SymPerturb converts symptom-network structure into testable intervention priorities

Resumen Técnico de SymPerturb: Conversión de la Estructura de Red de Síntomas en Prioridades de Intervención Testables

Planteamiento del Problema
Las redes de síntomas, modeladas típicamente como Modelos Gráficos Gaussianos (GGM, por sus siglas en inglés), codifican eficazmente la dependencia condicional entre síntomas. Sin embargo, las métricas de red estándar (p. ej., fuerza, influencia esperada, centralidad de puente) identifican la importancia estructural pero no identifican intrínsecamente objetivos de intervención causales o clínicamente accionables. Un síntoma puede estar altamente conectado debido a que es una consecuencia de causas comunes o por tener enlaces beneficiosos/perjudiciales que se cancelan entre sí, lo que hace que la centralidad estructural sea distinta del valor de intervención. Además, los análisis de intervención basados en simulaciones existentes carecen de un marco formalizado que distinga entre el operador de perturbación, la regla de actualización del sistema y el resultado clínicamente interpretable. Crucialmente, los cambios estadísticos en redes transversales no constituyen intervenciones causales do sin una justificación independiente de la semántica de la intervención y el ordenamiento temporal.

Metodología: El Marco SymPerturb
SymPerturb es un marco de perturbación virtual diseñado para generar hipótesis de objetivos auditables para pruebas longitudinales y experimentales. Opera dentro de un GGM ajustado y separa el proceso de intervención en tres capas: una capa de estado, una capa de topología y una capa de múltiples objetivos.

1. Operadores de Perturbación Primitivos:

   • Eliminación Virtual (vKO - Virtual Knockout): Ancla un síntoma objetivo a un estado prescrito (p. ej., cero) y elimina su varianza residual.
   • Atenuación Virtual (vKD - Virtual Knockdown): Produce un cambio parcial de localización-escala (atenuación) de un objetivo.
   • Bloqueo de Comunicación a Nivel de Arista: Atenúa el peso de una arista específica.
   • Bloqueo de Comunicación Centrado en el Nodo: Atenúa todas las aristas incidentes en un nodo objetivo.
   • Nota: El marco trata explícitamente el "bloqueo de comunicación" como una operación de atenuación de grafo, no como evidencia de intercambio de señal biológica.

2. Procedimientos Analíticos:

   • Perturbación de Dosificación Virtual (vDP - Virtual Dosage Perturbation): Evalúa curvas de intensidad-respuesta para los operadores de estado.
   • Perturbación Combinada: Construye objetivos conjuntos para evaluar el valor incremental sobre objetivos individuales.
   • Optimización de Secuencia: Busca conjuntos de objetivos ordenados para maximizar un objetivo de decisión (p. ej., ganancias marginales descontadas) en lugar de inferir el tiempo biológico.

3. Modelo de Intervención de Estado:
   El marco utiliza un mapa general de localización-escala. La implementación de referencia utiliza un caso especial vinculado donde el desplazamiento de la media del objetivo y la reducción de la desviación estándar disminuyen conjuntamente a medida que aumenta la dosis ($D_\alpha = \text{diag}(1-\alpha_s)$), con el objetivo anclado en cero. Esta formulación evita las discontinuidades encontradas en el condicionamiento duro simple (donde la varianza colapsa instantáneamente). Los autores enfatizan que vincular la atenuación de la media y la escala es una elección de modelado, no una característica necesaria del tratamiento, y que se requieren análisis de sensibilidad utilizando mapas de localización/escala independientes.

4. Resultados de Utilidad y Calificación:
   Siete resultados de utilidad cuantifican la eficacia descendente, definida como la mejora estandarizada en los síntomas no objetivo:

   • Eficacia Descendente: Beneficio del sistema a dosis completa.
   • Eficiencia de la Dosis: Beneficio por unidad de intervención.
   • Amplitud: Proporción de no-objetos que superan un umbral de mejora.
   • Alcance de Módulos Cruzados: Proporción de otros módulos de síntomas alcanzados.
   • Puntuación de Bloqueo de Comunicación: Pérdida relativa de una función de topología tras el bloqueo centrado en el nodo.
   • Puntuación de Valor de Combinación: Valor incremental de un par sobre el mejor objetivo individual.
   • Capacidad de Respuesta: Sensibilidad local a dosis bajas.
   • Diagnóstico de Robustez: Una medida separada de incertidumbre (estabilidad de rango a través de escenarios), explícitamente excluida de la puntuación de prioridad final.

La Puntuación de Prioridad de Perturbación Virtual (VPPS - Virtual Perturbation Priority Score) se calcula como la media ponderada de los siete resultados de utilidad (tras la alineación de dirección y la normalización min-max dentro del conjunto de candidatos). La VPPS es un ranking relativo dentro de un análisis, no una puntuación de utilidad clínica transportable.

Resultados Clave
El artículo reporta una verificación computacional interna utilizando una red generadora conocida de 22 nodos y cuatro módulos con medias y varianzas heterogéneas.

• Acuerdo Analítico vs. Simulación: Los cálculos analíticos de eficacia coincidieron con las estimaciones de Monte Carlo de 100,000 extracciones dentro de 0.0024 desviaciones estándar, verificando la implementación numérica del mapa de referencia vinculado.
• Recuperación de Muestra Finita: Utilizando la VPSS original de ocho componentes exploratorios (incluyendo robustez), la correlación mediana de Spearman con el ranking poblacional mejoró con el tamaño de la muestra ($n=250$: 0.70; $n=500$: 0.82; $n=1000$: 0.88). La proporción de los cinco objetivos principales verdaderos recuperados osciló entre 0.60 y 0.80.
• Diagnóstico de Robustez: El diagnóstico de robustez (estabilidad de rango) mostró una recuperación pobre incluso con $n=1000$ (correlación mediana ~0.11), lo que respalda la decisión de excluirlo de la VPSS confirmatoria.
• Validez de la Eliminación (Knockout): La eliminación exacta (vKO) crea una columna de varianza cero, lo que invalida la estandarización de toda la red y la reestimación de la covarianza. El marco recomienda eliminar el nodo objetivo o utilizar una eliminación "suave" (manteniendo una pequeña varianza) para un análisis descendente válido.
• Comparación con la Centralidad: El ranking de la población de la VPSS mostró solo una asociación moderada ($\rho=0.52$) con el ranking de la centralidad de fuerza absoluta, lo que indica que SymPerturb identifica objetivos diferentes a las métricas de centralidad estándar.

Significado y Reivindicaciones
El artículo posiciona a SymPerturb como una contribución metodológica más que como una herramienta de validación clínica. Su significancia principal radica en:

1. Formalizar la Consulta de Intervención: Proporciona una taxonomía estructurada que distingue los operadores primitivos (qué se cambia) de los procedimientos analíticos (cómo se actualiza y evalúa el sistema).
2. Clarificar los Supuestos de Modelado: Identifica explícitamente el anclaje en cero y la atenuación vinculada de media-varianza como elecciones de modelado, que requieren análisis de sensibilidad en lugar de tratarse como verdades inherentes.
3. Generar Hipótesis: El marco está destinado a producir un conjunto de hipótesis de objetivos auditables y derivadas de modelos. Estas hipótesis son rankings relativos que requieren validación posterior longitudinal, experimental y centrada en el paciente para establecer la transportabilidad causal o la eficacia clínica.
4. Limitaciones: Los autores declaran explícitamente que la verificación actual se limita a una única familia de GGM sintéticos y no aborda datos ordinales, confusión latente, error de medición o regímenes de alta dimensionalidad. Sus resultados no establecen validez externa ni dirección causal.

En resumen, SymPerturb convierte las redes de síntomas descriptivas en un marco testable para priorizar intervenciones, pero enfatiza que cualquier ranking resultante sigue siendo una hipótesis que requiere una rigurosa validación externa.