Forecasting Oncology Demand Trends with Boosting-Based Bayesian Conjugate Models

Riepilogo Tecnico: Previsione delle Tendenze della Domanda in Oncologia con Modelli Coniugati Bayesiani Basati su Boosting

Enunciato del Problema
La previsione accurata della domanda sanitaria, in particolare in oncologia, è fondamentale per l'allocazione delle risorse e la pianificazione dei servizi. Tuttavia, le unità oncologiche affrontano sfide significative a causa dell'alta variabilità dei volumi di pazienti, guidata da diagnosi ritardate, protocolli di trattamento individualizzati e visite di follow-up irregolari. I modelli tradizionali di serie temporali, come ARIMA (Autoregressive Integrated Moving Average) e ETS (Exponential Smoothing), spesso faticano a catturare cambiamenti strutturali, dinamiche di trend non stazionarie o a incorporare efficacemente conoscenze a priori. Inoltre, sebbene i modelli di machine learning come le reti LSTM (Long Short-Term Memory) e XGBoost offrano flessibilità, possono mancare della tracciabilità analitica e della quantificazione dell'incertezza richieste per ambienti sanitari dinamici. La sfida specifica affrontata è la necessità di un modello in grado di adattarsi a pattern non stazionari, tracciare sia cambiamenti di trend a breve che a lungo termine e mantenere capacità di aggiornamento in forma chiusa.

Metodologia
Gli autori propongono un framework di inferenza bayesiana che combina distribuzioni coniugate con un meccanismo di boosting basato sui residui. La metodologia opera in tre fasi sequenziali:

1. Modello Base (Coniugazione Gamma–Poisson):
   La previsione fondamentale della domanda utilizza una coppia coniugata Gamma–Poisson. I conteggi settimanali degli appuntamenti ($x_t$) sono modellati come un processo di Poisson con un parametro di tasso sconosciuto $\lambda_t$. Una distribuzione Gamma funge da prior coniugato per $\lambda$. Ciò consente un aggiornamento bayesiano sequenziale in cui la distribuzione a posteriori rimane nella famiglia Gamma, fornendo una soluzione in forma chiusa per la previsione della media a posteriori. Questo componente cattura la memoria a lungo termine del processo di domanda.

2. Modellazione dei Residui (Coniugazione Gamma–Log-Normale):
   Per affrontare le deviazioni sistematiche tra i valori osservati e quelli previsti, il modello analizza i residui. I residui moltiplicativi vengono trasformati utilizzando una funzione logaritmica ($\log_p1(x) = \log(x+1)$) per approssimare una distribuzione Normale. Viene quindi applicata una struttura coniugata Gamma–Log-Normale a questi residui trasformati. Nello specifico, la precisione dell'errore è modellata con un prior Gamma, e l'errore medio è modellato con una distribuzione Normale condizionata alla precisione. Ciò produce una media a posteriori per il termine di errore che rappresenta una media ponderata di evidenza virtuale ed empirica.

3. Boosting e Correzione:
   La previsione finale ($\hat{x}_{t+1}$) è generata sommando la previsione Poisson di base ($\hat{\lambda}_{t+1}$) e la previsione dell'errore retro-trasformata. Il termine di errore è esponenziale e aggiustato ($\exp(\hat{\mu}_{t+1}) - 1$) per tornare alla scala originale, con l'applicazione di una funzione max(0, ...) per prevenire l'instabilità numerica. Questa correzione additiva permette al modello di adattarsi dinamicamente ai cambiamenti nel processo di generazione dei dati, preservando al contempo la tracciabilità analitica degli aggiornamenti coniugati.

L'algoritmo è progettato per l'apprendimento online, aggiornando i parametri a posteriori ($\alpha, \beta$ per il modello di base; statistiche per il modello di errore) ad ogni passo temporale man mano che arrivano nuovi dati.

Contributi Chiave

• Framework Bayesiano Ibrido: L'integrazione di un modello base Gamma–Poisson con un meccanismo di boosting dei residui Gamma–Log-Normale, consentendo il tracciamento sia dei conteggi di domanda che dei cambiamenti sistematici di trend.
• Tracciabilità Analitica: L'uso di prior coniugati garantisce aggiornamenti sequenziali in forma chiusa, evitando i costi computazionali dei metodi basati su simulazione come MCMC, il che è vantaggioso per contesti in tempo reale o con risorse limitate.
• Enfasi Esplicita sulla Direzione del Trend: La metodologia dà priorità esplicita alla direzione dei trend utilizzando la metrica POCID (Percentage of Correct Direction), piuttosto che focalizzarsi esclusivamente sugli errori di grandezza.
• Validazione nel Mondo Reale: Il modello è stato valutato su dati reali settimanali dei servizi oncologici dell'Ospedale São Vicente de Paula a Cariri, Ceará, Brasile, coprendo dieci distinti tipi di cancro (ad esempio, Prostata, Seno, Retto) da gennaio 2023 a dicembre 2024.

Risultati
Il modello proposto è stato confrontato con cinque baseline: previsione Naïve, Regressione Lineare, ARIMA, LSTM e XGBoost.

• Direzione del Trend (POCID): Il modello proposto ha raggiunto i valori POCID più alti nella maggior parte delle serie, superando l'approccio secondo classificato fino al 38,25% in casi specifici. Ha dimostrato stabilità e accuratezza superiori nel prevedere la direzione dei cambiamenti della domanda rispetto ad ARIMA, Regressione Lineare e metodi Naïve.
• Metriche Sensibili alla Scala: Il modello ha mostrato riduzioni significative nelle metriche di errore rispetto alle baseline parametriche e basate su alberi. Le riduzioni mediane includevano il 74,5% in MAPE rispetto ad ARIMA, il 77,6% rispetto alla Regressione Lineare, il 75,7% rispetto a LSTM e il 74,7% rispetto a XGBoost.
• Significatività Statistica: Utilizzando il test Diebold–Mariano (DM) basato sull'Errore Quadratico Medio (MSE), il modello proposto ha superato statisticamente il secondo miglior modello in 7 serie su 10. Nei casi rimanenti, i risultati sono stati inconcludenti, ma gli autori hanno applicato un criterio di ripiego a favore del modello proposto.

Significato e Affermazioni
Il documento afferma che l'integrazione di conoscenze a priori con un boosting basato sui residui fornisce un framework principiato per la gestione di serie temporali sanitarie non stazionarie. Gli autori sostengono che questo approccio offre un vantaggio distinto nell'identificare le direzioni dei trend di domanda dove i modelli tradizionali falliscono nell'adattarsi alla variabilità strutturale.

Gli autori rimangono modesti riguardo all'universalità del modello, notando che:

• I guadagni di prestazioni rispetto alla benchmark Naïve dipendono dalla serie.
• Le prestazioni del modello sono sensibili all'inizializzazione delle distribuzioni a priori, in particolare quando i dati sono scarsi o altamente variabili.
• Alcune metriche di valutazione hanno mostrato sensibilità agli outlier, influenzando le valutazioni finali.

È proposto un lavoro futuro per esplorare approcci sistematici per l'elicitazione dei prior (potenzialmente utilizzando Bayes empirico) e per integrare meccanismi di memoria a breve e lungo termine ispirati alle reti LSTM per migliorare ulteriormente l'adattabilità alle strutture di dati in evoluzione.