📊 statistics

A Mathematical Framework for Topological Causal Data Analysis

Este artículo introduce el Análisis de Datos Causales Topológicos (TCDA, por sus siglas en inglés), un marco que aplica métodos topológicos para generar resúmenes estables y sensibles a la forma de los efectos causales para resultados estructurados tanto a nivel individual como de distribución, al tiempo que esclarece las condiciones para la identificación, la consistencia y el papel limitado de la topología en el descubrimiento causal.

Autores originales: Hugo Gobato Souto, Ioannis Diamantis

Publicado 2026-07-31

📖 7 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Hugo Gobato Souto, Ioannis Diamantis

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que eres un detective intentando resolver un misterio: "¿Esta acción específica causó ese resultado específico?". En el mundo de la ciencia, esto se llama análisis causal. Normalmente, los detectives buscan números simples, como "¿La medicina bajó la fiebre del paciente en 5 grados?" o "¿La nueva política aumentó las ventas en un 10%?". Esto funciona de maravilla cuando el resultado es un solo número. Pero, ¿qué pasa si el resultado es una forma compleja y sinuosa? ¿Qué pasa si la "fiebre" es en realidad un tumor 3D creciendo de una manera extraña, o si las "ventas" son una red enmarañada de conexiones sociales? En estos casos, no puedes simplemente restar un número de otro para ver la diferencia. Necesitas una forma de medir la forma del cambio, no solo su tamaño.

Aquí es donde entra el Análisis de Datos Topológicos (TDA, por sus siglas en inglés). Piensa en el TDA como un par de gafas mágicas que te permiten ver el "esqueleto" de los datos. En lugar de perderte en los detalles desordenados, estas gafas resaltan las grandes características estructurales: ¿cuántas islas separadas hay? ¿Hay bucles o túneles? ¿Cuántos agujeros tiene la dona? Es como mirar una nube y contar los agujeros que tiene, en lugar de medir cuánto pesa el agua. Los científicos usan esto para estudiar de todo, desde redes cerebrales hasta cúmulos de galaxias. Pero aquí está el truco: el hecho de que puedas ver una forma genial no significa que sepas qué la causó. Todavía necesitas las reglas del juego (supuestos causales) para saber si un tratamiento realmente cambió la forma, o si la forma simplemente era así por azar.

La Gran Idea: Un Nuevo Kit de Herramientas para la Ciencia de las Formas Cambiantes

Este artículo presenta un nuevo marco llamado Análisis de Datos Causales Topológicos (TCDA). Piensa en esto como un plano maestro para científicos que quieren preguntar: "¿Cambió este tratamiento la forma del resultado?". Los autores, Hugo Gobato Souto e Ioannis Diamantis, se dieron cuenta de que mezclar la "ciencia causal" (descubrir la causa y el efecto) con la "topología" (el estudio de las formas) era un poco como intentar hornear un pastel usando guantes de cocina y un gorro de chef al mismo tiempo: se vuelve confuso. Querían separar los ingredientes claramente para que nadie se queme.

Su principal hallazgo es que hay que mantener cuatro capas distintas del problema separadas, como las capas de un pastel, para evitar confundir las preguntas:

El Espacio de Observación: ¿Qué estamos mirando? (¿Un tumor, una red, una nube de puntos?)
El Modelo Causal: ¿Cuáles son las reglas del juego? (¿Lanzamos una moneda para asignar el tratamiento? ¿Controlamos otros factores?)
La Representación Topológica: ¿Cómo convertimos los datos desordenados en una forma? (¿Buscamos bucles? ¿Agujeros? ¿Islas conectadas?)
La Consulta Causal: ¿Qué estamos preguntando exactamente? (¿Cambió la forma? ¿Aumentó el número de agujeros?)

El artículo argumenta que no puedes simplemente lanzar una forma a un modelo causal y esperar una respuesta. Tienes que definir la forma primero, y luego hacer la pregunta causal.

Las Dos Formas de Medir los Cambios de Forma

El artículo descubre que existen dos formas muy diferentes de medir cómo un tratamiento cambia una forma, y no siempre coinciden. Los autores utilizan una metáfora lúdica para explicarlo: "El Individuo frente a la Multitud".

1. El Enfoque del "Individuo" (TCDA a Nivel de Resultado)
Imagina que tienes una bolsa de canicas. Tratas a la mitad de ellas con una poción mágica.

El Método: Tomas cada canica, observas su forma, mides sus "características topológicas" (como cuántos bultos tiene) y luego promedias esas mediciones.
El Resultado: Obtienes el cambio promedio de forma para una sola canica.
El Problema: Esto funciona bien si te importa cómo el tratamiento afecta a un objeto individual. Pero si el tratamiento cambia la disposición de las canicas (como hacer que se amontonen), este método podría pasarlo por alto porque las está mirando una por una.

2. El Enfoque de la "Multitud" (TCDA a Nivel de Distribución)
Ahora, imagina que no miras las canicas una por una. En su lugar, miras la bolsa entera como un solo objeto.

El Método: Tomas todo el grupo de canicas, ves cómo están dispuestas y mides la forma de todo el grupo. Luego comparas la "forma del grupo" antes y después de la poción.
El Resultado: Podrías descubrir que la poción no cambió la forma de ninguna canica individual, pero hizo que el grupo entero se dividiera en dos grupos separados.
El Problema: Este método es excelente para ver grandes cambios estructurales en una población, pero es más difícil de calcular porque primero tienes que determinar la forma de toda la multitud.

El artículo demuestra matemáticamente que estos dos enfoques no son lo mismo. A veces, el enfoque del "Individuo" dice "Sin cambios", mientras que el enfoque de la "Multitud" dice "¡Gran cambio!" (Por ejemplo, si un tratamiento hace que un solo grupo de datos se divida en dos islas separadas, la forma promedio de un individuo puede parecer la misma, pero la forma de todo el grupo definitivamente ha cambiado).

Lo que el Artículo Descarta (La Lista de "No hay Magia")

Es muy importante saber qué es lo que este artículo no puede hacer. Los autores son muy claros sobre los límites de su nuevo kit de herramientas:

La topología no es una máquina del tiempo: No puedes mirar una forma y saber mágicamente qué la causó. Si ves un bucle en tus datos, la topología no te dice si el Tratamiento A lo causó o si fue solo una coincidencia. Todavía necesitas establecer un experimento adecuado o usar supuestos sólidos (como la aleatorización) para conocer la causa.
La topología no arregla los malos datos: Si tus datos son desordenados o no has controlado los factores adecuados (confundidores), la topología no los limpiará. Es una lupa, no un borrador mágico.
No siempre identifica la historia completa: El artículo muestra que a veces puedes identificar un efecto topológico "grueso" (como "el número de agujeros cambió") sin conocer todos los detalles del resultado. Pero no puedes usar esto para identificar la ley causal completa si la representación de la forma es demasiado simple.

¿Qué tan seguros están?

Los autores están muy seguros de la matemática que construyeron. No solo adivinaron; escribieron reglas estrictas (teoremas) que demuestran que:

Si sigues su marco de cuatro capas, tus preguntas serán claras.
Si utilizas herramientas matemáticas específicas (como "distancia a la medida" o "diagramas de persistencia"), puedes demostrar que los pequeños errores en tus datos no arruinarán tus resultados. Demostraron que si tu estimación de los datos es cercana a la verdad, tu estimación del "cambio de forma" también será cercana a la verdad.
Demostraron que el enfoque del "Individuo" y el de la "Multitud" solo dan la misma respuesta en casos muy específicos y raros. En la mayoría de los escenarios del mundo real, darán respuestas diferentes, y tienes que elegir cuál se ajusta mejor a tu pregunta científica.

¿Por qué debería importarte?

Este marco es como un nuevo conjunto de instrucciones para científicos que estudian cosas complejas.

Para un médico: Si estás estudiando un tumor, puede que no solo te importe si se hizo más pequeño (un número). Puede que te interese si se volvió más "puntiagudo" o si desarrolló nuevos túneles. Este marco te ayuda a preguntar: "¿Cambió el fármaco la estructura del tumor?".
Para un climatólogo: Si estás estudiando patrones climáticos, puede que te interese si el sistema de tormentas se dividió en dos partes separadas. Este marco te ayuda a medir ese cambio.
Para un investigador de redes: Si estás estudiando cómo se conectan las personas, puede que te interese si la red desarrolló un gran "bucle" de amigos.

Este artículo no resuelve todos los misterios, y no reemplaza la necesidad de buenos experimentos. Pero ofrece a los científicos una forma clara y segura de hacer preguntas sobre la forma del mundo, asegurando que no se confundan entre la forma de un objeto individual y la forma de toda la multitud. Convierte un problema desordenado y confuso en uno estructurado y resoluble.

Resumen Técnico: Un Marco Matemático para el Análisis de Datos Causales Topológicos

Planteamiento del Problema

Los resultados científicos modernos suelen manifestarse como objetos estructurados —tales como imágenes, nubes de puntos, redes y campos espaciales— en lugar de valores escalares. En tales contextos, el contraste causal estándar $Y_1 - Y_0$ es frecuentemente indefinido o científicamente inadecuado. Reducir estas estructuras complejas a un resumen escalar único puede descartar información geométrica o topológica crítica, mientras que la sustracción simple falla al capturar cambios en la forma, conectividad o agrupamiento.

Si bien el Análisis de Datos Topológicos (TDA) proporciona resúmenes multiescala (por ejemplo, diagramas de persistencia, paisajes/landscapes, siluetas) que son estables y sensibles a la forma, estas herramientas carecen de una interpretación causal inherente. Una característica topológica describe la geometría observacional, pero no da cuenta de los factores de confusión o de la asignación del tratamiento. Por el contrario, los marcos de inferencia causal estándar están diseñados típicamente para resultados de valores escalares o vectoriales. Existe la necesidad de una arquitectura matemática rigurosa que integre la identificación causal con la representación topológica sin confundir los roles distintos de intervención, identificación y extracción de características.

Metodología: El Marco TCDA

El artículo introduce el Análisis de Datos Causales Topológicos (TCDA), un marco definido por la tupla $P_{TCDA} = (S, M(G), T, C)$ . Esta arquitectura separa explícitamente cuatro capas:

Espacio de Observación ( $S$ ): El espacio medible de los datos observados $(X, A, Y)$ .
Clase de Modelo Causal ( $M(G)$ ): El conjunto de modelos causales compatibles con un grafo $G$ , que determinan los resultados potenciales $Y^a$ .
Representación Topológica ( $T$ ): Un mapa medible que transforma los resultados o las leyes en un espacio métrico o de Banach.
Consulta Causal ( $C$ ): El objetivo específico de la inferencia definido sobre el modelo causal.

El marco distingue entre dos niveles primarios de análisis, que generalmente no conmutan:

1. TCDA a Nivel de Resultado (Outcome-Level)

En esta rama, la topología se aplica a los resultados potenciales individuales antes del promedio.

Representación: Sea $T_{out}: Y \to B$ un mapa medible hacia un espacio de Banach separable $B$ (por ejemplo, paisajes de persistencia, siluetas).
Objetivo: El Efecto de Tratamiento Promedio Topológico (TATE) se define como:
$TATE_{out} = E[T_{out}(Y^1)] - E[T_{out}(Y^0)]$
Identificación: Bajo supuestos estándar (Consistencia, Intercambiabilidad Condicional, Positividad Estricta), el efecto a nivel de resultado se identifica mediante estandarización o ponderación por la inversa de la probabilidad (IPW). El artículo extiende estos resultados a resultados con valores en espacios de Banach, estableciendo condiciones para la integrabilidad de Bochner y derivando estimadores doblemente robustos con cotas de tasa de producto para funciones de molestia (nuisance functions).
Efectos Libres de Vectorización: Para casos donde se evita la vectorización, el marco considera estimandos en espacios métricos como medias de Fréchet o medianas geométricas de diagramas de persistencia, apoyándose en la geometría métrica del espacio de diagramas (por ejemplo, la distancia de Wasserstein).

2. TCDA a Nivel de Distribución (Distribution-Level)

En esta rama, la topología se aplica a las leyes de los resultados intervencionados.

Representación: Sea $T_{dist}: \mathcal{P}^*(Y) \to Z_{dist}$ un mapa que actúa sobre las leyes de probabilidad (por ejemplo, aplicando la homología persistente al soporte o a la función de distancia a la medida).
Objetivo: El efecto a nivel de distribución es:
$\Delta_{dist} = T_{dist}(P^1_Y) - T_{dist}(P^0_Y)$
(o una discrepancia escalar $d_{dist}(T_{dist}(P^1_Y), T_{dist}(P^0_Y))$ ).
Identificación: Las leyes intervencionadas $P^a_Y$ se identifican mediante la fórmula- $g$ causal. La representación topológica se aplica después de este paso de identificación.
No Conmutatividad: El artículo demuestra que los contrastes a nivel de resultado y a nivel de distribución generalmente difieren. Estos coinciden si y solo si $T_{dist} - A$ es constante sobre la clase relevante de leyes (donde $A$ es el funcional de la media). Las representaciones no afines (por ejemplo, aquellas sensibles al agrupamiento o la conectividad) crean una divergencia fundamental entre promediar resúmenes topológicos y resumir leyes promediadas.

Estabilidad y Garantías de Plug-in

El marco establece que si la representación topológica es Lipschitz continua con respecto a una métrica de diagrama específica (por ejemplo, distancia de cuello de botella o de Wasserstein), el contraste causal hereda esta estabilidad.

Nivel de Resultado: La estabilidad se transfiere desde el espacio de resultados hacia el TATE mediante el acoplamiento de los resultados potenciales.
Nivel de Distribución: La estabilidad se transfiere desde el espacio de leyes de probabilidad (por ejemplo, distancia $W_2$ ) hacia el efecto a nivel de distribución. Para la persistencia de la Distancia a la Medida (DTM), el error en el efecto estimado está acotado por el error $W_2$ de las leyes intervencionadas estimadas, escalado por el parámetro $m$ de la DTM.

Ignorabilidad Topológica y Límites de Descubrimiento

Ignorabilidad Específica del Objetivo: Basándose en Saki y Faghihi [32], el artículo formaliza la ignorabilidad topológica condicional. Este es un supuesto más débil que la intercambiabilidad condicional débil, suficiente para identificar efectos topológicos estandarizados por covariables incluso cuando las leyes intervencionadas completas no están identificadas, siempre que la representación sea no inyectiva y las leyes distintas residan en la misma fibra.
Descubrimiento Causal: El artículo clarifica los límites de la topología en el descubrimiento causal. Si bien los resúmenes topológicos pueden distinguir entre clases de modelos restringidas (por ejemplo, separando un mecanismo circular latente de dependencias funcionales basadas en la topología del soporte), no pueden, por sí solos, orientar las aristas causales o identificar intervenciones sin supuestos adicionales (por ejemplo, orden temporal, ruido independiente).

Contribuciones Clave

Arquitectura Unificada: Una separación formal de observación, modelos causales, representaciones topológicas y consultas, evitando la confusión de las preguntas científicas sobre intervenciones, identificación y relevancia de características.
Formulación en Espacios de Banach: Un tratamiento riguroso del TCDA a nivel de resultado para resúmenes con valores en espacios de Banach, incluyendo identificación, estimación doblemente robusta y condiciones para la integrabilidad de Bochner.
Caracterización de la No Conmutatividad: Un carácter teórico de cuándo los efectos a nivel de resultado y a nivel de distribución coinciden, probando que las transformaciones topológicas no afines generalmente conducen a objetivos causales distintos.
Transferencia de Estabilidad: Derivación de cotas de estabilidad para los contrastes causales basadas en las constantes de Lipschitz de las representaciones topológicas, vinculando específicamente los errores $W_2$ en la estimación de leyes con los errores en los efectos causales basados en DTM.
Clarificación de los Límites de Descubrimiento: Una formalización de cuándo la topología observacional puede asistir en el descubrimiento causal (vía la separación de clases de modelos) y declaraciones explícitas sobre su incapacidad para reemplazar los supuestos causales para la identificación de la estructura.

Resultados y Significado

El artículo no propone nuevos algoritmos de estimación para conjuntos de datos específicos, sino que proporciona la infraestructura matemática para justificar y analizar métodos existentes y futuros.

Significado: El marco clarifica que la topología no define las intervenciones; suministra resúmenes estables y sensibles a la forma después de que se especifican los supuestos causales. Destaca que el orden de las operaciones (transformación topológica vs. agregación poblacional) define el objetivo causal.
Implicación Práctica: Los investigadores deben elegir explícitamente si su pregunta científica concierne al cambio promedio en las formas individuales (nivel de resultado) o al cambio en la geometría de la distribución de la población (nivel de distribución), ya que estos son objetivos distintos que pueden arrojar conclusiones diferentes.
Robustez: El marco muestra que, si bien la ignorabilidad topológica puede permitir la identificación de efectos gruesos bajo supuestos más débiles, no proporciona robustez genérica frente a la confusión oculta para efectos marginales o la identificación completa de la ley.

En conclusión, el TCDA sitúa el análisis de datos topológicos dentro de la secuencia estándar de la inferencia causal (definición del objetivo $\to$ supuestos $\to$ identificación $\to$ estimación), asegurando que los resúmenes topológicos se interpreten con el rigor causal apropiado.