dependencias dirigidas estables:

• Nivel de Bolsa (Ensayo): El EPSTE logró una fuerte correlación ($r = 0.86$, $R^2 = 0.74$) con la verdad fundamental, superando significativamente a la línea base ($r = 0.68$, $R^2 = 0.46$).
• Nivel de Par (Resultado Principal): El EPSTE logró una recuperación casi perfecta de la estructura dirigida de verdad fundamental ($r \approx 0.99$, $R^2 \approx 0.98$). La línea base también mejoró con la agregación ($r \approx 0.98$), pero exhibió un error absoluto mayor y una compresión sistemática hacia la media.

3.2 Superioridad Cuantitativa de EPSTE

• Reducción de Error: El EPSTE logró un error absoluto significativamente menor que la línea base en el nivel de par (Error Absoluto Medio: EPSTE $\approx 0.0018$ vs. Línea Base $\approx 0.0034$).
• Significancia Estadística: Una prueba de rango signed-rank de Wilcoxon pareada confirmó que la reducción en el error absoluto lograda por EPSTE fue altamente significativa ($p \approx 2.9 \times 10^{-15}$).
• Fidelidad Estructural: Los mapas de calor de las predicciones a nivel de par mostraron que el EPSTE preservó patrones coherentes y graduados de influencia dirigida a través de la red, mientras que la línea base produjo mapas comprimidos con un contraste reducido entre interacciones fuertes y débiles.

3.3 Dinámica de Aprendizaje

El modelo EPSTE convergió más rápidamente y a un régimen de pérdida sustancialmente más bajo que la línea base. Mientras que la línea base se estancó tempranamente con un piso de pérdida más alto, el EPSTE continuó extrayendo estructura informativa, lo que sugiere que la representación geométrica facilita un aprendizaje más eficiente de las dependencias dirigidas.

4. Contribuciones Clave

1. Representación Novel: Introducción de EPSTE, un marco que descompone las series temporales en primitivas geométricas (triángulos) que codifican magnitud, curvatura y dirección, las cuales son luego discretizadas en tokens simbólicos.
2. Demostración del Impacto Representacional: Evidencia empírica de que la estructura representacional es un factor crítico para la capacidad de aprendizaje de las dependencias de la teoría de la información. El estudio demuestra que una representación geométrica-simbólica supera a las representaciones simbólicas basadas en amplitudes brutas en la recuperación de la estructura causal dirigida, incluso utilizando arquitecturas neurales y supervisión idénticas.
3. Marco de Inferencia Multiescala: Validación de que las estimaciones causales estables en datos neurales ruidosos emergen solo mediante la agregación jerárquica (de ventanas a ensayos a pares), apoyando la visión de que la estructura causal en los sistemas neurales es distribuida y requiere integración a través del tiempo para ser observada de manera fiable.

5. Significado y Reivindicaciones

El artículo afirma que la geometría de la representación juega un papel crítico para permitir la capacidad de aprendizaje práctica de las dependencias de la teoría de la información.

• Más allá de los Estimadores: Los hallazgos desafían la suposición de que los modelos neurales pueden superar las limitaciones de representación únicamente mediante la capacidad. En su lugar, el estudio postula que "la representación precede al aprendizaje": la capacidad de los estimadores neurales para recuperar el flujo de información dirigida está fundamentalmente condicionada por cómo se codifica la estructura temporal.
• Equilibrio entre Varianza y Expresividad: EPSTE ofrece un compromiso principiado entre la riqueza representacional y la tractabilidad computacional. Al distribuir la información a través de múltiples dimensiones geométricas interpretables (área, ángulo, amplitud) dentro de una sola unidad simbólica, el método aumenta la separabilidad de los estados sin requerir embeddings temporales de mayor dimensión, mitigando así la maldición de la dimensionalidad.
• Cambio Metodológico: El artículo argumenta que la inferencia causal en neuroimagen no debe tratarse únicamente como un problema de estimadores. La elección de la representación es una decisión metodológica de primer orden que condiciona qué estructura causal puede ser aprendida. En entornos de datos limitados y ruidosos, la inferencia causal está constreñida no solo por los estimadores, sino por el "lenguaje" (representación) en el que se describen las dinámicas temporales.

Limitaciones Reconocidas:
Los autores señalan que el estudio depende de la supervisión basada en sustitutos (surrogates), lo que proporciona una definición operacional de la TE en lugar de una verdad mecánica fundamental. Además, la discretización específica (binning) fue fija en lugar de aprendida, y el rango de retraso temporal se restringió a valores fisiológicamente plausibles. El estudio no pretende recuperar la causalidad mecánica, sino la estructura causal informativa o predictiva.