Differentiable latent structure discovery for interpretable forecasting in clinical time series

1. Formulação do Problema

A tomada de decisão clínica depende da previsão da evolução futura da condição de um paciente com base em Registros Eletrônicos de Saúde (RES) amostrados de forma irregular. As abordagens atuais enfrentam um compromisso entre interpretabilidade, quantificação de incerteza e escalabilidade:

• Métodos baseados em imputação: A reamostragem de dados irregulares para uma grade fixa introduz viés e sobrecarga computacional.
• Aprendizado Profundo (por exemplo, GNNs, RNNs): Embora poderosos, frequentemente carecem de quantificação de incerteza principista e produzem previsões de "caixa preta" difíceis de interpretar clinicamente.
• Processos Gaussianos (PGs) Padrão: Oferecem quantificação de incerteza principista, mas frequentemente assumem independência entre tarefas ou dependem de estruturas de dependência fixas e não aprendíveis, limitando sua capacidade de capturar relações causais complexas entre variáveis.

Os autores visam desenvolver um modelo que opere em tempo contínuo, descubra estruturas de dependência interpretáveis (Grafos Acíclicos Dirigidos) entre variáveis clínicas, capture padrões compartilhados de progressão do paciente (caminhos latentes) e forneça estimativas de incerteza calibradas.

2. Metodologia

O artigo introduz dois modelos principais construídos sobre Convoluções de Processo, um framework que define Processos Gaussianos (PGs) como a saída de um sistema linear invariante no tempo impulsionado por ruído branco.

A. StructGP: Estrutura Gráfica Inter-Tarefa

• Conceito Central: O StructGP modela um PG multivariado $Y(t)$ convolvendo um processo de ruído branco multivariado $w(t)$ com um filtro de valor matricial $H(t)$.
• Aprendizado de Estrutura Diferenciável: A matriz do filtro é parametrizada como $H(t) = (I + S) \circ L(t)$, onde:
  • $S$ é uma matriz esparsa e triangular inferior que codifica o Grafo Acíclico Dirigido (DAG) de dependências inter-tarefa.
  • $L(t)$ contém filtros gaussianos aprendíveis com escalas de comprimento $\ell_{vu}$.
• Restrição de Aciclicidade: Para garantir que $S$ represente um DAG, os autores adaptam o framework NOTEARS. Eles impõem a aciclicidade via uma restrição suave $h(S) = \text{Tr}(\exp(S \circ S)) - k = 0$, otimizada usando o método do Lagrangiano Aumentado.
• Padronização Interna: Para desacoplar a força da dependência das escalas das variáveis, o modelo normaliza a variância marginal de cada processo para 1, garantindo que o grafo aprendido reflita independência condicional em vez de diferenças de magnitude.

B. LP-StructGP: Caminhos Latentes Inter-Sujeito

• Conceito Central: Para capturar padrões de progressão compartilhados entre pacientes (por exemplo, diferentes pacientes seguindo trajetórias de sepse semelhantes), o LP-StructGP introduz caminhos latentes.
• Mecanismo:
  • Um conjunto de PGs multivariados latentes compartilhados ($Q_u$) representa trajetórias de nível de grupo.
  • Trajetórias individuais de pacientes ($Y_i$) são modeladas como uma mistura desses caminhos latentes mais um resíduo específico do sujeito.
  • Filtros de Acoplamento: Filtros específicos do sujeito $G_{iu}(t)$ incluem um parâmetro de deslocamento temporal $\tau_{iu}$ para contabilizar diferenças na velocidade de progressão da doença.
  • Mecanismo de Portão: Uma função softmax atribui probabilidades aos pacientes pertencerem a caminhos latentes específicos.
• Escalabilidade: Para lidar com grandes coortes, o modelo utiliza Processos Gaussianos em Espaço de Hilbert (HSGP) para aproximação de baixo posto e um objetivo de verossimilhança pseudo-marginal condicional online. Isso permite treinamento em mini-lotes tratando os sujeitos como condicionalmente independentes dada a estimativa empírica atual dos caminhos latentes.

C. Otimização

• Treinamento: Os modelos são treinados minimizando a verossimilhança marginal negativa (ou verossimilhança pseudo-marginal para LP-StructGP) com penalidades de esparsidade ($\ell_1$) e restrições de aciclicidade.
• Solver: Utiliza o otimizador Adam com uma abordagem de Lagrangiano Aumentado para lidar com a restrição de aciclicidade não convexa.
• Inferência: Distribuições preditivas posteriores são computadas eficientemente usando identidades de matriz de Woodbury e solucionadores de Cholesky em lote em GPUs.

3. Contribuições Principais

1. StructGP: Um PG multivariado em tempo contínuo que unifica convoluções de processo com aprendizado de estrutura diferenciável para descobrir automaticamente DAGs esparsos e ordenados de dependências inter-variáveis sem pré-especificar o grafo.
2. LP-StructGP: Uma extensão que integra caminhos latentes diretamente na estrutura de covariância, permitindo que o modelo aprenda motivos temporais compartilhados entre pacientes enquanto mantém variabilidade específica do sujeito.
3. Algoritmos de Aprendizado Escaláveis: Desenvolvimento de um framework de aprendizado online usando aproximações de baixo posto (HSGP) e verossimilhanças pseudo-marginais condicionais, permitindo que o modelo escale para conjuntos de dados com milhares de pacientes e milhões de observações.
4. Padronização Interna: Uma etapa de normalização inovadora que estabiliza o aprendizado e garante que a estrutura descoberta seja invariante às escalas de medição das variáveis clínicas.

4. Resultados

A. Estudos de Simulação

• Recuperação de Grafo: O StructGP recupera de forma confiável DAGs verdadeiros, com a Distância de Hamming Estrutural (SHD) aproximando-se de 0 à medida que o tamanho da coorte aumenta.
• Recuperação de Caminhos: O LP-StructGP identifica com precisão atribuições de caminhos latentes (alto Índice Rand Ajustado) e infere corretamente a mistura de dinâmicas de nível de grupo e nível individual.

B. Coorte de Choque Séptico MIMIC-IV ($n=1.008$)

• Previsão de Curto Prazo (6h):
  • O StructGP superou significativamente as linhas de base de tarefas independentes (RMSE Médio: 0,68 vs. 0,88).
  • Com 15 variáveis de entrada adicionais, o modelo estruturado foi crucial, reduzindo o RMSE de 3,02 (não estruturado) para 0,63 e melhorando a calibração (cobertura 0,96 vs. 0,84).
  • Interpretabilidade: O grafo aprendido identificou corretamente relações fisiológicas (por exemplo, ajustes na dosagem de Norepinefrina em resposta a mudanças na Pressão Arterial Média), capturando o ciclo de feedback clínico em vez de apenas o efeito hemodinâmico imediato.
• Previsão de Longo Prazo (6 dias):
  • O LP-StructGP superou o StructGP para Creatinina e Norepinefrina (por exemplo, RMSE de Creatinina 0,95 vs. 1,17).
  • Melhorou a cobertura preditiva (0,94 vs. 0,91) e identificou com sucesso caminhos latentes distintos correspondentes a diferentes padrões de recuperação de choque séptico.

C. Desafio PhysioNet (12 mil pacientes, 41 variáveis)

• Desempenho: O StructGP alcançou precisão competitiva (MAE $3,72 \times 10^{-2}$) em comparação com a rede neural gráfica de última geração GraFITi (MAE $3,50 \times 10^{-2}$).
• Incerteza: Diferentemente do GraFITi, o StructGP forneceu estimativas de incerteza bem calibradas. Quando restrito a previsões de alta confiança, o StructGP superou ligeiramente o GraFITi.
• Eficiência: O modelo processou 5,26 milhões de observações em ~45 minutos em uma única GPU.

5. Significado e Conclusão

Este trabalho preenche a lacuna entre modelagem probabilística interpretável e aprendizado profundo escalável para séries temporais clínicas.

• Utilidade Clínica: Ao descobrir DAGs esparsos e ordenados, o modelo oferece aos clínicos insights acionáveis sobre dependências de variáveis (por exemplo, ciclos de feedback causal no tratamento), em vez de apenas previsões de caixa preta.
• Consciência de Incerteza: A quantificação de incerteza principista é crítica para decisões médicas de alto risco, permitindo que os clínicos avaliem a confiabilidade de uma previsão.
• Generalizabilidade: A capacidade de aprender tanto estruturas inter-tarefa quanto caminhos latentes inter-paciente torna o framework robusto à heterogeneidade dos dados clínicos do mundo real.

Os autores concluem que convoluções de processo estruturadas com caminhos latentes oferecem uma direção promissora para aprendizado de estrutura auto-supervisionado, avançando de fluxos de dados brutos para conhecimento médico acionável enquanto mantêm garantias estatísticas rigorosas.