Mixed Membership Models for Multilevel Functional Data

Titolo: Modelli a Membri Misti per Dati Funzionali Multilivello

1. Il Problema e il Contesto

La ricerca è motivata dallo studio delle immagini cerebrali tramite elettroencefalogramma (EEG) in bambini con Disturbo dello Spettro Autistico (ASD) e controlli tipicamente sviluppati (TD).

• Natura dei dati: I dati EEG sono caratterizzati come dati funzionali multilivello. Ogni soggetto contribuisce con diverse funzioni (canali EEG, $J=25$) definite su un dominio temporale/frequenziale.
• Eterogeneità: Si osserva una variabilità significativa sia intra-soggetto (differenze di forma e ampiezza tra i canali) che inter-soggetto (pattern spettrali diversi tra i bambini).
• Limitazione dei metodi attuali: I metodi di clustering tradizionali (hard clustering) assegnano ogni osservazione a un'unica classe. Tuttavia, nell'EEG, i soggetti spesso esibiscono una miscela continua di pattern spettrali (es. componenti periodiche e aperiodiche coesistenti). Un approccio di "clustering rigido" produce medie di cluster poco separati e difficili da interpretare, fallendo nel catturare la natura sfumata dell'eterogeneità biologica.

2. Metodologia Proposta

Gli autori propongono un'estensione dei modelli a membri misti (Mixed Membership Models) al contesto di dati funzionali multilivello.

• Modello Statistico:

  • Si assume un numero noto di $K$ caratteristiche funzionali latenti (pure membership features).
  • Il processo di appartenenza mista è modellato attraverso una miscela di Processi Gaussiani (GP) dipendenti.
  • La struttura è gerarchica: ogni percorso funzionale $Y_{ij}(t)$ (soggetto $i$, canale $j$) è una combinazione convessa delle $K$ caratteristiche latenti.
  • Decomposizione di Karhunen-Loève Multivariata: Per garantire flessibilità e scalabilità, il modello utilizza una costruzione basata sulla decomposizione di Karhunen-Loève multivariata. Le funzioni sono approssimate tramite una combinazione di funzioni di base (es. B-spline) e pseudo-auto-funzioni scalate.
  • Equazione del Modello: La densità di probabilità è modellata come una combinazione convessa di medie specifiche per le caratteristiche, pesate dalle proporzioni di miscelazione $Z_{ijk}$ (che risiedono sul semplice unitario). La struttura di covarianza è una somma pesata di funzioni di covarianza e cross-covarianza.

• Inferenza e Identificabilità:

  • Prior Repulsivo Gerarchico: Per risolvere i problemi di identificabilità tipici dei modelli a miscela (dove le permutazioni dei cluster o la sovrapposizione possono rendere il modello non identificabile), gli autori introducono un processo puntuale repulsivo gerarchico sul semplice unitario.
  • Questo prior impone che le distribuzioni di appartenenza dei soggetti ($Z$) siano "sparpagliate" sufficientemente bene sul semplice, coprendo gli angoli e i bordi (condizione di "sufficient scattering").
  • Regolarizzazione: Viene utilizzato un prior di shrinkage del processo gamma moltiplicativo per regolarizzare adattivamente le funzioni di covarianza e garantire la regolarità delle medie e delle auto-funzioni pseudo tramite penalità di random walk.
  • Inferenza Bayesiana: L'inferenza postuma viene eseguita tramite strategie standard MCMC (Markov Chain Monte Carlo).

3. Risultati Principali

Il modello è stato applicato a un dataset di EEG (58 bambini ASD, 39 TD, età 2-12 anni) focalizzato sulla banda alfa (6-14 Hz).

• Selezione del Modello: È stato selezionato un modello con $K=2$ caratteristiche funzionali (basato sul metodo del "gomito", poiché i criteri AIC/BIC tendevano a sovrastimare $K$).
• Interpretazione delle Caratteristiche:
  • Feature 1: Un rumore aperiodico di tipo $1/f$ (rosa) senza picco alfa.
  • Feature 2: Una componente periodica con un chiaro picco alfa, tipica di soggetti neurotipici più grandi.
• Risultati Clinici:
  • I bambini TD mostrano un'alta probabilità di caricare pesantemente sulla Feature 2 (picco alfa ben definito).
  • I bambini ASD mostrano un'eterogeneità maggiore, con carichi misti su entrambe le caratteristiche.
  • L'analisi a livello di canale rivela differenze significative nelle regioni temporali del cervello, dove i bambini TD mantengono un picco alfa ben definito rispetto ai bambini ASD.
• Vantaggio del Modello: A differenza del clustering rigido, il modello a membri misti cattura efficacemente la natura spettrale continua dei dati, permettendo di quantificare l'appartenenza di gruppo come parte di uno spettro piuttosto che come categorie discrete.

4. Contributi Chiave

1. Estensione Multilivello: Adattamento dei modelli a membri misti per gestire dati funzionali multivariati e multilivello (soggetto $\to$ canale $\to$ funzione).
2. Scalabilità e Flessibilità: Utilizzo della costruzione di Karhunen-Loève multivariata per esprimere processi stocastici complessi in un modello gerarchico scalabile, evitando vincoli di varietà di Stiefel.
3. Soluzione all'Identificabilità: Introduzione di un prior repulsivo gerarchico sul semplice unitario per garantire l'identificabilità delle strutture di appartenenza parziale, risolvendo un problema critico nei modelli di clustering flessibili.
4. Applicazione Biomedica: Dimostrazione pratica nell'analisi EEG per l'ASD, fornendo una nuova prospettiva quantitativa sulla neurodivergenza come spettro continuo di caratteristiche funzionali.

5. Significato e Conclusioni

Questo lavoro offre un quadro teorico e pratico avanzato per l'analisi di dati funzionali complessi in ambito neuroscientifico.

• Impatto Scientifico: Conferma le evidenze della letteratura sulla neuroimaging dello sviluppo, ma introduce un cambio di paradigma: quantificare l'appartenenza di gruppo non come una categoria binaria, ma come una distribuzione su uno spettro di caratteristiche latenti.
• Limitazioni e Lavori Futuri: Gli autori notano che la selezione del numero di componenti ($K$) tramite criteri di informazione può essere problematica e che le proprietà di convergenza postuma per modelli a membri misti sovrastimati (overfitted) richiedono ulteriori ricerche, dato che i risultati esistenti per i modelli di miscela standard non si estendono direttamente a questo caso.

In sintesi, il paper propone un metodo robusto per decodificare l'eterogeneità nei dati fisiologici complessi, offrendo strumenti statistici più raffinati per comprendere le differenze neurali nell'autismo.