Resumo Técnico: Amortização da Análise de Sensibilidade Causal via Redes Ajustadas a Dados Prioritários

1. Formulação do Problema

A inferência causal a partir de dados observacionais depende da suposição intestável de ausência de confundimento não observado. A análise de sensibilidade causal aborda isso fornecendo limites para estimativas de efeito causal (por exemplo, o Resultado Potencial Médio Condicional, CAPO) sob diversas suposições sobre a força do confundimento não observado, parametrizadas por um nível de sensibilidade $\Gamma$.

Os métodos existentes para calcular esses limites são inerentemente procedimentos por instância. Para qualquer alteração no conjunto de dados, na consulta causal, no braço de tratamento ou no nível de sensibilidade $\Gamma$, deve-se instanciar uma nova otimização computacionalmente dispendiosa. Isso limita a aplicação prática da análise de sensibilidade, frequentemente relegando-a a uma verificação final em vez de uma ferramenta sistemática para explorar como as conclusões variam conforme as suposições. O desafio central é substituir essas otimizações repetidas e custosas por um mecanismo de inferência amortizado e rápido, capaz de lidar com conjuntos de dados e consultas diversos sem necessidade de retreinamento.

2. Metodologia

Os autores propõem uma abordagem amortizada utilizando Redes Ajustadas a Dados Prioritários (PFNs), uma classe de modelos fundamentais que realizam aprendizado em contexto. A metodologia consiste em três componentes principais:

2.1. Tarefa de Previsão Amortizada

Em vez de resolver um problema de otimização no momento do teste, os autores treinam uma PFN para aprender um mapeamento de um conjunto de dados $D_N$, uma consulta causal $(x, a)$ e um nível de sensibilidade $\Gamma$ diretamente para as distribuições preditivas posteriores (PPDs) dos limites inferior e superior de sensibilidade ($\theta^-$ e $\theta^+$).
$$D_N, x, a, \Gamma \longrightarrow \text{PPD}(\theta^-), \text{PPD}(\theta^+)$$
Isso permite que o modelo preveja limites para novas entradas por meio de uma única passagem direta, contornando a necessidade de otimização por instância.

2.2. Construção Geral de Dados Prioritários (Geração de Rótulos)

Um obstáculo crítico no treinamento de PFNs para análise de sensibilidade é que, diferentemente da inferência causal pontualmente identificada, os limites de sensibilidade não estão diretamente disponíveis a partir do processo de geração de dados (DGP); eles devem ser computados via otimização não trivial. Os autores introduzem uma construção geral de dados prioritários aplicável à classe de Modelos de Sensibilidade de Tratamento Generalizados (GTSMs), que inclui o Modelo de Sensibilidade Marginal (MSM), modelos de sensibilidade $f$ e o modelo de sensibilidade de Rosenbaum.

A construção envolve:

1. Amostragem de MCAs: Modelos Causais Estruturais Sintéticos (MCAs) são amostrados a partir de uma prior $\Pi_S$ para gerar conjuntos de dados observacionais.
2. Escalarização Lagrangeana: Para gerar rótulos de treinamento ($\theta^-, \theta^+$) para esses DGPs sintéticos, os autores formulam o cálculo do limite como um problema de otimização multicritério. Eles buscam equilibrar a minimização/maximização do efeito causal e a minimização da violação da restrição do modelo de sensibilidade.
   • O objetivo é escalarizado usando um multiplicador de Lagrange $\lambda$:
     $$\mathcal{L}^\uparrow_\lambda(P) = Q(P(Y(a)|x)) - \lambda \Delta_{x,a}(P)$$
     $$\mathcal{L}^\downarrow_\lambda(P) = -Q(P(Y(a)|x)) - \lambda \Delta_{x,a}(P)$$
   • Ao percorrer $\lambda$ de alto para baixo, o método traça a fronteira de Pareto de soluções no plano $(\Gamma, \theta)$.
3. Otimização com Inicialização Quente: Para calcular eficientemente a fronteira de Pareto, os autores empregam uma estratégia de inicialização quente, onde a solução para um dado $\lambda$ inicializa a otimização para o próximo $\lambda$. A análise teórica (Teorema 1) mostra que, sob suposições padrão de convexidade e linearidade, essa varredura recupera a fronteira de Pareto completa.
4. Redução de Dimensionalidade: A otimização sobre distribuições completas é reduzida a uma otimização tratável sobre uma única distribuição latente condicional $P(U | x, A \neq a)$ usando uma construção de reparametrização, evitando a necessidade de estimativa de densidade neural em duas etapas exigida por métodos anteriores de GTSM.

2.3. Treinamento do Modelo Fundamental

A PFN é treinada nos pares de dados prioritários sintéticos (conjuntos de dados, consultas, $\Gamma$) e nos rótulos de limites de sensibilidade computados. A arquitetura do modelo utiliza um transformador com duas cabeças de saída (para limites inferior e superior), cada uma modelando uma distribuição de mistura gaussiana para fornecer previsões conscientes de incerteza. Um regularizador de monotonicidade suave é aplicado para garantir que os limites previstos se comportem corretamente em relação a $\Gamma$ (ou seja, os limites se alargam à medida que $\Gamma$ aumenta).

3. Contribuições Principais

1. Construção de Rótulos de Dados Prioritários: Um esquema geral para gerar rótulos de treinamento para limites de sensibilidade usando escalarização lagrangeana. Essa abordagem evita derivações analíticas específicas do modelo e recupera teoricamente a fronteira de Pareto completa sob condições de convexidade.
2. Primeiro Modelo Fundamental para Análise de Sensibilidade Causal: O treinamento de uma PFN que atua como um modelo fundamental para aprendizado em contexto de limites de sensibilidade. Ela prevê diretamente PPDs para limites dado um conjunto de dados, uma consulta e um nível de sensibilidade.
3. Validação Empírica: Demonstração de que a abordagem amortizada aproxima os limites de sensibilidade com precisão em diversos cenários (incluindo o Modelo de Sensibilidade Marginal) com tempos de computação no momento do teste ordens de magnitude mais rápidos que os métodos por instância.

4. Resultados

• Precisão: Em conjuntos de dados sintéticos não utilizados no treinamento, a PFN corresponde estreitamente aos limites analíticos para o Modelo de Sensibilidade Marginal (MSM). Os intervalos preditivos posteriores são bem calibrados, com taxas de cobertura empírica (por exemplo, 90,3% para o limite superior) próximas aos níveis nominais.
• Eficiência: A abordagem amortizada substitui otimizações por instância dispendiosas por uma única passagem direta. O tempo médio de inferência para uma passagem direta em lote é de aproximadamente 2,9 segundos, em comparação com a otimização repetida exigida pelos métodos existentes.
• Eficácia da Inicialização Quente: Experimentos mostram que a estratégia de otimização com inicialização quente para geração de rótulos reduz o arrependimento por um fator de 1,90 em comparação com métodos de inicialização fria, sendo significativamente mais rápida.
• Quantificação de Incerteza: O modelo produz distribuições preditivas posteriores completas, fornecendo estimativas conscientes de incerteza em vez de apenas previsões pontuais.

5. Significado e Alegações

O artigo afirma apresentar o primeiro modelo fundamental para análise de sensibilidade causal. Seu significado principal reside na mudança de paradigma da análise de sensibilidade por instância e computacionalmente intensiva para um framework amortizado de aprendizado em contexto.

• Impacto Prático: Ao permitir avaliação rápida em diversas consultas causais e suposições de sensibilidade, a abordagem torna a análise de sensibilidade uma ferramenta viável para tomada de decisão sistemática, em vez de uma verificação final e isolada.
• Generalidade: A construção de dados prioritários não está vinculada a um modelo de sensibilidade específico, tornando a abordagem amplamente aplicável à classe de GTSMs.
• Limitações: Os autores notam modestamente que o desempenho depende da cobertura do prior sintético em relação aos dados no momento do teste. A construção teórica depende da convexidade da divergência de sensibilidade e da linearidade da consulta causal. Atualmente, a implementação foca em tratamentos binários e resultados escalares, e a geração de rótulos para modelos sem limites de forma fechada permanece uma aproximação baseada em otimização sujeita a ruído de Monte Carlo.

Em resumo, este trabalho fornece um método principiado para "amortizar" o custo computacional da análise de sensibilidade causal, permitindo uma avaliação escalável e sistemática de confundimento não observado em estudos observacionais.