Resumo Técnico: Estimativa Conjunta do Efeito do Tratamento a partir de Dados de Saúde Incompletos

Declaração do Problema

O artigo aborda o desafio crítico de estimar efeitos causais de tratamentos a partir de Registros Eletrônicos de Saúde (RES) observacionais quando duas dificuldades cumulativas estão presentes: confundimento variante no tempo e ausência de dados Não-Aleatória (MNAR).

Métodos padrão para Emulação de Ensaios Clínicos Alvo (TTE) frequentemente falham em cenários reais de RES porque:

1. Confundimento variante no tempo: Decisões de tratamento são impulsionadas por perfis de pacientes em evolução, criando dependências complexas que métodos existentes frequentemente lidam apenas sob suposições paramétricas restritivas ou sem estrutura causal explícita.
2. Ausência de dados MNAR: Biomarcadores críticos em RES frequentemente exibem taxas de ausência de 50%–80%. Essa ausência é impulsionada por decisões clínicas (por exemplo, exames solicitados apenas quando uma condição é suspeitada), o que significa que a probabilidade de dados ausentes depende do próprio valor não observado.
3. Viés Cumulativo: Estratégias padrão de imputação (por exemplo, MICE, MissForest) tipicamente assumem Ausência-Aleatória (MAR) e são validadas em baixas taxas de ausência. Quando aplicadas a dados MNAR de alta taxa, elas distorcem as estruturas de correlação entre biomarcadores e desfechos, levando a estimativas causais enviesadas.

Abordagens existentes frequentemente tratam a imputação e a inferência causal como etapas separadas ou dependem de aproximações variacionais/adversariais que introduzem falhas silenciosas na estimativa de contrafactuais.

Metodologia

Os autores propõem um pipeline de duas etapas projetado para lidar conjuntamente com a ausência de dados MNAR e a estrutura causal ao longo do tempo.

Etapa 1: Imputação Evolutiva Impulsionada por LLM

Para lidar com a entrada de dados incompletos, os autores introduzem um framework de busca evolutiva onde um Modelo de Linguagem de Grande Escala (LLM) atua como um operador de mutação para gerar estratégias de imputação.

• Mecanismo: Em vez de o LLM preencher diretamente os valores ausentes, ele propõe módulos Python candidatos (imputadores) $g^{(k)}$.
• Pontuação Proxy Auto-supervisionada: A qualidade de cada candidato é avaliada em um conjunto de retenção proxy (dados observados mascarados) usando uma pontuação composta $s(g)$:
  $$s(g) = \text{RMSE}(g) + \lambda_Y \Delta_Y(g) + \lambda_T \Delta_T(g)$$
  Essa pontuação penaliza o erro de reconstrução pontual (RMSE) e, crucialmente, a distorção das correlações covariável–desfecho ($\Delta_Y$) e correlações covariável–tratamento ($\Delta_T$). Isso garante que os dados imputados preservem a estrutura causal necessária para a estimativa a jusante.
• Loop Evolutivo: Começando com um imputador semente, o LLM propõe iterativamente variações com base no melhor candidato atual e em um resumo do histórico de busca, aceitando apenas aqueles que melhoram estritamente a pontuação proxy.
• Backends: O método foi avaliado usando três backends de LLM: GPT-5.4, GPT-OSS-120b e Qwen3.5-Plus.

Etapa 2: CausalFlow-T (Inferência Exata de Contrafactuais)

Os dados completados $\hat{D}$ são alimentados no CausalFlow-T, um modelo novel para inferência exata de contrafactuais.

• Arquitetura: Combina um Fluxo Autoregressivo Mascarado Causal (CausalMAF) com um codificador Long Short-Term Memory (LSTM).
• Restrições DAG: O fluxo é restrito por um Grafo Acíclico Direcionado (DAG) especificado por especialistas. A ordenação autoregressiva das variáveis segue estritamente a ordenação topológica do DAG. Isso garante que intervenções (operações do) se propaguem apenas através de descendentes causais, prevenindo vazamento anti-causal.
• Inferência Exata: Diferentemente de Autoencoders Variacionais (CVAE) ou métodos baseados em GAN que otimizam um limite inferior (ELBO) ou objetivos adversariais, o CausalFlow-T maximiza a verossimilhança exata.
• Procedimento Contrafactual: Emprega o procedimento Abdução-Ação-Predição (AAP) de Pearl:
  1. Abdução: Inverter o fluxo exatamente para recuperar o ruído exógeno $z_t$ para um paciente específico.
  2. Ação: Intervir na variável de tratamento ($A \leftarrow a'$) mantendo $z_t$ fixo.
  3. Predição: Propagar a intervenção através do fluxo restrito pelo DAG para gerar o desfecho contrafactual.
     Isso garante que o mesmo ruído específico do indivíduo seja usado para ambos os braços factual e contrafactual, uma propriedade que métodos variacionais não podem fornecer.

Contribuições Principais

1. CausalFlow-T: Um fluxo normalizante restrito por DAG que permite inferência contrafactual exata e invertível para dados longitudinais. Os autores demonstram que é o único modelo que satisfaz simultaneamente cinco critérios de confiabilidade (calibração de subgrupos, preservação de variância de cauda, reconstrução de braços, recuperação de razão de risco e estabilidade).
2. Identificação de Modos de Falha Não Sobrepostos: Através de estudos de ablação, o artigo revela dois modos de falha distintos na inferência causal:
   • Separação de Confundimento: Requer estrutura causal explícita (restrições de DAG). Modelos sem restrições de DAG mantêm viés sistemático mesmo com baixo erro factual.
   • Propagação Estrutural: Requer inferência exata. Métodos variacionais (mesmo com DAGs corretos) falham em recuperar efeitos de tratamento verdadeiros sob caminhos de mediação complexos devido a lacunas de aproximação (colapso posterior).
3. Imputação Evolutiva Impulsionada por LLM: Uma estratégia de imputação novel que supera métodos estatísticos padrão (LOCF, MissForest) e baselines de fluxo de correspondência na preservação de estruturas de correlação causal sob ausência de dados MNAR de 30%–80%.
4. Framework de Avaliação Conjunta: O artigo estabelece que a precisão de reconstrução pontual e a fidelidade causal não são objetivos alinhados. Introduz uma avaliação de duas camadas (qualidade do biomarcador + qualidade causal a jusante) para detectar compensações invisíveis a métricas padrão.

Resultados

Benchmarks Sintéticos e Semi-sintéticos

• Desempenho do CausalFlow-T: Em quatro conjuntos de dados sintéticos (incluindo um benchmark complexo de Risco de DCV com 17 nós) e um conjunto de dados semi-sintético baseado em FIRE, o CausalFlow-T foi o único modelo a passar em todos os critérios de confiabilidade.
  • Concorrentes como GNN-CVAE e CVAE sofreram de colapso posterior (prevendo efeitos nulos onde efeitos verdadeiros existiam) ou colapso de variância.
  • TARNet e fluxos sem restrições falharam em recuperar razões de risco corretas ou direções de tratamento invertidas.
• Desempenho de Imputação: O imputador impulsionado por LLM (especificamente GPT-5.4) alcançou o melhor rank agrupado nas métricas de biomarcador e causal.
  • Mantive o menor MAE e RMSE pontuais através de ausências de 30%, 50% e 80%.
  • Crucialmente, foi a única estratégia que preservou a recuperação do Efeito Médio do Tratamento (ATE) onde métodos estatísticos (MissForest, CausalCFM) degradaram progressivamente à medida que a ausência aumentava.
  • O estudo destacou uma compensação: enquanto o CausalCFM às vezes preservou correlações melhor em ausências menores, os LLMs dominaram em regimes de alta ausência e extrapolação temporal.

Aplicação no Mundo Real

O pipeline foi aplicado a uma coorte de 6.114 adultos com Diabetes Tipo 2 em cuidados primários suíços (banco de dados FIRE) para estimar o efeito da iniciação de agonistas do receptor GLP-1 versus inibidores de SGLT-2 no peso corporal em 1 ano.

• Resultado: O pipeline estimou uma diferença de perda de peso por protocolo de −0,98 kg [IC 95% −1,01, −0,96] favorecendo os agonistas do receptor GLP-1.
• Validação: Essa estimativa é consistente com o Ensaio Clínico Controlado Aleatorizado (RCT) SUSTAIN 8, que relatou uma diferença de −1,06 kg, apesar dos dados do mundo real apresentarem >50% de ausência de dados MNAR e agentes de medicamentos mistos.

Significado e Alegações

O artigo alega que abordar conjuntamente a estrutura causal e a ausência de dados MNAR é tanto necessário quanto viável para a estimativa prática de efeitos de tratamento a partir de dados observacionais.

• Além dos RCTs: O trabalho demonstra que pipelines baseados em ML podem estender a evidência causal além das populações e condições restritas dos RCTs para cenários clínicos do mundo real onde ensaios são inviáveis.
• Confiabilidade sobre Precisão: Os autores argumentam que baixo erro de previsão factual (MAE) é insuficiente para inferência causal. Modelos devem satisfazer critérios estruturais (preservação de variância, propagação correta de mediação) para serem confiáveis.
• Vínculo Imputação-Causal: O estudo estabelece que escolhas de imputação têm impactos diretos e mensuráveis na validade causal, necessitando de métricas de avaliação conjuntas em vez de tratar a imputação como uma tarefa puramente de reconstrução.
• Limitações Modestas: Os autores reconhecem limitações, incluindo a dependência de DAGs especificados por especialistas (análise de sensibilidade mostra que o viés aumenta com a remoção de caminhos únicos), o uso de relaxamento contínuo para desfechos de sobrevivência binários (afetando a calibração) e a suposição de intercambiabilidade condicional. Eles notam que trabalhos futuros devem explorar arquiteturas de fluxo discretas e refinamento automatizado de DAG.

Em resumo, o artigo fornece um framework robusto de duas etapas que preenche a lacuna entre dados RES do mundo real incompletos e desordenados e inferência causal rigorosa, validado tanto por verdades fundamentais sintéticas quanto pela consistência com evidências de RCTs estabelecidos.