Identifying Structural Biases from Causal Mechanism Shifts

Enunciado do Problema
Os métodos de descoberta causal tradicionalmente dependem de duas suposições fortes: suficiência causal (todas as variáveis relevantes são medidas) e dados independentes e identicamente distribuídos (i.i.d.). Na prática, essas suposições são frequentemente violadas devido a confundidores não medidos e viés de seleção, levando a dependências espúrias e inferência causal imprecisa. Embora métodos existentes possam, às vezes, detectar confusão latente ou seleção sob condições específicas, distinguir entre eles — particularmente quando os dados não são i.i.d. e são coletados de múltiplos ambientes — permanece um desafio significativo. Este artigo aborda o problema de identificar vieses estruturais (confusão oculta e viés de seleção) a partir de mudanças nos mecanismos causais observadas através de diferentes contextos.

Metodologia
Os autores propõem uma estrutura teórica e um algoritmo prático, STRUBI (Structural Bias Identification - Identificação de Viés Estrutural), para detectar e classificar vieses estruturais analisando como os mecanismos causais mudam através de ambientes.

1. Fundamentação Teórica:

   • O artigo distingue entre mudanças de mecanismo intrínseco (mudanças no processo real de geração de dados de uma variável) e mudanças de mecanismo observado (mudanças na distribuição condicional de variáveis observadas).
   • Insight Chave: Vieses estruturais induzem mudanças de mecanismo dependentes, enquanto sistemas sem viés exibem mudanças independentes.
     • Confusão Oculta (Hidden Confounding): Uma mudança intrínseca em um confundidor latente $Z$ causa mudanças observadas em seus filhos ($X, Y$), mas não afeta necessariamente seus ancestrais ou outras variáveis não relacionadas.
     • Viés de Seleção (Selection Bias): Uma mudança intrínseca em uma variável de seleção latente (colisor) $S$ causa mudanças observadas em todos os seus ancestrais ($X, Y, W$).
   • Cobertura Ancestral: Os autores definem "cobertura ancestral" ($cov(A)$) como a razão de um conjunto de variáveis $A$ para o seu conjunto de ancestrais. Eles provam que, sob mudanças de mecanismo esparsas, conjuntos de variáveis afetados por viés de seleção terão uma cobertura ancestral de 1 (ancestralmente fechados), enquanto conjuntos afetados por confusão tipicamente terão uma cobertura significativamente menor que 1.

2. O Algoritmo STRUBI:

   • Entrada: Dados observados através de múltiplos contextos, um grafo causal observado $G$ e limiares (thresholds).
   • Passo 1 (Detecção de Mudança): Para cada variável observada, o algoritmo realiza testes de independência condicional (usando o teste KCI) entre contextos para detectar se o mecanismo local $P(X_i | pa(X_i))$ mudou. Isso particiona os contextos em blocos de invariância de mecanismo.
   • Passo 2 (Identificação de Dependência): O algoritmo calcula a Informação Mútua Ajustada (AMI) entre os padrões de partição de diferentes variáveis. Variáveis com alta AMI são agrupadas em componentes conectados, indicando que compartilham uma causa latente (um confundidor ou uma variável de seleção).
   • Passo 3 (Classificação): Para cada subconjunto identificado, o algoritmo calcula a cobertura ancestral no grafo causal fornecido.
     • Se a cobertura $\ge$ limiar $\tau_2$, o subconjunto é classificado como sujeito a Viés de Seleção.
     • Se a cobertura $<$ limiar $\tau_2$, o subconjunto é classificado como sujeito a Confusão Oculta.
     • Subconjuntos com baixa AMI são classificados como Sem Viés (Unbiased).

Principais Contribuições

• Identificação de Vieses Estruturais: O artigo fornece uma prova formal de que vieses estruturais podem ser identificados a partir de dados não i.i.d. observando mudanças de mecanismo dependentes, especificamente aproveitando a diferença topológica entre confusão (afetando filhos) e seleção (afetando ancestrais).
• Abordagem Não Paramétrica: Ao contrário de trabalhos anteriores que frequentemente exigem suposições paramétricas (por exemplo, modelos Gaussianos lineares) ou estruturas de dados específicas (por exemplo, dados sequenciais), o STRUBI é não paramétrico e aplicável a mecanismos causais gerais.
• O Algoritmo STRUBI: Um método prático e empiricamente testável que integra detecção de mudança de mecanismo, análise de informação mútua e topologia de grafo para classificar vieses e recuperar conjuntos de variáveis afetados.
• Robustez ao Erro de Grafo: O método demonstra robustez mesmo quando o grafo causal de entrada é inferido em vez de conhecido, performando de forma comparável ao uso do grafo de verdade fundamental (ground truth).

Resultados Experimentais
Os autores avaliam o STRUBI em conjuntos de dados sintéticos e do mundo real:

• Dados Sintéticos: Experimentos em grafos de Erdős-Rényi com tamanhos variados mostram que o STRUBI supera significativamente as linhas de base de estado da arte (incluindo variantes de FCI, CoCo e métodos de Seleção Latente) em três tarefas: detectar a presença de variáveis latentes, recuperar o conjunto de variáveis afetadas e classificar o tipo de viés (confusão vs. seleção). O STRUBI alcança altos escores F1 mesmo quando o grafo causal é aprendido (usando TOPIC) em vez de fornecido como verdade fundamental.
• Dados do Mundo Real (Sinalização Celular): Um estudo de caso no conjunto de dados de citometria de fluxo de Sachs et al. demonstra a aplicabilidade do STRUBI a sistemas biológicos complexos. Quando o PKC foi retido para simular confusão ou viés de seleção, o STRUBI identificou corretamente o tipo de viés e recuperou a maioria dos nós afetados (ancestrais no caso de seleção, filhos no caso de confusão), superando competidores como CoCo e JCI-FCI, que falharam em recuperar com precisão os subconjuntos afetados no cenário de viés de seleção.

Significância e Alegações
O artigo afirma que o STRUBI oferece um avanço significativo na descoberta causal ao relaxar as rigorosas suposições de i.i.d. e suficiência causal. Ao aproveitar as assinaturas topológicas distintas de mudanças de mecanismo dependentes, o método pode distinguir entre confusão oculta e viés de seleção sem exigir modelos paramétricos. Os autores enfatizam que sua abordagem funciona bem na prática, recuperando com precisão os conjuntos de variáveis afetadas e tipos de viés, e superando métodos existentes por uma margem ampla. Eles reconhecem limitações, observando que o método assume a condição de Markov e a fidelidade (faithfulness), e requer amostras suficientes por contexto e um número suficiente de contextos para detectar mudanças de forma confiável. No entanto, os resultados sugerem que o STRUBI é uma ferramenta robusta para identificar vieses estruturais em cenários reais não i.i.d.