🤖 machine learning

Joint Treatment Effect Estimation from Incomplete Healthcare Data: Temporal Causal Normalizing Flows with LLM-driven Evolutionary MNAR Imputation

Dit artikel stelt een nieuw tweestapsproces voor dat DAG-gelimiteerde normaliserende stromen combineert voor exacte contrafactuele inferentie met een door een LLM aangedreven evolutionaire imputer voor het verwerken van hoge percentages niet-willekeurig ontbrekende data, waardoor robuuste gezamenlijke behandelingseffectschatting mogelijk wordt vanuit onvolledige longitudinale elektronische gezondheidsdossiers.

Oorspronkelijke auteurs: Olivia Jullian Parra, Sara Zoccheddu, David Catalan Cerezo, Tom Forzy, Franziska Ulrich, William Sutcliffe, Jakob Martin Burgstaller, Oliver Senn, Patrick Owen, Nicola Serra

Gepubliceerd 2026-05-07

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Olivia Jullian Parra, Sara Zoccheddu, David Catalan Cerezo, Tom Forzy, Franziska Ulrich, William Sutcliffe, Jakob Martin Burgstaller, Oliver Senn, Patrick Owen, Nicola Serra

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 detective bent die probeert uit te vinden welke van twee nieuwe medicijnen beter werkt voor gewichtsverlies bij mensen met type 2-diabetes. In een perfecte wereld zou je een "gecontroleerde gerandomiseerde studie" (RCT) uitvoeren, waarbij je een munt opgooit om te beslissen wie welk medicijn krijgt. Dit verwijdert alle giswerk.

Maar in de echte wereld kunnen we niet altijd munt gooien. We moeten kijken naar Elektronische Gezondheidsregistraties (EHR's)—de digitale bestanden die artsen bijhouden. Deze dossiers zijn rommelig. Ze zijn als een bibliotheek waar:

De boeken ontbreken: Artsen schrijven niet elke meting (zoals bloeddruk) voor elke patiënt op, vooral niet als de patiënt er goed uitziet. Dit heet "Missing Not At Random" (MNAR)—de data ontbreekt omdat van de gezondheidstoestand van de patiënt, niet zomaar door toeval.
Het verhaal is ingewikkeld: Patiënten veranderen in de loop van de tijd. Een arts kan een medicijn voorschrijven omdat het gewicht van een patiënt vorige maand is gestegen. Dit creëert een verward web van oorzaak en gevolg dat moeilijk te ontwarren is.

Dit artikel introduceert een tweestaps-detectivehulpmiddel, CausalFlow-T, om deze rommel op te lossen en de vraag te beantwoorden: "Welk medicijn veroorzaakt daadwerkelijk gewichtsverlies?"

Stap 1: De "Tijdsreizende" Imputer (Het oplossen van de ontbrekende pagina's)

Eerst moest het team de ontbrekende pagina's in de medische bibliotheek repareren. Standaardmethoden voor het invullen van ontbrekende data zijn als het raden van het volgende woord in een zin op basis van alleen het vorige woord. Ze falen vaak wanneer de data om een specifieke reden ontbreekt (zoals een arts die een test overslaat omdat de patiënt te ziek is).

De auteurs gebruikten een Groot Taalmodel (LLM)—hetzelfde soort AI dat gedichten of code schrijft—maar ze vroegen het niet zomaar om te "raden". In plaats daarvan behandelden ze de AI als een creatieve redacteur in een spel van "Evolutie".

De Analogie: Stel je een kapotte machine voor. Je vraagt een AI om een nieuw onderdeel te schrijven om het te repareren.
- De AI schrijft een stukje code (een "kandidaat-imputer").
- Je test het op een klein, verborgen gedeelte van de data om te zien hoe goed het werkt.
- Als het beter is dan de vorige versie, houd je het. Zo niet, dan gooi je het weg.
- De AI kijkt vervolgens naar wat het zojuist heeft gedaan, leert van zijn fouten en probeert een nog beter onderdeel te schrijven.
Het Resultaat: Dit "evolutionaire" proces creëerde een superslim hulpmiddel dat ontbrekende medische data (zoals bloeddruk of cholesterol) met hoge nauwkeurigheid kon invullen, zelfs wanneer 80% van de data ontbrak. Cruciaal is dat het niet alleen de cijfers invulde; het behield de relaties tussen hen (bijvoorbeeld ervoor zorgend dat als de bloeddruk omhoog gaat, het risico op hartproblemen ook omhoog gaat, net als in het echte leven).

Stap 2: De "Causale Tijdmachine" (De Flow)

Zodra de data compleet was, moesten ze het oorzaak-en-gevolgverband achterhalen. Veel AI-modellen zijn geweldig in het voorspellen van "wat er als nächst gebeurt", maar ze zijn vreselijk in het beantwoorden van "wat zou er gebeurd zijn als we iets anders hadden gedaan?"

De auteurs bouwden CausalFlow-T, dat fungeert als een causale tijdmachine.

De Analogie: Stel je een rivier voor die stroomafwaarts stroomt.
- Standaard AI: Kijkt alleen toe hoe het water stroomt en voorspelt waar de volgende golf zal zijn. Het begrijpt niet waarom het water zo beweegt.
- CausalFlow-T: Het heeft een kaart van de rivierbedding (een DAG of Directed Acyclic Graph) getekend door medische experts. Het weet precies welke rotsen (verwarringfactoren) ervoor zorgen dat het water wentelt.
- De Magie: Omdat het een "Normalizing Flow" gebruikt (een wiskundige truc die perfect omkeerbaar is), kan het de rivier achteruit laten stromen om precies te zien waar het water vandaan kwam, vervolgens de rivier pauzeren, de rotsen veranderen (een andere behandeling simuleren), en hem weer vooruit laten stromen om het exacte nieuwe pad te zien.
Waarom dit belangrijk is: Andere methoden proberen het antwoord te raden met benaderingen (zoals een wazige foto). CausalFlow-T maakt een "perfecte foto" (exacte inferentie). Het artikel toont aan dat zonder de expertkaart (de DAG) en de perfecte camera (exacte inferentie), de AI het antwoord verkeerd krijgt, soms zelfs voorspellend dat een nuttig medicijn schadelijk is.

De Echte Wereld Test

Het team testte deze tweestaps-pijplijn op echte data van Zwitserse huisartsenpraktijken, waarbij meer dan 6.000 volwassenen met type 2-diabetes betrokken waren. Ze vergeleken twee populaire medicijnklassen: GLP-1-receptoragonisten (zoals Ozempic) en SGLT-2-remmers.

Hoewel de data onvolledig en rommelig was, berekende hun hulpmiddel dat patiënten die de GLP-1-medicijnen namen, gemiddeld 0,98 kg (ongeveer 2,1 lbs) meer gewicht verloren dan diegenen die de SGLT-2-remmers namen na één jaar.

Het "Aha!"-moment: Dit resultaat kwam bijna perfect overeen met een beroemde, dure, gouden standaard klinische studie (de SUSTAIN 8-studie) die zorgvuldig gecontroleerde omstandigheden had. Dit bewees dat hun "rommelige data"-hulpmiddel dezelfde waarheid kon vinden als een perfect experiment.

Samenvatting van de claims van het artikel

Het Probleem: Medische data uit de echte wereld mist te veel informatie, en de ontbrekende delen zijn niet willekeurig. Standaard AI-tools falen in het ontwarren van de complexe oorzaak-en-gevolgrelaties in deze rommelige data.
De Oplossing: Een tweestaps-pijplijn.
- Fase 1: Een AI die "evolueert" om ontbrekende data in te vullen terwijl het biologische relaties intact houdt.
- Fase 2: Een "Causale Tijdmachine" (CausalFlow-T) die een expertkaart gebruikt om te simuleren wat er zou gebeuren als een patiënt een ander medicijn nam, zonder wiskundige fouten te maken.
De Ontdekking: Ze ontdekten dat je beide nodig hebt: de expertkaart (DAG) en de perfecte wiskunde (exacte inferentie). Als je het een hebt maar niet het ander, faalt het hulpmiddel stilzwijgend.
Het Bewijs: Toepassing op echte diabetespatiënten leverde een gewichtsverliesverschil op dat overeenkwam met de resultaten van een perfecte klinische studie, wat bewijst dat het betrouwbare antwoorden kan halen uit imperfecte, echte wereldregistraties.

Het artikel beweert niet dat dit hulpmiddel artsen moet vervangen of dat het voor elke ziekte werkt. Het demonstreert specifiek dat deze methode werkt voor het schatten van behandelingseffecten bij type 2-diabetes met behulp van Zwitserse huisartsgegevens, en laat zien dat we betrouwbare antwoorden kunnen krijgen uit rommelige echte wereldregistraties als we de juiste wiskundige hulpmiddelen gebruiken.

Technische Samenvatting: Gezamenlijke Schatting van Behandelingseffecten uit Onvolledige Gezondheidszorggegevens

Probleemstelling

Het artikel adresseert de kritieke uitdaging van het schatten van causale behandelingseffecten uit observationele Elektronische Gezondheidsregistraties (EHR's) wanneer twee versterkende moeilijkheden aanwezig zijn: tijdvariërende confounding en Missing-Not-At-Random (MNAR) ontbrekende gegevens.

Standaardmethoden voor Target Trial Emulation (TTE) falen vaak in real-world EHR-omgevingen vanwege:

Tijdvariërende confounding: Behandelingsbeslissingen worden gedreven door evoluerende patiëntprofielen, wat complexe afhankelijkheden creëert die bestaande methoden vaak alleen onder restrictieve parametrische aannames of zonder expliciete causale structuur hanteren.
MNAR Ontbrekende Gegevens: Kritieke biomarkers in EHR's vertonen vaak ontbrekende percentages van 50%–80%. Deze ontbrekende gegevens worden gedreven door klinische beslissingen (bijv. tests die alleen worden besteld wanneer een aandoening wordt vermoed), wat betekent dat de kans op ontbrekende gegevens afhankelijk is van de niet-geobserveerde waarde zelf.
Versterkende Bias: Standaard imputatiestrategieën (bijv. MICE, MissForest) gaan doorgaans uit van Missing-At-Random (MAR) en worden gevalideerd bij lage ontbrekende percentages. Wanneer toegepast op hoog-ratio MNAR-gegevens, vervormen ze de correlatiestructuren tussen biomarkers en uitkomsten, wat leidt tot bevooroordeelde causale schattingen.

Bestaande benaderingen behandelen imputatie en causale inferentie vaak als aparte stadia of vertrouwen op variational/adversarial benaderingen die stille fouten in contrafactual schatting introduceren.

Methodologie

De auteurs stellen een tweestaps-pijplijn voor die is ontworpen om gezamenlijk MNAR-ontbrekende gegevens en causale structuur in de tijd te hanteren.

Stap 1: LLM-gedreven Evolutionaire Imputatie

Om de onvolledige data-invoer aan te pakken, introduceren de auteurs een evolutionaire zoekframework waarbij een Large Language Model (LLM) fungeert als mutatie-operator om imputatiestrategieën te genereren.

Mechanisme: In plaats van dat het LLM ontbrekende waarden direct invult, stelt het kandidaat-Python-modules (imputers) $g^{(k)}$ voor.
Zelftoezicht Proxy Score: De kwaliteit van elke kandidaat wordt geëvalueerd op een proxy-houd-outset (gemaskerde geobserveerde data) met behulp van een samengestelde score $s(g)$ :
$s(g) = \text{RMSE}(g) + \lambda_Y \Delta_Y(g) + \lambda_T \Delta_T(g)$
Deze score straft puntsgewijze reconstructiefouten (RMSE) en, cruciaal, de vervorming van covariaat–uitkomst correlaties ( $\Delta_Y$ ) en covariaat–behandeling correlaties ( $\Delta_T$ ). Dit zorgt ervoor dat de geïmputeerde data de causale structuur behoudt die vereist is voor downstream schatting.
Evolutionaire Lus: Startend vanuit een zaad-imputer, stelt het LLM iteratief variaties voor op basis van de huidige beste kandidaat en een samenvatting van de zoekgeschiedenis, waarbij alleen die worden geaccepteerd die de proxy-score strikt verbeteren.
Backends: De methode werd geëvalueerd met drie LLM-backends: GPT-5.4, GPT-OSS-120b en Qwen3.5-Plus.

Stap 2: CausalFlow-T (Exacte Contrafactual Inferentie)

De voltooide data $\hat{D}$ wordt ingevoerd in CausalFlow-T, een nieuw model voor exacte contrafactual inferentie.

Architectuur: Het combineert een Causal Masked Autoregressive Flow (CausalMAF) met een Long Short-Term Memory (LSTM)-encoder.
DAG-beperkingen: De flow wordt beperkt door een door experts gespecificeerde Directed Acyclic Graph (DAG). De autoregressieve ordening van variabelen volgt strikt de topologische sortering van de DAG. Dit zorgt ervoor dat interventies (do-operaties) zich alleen voortplanten via causale nakomelingen, waardoor anti-causale lekkage wordt voorkomen.
Exacte Inferentie: In tegenstelling tot Variational Autoencoders (CVAE) of op GAN gebaseerde methoden die een ondergrens (ELBO) of adversarial doelen optimaliseren, maximaliseert CausalFlow-T de exacte log-likelihood.
Contrafactual Procedure: Het maakt gebruik van Pearls Abduction-Action-Prediction (AAP) procedure:
1. Abductie: De flow exact inverteren om de exogene ruis $z_t$ voor een specifieke patiënt te herstellen.
2. Actie: Interveniëren op de behandelveariabele ( $A \leftarrow a'$ ) terwijl $z_t$ vastgehouden wordt.
3. Voorspelling: De interventie door de door DAG-beperkte flow voortplanten om het contrafactual resultaat te genereren.
  Dit garandeert dat dezelfde individuele ruis wordt gebruikt voor zowel de feitelijke als de contrafactual arm, een eigenschap die variational methoden niet kunnen bieden.

Belangrijkste Bijdragen

CausalFlow-T: Een door DAG-beperkte normalizing flow die exacte, inverteerbare contrafactual inferentie voor longitudinale data mogelijk maakt. De auteurs tonen aan dat het het enige model is dat vijf betrouwbaarheidscriteria gelijktijdig voldoet (subgroepkalibratie, behoud van staartvariatie, armreconstructie, herstel van hazard ratio's en stabiliteit).
Identificatie van Niet-overlappende Falingsmodi: Door middel van ablatiestudies onthult het artikel twee distincte falingsmodi in causale inferentie:
- Confounding Separatie: Vereist expliciete causale structuur (DAG-beperkingen). Modellen zonder DAG-beperkingen behouden systematische bias zelfs bij lage feitelijke fouten.
- Structurele Voortplanting: Vereist exacte inferentie. Variational methoden (zelfs met correcte DAG's) falen om ware behandelingseffecten te herstellen onder complexe mediatiestralen vanwege benaderingsgaten (posterior collapse).
LLM-gedreven Evolutionaire Imputatie: Een nieuwe imputatiestrategie die standaard statistische methoden (LOCF, MissForest) en flow-matching baselines overtreft in het behoud van causale correlatiestructuren onder 30%–80% MNAR-ontbrekende gegevens.
Gezamenlijk Evaluatiekader: Het artikel stelt vast dat puntsgewijze reconstructienauwkeurigheid en causale trouw geen uitgelijnde doelen zijn. Het introduceert een dubbel-laagse evaluatie (kwaliteit van biomarkers + downstream causale kwaliteit) om trade-offs te detecteren die onzichtbaar zijn voor standaardmetrieken.

Resultaten

Synthetische en Semi-synthetische Benchmarks

CausalFlow-T Prestaties: Op vier synthetische datasets (inclusief een complexe 17-knooppunt CVD-risicobenchmark) en een semi-synthetische FIRE-gebaseerde dataset was CausalFlow-T het enige model dat aan alle betrouwbaarheidscriteria voldeed.
- Concurrenten zoals GNN-CVAE en CVAE leden aan posterior collapse (het voorspellen van nul-effecten waar ware effecten bestonden) of variatie-collapse.
- TARNet en onbeperkte flows faalden om correcte hazard ratio's of omgekeerde behandelingsrichtingen te herstellen.
Imputatie Prestaties: De LLM-gedreven imputer (specifiek GPT-5.4) behaalde de beste gepoolde rang over biomarker- en causale metrieken.
- Het behield de laagste puntsgewijze MAE en RMSE over 30%, 50% en 80% ontbrekende gegevens.
- Cruciaal was het de enige strategie die het herstel van het Average Treatment Effect (ATE) behield, terwijl statistische methoden (MissForest, CausalCFM) progressief degradeerden naarmate de ontbrekende gegevens toenamen.
- De studie benadrukte een trade-off: terwijl CausalCFM soms correlaties beter behield bij lagere ontbrekende percentages, domineerden LLM's in regimes met hoge ontbrekende gegevens en temporele extrapolatie.

Real-World Toepassing

De pijplijn werd toegepast op een cohort van 6.114 volwassenen met Type 2-diabetes in de Zwitserse eerstelijnszorg (FIRE-database) om het effect te schatten van het starten van GLP-1-receptoragonisten versus SGLT-2-remmers op het lichaamsgewicht over 1 jaar.

Resultaat: De pijplijn schatte een per-protocol gewichtsverliesverschil van −0,98 kg [95% BI −1,01, −0,96] ten gunste van GLP-1RAs.
Validatie: Deze schatting is consistent met de SUSTAIN 8 Randomized Controlled Trial (RCT) die een verschil van −1,06 kg rapporteerde, ondanks dat de real-world data >50% MNAR-ontbrekende gegevens en gemengde geneesmiddelen had.

Betekenis en Claims

Het artikel claimt dat het gezamenlijk aanpakken van causale structuur en MNAR-ontbrekende gegevens zowel noodzakelijk als haalbaar is voor praktische schatting van behandelingseffecten uit observationele data.

Voorbij RCT's: Het werk toont aan dat ML-gebaseerde pijplijnen causaal bewijs kunnen uitbreiden buiten de beperkte populaties en condities van RCT's naar real-world klinische settings waar proeven onuitvoerbaar zijn.
Betrouwbaarheid boven Nauwkeurigheid: De auteurs betogen dat een lage feitelijke voorspellingsfout (MAE) onvoldoende is voor causale inferentie. Modellen moeten structurele criteria voldoen (behoud van variatie, correcte mediatiestraling) om betrouwbaar te zijn.
Imputatie-Causaal Verband: Het studie stelt vast dat imputatiekeuzes directe, meetbare impact hebben op causale validiteit, wat gezamenlijke evaluatiemetrieken vereist in plaats van imputatie te behandelen als een puur reconstructietaak.
Beperkte Beperkingen: De auteurs erkennen beperkingen, waaronder de afhankelijkheid van door experts gespecificeerde DAG's (sensitiviteitsanalyse toont aan dat bias toeneemt met verwijdering van unieke paden), het gebruik van continue relaxatie voor binaire overlevingsuitkomsten (wat de kalibratie beïnvloedt) en de aanname van conditionele uitwisselbaarheid. Zij merken op dat toekomstig werk discrete flow-architecturen en geautomatiseerde DAG-verfijning moet verkennen.

Kortom, het artikel biedt een robuust, tweestapskader dat de kloof overbrugt tussen onvolledige, rommelige real-world EHR-gegevens en rigoureuze causale inferentie, gevalideerd door zowel synthetische grondwahrheden als consistentie met gevestigde RCT-bewijs.