Landmarking with Latent Class Mixed Models for Dynamic Prediction of Time-to-event Data with Heterogeneous Biomarker Trajectories

Resumo Técnico: Marcadores de Referência com Modelos de Classe Latente Mista para Predição Dinâmica

Definição do Problema
A crescente acessibilidade dos registros eletrônicos de saúde (EHR) oferece oportunidades para a predição dinâmica de risco de eventos temporais utilizando medidas repetidas de covariáveis variantes no tempo, como biomarcadores. No entanto, os métodos existentes de predição dinâmica enfrentam limitações significativas quando aplicados a dados biomédicos do mundo real.

1. Assunção de Homogeneidade: O landmarking tradicional e os modelos conjuntos de dados longitudinais e de sobrevivência (JMLS) tipicamente assumem que as trajetórias longitudinais são homogêneas entre os indivíduos, com a heterogeneidade sendo capturada apenas por covariáveis observadas ou efeitos aleatórios de cauda fina (ex: distribuições normais). Essa assunção falha quando existem estruturas populacionais latentes — subgrupos de indivíduos que compartilham padrões de trajetória distintos e perfis de risco que não podem ser explicados pelas covariáveis observadas.
2. Escalabilidade Computacional: Embora os Modelos de Classe Latente Conjuntos (JLCM) possam considerar tal heterogeneidade latente, eles são computacionalmente intensivos e frequentemente falham em escalar para grandes conjuntos de dados de EHR. Além disso, os JLCMs e JMLSs muitas vezes exigem um tempo de linha de base comum ($t=0$) para todos os indivíduos, o que é incompatível com os períodos de acompanhamento variáveis e a entrada/saída de pacientes típicas em ambientes de EHR.
3. Limitações de Software: Os softwares existentes para análise de landmarking são frequentemente rígidos, restringindo tipicamente os usuários ao método "Last Observation Carried Forward" (LOCF) ou a modelos de Efeitos Mistos Lineares (LME) para resumir trajetórias, e modelos de Riscos Proporcionais de Cox para sobrevivência. Isso limita a capacidade de implementar estratégias mais flexíveis e conscientes da heterogeneidade.

Metodologia
Os autores propõem uma nova abordagem de landmarking consciente da heterogeneidade que integra Modelos de Classe Mista Latente (LCMM) à estrutura de landmarking. A metodologia opera da seguinte forma:

• Estrutura de Landmarking: A abordagem ajusta modelos de sobrevivência sequencialmente em tempos de marcação (landmarks) pré-especificados ($s$). Em cada $s$, o conjunto de risco ($R_s$) é identificado (indivíduos livres de evento até $s$).
• Sumarização Longitudinal via LCMM: Em vez de usar LOCF ou LME padrão, o método emprega LCMMs para modelar a trajetória longitudinal $Y_i(s)$ observada até o tempo $s$ para os indivíduos em $R_s$.
  • O LCMM assume que a população consiste em $G$ classes latentes, cada uma com padrões de trajetória distintos.
  • A associação ao cluster é modelada via regressão logística multinomial.
  • Para cada indivíduo, o método calcula as probabilidades posteriores de associação ao cluster ($\hat{\pi}_{ig}$) com base nos dados observados.
  • Resumo da Trajetória ($\hat{y}_i(s)$): Para considerar a incerteza na alocação de clusters, o método calcula a média das predições de trajetória específicas de cada cluster, ponderadas pelas probabilidades posteriores: $\hat{y}_i(s) = \sum \hat{\pi}_{ig} \hat{y}_i(s | c_i=g)$.
  • Entrada de Rótulo de Cluster: O método também considera a inclusão do rótulo de cluster previsto ($\hat{c}_i$) como uma covariável no modelo de sobrevivência, fornecendo um resumo parcimonioso da forma da trajetória.
• Modelagem de Sobrevivência: Um modelo de sobrevivência específico para o landmark (ex: Cox PH) é ajustado usando a trajetória sumarizada $\hat{y}_i(s)$ e, opcionalmente, o rótulo de cluster previsto $\hat{c}_i$ para estimar a probabilidade condicional de estar livre de evento em $s+w$.
• Implementação (landmaRk): Os autores desenvolveram o landmaRk, um pacote R modular disponível no CRAN. Ele implementa um pipeline para:
  1. Definir conjuntos de risco e tempos de landmark.
  2. Ajustar submódulos longitudinais (suportando LOCF, LME e LCMM).
  3. Ajustar submódulos de sobrevivência.
  4. Avaliar o desempenho preditivo (usando AUC dependente do tempo e escores de Brier) via validação cruzada.
     A modularidade permite que os usuários troquem componentes e definam modelos longitudinais ou de sobrevivência personalizados.

Principais Resultados
O desempenho do método proposto foi avaliado através de estudos de simulação e um estudo de caso utilizando o dataset de AIDS.

• Estudos de Simulação:

  • Os dados foram gerados sob especificações de Modelo de Classe Latente Conjunta com variando tamanho amostral, distribuições de erro (normal vs. cauda pesada) e parâmetros de forma de Weibull.
  • Desempenho: Modelos de landmarking baseados em LCMM que incluíram os rótulos de cluster previstos (ex: LCMM2cl) superaram consistentemente o landmarking tradicional (LOCF, LME) e os JLCMs padrão em termos de discriminação (tdAUC) e calibração (escore de Brier).
  • Rótulos de Cluster vs. Reconstrução de Trajetória: A melhoria na predição foi impulsionada principalmente pela inclusão dos rótulos de cluster previstos, e não pela reconstrução da própria trajetória. Os valores previstos $\hat{y}_i(s)$ do LCMM foram frequentemente similares aos do LME, mas os rótulos de cluster capturaram informações prognósticas adicionais sobre a forma da trajetória.
  • Robustez: O ajuste de LCMMs específicos para cada landmark (reestimando clusters em cada $s$) provou ser mais robusto à sobre-especificação do número de clusters ($G$) comparado ao ajuste de um único modelo global.
  • Eficiência: A abordagem proposta foi computacionalmente mais eficiente que os JLCMs, tornando-a adequada para grandes conjuntos de dados.

• Estudo de Caso (Dataset de AIDS):

  • Utilizando trajetórias de contagem de CD4 para prever o tempo até a morte, a abordagem de landmarking consciente da heterogeneidade (especificamente o LCMM2cl em landmarks iniciais) geralmente alcançou maior discriminação do que LOCF e LME.
  • Modelos conjuntos (JLCM) mostraram discriminação inferior e calibração substancialmente pior em comparação com as abordagens de landmarking.
  • O desempenho variou conforme o tempo de landmark e o horizonte, sem que um único modelo fosse uniformemente o melhor, mas a abordagem consciente da heterogeneidade consistentemente melhorou em relação às linhas de base estáticas ou de LOCF.

Significância e Alegações
O artigo alega duas contribuições primárias:

1. Inovação Metodológica: Introduz uma estratégia de predição de risco dinâmica, computacionalmente eficiente e consciente da heterogeneidade, que utiliza LCMMs dentro do paradigma de landmarking. Isso aborda a necessidade não atendida de métodos escaláveis que considerem a estrutura populacional latente em dados de EHR, superando os gargalos computacionais dos JLCMs e as assunções de homogeneidade do landmarking tradicional.
2. Desenvolvimento de Software: O pacote landmaRk fornece uma estrutura modular e padronizada para análise de landmarking. Ao formalizar o landmarking como um pipeline de componentes intercambiáveis, ele facilita a comparação de diferentes especificações de modelos (ex: LME vs. LCMM) e acelera o desenvolvimento e a reprodutibilidade de estratégias de predição de risco dinâmica.

Os autores enfatizam que sua abordagem é particularmente valiosa para ambientes de EHR onde a heterogeneidade dos dados é alta e a escalabilidade computacional é crítica. Eles observam que, embora o número de clusters ($G$) deva ser especificado, o método demonstra robustez à má especificação leve, e a inclusão de rótulos de cluster previstos serve como um mecanismo chave para capturar informações de forma de trajetória que melhoram a precisão prognóstica.