📊 statistics

Causal Inference with Unstructured Outcomes

Este artículo propone un nuevo marco de inferencia causal para resultados no estructurados, tales como texto e imágenes, mediante la introducción de la "característica máximamente contrastante" (MCF, por sus siglas en inglés) para identificar y estimar los aspectos específicos de los datos complejos que se ven más significativamente alterados por un tratamiento, superando las limitaciones de los efectos promedio de tratamiento tradicionales basados en escalares.

Autores originales: Kevin Christian Wibisono, Yixin Wang

Publicado 2026-08-05

📖 9 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Kevin Christian Wibisono, Yixin Wang

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 tratando de descubrir por qué ocurrió un crimen. Usualmente, las pistas son números simples: cuánto dinero fue robado, cuántas personas resultaron heridas o cuánto tiempo esperó un sospechoso antes de confesar. Puedes comparar fácilmente estos números para ver si una nueva táctica policial marcó la diferencia. Pero, ¿y si la "pista" no es un número en absoluto? ¿Qué pasa si la evidencia es una nota manuscrita desordenada, una foto borrosa o un relato largo y errático? No puedes restar una historia de otra para encontrar la diferencia, tal como no puedes restar una pintura de otra para ver cómo cambió el estilo de un artista. Este es el rompecabezas que enfrentan los científicos cuando intentan estudiar los efectos de nuevas herramientas en cosas complejas y no estructuradas como textos, imágenes o registros médicos. Necesitan una forma de medir la "forma" del cambio, no solo el tamaño.

Aquí es donde entra el trabajo de Kevin Christian Wibisono e Yixin Wang. Ellos son estadísticos que han inventado una nueva forma de hacer preguntas sobre estos resultados desordenados. En lugar de adivinar qué parte de un texto o una imagen cambió, crearon un método para encontrar automáticamente la "Característica Máximamente Contrastante" (MCF, por sus siglas en inglés). Piensa en esto como un resaltador mágico que escanea miles de documentos o imágenes e instantáneamente aprende qué detalles específicos —como un cierto tono de voz, un tipo particular de desenfoque o una forma específica de organizar los pensamientos— son los que más cambiaron debido a un tratamiento. Probaron esta idea con simulaciones por computadora utilizando texto e imágenes, y los resultados sugieren que su método puede detectar con éxito las características exactas que una nueva herramienta o intervención altera, incluso cuando los investigadores no sabían qué buscar de antemano.

El Problema: Cuando la Respuesta no es un Número

Durante mucho tiempo, la ciencia ha sido excelente midiendo cosas simples. Si un médico quiere saber si un nuevo medicamento funciona, verifica si la temperatura del paciente bajó 2 grados. Si una empresa quiere saber si el diseño de un nuevo sitio web funciona, cuenta si las ventas aumentaron un 10%. Estos son "resultados escalares": números únicos que son fáciles de comparar.

Pero el mundo está lleno de cosas que no son números únicos. Imagina que un hospital quiere saber si una nueva herramienta de IA ayuda a los médicos a escribir mejores notas. El "resultado" no es un número; es un párrafo entero de texto. O imagina que un investigador quiere saber si un nuevo algoritmo de cámara hace que las fotos sean más claras. El resultado es una imagen. No puedes tomar la foto de un gato y restar la foto de un perro para obtener un "número de diferencia". Ni siquiera puedes decir realmente cómo es la nota "promedio".

Tradicionalmente, los científicos intentaban resolver esto forzando los datos desordenados dentro de una caja. Creaban una lista de reglas (un "libro de códigos") para calificar el texto. Tal vez decidían contar cuántas veces un médico usaba la palabra "urgente", o cuántas oraciones había en la nota. Pero esto es como intentar describir una sinfonía contando solamente el número de violines. Podrías perderte la parte más importante: la melodía, la emoción o un cambio repentino en el tempo. Si la herramienta de IA cambió el tono de las notas pero no el conteo de palabras, el método antiguo lo pasaría por alto por completo.

La Solución: El Resaltador Mágico (MCF)

Los autores proponen un nuevo enfoque. En lugar de adivinar qué medir, dejan que los datos les enseñen qué es lo que importa. Ellos llaman a esto la Característica Máximamente Contrastante (MCF).

Imagina que tienes dos pilas de notas: una pila escrita por médicos que usan la nueva herramienta de IA, y otra pila escrita por médicos que no la usan. Quieres encontrar el "resaltador mágico" que, al pasarlo sobre las notas, haga que la pila de la IA se vea lo más diferente posible de la pila de la no-IA.

El MCF es ese resaltador. Es un programa de computadora que aprende a asignar una puntuación de 0 a 1 a cada una de las notas.

Si una nota se parece mucho al "estilo de la IA", recibe una puntuación cercana a 1.
Si se parece al "estilo humano", recibe una puntuación cercana a 0.

La computadora no solo adivina qué significa el "estilo de la IA". Intenta millones de formas diferentes de calificar las notas, buscando la manera que cree la mayor brecha entre las dos pilas. Una vez que encuentra el mejor sistema de calificación, observa las notas que recibieron puntuaciones altas y las que recibieron puntuaciones bajas para ver qué es lo que realmente es diferente. Tal vez descubre que las notas de la IA son siempre más formales, o que siempre usan una plantilla específica, o quizás simplemente son más cortas. El método encuentra la respuesta sin que el investigador necesite conocer la respuesta de antemano.

Cómo Funciona: El Kit de Herramientas del Detective

El artículo explica que esto no es solo un juego de adivinanzas; es un proceso matemático riguroso que tiene en cuenta los "confundidores" (confounders). En el mundo real, las cosas son desordenadas. Tal vez los médicos que usan la herramienta de IA son también los que ven a pacientes más complicados. Si solo comparas las notas, podrías pensar que la IA las hizo más cortas, cuando en realidad los pacientes tenían menos que decir.

El método MCF corrige esto utilizando un "puntaje de propensión" (propensity score). Piensa en esto como un juego de emparejamiento. La computadora busca los detalles de fondo (como la edad del paciente, el tipo de visita y la experiencia del médico) y encuentra pares de notas que son casi idénticas en todos los aspectos excepto en si se usó la IA o no. Al comparar estos pares emparejados, el método aísla el verdadero efecto de la herramienta de IA.

Los autores también desarrollaron una versión "presupuestada" (budgeted). A veces, la IA cambia todo un poco, o cambia algunas cosas mucho. El MCF presupuestado permite a los investigadores decir: "Muéstrenme el 10% superior de las notas que más cambiaron". Esto ayuda a centrarse en los cambios más obvios y dramáticos en lugar de perderse en cambios diminutos e insignificantes.

Lo que Encontraron: Texto, Imágenes y Sorpresas

Los investigadores probaron su idea con tres experimentos diferentes para ver si realmente funcionaba.

1. Los Experimentos de Texto:
Simularon un escenario donde una herramienta de escritura debía hacer que el texto fuera más "formal".

El Resultado: El MCF aprendió con éxito a detectar el lenguaje formal. Asignó puntuaciones altas a las oraciones que sonaban profesionales y bajas a las casuales.
El Giro: También probaron un escenario más complejo donde la herramienta debía hacer que el texto fuera menos formal en algunas situaciones (como el entretenimiento) pero más formal en otras (como consejos familiares). El MCF no se confundió. Aprendió una regla "consciente del contexto": "Si es sobre música, hazlo casual; si es sobre la familia, sé serio". Descubrió que la respuesta "correcta" depende de la situación.
La Prueba de Seguridad: También probaron si la herramienta podía detectar el lenguaje "tóxico". En un caso, la herramienta hizo que el lenguaje fuera más seguro en grupos de apoyo, pero más agresivo en discusiones acaloradas. El MCF identificó correctamente que la característica de "seguridad" se invertía dependiendo del contexto, demostrando que podía manejar reglas complejas del mundo real.

2. El Experimento de Imágenes:
Utilizaron imágenes de células (como las que se ven bajo un microscopio).

El Resultado: Simularon un tratamiento que hacía que las imágenes fueran más borrosas. El MCF aprendió a calificar las imágenes basándose en qué tan borrosas eran. Logró separar las imágenes nítidas de las borrosas, incluso cuando el número de células en las fotos se mantenía igual. Demostró que el método funciona para datos visuales, no solo para palabras.

3. El Doble Misterio:
Finalmente, analizaron un caso donde tanto la entrada como la salida eran desordenadas. Imagina una IA que sugiere un borrador y un humano escribe la nota final. Tanto la sugerencia como la nota son texto.

El Resultado: Crearon un par de resaltadores: uno para la sugerencia de la IA y otro para la nota final. El sistema aprendió que cuando la sugerencia de la IA era "concreta y específica", la nota final tendía a ser "completa y detallada". Encontró el vínculo entre los dos textos desordenados sin que nadie le dijera qué buscar.

Por Qué es Importante

Este artículo sugiere una nueva forma de estudiar el mundo. Estamos rodeados de datos no estructurados: correos electrónicos, videos, escaneos médicos, publicaciones en redes sociales. Queremos saber cómo las nuevas tecnologías cambian estas cosas, pero a menudo no sabemos cómo medir el cambio.

El método MCF ofrece una forma de dejar que los datos hablen por sí mismos. En lugar de forzar una pieza cuadrada en un agujero redondo contando palabras o píxeles, encuentra las dimensiones ocultas que realmente importan. Sugiere que podemos descubrir los cambios más importantes en nuestro complejo mundo, ya sea cómo una IA cambia la escritura de un médico o cómo un nuevo filtro cambia una foto, sin necesidad de ser expertos en los detalles específicos de antemano.

Los autores advierten cuidadosamente que estos resultados provienen de simulaciones y experimentos semi-sintéticos. Aún no los han aplicado a un hospital real o a un sitio de noticias en vivo, pero las simulaciones muestran que las matemáticas se sostienen. Si este método funciona en el desorden del mundo real, podría ayudarnos a comprender el verdadero impacto de las herramientas de IA que están cambiando rápidamente nuestra forma de vivir, trabajar y comunicarnos.

Resumen Técnico: Inferencia Causal con Resultados No Estructurados

1. Planteamiento del Problema

La inferencia causal tradicional se centra en resultados escalares (por ejemplo, estado de recuperación binario, ingresos, recuento de visitas), donde el Efecto de Tratamiento Promedio (ATE, por sus siglas en inglés) se define como la diferencia en las medias de los resultados potenciales, $\mathbb{E}[Y(1) - Y(0)]$ . Sin embargo, los estudios modernos involucran cada vez más resultados no estructurados como notas clínicas, respuestas de encuestas abiertas, imágenes y videos. En estos entornos, el ATE estándar está mal definido porque no se puede restar de manera significativa un documento de texto o una imagen de otro.

Aunque un enfoque común es preespecificar una función de puntuación de características $g$ (por ejemplo, un libro de códigos o un modelo de tópicos) para convertir el objeto no estructurado en un escalar, esto requiere que el analista sepa de antemano qué aspecto del resultado se ve afectado causalmente. Si el cambio relevante reside fuera de las características preespecificadas (por ejemplo, un cambio sutil en el tono o la textura no capturado por un libro de códigos fijo), el análisis puede omitir la señal causal. El artículo aborda el desafío de aprender qué característica de un resultado no estructurado es la más afectada causalmente por un tratamiento sin una especificación previa.

2. Metodología

La Característica Máximamente Contrastante (MCF)
La propuesta central es la Característica Máximamente Contrastante (MCF), una consulta causal que aprende una función de puntuación de características $g: \mathcal{Y} \to [0, 1]$ que maximiza el contraste causal entre los resultados potenciales tratados y de control.

Objetivo: Encontrar $g^* \in \mathcal{G}$ tal que:
$g^* \in \arg\max_{g \in \mathcal{G}} \theta(g), \quad \text{donde } \theta(g) = \mathbb{E}[g\{Y(1)\} - g\{Y(0)\}]$
Aquí, $\mathcal{G}$ es una clase preespecificada de funciones acotadas (por ejemplo, redes neuronales con salidas sigmoideas). La función $g$ mapea el resultado no estructurado a un escalar que expone el contraste más nítido entre las distribuciones tratada y de control.

Identificación y Estimación

Supuestos: El método se basa en los supuestos causales estándar: SUTVA, Solapamiento (positividad) e Inconfundibilidad (independencia condicional de los resultados potenciales y el tratamiento dado los covariables $X$ ).
Identificación: Bajo estos supuestos, el contraste $\theta(g)$ está identificado para cualquier $g$ fijo mediante el ponderado por la inversa de la propensión (IPW) o la regresión de resultados. El artículo demuestra que si el criterio de la población tiene un maximizador único, la característica seleccionada está identificada.
Interpretación de Oráculo: En el entorno de la población (oráculo), la $g^*$ óptima actúa como una función indicadora para la región donde la densidad del resultado tratado supera a la del resultado de control: $g^*(y) = \mathbb{1}\{p_1(y) - p_0(y) > 0\}$ .
Algoritmo de Estimación:
1. Puntuación de Propensión: Estimar la puntuación de propensión $\hat{e}(X) = P(A=1|X)$ utilizando una división de entrenamiento.
2. Optimización: En una división de validación (held-out split), aprender los parámetros $\beta$ de la función de puntuación $g(Y; \beta)$ maximizando el objetivo IPW:
  $\hat{\theta}_N(\beta) = \frac{1}{N} \sum_{i=1}^N \left( \frac{A_i g(Y_i; \beta)}{\hat{e}(X_i)} - \frac{(1-A_i) g(Y_i; \beta)}{1-\hat{e}(X_i)} \right)$
3. Interpretación: La función aprendida se interpreta inspeccionando los resultados con puntuaciones altas frente a bajas (por ejemplo, recuperando vecinos cercanos o pares mínimos) para identificar patrones recurrentes.

Extensiones

Efectos Heterogéneos: El marco se extiende a las MCFs dependientes de covariables, $g(Y, X)$ , que identifican las características más afectadas por el tratamiento dentro de subpoblaciones específicas definidas por $X$ .
MCF Presupuestada: Para ayudar a la interpretación, una versión "presupuestada" restringe la función para que asigne puntuaciones altas solo a una fracción $\tau$ de la población. Esto prioriza los resultados con mayor "enriquecimiento de tratamiento" (aquellos con el mayor puntaje de enriquecimiento de tratamiento $\Delta(y)/p_{ref}(y)$ ).
Tratamientos No Estructurados: Cuando tanto el tratamiento ( $A$ ) como el resultado ( $Y$ ) son no estructurados, el método aprende un par de funciones: una característica de tratamiento influyente $f(A)$ y una característica de resultado contrastante $g(Y)$ . Esto se estima maximizando la covarianza condicional entre $f(A)$ y el residuo de $g(Y)$ , utilizando resultados de control negativo emparejados para estimar la línea base de los covariables sin optimización anidada.

3. Contribuciones Clave

El artículo realiza cinco contribuciones primarias:

Propuesta de MCF: Una nueva consulta causal para resultados no estructurados que aprende una función de puntuación de características acotada que captura el aspecto del resultado con el mayor contraste inducido por el tratamiento.
Identificación y Estimación: Establecimiento de las condiciones de identificación y desarrollo de algoritmos de estimación por ponderación de la inversa de la propensión (IPW) con pruebas de consistencia y normalidad asintótica.
Caracterización: Caracterización teórica del comportamiento de la población de la MCF, incluyendo versiones presupuestadas y adaptadas a covariables para una mejor interpretabilidad.
Tratamientos No Estructurados: Extensión del algoritmo a entornos con tratamientos y resultados no estructurados mediante el aprendizaje de funciones de puntuación de características emparejadas usando resultados de control negativo emparejados.
Validación Empírica: Ilustración del algoritmo MCF en resultados basados en texto, resultados basados en imágenes y escenarios con tanto tratamientos como resultados no estructurados.

4. Resultados Empíricos

Los autores evalúan el algoritmo MCF en conjuntos de datos sintéticos y semi-sintéticos:

Resultados de Texto (Formalidad y Toxicidad):
- En un estudio de formalidad (conjunto de datos GYAFC), la MCF recuperó con éxito un puntaje de formalidad global en entornos homogéneos y se adaptó a direcciones dependientes del contexto (por ejemplo, aumentar la formalidad en contextos familiares pero disminuirla en contextos de entretenimiento) en entornos heterogéneos.
- En un estudio de toxicidad (conjunto de datos ParaDetox), el algoritmo recuperó la no toxicidad global e identificó correctamente los cambios dependientes del contexto donde el tratamiento aumentó la toxicidad en entornos de alto conflicto pero la disminuyó en entornos de apoyo.
- El método superó a los modelos de tópicos preespecificados (LDA), que fallaron al aislar la dimensión causal específica (formalidad) cuando el contraste estaba distribuido entre los tópicos.
- La MCF también aisló con éxito combinaciones específicas de atributos (por ejemplo, formalidad + puntuación) cuando el tratamiento indujo cambios simultáneos.
Resultados de Imágenes:
- Utilizando imágenes de células sintéticas (BBBC005v1), la MCF aisló la dimensión de estilo de "desenfoque" (blur) inducida por el tratamiento mientras mantenía constante el conteo de células (contenido). El puntaje aprendido separó eficazmente las imágenes de bajo desenfoque de las de alto desenfoque.
Tratamientos y Resultados No Estructurados:
- En un entorno de texto a texto (sugerencias de IA como tratamiento, notas finales como resultado), el algoritmo emparejado MIF-MCF identificó con éxito direcciones vinculadas (por ejemplo, sugerencias concretas que conducen a planes completos) tras ajustar por covariables.

5. Significado y Reivindicaciones

El artículo sostiene que la MCF proporciona una herramienta exploratoria basada en datos para la inferencia causal con resultados no estructurados. Su importancia radica en:

Evitar el Sesgo de Preespecificación: Elimina la necesidad de que los analistas definan manualmente libros de códigos o características antes del análisis, permitiendo que los datos revelen qué aspectos del resultado se ven desplazados causalmente.
Interpretabilidad: Al aprender una función de puntuación y luego inspeccionar los ejemplos de alta y baja puntuación, el método cierra la brecha entre los embeddings de alta dimensión y los mecanismos causales interpretables por humanos.
Manejo de la Complejidad: Aborda la naturaleza "mal definida" de los ATE para objetos no estructurados al reformular la pregunta causal en torno al contraste en un espacio de características aprendido, en lugar de una resta directa de los objetos.
Flexibilidad: El marco acomoda efectos heterogéneos y datos bidireccionales no estructurados (tratamiento y resultado), expandiendo el alcance de las preguntas causales que pueden plantearse en campos como la salud, las políticas públicas y las ciencias sociales.

Los autores mantienen un tono modesto, posicionando a la MCF como un mapa exploratorio que identifica dónde se concentran los contrastes inducidos por el tratamiento, en lugar de una prueba confirmatoria de un atributo con nombre predefinido. Las etiquetas (por ejemplo, "formalidad", "desenfoque") son interpretaciones derivadas de los puntajes aprendidos y la posterior inspección de expertos en el dominio, no propiedades inherentes del algoritmo en sí.