Transport G-Computation: A Distributional Approach to Longitudinal Causal Inference via Optimal Transport

Sintesi Tecnica: Transport G-Computation (TGC)

Problematica
L'inferenza causale longitudinale utilizzando dati osservazionali sulla salute affronta sfide significative, principalmente dovute al confondimento tempo-dipendente, ai loop di feedback tra l'assegnazione del trattamento e l'evoluzione degli stati del paziente, e alle distribuzioni eterogenee degli esiti post-intervento. I convenzionali metodi di g-computation longitudinale si concentrano tipicamente sulla stima di effetti a livello di media (ad esempio, gli effetti medi del trattamento). Tuttavia, in molti contesti clinici, gli interventi possono alterare la forma, la dispersione o la multimodalità delle distribuzioni degli esiti, piuttosto che solo la media. Inoltre, la g-computation parametrica dipende fortemente dalla corretta specificazione dei modelli di transizione condizionale; quando i dati presentano non linearità, multimodalità, eteroschedasticità o strutture di feedback complesse, questi modelli spesso falliscono, portando a un bias sistematico. È necessario un framework che possa stimare effetti causali distribuzionali gestendo in modo robusto le complesse dipendenze dinamiche senza fare affidamento su rigide assunzioni parametriche globali.

Metodologia: Transport G-Computation (TGC)
Gli autori propongono la Transport G-Computation (TGC), un framework distribuzionale che integra la g-computation longitudinale con la teoria del trasporto ottimale (OT). L'obiettivo centrale è stimare l'Effetto Causale di Wasserstein (WCE), definito come la distanza di Wasserstein di secondo ordine ($W_2$) tra le distribuzioni dei potenziali esiti terminali sotto due regimi di intervento statici ($A_t \equiv 1$ e $A_t \equiv 0$).

L'algoritmo TGC procede come segue:

1. Identificazione: Sotto le assunzioni standard (Consistenza, Ignorabilità Sequenziale e Positività), la distribuzione terminale è identificata tramite la formula g-longitudinale.
2. Stima della Transizione Locale: Invece di adattare un modello parametrico globale per il kernel di transizione condizionale $\mathbb{P}(L_{t+1} | L_t, A_t)$, la TGC costruisce un'approssimazione non parametrica in ogni punto temporale e livello di trattamento.
   • Estrae una libreria di transizioni empirica dai dati osservati coppie $(L_t, L_{t+1})$ dove $A_t = a$.
   • Per uno stato di query, identifica i vicini più prossimi locali per formare un sottocampione, limitando la stima alla regione osservata per mitigare il bias ad alta dimensionalità.
   • Risolve un problema di trasporto ottimale regolarizzato dall'entropia su questo sottocampione locale per generare un accoppiamento di "soft-matching" tra stati sorgente e target. Ciò preserva la multimodalità e la struttura stocastica della distribuzione empirica.
   • Vengono applicati pesi di kernel Gaussiano agli stati sorgente locali e l'accoppiamento OT viene normalizzato per riga per formare una distribuzione condizionale locale.
3. Simulazione Ricorsiva: Partendo da campioni di stato iniziale, l'algoritmo simula ricorsivamente le traiettorie sotto interventi statici campionando dalle distribuzioni condizionali locali stimate in ogni step temporale.
4. Stima dell'Effetto: La distanza di Wasserstein viene calcolata tra le risultanti distribuzioni empiriche terminali dei due bracci di intervento.
5. Gestione della Positività: Il metodo controlla esplicitamente la sufficienza del campione nei vicinati locali. Se la dimensione effettiva del campione scende sotto una soglia, l'algoritmo segnala una violazione della positività invece di estrapolare, evitando così stime spurie in regioni non identificabili.

Contributi Chiave

1. Target Causale Distribuzionale: Il lavoro introduce la distanza di Wasserstein come un estimando formale per gli effetti causali longitudinali, catturando spostamenti in posizione, dispersione e forma, piuttosto che concentrarsi solo sulle medie.
2. Framework Innovativo: Propone la TGC, che combina lo smoothing kernel locale con l'accoppiamento del trasporto ottimale per stimare le distribuzioni terminali sotto interventi statici senza assunzioni parametriche globali.
3. Analisi Teorica: Gli autori forniscono prove di identificazione per il WCE sotto le standard assunzioni causali e analizzano le proprietà di approssimazione dello stimatore di transizione locale. Stabiliscono che l'errore terminale è limitato dalla somma degli errori di stima locali, evidenziando l'importanza della stabilità in ogni step ricorsivo.
4. Capacità Diagnostica: Il metodo include un meccanismo esplicito per diagnosticare e riportare le violazioni della positività, prevenendo l'estrapolazione incontrollata.

Risultati
Le prestazioni della TGC sono state valutate rispetto alla g-computation parametrica in quattro scenari di simulazione (100 replicazioni ciascuno):

• Scenario Gaussiano Lineare: La g-computation parametrica ha superato la TGC (RMSE 0,075 vs 0,659), indicando che quando il vero modello è lineare e correttamente specificato, l'approccio parametrico è superiore e la TGC introduce un bias di smoothing non necessario.
• Scenario di Miscela Gaussiana: La g-computation parametrica è rimasta più accurata (RMSE 0,080 vs 0,252). La TGC non ha dimostrato il vantaggio anticipato nel catturare le strutture multimodali in questi specifici setting, suggerendo una sensibilità agli iperparametri come la dimensione del vicinato e la forza di regolarizzazione.
• Scenario di Feedback Confondente: La TGC ha mostrato il suo vantaggio più forte, riducendo significativamente l'RMSE da 1,821 (parametrica) a 0,486. In questo setting complesso con feedback dinamico, l'approccio OT locale ha mitigato efficacementamente il bias sistematico causato dalla misspecificazione del modello nella baseline parametrica.
• Scenario Eteroschedastico Non Lineare: Entrambi i metodi hanno mostrato errori sostanziali (RMSE ~3,65 per entrambi), indicando che nessuno dei due approcci ha catturato completamente le complesse strutture distribuzionali in questo specifico setting.
• Costo Computazionale: La TGC è stata sostanzialmente più lenta, richiedendo circa 136–235 secondi per replica rispetto a ~1,1 secondi per il metodo parametrico, rappresentando un overhead di circa due ordini di grandezza.
• Stabilità: Entrambi i metodi hanno raggiunto un tasso di fallimento dello 0% in tutti gli scenari, con la TGC che ha evitato con successo il collasso della positività attraverso le sue diagnosi esplicite.

Significatività e Rivendicazioni
Il paper conclude che la TGC non è un sostituto universalmente superiore della g-computation parametrica. Il suo valore primario risiede in scenari caratterizzati da confondimento da feedback dinamico e transizioni distribuzionali complesse dove i modelli parametrici sono soggetti a misspecificazione. In tali contesti, la TGC offre un approccio più robusto, flessibile e interpretabile all'inferenza causale distribuzionale.

Tuttavia, gli autori riconoscono con modestia che in setting lineari semplici e correttamente specificati, i metodi parametrici tradizionali rimangono preferibili grazie al minor bias e varianza. Notano inoltre che la TGC comporta attualmente costi computazionali significativi e richiede una attenta sintonizzazione degli iperparametri. Il metodo è posizionato come uno strumento specializzato per la ricerca medica osservazionale dove l'attenzione è rivolta ai cambiamenti distribuzionali e dove le strutture di feedback complicano la modellazione standard, piuttosto che come soluzione predefinita per tutti i problemi causali longitudinali. Si identifica come necessario un lavoro futuro per migliorare l'efficienza, la selezione degli iperparametri e l'implementazione pratica per dati su larga scala.