Resumo Técnico: Um Levantamento sobre Descoberta e Inferência Causal Federada

1. Definição do Problema

O artigo aborda o desafio crítico de realizar o raciocínio causal quando os dados estão distribuídos entre múltiplas instituições (ex: hospitais, bancos, centros de pesquisa) que não podem ou não querem compartilhar registros brutos devido a regulamentações de privacidade (ex: GDPR, HIPAA) e restrições de comunicação. Embora o Aprendizado Federado (FL) tenha possibilitado com sucesso o aprendizado supervisionado colaborativo, sua integração com estruturas causais introduz dificuldades distintas.

O artigo foca em duas tarefas complementares:

1. Descoberta Causal Federada (FCD): A tarefa de recuperar a estrutura causal global (Grafo Acíclico Dirigido, DAG) a partir de dados observacionais distribuídos sem centralizar os dados brutos.
2. Inferência Causal Federada (FCI): A tarefa de quantificar efeitos causais (ex: Efeito Médio do Tratamento, ATE) através de populações distribuídas, exigindo o ajuste para confundidores que podem variar em distribuição ou mecanismo entre os sites.

Os principais desafios identificados incluem:

• Restrições Estruturais: Impor a aciclicidade global em um ambiente distribuído é combinatorialmente difícil.
• Heterogeneidade: Os clientes frequentemente possuem mecanismos causais heterogêneos (diferentes distribuições condicionais $P(X_i | Pa(X_i))$) e podem observar conjuntos de variáveis não idênticos, violando as suposições do FL padrão.
• Identificabilidade: As conclusões causais dependem de conjuntos de condicionamento suficientes e suposições funcionais, que se tornam complexas quando os dados são particionados.

2. Metodologia e Taxonomia

O artigo fornece uma revisão sistemática organizada por meio de taxonomias multidimensionais, distinguindo-se de levantamentos amplos anteriores sobre "Causalidade para FL".

Descoberta Causal Federada (FCD)

Os autores organizam os métodos de FCD ao longo de três eixos:

1. Paradigma Metodológico:
   • Baseado em Restrições: Adaptações dos algoritmos PC e FCI (ex: FedPC, FedC2SL) que realizam testes de independência condicional (CI) federados. Estes enfrentam desafios com propagação de erro e confiabilidade de testes de CI de alta ordem em ambientes distribuídos.
   • Baseado em Pontuação (Score-Based): Métodos (ex: DARLS, FedGES) que otimizam um critério de pontuação global (como o BIC) sobre espaços de DAG ou ordenações. Os desafios incluem espaços de busca super-exponenciais e sensibilidade aos tamanhos de amostra locais.
   • Otimização Contínua: Extensões do framework NOTEARS (ex: NOTEARS-ADMM, FedDAG) que reformulam o aprendizado de DAG como um programa contínuo solucionável via otimização distribuída baseada em gradiente. Estes enfrentam problemas de não convexidade e altos custos de comunicação ($O(d^2)$).
   • Híbrido/Outros: Métodos que combinam paradigmas ou abordam configurações específicas como dados intervencionais (FedCDI) ou dados ausentes (FedImpCSL).
2. Topologia de Federação:
   • Horizontal: Clientes compartilham variáveis, mas possuem amostras diferentes (a configuração dominante).
   • Vertical: Clientes compartilham entidades, mas possuem variáveis diferentes (ex: PP-BN(V), VertiBayes).
   • Híbrida: Tanto as amostras quanto as variáveis diferem entre os clientes.
3. Escopo Estrutural:
   • Global: Aprender o DAG completo sobre todas as variáveis.
   • Local: Aprender apenas os pais/filhos de uma variável alvo específica (ex: FedLCS).

Inferência Causal Federada (FCI)

Os métodos de FCI são categorizados por:

1. Estimando Alvo: Efeito Médio do Tratamento (ATE) vs. Efeitos Médios Individuais/Condicionais (ITE/CATE).
2. Estratégia de Estimativa:
   • Ponderação pela Inversa da Probabilidade (IPW): Agregação federada de escores de propensão (ex: FedIPW-MLE, Fed-IPW).
   • Duamente Robusto/Aumentado: Métodos como FedAIPW e FACE que combinam regressão de desfecho e ponderação de propensão para robustez.
   • Pareamento (Matching): Pareamento de escore de propensão federado (ex: FPSM, MVAgg).
   • Generativo Profundo/Transformers: Uso de VAEs e Transformers (ex: FedTEDVAE, FedTransTEE) para aprender representações, embora estes muitas vezes careçam de garantias teóricas formais.
   • Especializados: Métodos para análise de sobrevivência (FL-TTE), variáveis instrumentais (FedIV) e aprendizado de máquina duplo (FDML).

O Pipeline Unificado

Uma contribuição metodológica central do artigo é a formalização da conexão entre FCD e FCI. Os autores propõem um pipeline unificado onde a FCD serve como uma etapa anterior para identificar conjuntos de ajuste válidos (via critério de back-door) para a FCI. Eles analisam a propagação da incerteza estrutural (ex: ambiguidade da Classe de Equivalência de Markov) da etapa de descoberta para a etapa de inferência, observando que estimativas pontuais ingênuas podem levar a conclusões excessivamente confiantes.

3. Principais Contribuições

O artigo reivindica as seguintes contribuições:

1. Escopo Abrangente: Oferece o primeiro levantamento dedicado e detalhado tanto de FCD quanto de FCI, indo além da perspectiva mais ampla de "Causalidade para FL" para focar nos desafios algorítmicos centrais de aprendizado de estrutura distribuída e estimativa de efeito.
2. Taxonomias Inovadoras: Introduz uma taxonomia de três eixos para FCD (Metodologia $\times$ Topologia $\times$ Escopo) e uma taxonomia de dois eixos para FCI (Estimando $\times$ Estratégia), permitindo comparações fundamentadas entre dimensões não sintetizadas anteriormente.
3. Formalização do Pipeline: Formaliza explicitamente a dependência entre FCD e FCI, analisando como o aprendizado de estrutura informa a estimativa de efeito e como os erros se propagam, uma conexão amplamente inexplorada na literatura anterior.
4. Comparação Sistemática: Fornece tabelas de resumo detalhadas comparando métodos com base em mecanismos de privacidade, eficiência de comunicação, garantias teóricas e tratamento de questões práticas como heterogeneidade e dados ausentes.

4. Resultados e Análise

O levantamento sintetiza descobertas da literatura existente em vez de apresentar novos resultados experimentais. Observações analíticas fundamentais incluem:

• Dominância do FL Horizontal: A maioria dos trabalhos existentes foca no particionamento horizontal; configurações verticais e híbridas permanecem significativamente subexploradas, apesar de sua relevância prática.
• Tratamento da Heterogeneidade: Embora os métodos iniciais assumissem dados homogêneos, trabalhos recentes (ex: FedDAG, FedCDH) começaram a abordar mecanismos causais heterogêneos e conjuntos de variáveis não idênticos.
• Lacunas de Privacidade: A maioria dos métodos baseia-se na suposição implícita de que não compartilhar dados brutos é suficiente para a privacidade. Apenas alguns métodos (ex: PERI, I-PERI, Fed-Sparse-BNSL) fornecem garantias formais de privacidade diferencial (DP).
• Eficiência de Comunicação: Métodos de otimização contínua frequentemente incorrem em altos custos de comunicação ($O(d^2)$) devido às trocas de matrizes, enquanto métodos baseados em pontuação e em restrições variam amplamente.
• Limites Teóricos: Garantias de convergência são escassas. Apenas alguns métodos (ex: DARLS, FDBNL) oferecem taxas de convergência formais, e as taxas minimax para descoberta causal federada sob heterogeneidade permanecem uma questão teórica em aberto.

5. Significância e Direções Futuras

O artigo posiciona-se como uma referência fundamental para pesquisadores que ingressam no campo do raciocínio causal federado. Sua significância reside em preencher a lacuna entre os campos interdisciplinares de inferência causal e aprendizado federado, fornecendo um framework estruturado para navegar no complexo cenário dos algoritmos.

Os autores identificam vários desafios abertos para pesquisas futuras:

• Garantias Formais de Privacidade: Desenvolver teoremas de composição estreitos para protocolos causais de múltiplas rodadas e caracterizar o compromisso entre privacidade e utilidade no aprendizado de estrutura.
• Eficiência de Comunicação: Projetar protocolos para cenários de alta dimensão, como compressão de gradiente e estratégias de agregação de etapa única (one-shot).
• Fundamentos Teóricos: Estabelecer condições de identificabilidade de amostra finita, taxas minimax e limites de eficiência semiparamétrica para estimadores federados.
• Configurações Verticais e Híbridas: Criar protocolos escaláveis para cenários onde os clientes detêm variáveis diferentes.
• União de Descoberta e Inferência: Desenvolver pipelines de ponta a ponta que otimizem conjuntamente o aprendizado de estrutura e a estimativa de efeito, além de métodos para propagar a incerteza estrutural para as estimativas de efeito.
• Cenários Complexos: Estender os métodos para lidar com confundidores latentes (PAGs), tratamentos variantes no tempo, análise de mediação e raciocínio contrafactual.
• Benchmarks: O campo carece de benchmarks padronizados; os autores pedem benchmarks comunitários com heterogeneidade realista, dados ausentes e estruturas de verdade fundamental (ground-truth).

O artigo conclui que, embora progressos significativos tenham sido feitos, o campo requer fundações teóricas mais rigorosas, avaliação padronizada e soluções escaláveis para realizar todo o potencial do raciocínio causal federado em domínios como saúde, economia e engenharia.