Moment Matters: Mean and Variance Causal Graph Discovery from Heteroscedastic Observational Data

Este artigo propõe um framework bayesiano de descoberta causal que infere grafos separados para a média e a variância a partir de dados heterocedásticos, permitindo a quantificação de incerteza estrutural e superando métodos tradicionais ao revelar como as causas atuam em diferentes momentos estatísticos.

O essencial

Imagine que você é um detetive tentando entender por que as coisas acontecem no mundo. Você tem um caderno de anotações com dados observados: "Quando chove, o chão fica molhado", "Quando o preço do pão sobe, as pessoas compram menos".

Normalmente, os cientistas usam ferramentas para desenhar um mapa de causalidade. Esse mapa mostra setas: "A causa B". Mas, até agora, esses mapas eram um pouco cegos. Eles diziam apenas que algo causa algo, mas não explicavam como isso acontece em detalhes.

Aqui entra a ideia brilhante deste novo trabalho: "Moment Matters" (O Momento Importa).

O Problema: O Mapa Cego

Vamos usar uma analogia de cozinha.

Imagine que você é um chef tentando fazer um bolo perfeito. Você tem vários ingredientes (causas): farinha, ovos, açúcar e temperatura do forno.

• O mapa tradicional diria: "Farinha, ovos e temperatura causam o bolo".
• Mas ele não diz a diferença entre:
  1. O Sabor (A Média): O que faz o bolo ter o gosto certo? (Talvez seja a quantidade de açúcar).
  2. A Consistência (A Variância): O que faz o bolo ficar sempre igual, ou às vezes sair uma massa estranha e fofa? (Talvez seja a temperatura do forno que oscila).

No mundo real, muitos fenômenos são como esse forno instável. Às vezes, uma causa muda o resultado médio (o sabor), e às vezes ela muda apenas a instabilidade (a consistência). Se você não separar essas duas coisas, seus mapas de causalidade ficam confusos e suas decisões (como "como consertar o bolo?") podem ser erradas.

A Solução: Dois Mapas em Um

Os autores deste paper propuseram um novo método que, em vez de desenhar um único mapa, desenha dois mapas simultâneos a partir dos mesmos dados:

1. O Mapa da Média: Mostra o que controla o valor "normal" ou esperado de uma variável.
2. O Mapa da Variância: Mostra o que controla a "bagunça", a incerteza ou a oscilação dessa variável.

A Analogia da Orquestra:
Pense em uma orquestra tocando uma música.

• O Mapa da Média diz quem são os músicos que definem a melodia principal (quem toca a nota central).
• O Mapa da Variância diz quem são os músicos que causam o "ruído", o tremor ou a variação de volume (quem faz a música ficar mais tensa ou relaxada).
• O método deles consegue ouvir a música inteira e separar quem está tocando a melodia de quem está criando a turbulência, mesmo sem ter parado a orquestra para perguntar a cada um.

Como Eles Fazem Isso? (A Mágica Matemática)

Eles criaram um sistema inteligente (baseado em Inteligência Artificial e estatística bayesiana) que funciona assim:

1. Não é apenas "chutar": Em vez de tentar adivinhar um único mapa e depois tentar dividi-lo (o que costuma dar errado), eles aprendem os dois mapas ao mesmo tempo.
2. Lidando com o Caos: Eles são especialistas em lidar com dados "heterocedásticos". Em português simples: dados onde o "barulho" não é constante. Às vezes o erro é pequeno, às vezes é gigante. O método deles entende que esse barulho variável também tem uma causa!
3. Segurança com Incerteza: Como os dados do mundo real são limitados (não temos milhões de amostras de tudo), o método não diz apenas "Isso é a verdade". Ele diz: "Há 80% de chance de que esta seta exista". Isso é crucial para áreas como medicina, onde errar pode ser perigoso.

Por Que Isso é Importante no Mundo Real?

O paper dá exemplos incríveis de onde isso muda tudo:

• Descoberta de Remédios: Imagine que você quer criar um remédio que reduz a dor. O remédio tradicional pode reduzir a dor média. Mas e se o remédio também fizer a dor oscilar loucamente (um dia dói muito, no outro não dói nada)? O novo método ajudaria a descobrir quais proteínas controlam a oscilação da dor, permitindo criar um remédio que seja não só eficaz, mas também estável.
• Justiça Social: Em empréstimos bancários ou contratações, às vezes o problema não é que um grupo ganha menos em média, mas que os resultados para esse grupo são muito imprevisíveis. Identificar o que causa essa instabilidade ajuda a criar sistemas mais justos e seguros.
• Biologia: Nas células, algumas proteínas mudam a quantidade média de uma substância, enquanto outras controlam o quanto essa substância varia de célula para célula. Entender a diferença é vital para curar doenças.

Resumo em Uma Frase

Este paper ensina a computadores a desenhar dois mapas de causa e efeito ao mesmo tempo: um que mostra o que define o "padrão" das coisas e outro que mostra o que define o "caos" ou a "instabilidade" delas, permitindo que cientistas e médicos tomem decisões mais precisas e seguras, mesmo com dados imperfeitos.

É como se, pela primeira vez, pudéssemos separar a melodia da música do ruído de fundo, entendendo que ambos têm compositores diferentes.

Resumo técnico

Título: Momentos Importam: Descoberta de Grafos Causais de Média e Variância a partir de Dados Observacionais Heterocedásticos

1. O Problema

A heterocedasticidade — onde a variância de uma variável muda em função de outras variáveis — é ubíqua em dados reais (ex: biologia de sistemas, economia, justiça algorítmica). No entanto, os métodos tradicionais de descoberta causal retornam apenas um grafo causal "agnóstico aos momentos" (moment-agnostic). Isso significa que o grafo indica apenas quais variáveis causam mudanças em outras, mas não especifica qual momento estatístico (média ou variância) é afetado por cada causa.

Essa limitação reduz a interpretabilidade e dificulta o design de intervenções eficazes. Por exemplo, em descoberta de drogas, um engenheiro pode precisar estabilizar a variabilidade de uma proteína (reduzir a variância) sem alterar sua atividade média. Sem distinguir as causas que afetam a média daquelas que afetam a variância, é impossível planejar intervenções direcionadas.

O artigo aborda duas questões de pesquisa principais:

1. É possível identificar separadamente os grafos causais de média e variância apenas a partir de dados observacionais?
2. Como quantificar a incerteza inferencial desses grafos sob escassez de dados?

2. Metodologia

Os autores propõem uma abordagem bayesiana baseada em Modelos de Ruído Heterocedástico (HNMs) estendidos, chamados de HNMs de Média-Variância.

A. Definição do Modelo e Identificabilidade
O modelo estrutural para cada variável $X_j$ é definido como:
$$X_j = m_j(X_{pa_M(j)}) + v_j(X_{pa_V(j)}) E_j$$
Onde:

• $m_j$ é a função de média, dependente de um conjunto de pais $X_{pa_M(j)}$.
• $v_j$ é a função de variância (escala), dependente de um conjunto de pais $X_{pa_V(j)}$.
• $E_j$ é um ruído com média zero e variância constante.

O artigo estabelece condições suficientes de identificabilidade (Teorema 3.5) para que os grafos de média ($G_M$) e variância ($G_V$) sejam recuperados separadamente:

1. Não-linearidade: A função de média $m_j$ deve ser não-linear.
2. Não-constância: A função de variância $v_j$ deve ser uma função por partes (piecewise), mas não constante.
3. Gaussianidade: O ruído $E_j$ deve ser Gaussiano.
4. Condição de Permutação Compartilhada: Existe uma mesma ordenação topológica válida para ambos os grafos $G_M$ e $G_V$ (garantindo que o grafo agnóstico seja um DAG).

B. Framework de Inferência Variacional
Para inferir os grafos a partir de dados finitos, os autores desenvolvem um método de Inferência Variacional (VI) que aprende a distribuição posterior conjunta sobre as matrizes de adjacência de média ($A_M$) e variância ($A_V$).

• Distribuição sobre DAGs: Utilizam uma decomposição baseada em uma permutação compartilhada $\Pi$ e matrizes triangulares superiores $U_M, U_V$. Isso garante que os grafos inferidos sejam DAGs acíclicos e compartilhem a mesma ordenação topológica.
• Amostragem Diferenciável: Empregam o truque Gumbel-Softmax para as matrizes triangulares e uma relaxação contínua de ordenação (SoftSort) para a matriz de permutação, permitindo o backpropagation e a otimização via gradiente.
• Modelo de Verossimilhança: Utilizam MLPs (Perceptrons de Múltiplas Camadas) para modelar as funções $m_j$ e $v_j$. Para garantir as condições de identificabilidade, as ativações são ReLU vazadas (não-lineares e não-constantes) e a função de variância é modelada como $\exp(\text{MLP})$ para garantir positividade.

C. Otimização e Incorporação de Conhecimento Prévio

• Otimização Curva-Consciente: Para resolver problemas de otimização em modelos heterocedásticos (onde gradientes podem ser instáveis devido a variâncias altas), o algoritmo alterna entre atualizar parâmetros de média usando gradientes escalados (equivalente a um passo de Newton) e atualizar parâmetros de variância com gradientes padrão.
• Conhecimento Prévio (Node Ordering): Para lidar com a escassez de dados, o método permite incorporar restrições de ordenação de nós (ex: "X precede Y") projetando os parâmetros de permutação em um conjunto viável via Programação Quadrática (QP).

3. Principais Contribuições

1. Definições e Teoria Sólidas: Propõem a definição formal de grafos causais de média e variância separados e derivam suas condições de identificabilidade teórica.
2. Quantificação de Incerteza Bayesiana: Diferente de métodos de estimativa pontual, o framework variacional fornece uma distribuição posterior completa, permitindo quantificar a incerteza sobre a existência de arestas, caminhos ou subgrafos específicos.
3. Algoritmo Eficiente e Robusto: Desenvolvem um método de otimização que lida com a complexidade de dois grafos simultâneos e incorpora conhecimento prévio para melhorar a eficiência amostral.
4. Validação Empírica: Demonstram superioridade sobre o estado da arte em dados sintéticos, semi-sintéticos (SERGIO) e reais (Sachs), especialmente na recuperação da estrutura de variância.

4. Resultados Experimentais

• Dados Sintéticos e Semi-Sintéticos: O método proposto superou consistentemente as baselines (MC3, DDS, ICDH, HOST) em termos de Distância Hamming Estrutural (SHD) e F1-score, tanto para grafos esparsos quanto densos.
  • Métodos baseados em ANM (como DDS) falharam devido à especificação incorreta do modelo sob heterocedasticidade.
  • Métodos baseados em HNM (ICDH, HOST) tiveram desempenho inferior na recuperação do grafo de variância, pois tendem a ser guiados pela estrutura de média.
• Robustez a Ruído Não-Gaussiano: Embora a teoria assuma ruído Gaussiano, o método mostrou robustez empírica em dados com ruído Laplace e Student-t, superando as baselines mesmo com má especificação da verossimilhança.
• Estudo de Caso Real (Sachs Dataset):
  • Em um conjunto de dados de expressão de proteínas humanas, o método identificou com alta probabilidade posterior a aresta MEK $\to$ ERK no grafo de variância, alinhando-se com evidências biológicas de que essa relação controla a variabilidade celular.
  • A incorporação de 25-50% de conhecimento prévio sobre a ordenação de nós melhorou significativamente o desempenho em cenários de poucos dados ($n=100$), com um custo computacional marginal.

5. Significado e Impacto

Este trabalho representa um avanço fundamental na descoberta causal ao mover o foco de "quem causa o quê" para "como causa" (afetando média ou variância).

• Interpretabilidade: Permite que cientistas e engenheiros entendam mecanismos complexos onde a estabilidade (variância) é tão importante quanto o valor esperado (média).
• Aplicações Práticas: É crucial para áreas como:
  • Biologia: Entender a variabilidade célula-célula e respostas ao estresse.
  • Economia: Estabilizar resultados econômicos controlando a volatilidade.
  • Justiça Algorítmica: Identificar viéses latentes que afetam a variabilidade de resultados em grupos sensíveis, evitando discriminação estatística.
• Tomada de Decisão: A capacidade de quantificar a incerteza bayesiana permite decisões mais informadas e seguras em cenários de dados limitados, como em ensaios clínicos ou descoberta de fármacos.

Em resumo, o artigo estabelece que, sob condições razoáveis, é possível desvendar a estrutura causal separada da média e da variância, oferecendo uma ferramenta poderosa para a descoberta de conhecimento em sistemas complexos e heterocedásticos.