Bayesian Supervised Causal Clustering

O artigo propõe o método de Agrupamento Causal Supervisionado Bayesiano (BSCC), que utiliza o efeito do tratamento para identificar subgrupos de pacientes homogêneos tanto em seus perfis de covariáveis quanto na resposta à intervenção, validando sua eficácia em dados simulados e reais do Terceiro Ensaio Internacional de AVC.

O essencial

Imagine que você é um médico tentando decidir qual remédio é melhor para seus pacientes. O problema é que nem todo mundo reage da mesma forma. O que cura o Sr. João pode não fazer nada para a Dona Maria, ou até mesmo fazer mal.

A ciência médica tenta resolver isso dividindo os pacientes em grupos (subgrupos) para dar tratamentos personalizados. Mas como encontrar esses grupos? É aqui que entra o novo método proposto neste artigo, chamado bscc (Clustering Causal Supervision Bayesiano).

Vamos usar uma analogia simples para entender como ele funciona e por que é diferente dos métodos antigos.

1. O Problema: O "Mapa" vs. O "Destino"

Imagine que você quer organizar uma grande festa. Você tem uma lista de convidados com muitas informações sobre eles: idade, altura, cor dos olhos, gosto por música, etc.

• O Método Antigo (Agrupamento Não Supervisionado):
  Imagine que você agrupa as pessoas apenas olhando para a lista de características. Você coloca todos os "altos e loiros" em uma mesa e todos os "baixos e morenos" em outra.

  • O problema: Você pode ter colocado na mesma mesa duas pessoas que, embora pareçam iguais, têm gostos musicais totalmente opostos. Se você tocar rock para a mesa toda, um vai amar e o outro vai odiar. No mundo médico, isso significa agrupar pacientes que parecem iguais, mas que reagem de formas opostas ao remédio.

• O Método "Causal" Puro (Agrupamento Causal):
  Imagine que você ignora a lista de características e agrupa as pessoas apenas pelo que elas disseram sobre a música depois de ouvir um teste.

  • O problema: Você pode acabar misturando um "gigante" e um "anão" na mesma mesa só porque ambos amam rock. Isso é útil para saber quem gosta de rock, mas inútil para saber quem são essas pessoas. Se você precisar explicar para a família por que aquele grupo recebeu rock, você não consegue descrever o grupo (eles são altos? baixos? velhos?).

2. A Solução: O "Detetive de Dupla Identidade" (bscc)

O novo método, o bscc, é como um detetive superinteligente que faz duas perguntas ao mesmo tempo:

1. "Quem são essas pessoas?" (Olhando as características: idade, saúde, genética).
2. "Como elas reagem ao remédio?" (Olhando o resultado do tratamento).

O bscc cria grupos onde as pessoas são similares nas características E similares na reação ao remédio.

• A Mágica: Ele consegue separar o "Sr. João" (que é alto e reage bem ao remédio) da "Dona Maria" (que é alta, mas reage mal ao remédio), mesmo que eles pareçam idênticos na ficha de cadastro. Ele os coloca em mesas diferentes porque o "destino" (o efeito do remédio) é diferente.
• A Vantagem: Ao mesmo tempo, ele consegue agrupar o "Sr. João" com o "Sr. Pedro" (que é baixo, mas também reage bem), porque o resultado do tratamento é o mesmo.

3. Como isso funciona na prática? (O Exemplo do AVC)

Os autores testaram essa ideia em dados reais de um grande estudo sobre AVC (o ensaio IST-3). Eles queriam saber: "Para quem o remédio (trombolítico) realmente funciona e salva vidas?"

Usando o bscc, eles encontraram 3 grupos distintos de pacientes:

1. O Grupo "Leve": Pacientes mais jovens, com sintomas leves. O remédio ajudou um pouco, mas eles já tinham boas chances de sobreviver de qualquer forma.
2. O Grupo "Crítico": Pacientes mais velhos, com AVCs muito graves. Aqui, o remédio foi perigoso e aumentou o risco de morte. O método identificou que não dar o remédio a esse grupo seria a melhor decisão.
3. O Grupo "Médio": Pacientes com características intermediárias, onde o remédio teve um benefício claro e significativo.

Por que isso é revolucionário?
Os métodos antigos (que só olhavam para a idade ou só olhavam para o resultado) não conseguiam separar esses grupos com tanta clareza. Eles ou misturavam os críticos com os leves, ou criavam grupos que não faziam sentido médico.

4. Resumo em uma frase

O bscc é como um "GPS inteligente" para a medicina: ele não olha apenas para o mapa (as características do paciente) nem apenas para o destino (o resultado do tratamento), mas usa os dois juntos para traçar a rota perfeita de tratamento para cada tipo de pessoa, evitando erros e salvando vidas.

Em vez de tratar todos os pacientes como se fossem iguais, ou de tentar adivinhar quem reage bem apenas olhando para o passado, esse método aprende a prever quem se beneficiará do tratamento com base em quem eles são e como o tratamento age neles.

Resumo técnico

Resumo Técnico: Bayesian Supervised Causal Clustering (BSCC)

1. O Problema

A estratificação de pacientes é fundamental para a medicina de precisão e a tomada de decisões personalizadas. O objetivo é identificar subgrupos de indivíduos que compartilham características clínicas, moleculares ou genéticas e, crucialmente, respostas distintas ao tratamento (Heterogeneidade do Efeito do Tratamento - HTE).

As abordagens existentes apresentam limitações significativas:

• Agrupamento Não Supervisionado (ex: GMM, LCA): Agrupa pacientes baseando-se apenas na similaridade das covariáveis (características). Isso pode resultar em subgrupos que são clinicamente distintos, mas heterogêneos em termos de resposta ao tratamento, limitando sua utilidade para decisões prescritivas.
• Agrupamento Supervisionado Tradicional: Foca em prever o resultado final (ex: sobrevivência), mas não necessariamente a diferença entre os resultados potenciais (tratado vs. controle).
• Modelagem de Efeito (ex: Meta-learners, Florestas Causais): Estima efeitos individuais de tratamento (ITE), mas frequentemente falha em fornecer estruturas de subgrupos interpretáveis e operacionais, exigindo etapas de agrupamento post-hoc.
• Agrupamento Causal (Causal Clustering): Agrupa com base em resultados potenciais estimados, mas ignora a estrutura das covariáveis, podendo agrupar populações estruturalmente distintas que apenas coincidem em seus resultados potenciais.

O desafio central é desenvolver um framework que agregue simultaneamente a similaridade das covariáveis e a heterogeneidade do efeito do tratamento, garantindo subgrupos interpretáveis e acionáveis.

2. Metodologia: BSCC

Os autores propõem o BSCC (Bayesian Supervised Causal Clustering), um framework probabilístico que integra causalidade diretamente no processo de agrupamento.

Principais Componentes do Modelo:

• Modelo de Mistura Supervisionada: O modelo assume que os dados são gerados por $K$ componentes de mistura. Para cada indivíduo $n$, há uma atribuição latente de cluster $z_n$.
• Geração de Dados:
  1. Covariáveis ($x_n$): Modeladas dentro de cada cluster $k$ (ex: distribuição Gaussiana para contínuas, Bernoulli para binárias).
  2. Propensão ao Tratamento: Assume-se randomização ($p(a|x) = p(a)$), simplificando o modelo, embora o framework possa ser estendido para dados observacionais modelando a pontuação de propensão.
  3. Resultados Potenciais ($y^0_n, y^1_n$):
     • O resultado de controle ($y^0$) é modelado como uma função não linear das covariáveis usando um Processo Gaussiano (GP): $y^0_n = \mu_0(x_n; \phi) + \epsilon_0$. O GP captura relações não lineares complexas.
     • O efeito do tratamento ($\tau$) é modelado como constante dentro de cada cluster ($\tau_k = \beta_k$), embora uma versão linear também seja possível. O resultado observado é $y^{obs}_n = y^0_n + a_n \cdot \tau_k + \epsilon$.
• Seleção de Características (Feature Selection): Utiliza uma abordagem "soft" específica por cluster. Variáveis latentes $\gamma_{k,d} \in (0,1)$ determinam a importância da $d$-ésima covariável para o cluster $k$. Isso permite que diferentes clusters dependam de diferentes subconjuntos de características.
• Inferência: O modelo é implementado em RStan utilizando Inferência Variacional Automática Diferenciável (ADVI). Para evitar ótimos locais devido à multimodalidade posterior, o algoritmo é executado em paralelo com inicializações aleatórias diversas, selecionando a solução com o maior Evidence Lower Bound (ELBO).

Diferencial Chave: Ao contrário de métodos que agrupam apenas por $x$ ou apenas por $\tau$, o BSCC maximiza a verossimilhança conjunta $p(x, y^{obs}, a)$, forçando o modelo a encontrar clusters onde os indivíduos são similares em suas características e compartilham um efeito de tratamento homogêneo.

3. Contribuições Principais

1. Framework Unificado: Propõe o primeiro método probabilístico que realiza agrupamento supervisionado causal, integrando explicitamente o efeito do tratamento como sinal de supervisão dentro de um modelo de mistura bayesiano.
2. Interpretabilidade e Acionabilidade: Gera subgrupos que são não apenas estatisticamente distintos, mas clinicamente interpretáveis (baseados em covariáveis observáveis) e acionáveis (baseados em respostas de tratamento distintas).
3. Flexibilidade: Lida com covariáveis mistas (contínuas e binárias), relações não lineares (via GP) e seleção automática de características por cluster.
4. Validação Rigorosa: Demonstra superioridade sobre métodos de referência (GMM, SGMM, árvores de interação, florestas causais, meta-learners) em cenários simulados e em dados reais.

4. Resultados

A. Simulações (Dados Sintéticos):

• Cenário de HTE (Heterogeneidade): Em um cenário com 5 clusters verdadeiros (onde dois têm efeitos opostos e dois têm efeito nulo), o BSCC recuperou a estrutura correta com alta fidelidade.
  • ARI (Adjusted Rand Index): BSCC alcançou 0.721, comparável ao GMM (0.768), mas com uma vantagem crucial: o GMM falhou em separar clusters com efeitos opostos (efeito médio próximo a zero), enquanto o BSCC separou corretamente os grupos de efeito positivo e negativo.
  • PEHE (Precisão na Estimativa de Efeitos Heterogêneos): O BSCC obteve o menor erro (1.45), superando todos os outros métodos (o segundo melhor foi R-learner com 1.72).
  • Robustez: O modelo manteve desempenho robusto mesmo com desbalanço na proporção de tratamento (20% vs 50%).
• Cenário de Efeito Nulo: Quando não há heterogeneidade real, o modelo tende a encontrar clusters espúrios se $K$ for escolhido incorretamente, mas valida-se que a seleção de $K=1$ (via validação) evita falsos positivos.

B. Aplicação Realista (Ensaio IST-3):

• Contexto: Ensaio clínico sobre trombolise em AVC isquêmico agudo (2.737 pacientes).
• Resultados: O BSCC identificou 3 clusters clinicamente distintos:
  1. Cluster 1 (Melhor Prognóstico): Pacientes mais jovens, escores NIHSS menores, sem isquemia visível no CT. Mortalidade no controle: 13.3%.
  2. Cluster 2 (Pior Prognóstico): Idosos, escores NIHSS altos, infarto de circulação anterior total. Mortalidade no controle: 47.6%.
  3. Cluster 3 (População Média): Idade moderada, níveis de glicose mais baixos, presença de isquemia definida.
• Comparação: O BSCC demonstrou consistência entre os conjuntos de treino e teste (estabilidade das médias dos clusters e Odds Ratios), enquanto métodos supervisionados tradicionais (como mob e meta-learners) produziram estruturas de subgrupos instáveis e com estimativas de efeito de tratamento (SATE) que variavam drasticamente entre treino e teste.

5. Significado e Impacto

O BSCC representa um avanço significativo na interseção entre aprendizado de máquina e inferência causal para saúde.

• Superação da "Maldição da Média": Permite ir além do efeito médio do tratamento (ATE), identificando subpopulações onde o tratamento é benéfico, neutro ou prejudicial.
• Operacionalidade Clínica: Ao basear os clusters nas covariáveis observáveis (idade, sintomas, exames), o modelo permite que médicos classifiquem novos pacientes em tempo real para decisões de tratamento personalizadas, algo que métodos baseados apenas em resultados potenciais estimados não conseguem fazer facilmente.
• Validação de Hipóteses: Os clusters encontrados no estudo IST-3 alinham-se com achados clínicos conhecidos (idade e gravidade do AVC como preditores de resposta), validando a utilidade do método em cenários do mundo real.

Em suma, o BSCC oferece uma ferramenta robusta para a medicina de precisão, transformando dados complexos em subgrupos acionáveis que maximizam a eficácia do tratamento e minimizam danos.