📊 statistics

Latent Functional PARAFAC for modeling multidimensional longitudinal data

Dit artikel introduceert Latent Functional PARAFAC, een probabilistische tensordecompositie-methode die hoogdimensionale longitudinale data modelleert met gladde functionele structuren om robuuste analyse mogelijk te maken onder schaarse en onregelmatige bemonsteringsschema's, zoals aangetoond door middel van simulaties en een toepassing op neurocognitieve data van de ziekte van Alzheimer.

Oorspronkelijke auteurs: Lucas Sort, Laurent Le Brusquet, Arthur Tenenhaus

Gepubliceerd 2026-01-28

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Lucas Sort, Laurent Le Brusquet, Arthur Tenenhaus

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een enorme, rommelige bibliotheek met boeken probeert te begrijpen. Maar dit zijn geen normale boeken; het zijn levende, ademende verhalen die elke dag veranderen, geschreven door duizenden verschillende mensen, en sommige pagina's ontbreken of zijn uitgescheurd.

Dit is het probleem dat de auteurs van dit artikel proberen op te lossen. Ze werken met longitudinale data — informatie die over een bepaalde tijd is verzameld (zoals de gezondheidsscores van een patiënt die elke paar maanden gedurende tien jaar worden gemeten). Maar in plaats van slechts één getal per persoon, hebben ze een hele "tensor" (een meerdimensionale datacube) die veel verschillende scores bevat, gemeten op verschillende momenten voor veel verschillende mensen.

Hier is de eenvoudige uitleg van hun oplossing, gebruikmakend van alledaagse analogieën:

1. Het Probleem: De "Rommelige Bibliotheek"

In de echte wereld is data zelden perfect.

Het is Continu: Tijd stroomt vloeiend, als een rivier, maar we maken alleen snapshots (metingen) op willekeurige momenten.
Het is Onregelmatig: Persoon A werd misschien gemeten in januari, maart en oktober. Persoon B werd misschien gemeten in februari en juli.
Het is Ruisig: De metingen zijn niet perfect; er is altijd een zekere "statische ruis" of fout.
Het is Enorm: Als je 1.000 mensen hebt, 10 jaar aan data en 6 verschillende tests, dan is de data te groot om direct te bekijken. Het is alsof je een miljoen boeken tegelijk probeert te lezen.

Bestaande hulpmiddelen (genaamd "Tensor Decomposition") zijn goed in het samenvatten van data, maar ze behandelen tijd als een lijst van afzonderlijke, losgekoppelde punten. Ze begrijpen niet dat tijd een vloeiende stroom is. Ze hebben ook moeite wanneer data ontbreekt of op vreemde tijdstippen wordt gemeten.

2. De Oplossing: De "Slimme Samenvatter" (LF-PARAFAC)

De auteurs hebben een nieuw hulpmiddel uitgevonden genaamd Latent Functional PARAFAC. Denk aan dit als een super-slimme samenvatter die twee speciale regels begrijpt:

Regel A: Het Vloeiende Verhaal (Functioneel): In plaats van tijd te behandelen als een lijst met stippen, ziet dit hulpmiddel tijd als een vloeiende curve. Het gaat ervan uit dat als je de score op dag 1 en dag 3 weet, je de score op dag 2 kunt raden omdat het verhaal vloeiend verloopt. Dit stelt het in staat om de gaten op te vullen, zelfs als de data schaars is (ontbrekende pagina's).
Regel B: De Verborgen Willekeur (Probabilistisch): Het hulpmiddel erkent dat elke persoon anders is. Het scheidt het "algemene verhaal" (de gemiddelde trend) van de "individuele eigenaardigheden" (willekeurige ruis). Het behandelt de data alsof deze uit een enorme zak met mogelijkheden is getrokken, waardoor het de natuurlijke willekeur van menselijk gedrag kan verwerken.

3. Hoe het werkt: Het "Recept"

Stel je voor dat je een complex gerecht (de data) wilt beschrijven met slechts een paar basisingrediënten (het model).

De Ingrediënten (De Decompositie): Het hulpmiddel breekt de enorme datacube af in drie eenvoudige delen:
- De "Tijdssmaak" (Functionele Modus): Een vloeiende curve die laat zien hoe dingen over de tijd algemeen veranderen (bijv. "cognitieve achteruitgang wordt steiler na jaar 5").
- De "Testsmaak" (Feature Modus): Een lijst die laat zien welke tests aan elkaar gerelateerd zijn. Het kan bijvoorbeeld beseffen dat "Geheugentest A" en "Geheugentest B" altijd samen bewegen, en dus hetzelfde ingrediënt delen.
- De "Persoonssmaak" (Sample Modus): Een score voor elke persoon die laat zien in hoeverre zij de algemene trend volgen versus hoe zeer zij een uitschieter zijn.
Het Kookproces (Het Algoritme):
Het hulpmiddel gebruikt een "block relaxation"-methode. Stel je voor dat je een legpuzzel probeert op te lossen waarbij je het hele plaatje niet kunt zien. Je legt één stukje vast, dan het volgende, en dan het volgende, steeds opnieuw, totdat het plaatje op zijn plek valt.
- Omdat het hulpmiddel gebruikmaakt van covariantie (een wiskundige manier om te meten hoe dingen samen bewegen) in plaats van alleen ruwe getallen, kan het dit recept bereiden, zelfs als de keuken rommelig is (ontbrekende data) of de ingrediënten verspreid liggen (onregelmatige timing).

4. De Praktijktest: Alzheimer-studie

De auteurs hebben hun nieuwe hulpmiddel getest op een echte dataset van de Alzheimer's Disease Neuroimaging Initiative (ADNI).

De Data: Ze keken naar 888 patiënten (sommigen gezond, anderen met Alzheimer's) over een periode van 10 jaar. Ze volgden 6 verschillende cognitieve scores (zoals geheugentests en dagelijkse vaardigheden).
De Rommel: De data was een nachtmerrie. Patiënten werden op verschillende tijden getest, met veel gaten. Een standaard hulpmiddel faalde volledig omdat de data te rommelig en hoogdimensionaal was.
Het Resultaat: Hun nieuwe hulpmiddel werkte perfect. Het vond 4 hoofdverhalen (patronen) verborgen in de data:
1. De Scherpe Achteruitgang: Een patroon dat een snelle daling in geheugen en functie laat zien, vooral bij Alzheimer-patiënten in de eerste 5 jaar.
2. De Stabiliteit: Een patroon dat mensen laat zien die gezond en stabiel bleven gedurende het decennium.
3. Het Langzame Verval: Een patroon dat een zeer geleidelijke, langzame achteruitgang laat zien.
4. De Tweelingtests: Een patroon dat laat zien dat twee specifieke geheugentests (MOCA en MMSE) zo vergelijkbaar zijn dat ze eigenlijk hetzelfde verhaal vertellen.

Cruciaal is dat het hulpmiddel de "Gezonde" groep duidelijk van de "Alzheimer's" groep kon onderscheiden op basis van deze patronen, zelfs met al die ontbrekende datapunten.

5. De Simulatie: De "Fictieve Data" Controle

Om te bewijzen dat het geen geluk was, creëerden ze 100 fictieve datasets met bekende antwoorden. Ze verwijderden opzettelijk 20%, 50%, en zelfs 80% van de datapunten om het heel moeilijk te maken.

Het Resultaat: Hun methode was uitstekend in het reconstrueren van de originele data, zelfs wanneer 80% van de informatie ontbrak. Het bewees dat hun "Vloeiende + Willekeurige" benadering veel beter is in het omgaan met rommelige, echte werelddata dan oudere methoden.

Samenvatting

Kortom, de auteurs hebben een wiskundige microscoop gebouwd die naar rommelige, onvolledige, tijdgebonden data kan kijken en de vloeiende, verborgen verhalen daaronder kan vinden. Het is alsof je een wazige video van een bewegend object neemt en wiskunde gebruikt om de heldere, vloeiende beweging van het object te reconstrueren, zelfs als de camera slechts enkele frames heeft gevangen. Ze hebben aangetoond dat dit uitstekend werkt bij het volgen van hoe de menselijke geest in de loop van de tijd verandert, specifiek in de context van de ziekte van Alzheimer.

Technische Samenvatting: Latente Functionele PARAFAC voor het Modelleren van Multidimensionale Longitudinale Data

1. Probleemstelling

Het artikel behandelt de uitdaging van het analyseren van hoogdimensionale longitudinale data georganiseerd als tensoren, waarbij één modus (meestal tijd) een gladde, continue functionele structuur vertokt, en een andere modus (de steekproefmodus) representatief is voor willekeurige trekkingen uit een onderliggende distributie.

Bestaande methoden kampen met specifieke beperkingen in deze context:

Standaard CPD (CANDECOMP/PARAFAC): Hoewel effectief voor dimensionaliteitsreductie, behandelt standaard CPD invoer als discrete waarden. Het slaagt er niet in de inherente continue structuur van functionele data te integreren en kan niet omgaan met onregelmatige of schaarse bemonsteringsschema's die gebruikelijk zijn in longitudinale studies.
Functionele Data Analyse (FDA): Methoden zoals Functionele Principale Component Analyse (FPCA) gaan goed om met gladheid, maar zijn vaak beperkt tot vectorwaardige data of vereisen het vectoriseren van tensoren, wat de tensorstructuur vernietigt en computationeel onhaalbaar wordt voor tensoren met een hoge orde.
Bestaande Tensor-Functionele Hybriden: Eerdere pogingen om deze velden te combineren (bijv. Guan [2023], Han et al. [2023]) zijn vaak beperkt tot specifieke tensorordes (bijv. orde-3), missen probabilistische modellering om rekening te houden met de steekproefwillekeur, of kunnen niet omgaan met onregelmatige bemonsteringsontwerpen.

De auteurs identificeren een gat voor een algemeen framework dat in staat is om functionele tensoren van elke orde te deconstrueren, waarbij rekening wordt gehouden met schaarse en onregelmatige bemonstering en de inherente willekeur van de steekproefmodus expliciet wordt gemodelleerd.

2. Methodologie

2.1 Het Latente Functionele PARAFAC (LF-PARAFAC) Model

De auteurs stellen een nieuw decompositiemodel voor dat de rank- $R$ CPD uitbreidt naar functionele tensoren in een Hilbertruimte $\mathcal{H} = L^2(I)^{p_1 \times \dots \times p_D}$ .

Het model representeert een willekeurige functionele tensor $\mathbf{X}$ als:
$\mathbf{X}(t) \approx \sum_{r=1}^R u_r \phi_r(t) (\mathbf{a}_{1r} \circ \dots \circ \mathbf{a}_{Dr})$
Waar:

$\phi_r(t) \in L^2(I)$ gladde functionele componenten (basisfuncties) zijn voor de continue modus.
$\mathbf{a}_{dr} \in \mathbb{R}^{p_d}$ vaste factormatrices zijn voor de discrete modi.
$u_r$ willekeurige variabelen zijn die de steekproef-scores representeren, getrokken uit een distributie (typisch Gaussisch) om de stochastische aard van de data te vangen.
$\mathbf{U} = (u_1, \dots, u_R)$ de vector is van latente willekeurige scores.

Deze formulering, aangeduid als LF-PARAFAC, integreert de gladheid van functionele data met de probabilistische structuur van tensordecompositie.

2.2 Schatting via Covariantie-gebaseerde Blokrelaxatie

Om de parameters ( $\Phi, \mathbf{A}_1, \dots, \mathbf{A}_D, \Lambda$ ) te schatten, leiden de auteurs een covariantie-gebaseerde blok-relaxatiealgoritme af (Algoritme 1).

Doel: De optimalisatie minimaliseert de verwachte kwadratische fout tussen de geobserveerde tensor en het model. Door de willekeurige variabele $\mathbf{U}$ te integreren, wordt het probleem geherformuleerd zodat het enkel afhankelijk is van de covariantiestructuur van de data.
Covariantievlakken: Het algoritme vertrouwt op het schatten van gecomprimeerde functionele covariantie-matrices, $\Sigma^{[f]}(s,t)$ en $\Sigma^{[d]}(s,t)$ . Deze zijn afgeleid van de kruis-covariantievlakken van de functionele invoer.
Omgaan met Onregelmatigheid: Volgens de aanpak van Yao et al. [2005] schat de methode deze covariantievlakken met behulp van lineaire lokale smoothing op een regelmatig rooster. Dit stelt de methode in staat om met schaarse en onregelmatige bemonsteringstijden om te gaan zonder dat data-imputatie of uitlijning nodig is.
Iteratief Proces: Het algoritme wisselt af tussen het updaten van de covariantie-matrix van de latente scores ( $\Lambda$ ), de functionele componenten ( $\Phi$ ) en de discrete factormatrices ( $\mathbf{A}_d$ ) totdat convergentie optreedt.

2.3 Steekproefmodus Inferentie (Bayesiaanse Benadering)

Voor een specifere proefpersoon met schaarse observaties kan de directe schatting van de latente scores $\mathbf{U}$ via de kleinste kwadraten instabiel zijn. De auteurs stellen een Bayesiaanse estimator voor (Propositie 4) uitgaande van een gezamenlijke Gaussische distributie voor de latente scores en residuele fouten. Dit levert een empirische Bayes-estimator op die de kracht leent van de populatie-covariantiestructuur om individuele trajecten te voorspellen, zelfs met zeer weinig observaties.

2.4 Identificeerbaarheid

Het artikel stelt voorwaarden vast voor de identificeerbaarheid van het LF-PARAFAC-model (Propositie 3). Onder schaalings- en permutatiebeperkingen is het model identificeerbaar als de functionele ruimte oneindig dimensionaal is en de $k$ -ranks van de factormatrices aan een specifieke ongelijkheid voldoen, vergelijkbaar met standaard CPD-condities.

3. Belangrijkste Bijdragen

Algemeen Framework: Introductie van het LF-PARAFAC-model, dat CPD uitbreidt naar functionele tensoren van elke orde terwijl het een probabilistische latente structuur incorporeert.
Robuustheid tegen Bemonstering: Ontwikkeling van een covariantie-gebaseerde schattingprocedure die van nature omgaat met schaarse en onregelmatige bemonsteringsschema's, een cruciaal kenmerk voor longitudinale data waarbij tijdstippen per subject variëren.
Probabilistische Integratie: Expliciete modellering van de steekproefmodus als een willekeurige distributie, wat een efficiëntere capture van de onderliggende willekeur mogelijk maakt en Bayesiaanse inferentie voor individuele subjecten faciliteert.
Algoritmische Oplossing: Afleiding van een blok-relaxatiealgoritme dat gebruikmaakt van kruis-covariantievlakken, waardoor de decompositie computationeel haalbaar wordt voor hoogdimensionale, schaarse data.

4. Resultaten

4.1 Toepassing op ADNI-data

De methode werd toegepast op de Alzheimer's Disease Neuroimaging Initiative (ADNI) dataset, waarbij 6 neurocognitieve scores (ADAS, MMSE, RAVLT, FAQ, MOCA, LDEL) over 10 jaar werden geanalyseerd voor 888 subjecten (518 Cognitief Normaal, 370 Alzheimer's Disease).

Data-eigenschappen: De data vertoonden zeer onregelmatige bemonstering (1064 unieke tijdstippen) en ontbrekende waarden, waardoor standaard PARAFAC faalde.
Bevindingen: Een rank-4 decompositie legde succesvol onderscheidende trajecten vast:
- Component 1: Legde een scherpe cognitieve achteruitgang vast tijdens de eerste 5 jaar, wat AD-patiënten (hoge achteruitingsscores) duidelijk scheidde van Cognitief Normale (CN) patiënten.
- Component 2: Beschreef stabiele cognitieve maten over het decennium.
- Component 3: Representeerde een langzame, geleidelijke achteruitgang.
- Component 4: Legde gedeelde variantie vast tussen MOCA- en MMSE-scores.
Interpreteerbaarheid: De functionele componenten boden gladde, interpreteerbare trajecten, en de latente scores stratificeerden patiënten effectief op basis van diagnose.

4.2 Simulatiestudie

Simulaties werden uitgevoerd op synthetische tensoren van ranks 3, 5 en 10 met variërende schaarsheidsniveaus (0% tot 80% ontbrekende data).

Prestaties: De simulaties toonden een "merkbaar voordeel" van de LF-PARAFAC-methode bij het reconstrueren van tensoren vergeleken met bestaande benaderingen, met name onder condities van hoge schaarsheid en onregelmatige bemonstering.
Robuustheid: De methode behield nauwkeurigheid bij het herstellen van de onderliggende functionele en discrete structuren, zelfs wanneer een groot deel van de observaties werd verwijderd.

5. Betekenis en Claims

Het artikel claimt dat de LF-PARAFAC-benadering een noodzakelijke uitbreiding vormt voor bestaande tensor- en functionele data-analyseinstrumenten. De primaire betekenis ligt in het vermogen om:

Gladde functionele structuren te verenigen met probabilistische tensordecompositie.
Effectief te opereren in realistische longitudinale settings die gekenmerkt worden door schaarsheid en onregelmatigheid, waar traditionele tensormethoden falen.
De interpreteerbaarheid te verbeteren door gladde functionele componenten en probabilistische scores te bieden die gekoppeld kunnen worden aan covariabelen (bijv. diagnose).

De auteurs concluderen dat hoewel de methode sterke prestaties laat zien in reconstructie en karakterisering, zij beperkt wordt door de noodzaak van covariantieschatting (wat voldoende datadichtheid voor smoothing vereist) en de aanname van Gaussische latente distributies. Toekomstig werk kan niet-Gaussische extensies en alternatieve smoothingtechnieken verkennen.