HIMCE: High-dimensional multiple imputation via covariance-mode updating for neuroimaging and spatiotemporal blocks

Resumo Técnico: HIMCE – Imputação Múltipla de Alta Dimensão via Atualização de Modo de Covariância

Declaração do Problema
Dados de neuroimagem de alta dimensão e dados espaço-temporais frequentemente exibem ausência estruturada devido a artefatos de aquisição, falhas de pré-processamento e queda de sensores. Embora a Imputação Múltipla (MI) seja a abordagem padrão para lidar com tais dados, propagando a incerteza, os métodos existentes enfrentam desafios significativos em blocos contínuos de alta dimensão ($p \gg n$ ou $p \approx n$):

• Especificação Condicional Total (FCS): Métodos como Imputação Multivariada por Equações em Cadeia (MICE) iteram modelos condicionais. Em altas dimensões, a forte colinearidade leva a regressões mal condicionadas, causando instabilidade numérica, convergência lenta ou falha, frequentemente necessitando de triagem agressiva de preditores.
• Abordagens de Modelo Conjunto (MVN): Embora um modelo de trabalho Normal Multivariado (MVN) forneça um alvo preditivo posterior coerente e uma augmentação de dados exata, o amostrador padrão requer amostragem repetida de uma distribuição Inverso-Wishart e fatorações de matrizes de uma matriz de covariância $p \times p$. Essas etapas tornam-se computacionalmente proibitivas e numericamente delicadas em grandes dimensões.

Metodologia: HIMCE
Os autores propõem a Imputação de Alta Dimensão via Modo de Covariância e Equações em Cadeia (HIMCE), um procedimento híbrido de MI projetado para blocos contínuos. O HIMCE opera como uma aproximação estocástica motivada pelo posterior que equilibra eficiência computacional com validade estatística.

1. Estrutura do Modelo:

   • Assume um modelo de bloco Gaussiano: $Y | B, \Sigma \sim MN_{n \times p}(XB, I_n, \Sigma)$.
   • Utiliza um prior conjugado Matriz-Normal Inverso-Wishart.
   • Preserva a lei de imputação condicional Gaussiana para entradas ausentes dados os parâmetros atuais.

2. A Divisão Preservação–Aproximação:

   • Preservado: O modelo de trabalho Gaussiano, a lei Gaussiana condicional para padrões de ausência e a propagação estocástica da incerteza do parâmetro de média (via coeficiente estocástico ou amostras de ridge local).
   • Aproximado: A incerteza posterior da matriz de covariância $\Sigma$. Em vez de amostrar matrizes completas Inverso-Wishart, o HIMCE atualiza a covariância para um modo estabilizado.

3. Componentes Algorítmicos:

   • Atualização de Modo de Covariância: Em blocos de alta dimensão, o algoritmo substitui amostragens aleatórias Inverso-Wishart por uma atualização determinística para o modo posterior da matriz de covariância.
     • Ramo de Alta Dimensão: Utiliza um modo de covariância empírico-Bayesiano (especificamente o estimador HIMA) ou um plug-in de modo conjugado, opcionalmente aumentado por uma ponte escalar unidimensional para introduzir estocasticidade limitada.
     • Ramo de Baixa Dimensão: Quando a dimensão do bloco é pequena, o algoritmo restaura a amostragem exata condicional Inverso-Wishart para garantir precisão na incerteza da covariância.
   • Atualizações de Média: Substitui atualizações determinísticas por amostragens estocásticas (Matriz-Normal exata ou ridge local escalável e triada) para propagar a incerteza nos coeficientes de regressão.
   • Calibração: Inclui uma camada leve de pós-processamento que aprende ajustes de centro e escala a partir de células observadas (não de verdades retidas) para melhorar a cobertura em amostras finitas sem alterar a cadeia central.

4. Diagnósticos:
   O artigo enfatiza diagnósticos de calibração rigorosos sobre predição pontual simples, utilizando:

   • PIT de Célula de Ranque Aleatorizado: Para avaliar a uniformidade da distribuição preditiva e detectar super/sub-dispersão.
   • Cobertura Empírica Consistente com PIT: Calculada a partir da mesma CDF preditiva empírica usada para o PIT para garantir consistência entre métricas baseadas em ranque e baseadas em intervalo.
   • Sobreposições de Distribuição Marginal: Para comparar amostras agrupadas e médias posteriores contra verdades retidas.

Resultados Chave
O artigo avalia o HIMCE contra o HIMA (linha de base de modo de covariância determinística) e o MICE triado usando dois benchmarks:

1. Benchmark de Neuroimagem Espacial ($p=40, n=80$):

   • Precisão: O HIMCE melhora significativamente o erro da média posterior (RMSE/MAE) em relação ao HIMA e supera ligeiramente o MICE triado.
   • Velocidade: O HIMCE executa em velocidades comparáveis ao HIMA e em menos da metade do tempo do MICE triado.
   • Calibração: O HIMCE melhora substancialmente a cobertura de intervalo e a uniformidade do PIT em comparação ao HIMA (por exemplo, a cobertura de 95% melhorou de ~0,77 para ~0,88). No entanto, o MICE triado permanece melhor calibrado no geral (cobertura de 95% ~0,97).
   • Interpretação: O HIMCE atua como um "meio-termo rápido", recuperando a maioria das vantagens de predição pontual dos métodos de modo de covariância enquanto melhora materialmente a calibração, embora não corresponda totalmente à calibração do MICE neste cenário espacial específico.

2. Benchmark de Baixa Dimensão NHANES ($p=2$):

   • Neste cenário de baixa dimensão, o HIMCE alterna para a atualização exata Inverso-Wishart.
   • Este ramo produz uma melhoria massiva na cobertura (a cobertura de 95% sobe de ~0,60 para o HIMA para ~0,91 para o HIMCE), mantendo predição pontual competitiva e tempo de execução.

Significado e Alegações
O artigo posiciona o HIMCE não como um amostrador de posterior conjunto exato em seu ramo de alta dimensão, mas como uma aproximação estocástica motivada pelo posterior que aborda os gargalos computacionais da augmentação de dados MVN exata.

• Contribuição Teórica: Os autores provam consistência posterior em dimensão fixa para o plug-in de modo conjugado Inverso-Wishart e demonstram que a distribuição preditiva do plug-in de modo é assintoticamente equivalente à distribuição preditiva posterior exata em variação total.
• Contribuição Prática: O HIMCE oferece uma alternativa viável para neuroimagem de alta dimensão onde os métodos FCS são instáveis e a amostragem conjunta exata é muito lenta. Ele separa explicitamente a preservação da estrutura Gaussiana da aproximação da incerteza da covariância.
• Modéstia: Os autores reconhecem que a espinha dorsal de covariância empírico-Bayesiana usada nos experimentos é uma escolha de implementação de alta dimensão cuja adequação em amostras finitas é uma questão empírica. Eles enfatizam que a calibração com pseudo-ausência e verificações de forma marginal são componentes essenciais de "uso responsável", não ornamentos opcionais, particularmente quando o número de imputações armazenadas é moderado.

O trabalho conclui que o HIMCE fornece uma solução prática e escalável para ausência estruturada em blocos espaço-temporais, efetivamente fechando a lacuna entre a velocidade de aproximações determinísticas e o rigor estatístico da imputação estocástica.