Landmarking with Latent Class Mixed Models for Dynamic Prediction of Time-to-event Data with Heterogeneous Biomarker Trajectories

Resumen Técnico: Marcación de Hitos con Modelos de Clase Latente Mixtos para la Predicción Dinámica

Planteamiento del Problema
La creciente accesibilidad de las historias clínicas electrónicas (HCE) ofrece oportunidades para la predicción dinámica de riesgos de eventos en el tiempo mediante mediciones repetidas de covariables que varían en el tiempo, como los biomarcadores. Sin embargo, los métodos de predicción dinámica existentes enfrentan limitaciones significativas cuando se aplican a datos biomédicos del mundo real.

1. Supuesto de Homogeneidad: La marcación de hitos (landmarking) tradicional y los modelos conjuntos de longitudinal y supervivencia (JMLS) suelen asumir que las trayectorias longitudinales son homogéneas entre los individuos, capturando la heterogeneidad solo mediante covariables observadas o efectos aleatorios de colas delgadas (p. ej., distribuciones normales). Este supuesto falla cuando existen estructuras de población latentes: subgrupos de individuos que comparten patrones de trayectoria distintos y perfiles de riesgo que no pueden explicarse mediante las covariables observadas.
2. Escalabilidad Computacional: Aunque los Modelos de Clase Latente Conjuntos (JLCM) pueden dar cuenta de tal heterogeneidad latente, son computacionalmente intensivos y a menudo no logran escalar a grandes conjuntos de datos de HCE. Además, los JLCM y los JMLS suelen requerir un tiempo de línea base común ($t=0$) para todos los individuos, lo cual es incompatible con los periodos de seguimiento variables y la entrada/salida de pacientes típicos en entornos de HCE.
3. Limitaciones de Software: El software existente para el análisis de marcación de hitos es a menudo rígido, restringiendo típicamente a los usuarios al método de "Última Observación Portada Hacia Adelante" (LOCF) o a modelos de Efectos Mixtos Lineales (LME) para resumir trayectorias, y a modelos de Riesgos Proporcionales de Cox para la supervivencia. Esto limita la capacidad de implementar estrategias más flexibles y conscientes de la heterogeneidad.

Metodología
Los autores proponen un nuevo enfoque de marcación de hitos consciente de la heterogeneidad que integra Modelos de Clase Mixta Latente (LCMM) en el marco de la marcación de hitos. La metodología opera de la siguiente manera:

• Marco de Marcación de Hitos (Landmarking Framework): El enfoque ajusta modelos de supervivencia secuencialmente en tiempos de hito preespecificados ($s$). En cada $s$, se identifica el conjunto de riesgo ($R_s$) (individuos libres de eventos hasta $s$).
• Resumen Longitudinal vía LCMM: En lugar de usar LOCF o LME estándar, el método emplea LCMMs para modelar la trayectoria longitudinal $Y_i(s)$ observada hasta el tiempo $s$ para los individuos en $R_s$.
  • El LCMM asume que la población consiste en $G$ clases latentes, cada una con patrones de trayectoria distintos.
  • La pertenencia al grupo se modela mediante regresión logística multinomial.
  • Para cada individuo, el método calcula las probabilidades posteriores de pertenencia al grupo ($\hat{\pi}_{ig}$) basadas en los datos observados.
  • Resumen de la Trayectoria ($\hat{y}_i(s)$): Para dar cuenta de la incertidumbre en la asignación de clases, el método promedia las predicciones de la trayectoria específicas de cada clase ponderadas por las probabilidades posteriores: $\hat{y}_i(s) = \sum \hat{\pi}_{ig} \hat{y}_i(s | c_i=g)$.
  • Entrada de la Etiqueta de Clase: El método también considera la inclusión de la etiqueta de clase predicha ($\hat{c}_i$) como una covariable en el modelo de supervivencia, proporcionando un resumen parsimonioso de la forma de la trayectoria.
• Modelado de Supervivencia: Se ajusta un modelo de supervivencia específico del hito (p. ej., Cox PH) utilizando la trayectoria resumida $\hat{y}_i(s)$ y, opcionalmente, la etiqueta de clase predicha $\hat{c}_i$ para estimar la probabilidad condicional de estar libre de eventos en $s+w$.
• Implementación (landmaRk): Los autores desarrollaron landmaRk, un paquete de R modular disponible en CRAN. Este implementa un flujo de trabajo para:
  1. Definir conjuntos de riesgo y tiempos de hito.
  2. Ajustar submodelos longitudinales (con soporte para LOCF, LME y LCMM).
  3. Ajustar submodelos de supervivencia.
  4. Evaluar el rendimiento predictivo (usando AUC dependiente del tiempo y puntuaciones de Brier) mediante validación cruzada.
     La modularidad permite a los usuarios intercambiar componentes y definir modelos longitudinales o de supervivencia personalizados.

Resultados Clave
El rendimiento del método propuesto fue evaluado mediante estudios de simulación y un estudio de caso utilizando el conjunto de datos de SIDA (AIDS).

• Estudios de Simulación:

  • Los datos fueron generados bajo especificaciones de Modelo de Clase Latente Conjunto con tamaños de muestra variables, distribuciones de error (normal vs. de cola pesada) y parámetros de forma de Weibull.
  • Rendimiento: Los modelos de marcación de hitos basados en LCMM que incluyeron las etiquetas de clase predichas (p. ej., LCMM2cl) superaron consistentemente a la marcación de hitos tradicional (LOCF, LME) y a los JLCM estándar en términos de discriminación (tdAUC) y calibración (puntuación de Brier).
  • Etiquetas de Clase vs. Reconstrucción de Trayectoria: La mejora en la predicción fue impulsada principalmente por la inclusión de las etiquetas de clase predichas en lugar de la reconstrucción de la trayectoria en sí misma. Los valores predichos $\hat{y}_i(s)$ de LCMM fueron a menudo similares a los de LME, pero las etiquetas de clase capturaron información pronóstica adicional respecto a la forma de la trayectoria.
  • Robustez: El ajuste de LCMMs específicos de cada hito (reestimando las clases en cada $s$) resultó ser más robusto a la sobreespecificación del número de clases ($G$) en comparación con el ajuste de un único modelo global.
  • Eficiencia: El enfoque propuesto fue computacionalmente más eficiente que los JLCM, lo que lo hace adecuado para grandes conjuntos de datos.

• Estudio de Caso (Conjunto de Datos de SIDA):

  • Utilizando trayectorias de recuento de CD4 para predecir el tiempo hasta la muerte, el enfoque de marcación de hitos consciente de la heterogeneidad (específicamente LCMM2cl en hitos tempranos) generalmente logró una mayor discriminación que LOCF y LME.
  • Los modelos conjuntos (JLCM) mostraron una discriminación inferior y una calibración sustancialmente peor en comparación con los enfoques de marcación de hitos.
  • El rendimiento varió según el tiempo de hito y el horizonte, sin que un solo modelo fuera uniformemente el mejor, pero el enfoque consciente de la heterogeneidad mejoró consistentemente respecto a los basales estáticos o de LOCF.

Significancia y Reivindicaciones
El artículo reivindica dos contribuciones primarias:

1. Innovación Metodológica: Introduce una estrategia de predicción de riesgo dinámica, computacionalmente eficiente y consciente de la heterogeneidad que aprovecha los LCMM dentro del paradigma de la marcación de hitos. Esto aborda la necesidad no satisfecha de métodos escalables que den cuenta de la estructura de población latente en los datos de HCE, superando los cuellos de botella computacionales de los JLCM y los supuestos de homogeneidad de la marcación de hitos tradicional.
2. Desarrollo de Software: El paquete landmaRk proporciona un marco estandarizado y modular para el análisis de marcación de hitos. Al formalizar la marcación de hitos como un flujo de trabajo de componentes intercambiables, facilita la comparación de diferentes especificaciones de modelos (p. ej., LME vs. LCMM) y acelera el desarrollo y la reproducibilidad de las estrategias de predicción de riesgo dinámica.

Los autores enfatizan que su enfoque es particularmente valioso en entornos de HCE donde la heterogeneidad de los datos es alta y la escalabilidad computacional es crítica. Señalan que, si bien el número de clases ($G$) debe especificarse, el método demuestra robustez ante la errónea especificación ligera, y que la inclusión de etiquetas de clase predichas sirve como un mecanismo clave para capturar la información de la forma de la trayectoria que mejora la precisión pronóstica.