Deep Learning versus Linear Mixed Models for Estimating Treatment Effects in Longitudinal Repeated-Measures Studies

En el mundo de la investigación clínica, los científicos a menudo necesitan rastrear cómo cambian los pacientes a lo largo del tiempo. Imagine a una persona tomando un medicamento para la depresión; sus síntomas no pasan simplemente de "malo" a "bueno" en un solo instante. En cambio, fluctúan día tras día, influenciados por el fármaco, su biología y el paso del tiempo. Para comprender si un tratamiento realmente funciona, los investigadores recopilan datos en múltiples puntos —semanas, meses o años— creando una larga línea de mediciones para cada persona. El desafío es que estas mediciones repetidas del mismo individuo están vinculadas; lo que sucede en el día uno influye en lo que sucede en el día dos. Las herramientas estadísticas tradicionales han sido durante mucho tiempo el estándar para desenredar estos puntos de datos vinculados, permitiendo a los científicos separar el efecto real de un fármaco de los altibajos naturales de la condición de un paciente. Sin embargo, estas herramientas tradicionales requieren que los investigadores hagan conjeturas específicas sobre la forma de la curva de recuperación antes de siquiera empezar a mirar los datos. Si la recuperación del mundo real sigue un camino diferente al que se supuso, la herramienta podría errar el tiro.

Un enfoque más flexible llamado aprendizaje profundo (deep learning) ha surgido en años recientes. A diferencia de las herramientas tradicionales, el aprendizaje profundo no comienza con una forma preestablecida o una fórmula rígida. En su lugar, utiliza un sistema informático diseñado para imitar cómo aprende el cerebro humano, permitiéndole descubrir patrones y relaciones complejas directamente de los datos mismos. Esta flexibilidad es poderosa, pero plantea una pregunta crítica: en el entorno de alto riesgo de los ensayos médicos, donde los tamaños de muestra suelen ser modestos y el costo del error es alto, ¿realmente rinde mejor este enfoque flexible y ávido de datos que los métodos establecidos basados en reglas? Un equipo de investigadores en Francia se propuso responder esto mediante la creación de un experimento controlado para ver qué método podía medir con mayor precisión el efecto de un tratamiento.

Los investigadores no probaron esto en pacientes reales, sino en una simulación informática altamente realista de un ensayo clínico para el trastorno depresivo mayor. Construyeron un mundo virtual donde 240 participantes fueron divididos en tres grupos: uno que recibía un placebo, uno que recibía una dosis baja de un fármaco y uno que recibía una dosis alta. Simularon las puntuaciones de depresión de los pacientes durante ocho semanas, creando tres tipos diferentes de patrones de recuperación para asegurar que la prueba fuera robusta. También variaron el calendario de las revisiones, probando escenarios donde algunos participantes eran evaluados en diferentes momentos o con diferentes frecuencias. En este entorno virtual, los investigadores conocían la verdad exacta sobre cómo funcionaba el fármaco porque ellos mismos habían escrito las reglas de la simulación. Esto les permitió actuar como un árbitro, comparando qué tan bien dos métodos diferentes —el modelo estadístico tradicional y el nuevo sistema de aprendizaje profundo— podían encontrar esa verdad conocida.

Cuando comenzó el análisis, ambos métodos fueron capaces de ver la tendencia general: la dosis más alta funcionaba mejor que la dosis baja, y ambas funcionaban mejor que el placebo. En este sentido amplio, ambos enfoques fueron exitosos. Sin embargo, cuando los investigadores observaron más de cerca la precisión de los números, surgió una clara diferencia. El método tradicional, aunque fiable en promedio, mostró una desviación notable de la verdad conocida en sus estimaciones. En promedio, su cálculo del efecto del tratamiento se alejaba unos 3,5 puntos en la escala de depresión. En contraste, el sistema de aprendizaje profundo fue notablemente preciso, con sus estimaciones fallando el valor real por solo aproximadamente 0,15 puntos. El sistema de aprendizaje profundo también mostró una alineación mucho más estrecha con la realidad conocida, siguiendo los valores reales casi perfectamente, mientras que el método tradicional tendía a suavizar las diferencias entre los grupos, subestimando la verdadera fuerza del tratamiento.

El estudio también examinó cómo se desempeñaba cada sistema cuando el tiempo y la frecuencia de las evaluaciones variaban, imitando escenarios del mundo real donde los calendarios de revisión no son uniformes. El modelo de aprendizaje profundo demostró ser robusto, manteniendo su precisión incluso cuando los datos se recolectaban en intervalos irregulares. Logró aprender los patrones subyacentes de la recuperación de los pacientes sin necesidad de que se le indicara exactamente cómo debían ser esos patrones. El método tradicional, que depende de supuestos específicos sobre cómo se conectan los datos y la forma de la curva de recuperación, mostró una mayor desviación de la verdad cuando los datos no se ajustaban perfectamente a sus expectativas preestablecidas. Los investigadores encontraron que el enfoque de aprendizaje profundo requería muchas menos suposiciones sobre el sistema subyacente para producir un resultado más cercano a la verdad.

A pesar de estos impresionantes resultados en la simulación, los autores son cuidadosos de no declarar una victoria final. Enfatizan que estos hallazgos son específicos para las condiciones que ellos crearon. El estudio utilizó un tipo específico de escala de depresión, un número específico de participantes y un conjunto específico de reglas para cómo se generaban los datos. Si bien el método de aprendizaje profundo mostró un desempeño superior en este entorno controlado, los investigadores no afirman que sea universalmente mejor para cada ensayo médico. Señalan que los modelos de aprendizaje profundo pueden ser complejos y difíciles de interpretar, y que su éxito en esta simulación no garantiza que superen a los métodos tradicionales en todos los escenarios del mundo real. El estudio sirve como una prueba de concepto, sugiriendo que el aprendizaje profundo puede ser una herramienta poderosa y confiable para estimar efectos de tratamiento, particularmente cuando los patrones de recuperación son complejos y difíciles de predecir de antemano. Abre la puerta a nuevas investigaciones, invitando a los científicos a probar estos métodos en ensayos más grandes y diversos para ver si esta precisión se mantiene cuando se introducen todas las variables de la vida real.