I-CAM-UV: Integrating Causal Graphs over Non-Identical Variable Sets Using Causal Additive Models with Unobserved Variables

Each language version is independently generated for its own context, not a direct translation.

Imagine que você é um detetive tentando resolver um crime complexo. O seu objetivo é descobrir quem fez o quê e como as coisas estão conectadas (quem é a causa e quem é o efeito).

O problema é que você não tem um único relatório completo. Em vez disso, você tem vários testemunhas diferentes, cada uma com uma visão parcial do evento.

A Testemunha A viu o suspeito e a vítima, mas não viu o carro de fuga.
A Testemunha B viu o carro e a vítima, mas não viu o suspeito.
A Testemunha C viu o suspeito e o carro, mas não viu a vítima.

Além disso, pode haver um cúmplice invisível (uma variável não observada) que ninguém viu, mas que influenciou todos eles.

Aqui está a explicação simples do que os autores deste artigo (I-CAM-UV) fizeram, usando essa analogia:

1. O Problema: Quebra-Cabeças Incompletos

Antes, os cientistas tentavam montar o quebra-cabeça olhando para cada testemunha separadamente e depois apenas "colando" as peças que elas tinham em comum.

O erro: Se a Testemunha A não viu o carro, ela pode achar que o suspeito agiu sozinho. Mas na verdade, o carro (ou o cúmplice invisível) estava lá. Ao colar as peças, você perde informações importantes e pode criar uma história falsa.
O desafio: Como montar a história completa (o gráfico causal) quando cada pedaço de evidência tem buracos e variáveis escondidas?

2. A Ferramenta Mágica: O "Detector de Sombras" (CAM-UV)

Os autores usaram uma ferramenta inteligente chamada CAM-UV. Pense nela como um detector de metal que não vê o objeto, mas vê a sombra que ele projeta.

Mesmo que você não veja o "cúmplice invisível" (a variável não observada), o CAM-UV consegue dizer: "Ei, aqui existe uma conexão estranha entre o suspeito e a vítima que não faz sentido a menos que haja algo escondido no meio".
Ele desenha um mapa onde algumas setas são sólidas (causa direta) e algumas são pontilhadas ou sem direção (suspeita de algo escondido).

3. A Solução: O "Montador de Histórias" (I-CAM-UV)

Aqui entra a grande inovação do artigo: I-CAM-UV.
Em vez de apenas colar os mapas das testemunhas, o I-CAM-UV é como um engenheiro de quebra-cabeças superpoderoso.

O que ele faz: Ele pega todos os mapas parciais (com as sombras dos culpados invisíveis) e tenta todas as combinações possíveis de como eles poderiam se encaixar para formar uma história única e coerente.
A Regra de Ouro: Ele só aceita uma história se ela fizer sentido para todas as testemunhas ao mesmo tempo. Se uma testemunha diz "não há conexão direta", o montador não pode inventar uma seta direta entre eles, a menos que haja uma "ponte invisível" (o cúmplice) que explique a confusão.

4. A Estratégia Inteligente: A Busca Mais Rápida

Como existem bilhões de formas de montar esse quebra-cabeça, o computador poderia ficar louco tentando todas.

A analogia: Imagine que você está procurando a chave certa em um monte de 1 milhão de chaves. O método antigo tentava uma por uma. O I-CAM-UV usa um sistema de "melhor primeiro".
Ele começa pelas combinações que parecem ter o menor número de erros (inconsistências). Se uma combinação exige que a Testemunha A esteja mentindo, ele a descarta rápido. Ele foca apenas nas histórias que "quase" batem com a realidade, economizando tempo e energia.

5. O Resultado: Um Leque de Possibilidades

O I-CAM-UV não entrega uma resposta definitiva (porque, às vezes, a matemática não permite saber 100% o que aconteceu). Em vez disso, ele entrega um conjunto de histórias prováveis.

A boa notícia: Os testes mostraram que, mesmo que ele entregue várias opções, quase todas elas são muito precisas. É como se ele dissesse: "Aqui estão 5 cenários possíveis. Em todos eles, o suspeito é o culpado, mas a forma exata como o carro entrou na cena pode variar um pouco".
Isso é muito melhor do que os métodos antigos, que muitas vezes diziam "não sei" ou inventavam conexões erradas.

Resumo em uma frase

O I-CAM-UV é um método inteligente que junta várias visões parciais de um evento (onde algumas peças estão faltando ou escondidas) e usa lógica avançada para montar todas as histórias possíveis que façam sentido, ajudando cientistas a descobrirem a verdade mesmo quando não têm todos os dados na mão.

Por que isso importa?
Isso permite que cientistas de medicina, clima e economia entendam causas e efeitos em situações complexas onde não é possível fazer experimentos perfeitos (como testar remédios em humanos de forma ética) e onde os dados vêm de fontes diferentes e incompletas.

Each language version is independently generated for its own context, not a direct translation.

1. O Problema

A descoberta causal a partir de dados observacionais é fundamental em diversas ciências. No entanto, a maioria dos métodos existentes assume que todos os dados provêm de um único conjunto de variáveis e que não há variáveis não observadas (confundidores ocultos). Na prática, enfrenta-se frequentemente o cenário de:

Conjuntos de Variáveis Não Idênticos: Múltiplos conjuntos de dados com objetivos comuns, mas com medições de variáveis diferentes (algumas variáveis são observadas em um conjunto e não em outro).
Variáveis Não Observadas (Confounders): A presença de variáveis latentes que podem distorcer as relações causais, algo comum mesmo em sistemas pequenos.

Abordagens existentes para múltiplos conjuntos de dados (como ION, IOD, COmbINE) geralmente geram Grafos Ancestrais Parciais (PAGs), que contêm incertezas sobre a direção das arestas. Outras abordagens (como CD-MiNi) assumem modelos lineares, o que limita sua aplicabilidade a relações não lineares. O desafio central é integrar resultados de descoberta causal de múltiplos conjuntos de dados (com variáveis diferentes e confundidores ocultos) para recuperar um Grafo Acíclico Direcionado (DAG) completo e preciso, superando as limitações de estimativas diretas que falham em pares de variáveis não observados simultaneamente.

2. Metodologia: I-CAM-UV

Os autores propõem o I-CAM-UV (Integrating Causal Additive Models with Unobserved Variables), uma abordagem baseada em busca combinatória que integra resultados do modelo CAM-UV.

Fundamentos Teóricos

CAM-UV: Utiliza o Modelo Aditivo Causal com Variáveis Não Observadas. Diferente do CAM padrão, o CAM-UV identifica não apenas arestas diretas, mas também caminhos causais não observados (UCP - Unobserved Causal Path) e caminhos de porta traseira não observados (UBP - Unobserved Backdoor Path). O resultado de cada conjunto de dados é um grafo misto (com arestas direcionadas e não direcionadas) que indica onde a causalidade não foi identificada devido a variáveis latentes.
Consistência Estrutural: O artigo demonstra que o grafo causal verdadeiro (ground truth) é estruturalmente consistente com as informações fornecidas pelo CAM-UV em cada conjunto de dados. Isso significa que o grafo verdadeiro deve satisfazer as condições de existência ou inexistência de UCPs e UBPs detectadas em cada subconjunto de variáveis.

O Algoritmo de Integração

O objetivo é enumerar todos os DAGs possíveis que sejam consistentes com os resultados do CAM-UV de todos os conjuntos de dados.

Definição de Consistência: Um DAG candidato é consistente se, para cada par de variáveis com relação identificada em um subconjunto, não houver UCP/UBP oculta, e para pares não identificados (com arestas não direcionadas no CAM-UV), houver pelo menos um UCP/UBP correspondente no DAG candidato.
Cenário Ideal vs. Realista:
- Ideal: Sem erros de estimativa e sem variáveis não observadas no conjunto unificado. O problema é enumerar DAGs consistentes.
- Realista: Permite erros de estimativa. Introduz-se um Custo de Inconsistência ( $C(\tilde{G})$ ), que conta o número de pares de variáveis onde o DAG candidato contradiz os resultados do CAM-UV (ex: o CAM-UV diz que há um UCP, mas o DAG candidato não tem). O algoritmo busca DAGs com custo $\le C^* + b$ , onde $C^*$ é o custo mínimo e $b$ é um parâmetro de tolerância.
Busca Best-First (Melhor-Primeiro):
- Como o espaço de busca é exponencial ( $3^{|E|}$ , onde $E$ são os pares de variáveis não resolvidos), os autores propõem um algoritmo de busca eficiente.
- Utiliza-se uma função de custo inferior monotônica ( $\tilde{C}$ ) para priorizar estados na busca.
- Um algoritmo de busca em largura com prioridade (Heap) explora os DAGs em ordem crescente de custo de inconsistência, parando quando o custo excede o limite permitido.
- Inclui algoritmos polinomiais para verificar a existência de UCPs e UBPs em grafos durante a busca.

3. Contribuições Principais

Novo Método de Integração (I-CAM-UV): Primeira abordagem projetada para integrar resultados de modelos causais não lineares com variáveis não observadas em múltiplos conjuntos de dados com variáveis não idênticas.
Recuperação de Relações Ocultas: Demonstra teoricamente e empiricamente que o método pode recuperar o DAG verdadeiro e identificar relações causais entre pares de variáveis que nunca foram observados simultaneamente em nenhum dos conjuntos de dados originais.
Algoritmo Eficiente: Desenvolvimento de um algoritmo de busca combinatória com estratégia best-first, que reduz drasticamente o tempo de computação ao focar em grafos com menor inconsistência, evitando a enumeração exaustiva de todo o espaço.
Análise de Robustez: Prova que, sob condições ideais (sem erros massivos de estimativa), o método recupera o DAG verdadeiro.

4. Resultados Experimentais

Os autores realizaram experimentos com 100 conjuntos de dados sintéticos gerados a partir de modelos CAM não lineares.

Desempenho (Q1 e Q2): O I-CAM-UV superou todos os concorrentes (incluindo sobreposição simples de CAM-UV, PC, imputação e CD-MiNi) em Recall (capacidade de encontrar relações verdadeiras), tanto para pares de variáveis observados quanto para os não observados. Houve uma leve redução na Precisão em comparação à sobreposição simples, mas o F1-score geral permaneceu comparável, indicando que o ganho em descoberta de novas relações compensa o aumento de falsos positivos.
Distribuição de DAGs (Q3): O método pode gerar um número variável de DAGs (de poucos a muitos). No entanto, a distribuição de precisão desses DAGs tende a formar um único aglomerado (cluster), onde a maioria dos DAGs enumerados possui acurácia semelhante. Isso sugere que, mesmo com muitos resultados, uma amostragem aleatória é eficaz para análise prática.
Tempo de Computação (Q4): O processo de enumeração é rápido na maioria dos casos, comparável a outros métodos, graças à estratégia best-first. O tempo de execução depende fortemente da qualidade dos resultados do CAM-UV de entrada.

5. Significado e Limitações

Significado:
O I-CAM-UV representa um avanço significativo na descoberta causal prática, permitindo a fusão de dados heterogêneos (com diferentes variáveis medidas) e lidando com a realidade de confundidores ocultos. Ele transforma a incerteza de grafos parciais (PAGs) em um conjunto explícito de DAGs completos, possibilitando a inferência causal em cenários onde a observação direta é impossível.

Limitações:

Dependência do CAM-UV: A precisão final depende criticamente da acurácia do algoritmo CAM-UV inicial. Se o CAM-UV cometer erros graves de detecção de UCP/UBP, a integração pode falhar.
Complexidade Combinatória: Embora eficiente, o algoritmo é exponencial no pior caso. O número de DAGs enumerados pode ser grande, exigindo filtragem ou amostragem para análise humana.
Generalização: A extensão do método para outros modelos além do CAM-UV (como RCD) não é trivial.

Trabalho Futuro:
Os autores sugerem o desenvolvimento de representações comprimidas e interpretáveis para o conjunto de DAGs enumerados, a criação de classes de equivalência de Markov para DAGs integrados e a melhoria da precisão dos algoritmos subjacentes de CAM-UV.