Sintesi Tecnica: Stima dell'Effetto del Trattamento Congiunto da Dati Sanitari Incompleti

Enunciato del Problema

Il documento affronta la sfida critica di stimare gli effetti causali del trattamento dai Registri Elettronici di Salute (EHR) osservazionali quando sono presenti due difficoltà concomitanti: confondimento variabile nel tempo e mancanza di dati non a caso (MNAR).

I metodi standard per l'Emulazione di Trial Bersaglio (TTE) spesso falliscono negli scenari reali degli EHR a causa di:

1. Confondimento variabile nel tempo: Le decisioni terapeutiche sono guidate da profili pazienti in evoluzione, creando dipendenze complesse che i metodi esistenti gestiscono spesso solo sotto assunzioni parametriche restrittive o senza una struttura causale esplicita.
2. Mancanza di dati MNAR: I biomarcatori critici negli EHR mostrano spesso tassi di mancanza dal 50% all'80%. Questa mancanza è guidata da decisioni cliniche (ad esempio, test ordinati solo quando si sospetta una condizione), il che significa che la probabilità di dati mancanti dipende dal valore non osservato stesso.
3. Bias Concomitante: Le strategie di imputazione standard (ad esempio, MICE, MissForest) assumono tipicamente la mancanza a caso (MAR) e sono validate a bassi tassi di mancanza. Quando applicate a dati MNAR ad alto tasso, distorcono le strutture di correlazione tra biomarcatori ed esiti, portando a stime causali distorte.

Gli approcci esistenti trattano spesso l'imputazione e l'inferenza causale come fasi separate o si affidano ad approssimazioni variazionali/adversarial che introducono fallimenti silenziosi nella stima controfattuale.

Metodologia

Gli autori propongono una pipeline a due stadi progettata per gestire congiuntamente la mancanza di dati MNAR e la struttura causale nel tempo.

Stadio 1: Imputazione Evolutiva Guidata da LLM

Per affrontare l'input di dati incompleti, gli autori introducono un framework di ricerca evolutiva in cui un Modello Linguistico di Grande Dimensione (LLM) funge da operatore di mutazione per generare strategie di imputazione.

• Meccanismo: Invece di riempire direttamente i valori mancanti, l'LLM propone moduli Python candidati (imputatori) $g^{(k)}$.
• Punteggio Proxy Auto-supervisionato: La qualità di ogni candidato è valutata su un set di holdout proxy (dati osservati mascherati) utilizzando un punteggio composito $s(g)$:
  $$s(g) = \text{RMSE}(g) + \lambda_Y \Delta_Y(g) + \lambda_T \Delta_T(g)$$
  Questo punteggio penalizza l'errore di ricostruzione puntuale (RMSE) e, crucialmente, la distorsione delle correlazioni covariata-esito ($\Delta_Y$) e delle correlazioni covariata-trattamento ($\Delta_T$). Ciò garantisce che i dati imputati preservino la struttura causale necessaria per la stima a valle.
• Ciclo Evolutivo: Partendo da un imputatore seed, l'LLM propone iterativamente variazioni basate sul miglior candidato corrente e su un riepilogo della storia della ricerca, accettando solo quelli che migliorano rigorosamente il punteggio proxy.
• Backend: Il metodo è stato valutato utilizzando tre backend LLM: GPT-5.4, GPT-OSS-120b e Qwen3.5-Plus.

Stadio 2: CausalFlow-T (Inferenza Controfattuale Esatta)

I dati completati $\hat{D}$ sono immessi in CausalFlow-T, un modello innovativo per l'inferenza controfattuale esatta.

• Architettura: Combina un Flusso Autoregressivo Mascherato Causale (CausalMAF) con un encoder Long Short-Term Memory (LSTM).
• Vincoli DAG: Il flusso è vincolato da un Grafo Aciclico Diretto (DAG) specificato da esperti. L'ordinamento autoregressivo delle variabili segue rigorosamente l'ordinamento topologico del DAG. Ciò garantisce che le interventi (operazioni do) si propaghino solo attraverso i discendenti causali, prevenendo perdite anti-causali.
• Inferenza Esatta: A differenza degli Autoencoder Variazionali (CVAE) o dei metodi basati su GAN che ottimizzano un limite inferiore (ELBO) o obiettivi adversarial, CausalFlow-T massimizza la verosimiglianza logaritmica esatta.
• Procedura Controfattuale: Impiega la procedura Abduzione-Azione-Predizione (AAP) di Pearl:
  1. Abduzione: Invertire il flusso esattamente per recuperare il rumore esogeno $z_t$ per un paziente specifico.
  2. Azione: Intervenire sulla variabile di trattamento ($A \leftarrow a'$) mantenendo $z_t$ fisso.
  3. Predizione: Propagare l'intervento attraverso il flusso vincolato dal DAG per generare l'esito controfattuale.
     Ciò garantisce che lo stesso rumore specifico dell'individuo sia utilizzato per entrambi i bracci fattuale e controfattuale, una proprietà che i metodi variazionali non possono fornire.

Contributi Chiave

1. CausalFlow-T: Un flusso di normalizzazione vincolato da DAG che abilita un'inferenza controfattuale esatta e invertibile per dati longitudinali. Gli autori dimostrano che è l'unico modello a soddisfare simultaneamente cinque criteri di affidabilità (calibrazione dei sottogruppi, preservazione della varianza della coda, ricostruzione del braccio, recupero del rapporto di rischio e stabilità).
2. Identificazione di Modalità di Fallimento Non Sovrapposte: Attraverso studi di ablazione, il documento rivela due distinte modalità di fallimento nell'inferenza causale:
   • Separazione del Confondimento: Richiede una struttura causale esplicita (vincoli DAG). I modelli senza vincoli DAG mantengono un bias sistematico anche con basso errore fattuale.
   • Propagazione Strutturale: Richiede inferenza esatta. I metodi variazionali (anche con DAG corretti) falliscono nel recuperare i veri effetti del trattamento sotto percorsi di mediazione complessi a causa di lacune di approssimazione (collasso del posteriore).
3. Imputazione Evolutiva Guidata da LLM: Una strategia di imputazione innovativa che supera i metodi statistici standard (LOCF, MissForest) e le baseline di flow-matching nel preservare le strutture di correlazione causale sotto tassi di mancanza MNAR dal 30% all'80%.
4. Framework di Valutazione Congiunta: Il documento stabilisce che l'accuratezza della ricostruzione puntuale e la fedeltà causale non sono obiettivi allineati. Introduce una valutazione a doppio livello (qualità del biomarcatore + qualità causale a valle) per rilevare compromessi invisibili alle metriche standard.

Risultati

Benchmark Sintetici e Semi-Sintetici

• Prestazioni di CausalFlow-T: Su quattro dataset sintetici (incluso un complesso benchmark di Rischio CV a 17 nodi) e un dataset semi-sintetico basato su FIRE, CausalFlow-T è stato l'unico modello a superare tutti i criteri di affidabilità.
  • I concorrenti come GNN-CVAE e CVAE hanno sofferto di collasso del posteriore (predizione di effetti nulli dove esistevano veri effetti) o collasso della varianza.
  • TARNet e flussi non vincolati non sono riusciti a recuperare rapporti di rischio corretti o direzioni di trattamento invertite.
• Prestazioni di Imputazione: L'imputatore guidato da LLM (in particolare GPT-5.4) ha ottenuto il miglior rango aggregato tra le metriche dei biomarcatori e quelle causali.
  • Ha mantenuto il MAE e l'RMSE puntuali più bassi attraverso tassi di mancanza del 30%, 50% e 80%.
  • Crucialmente, è stata l'unica strategia che ha preservato il recupero dell'Effetto Medio del Trattamento (ATE) dove i metodi statistici (MissForest, CausalCFM) si sono degradati progressivamente all'aumentare della mancanza.
  • Lo studio ha evidenziato un compromesso: mentre CausalCFM a volte preservava meglio le correlazioni a tassi di mancanza inferiori, gli LLM hanno dominato nei regimi ad alta mancanza e nell'estrapolazione temporale.

Applicazione nel Mondo Reale

La pipeline è stata applicata a una coorte di 6.114 adulti con Diabete di Tipo 2 nell'assistenza primaria svizzera (database FIRE) per stimare l'effetto dell'inizio di agonisti del recettore GLP-1 rispetto agli inibitori SGLT-2 sul peso corporeo a un anno.

• Risultato: La pipeline ha stimato una differenza di perdita di peso per-protocollo di −0,98 kg [IC 95% −1,01, −0,96] a favore degli agonisti GLP-1RA.
• Validazione: Questa stima è coerente con il trial controllato randomizzato (RCT) SUSTAIN 8, che ha riportato una differenza di −1,06 kg, nonostante i dati del mondo reale avessero una mancanza MNAR >50% e agenti farmacologici misti.

Significato e Affermazioni

Il documento afferma che affrontare congiuntamente la struttura causale e la mancanza di dati MNAR è sia necessario che fattibile per la stima pratica dell'effetto del trattamento dai dati osservazionali.

• Oltre gli RCT: Il lavoro dimostra che le pipeline basate sul ML possono estendere l'evidenza causale oltre le popolazioni e le condizioni ristrette degli RCT verso scenari clinici reali dove gli studi sono non fattibili.
• Affidabilità sopra l'Accuratezza: Gli autori sostengono che un basso errore di previsione fattuale (MAE) è insufficiente per l'inferenza causale. I modelli devono soddisfare criteri strutturali (preservazione della varianza, corretta propagazione della mediazione) per essere affidabili.
• Collegamento Imputazione-Causale: Lo studio stabilisce che le scelte di imputazione hanno impatti diretti e misurabili sulla validità causale, rendendo necessarie metriche di valutazione congiunte piuttosto che trattare l'imputazione come un compito puramente di ricostruzione.
• Limiti Modesti: Gli autori riconoscono limitazioni, inclusa la dipendenza da DAG specificati da esperti (l'analisi di sensibilità mostra che il bias aumenta con la rimozione di percorsi unici), l'uso di rilassamento continuo per esiti di sopravvivenza binari (che influisce sulla calibrazione) e l'assunzione di scambiabilità condizionale. Notano che il lavoro futuro dovrebbe esplorare architetture di flusso discrete e affinamento automatico dei DAG.

In sintesi, il documento fornisce un framework robusto a due stadi che colma il divario tra dati EHR reali incompleti e disordinati e l'inferenza causale rigorosa, validato sia da verità fondamentali sintetiche sia dalla coerenza con evidenze RCT consolidate.