Resumo Técnico: Orca: Operadores Neurais para Raciocínio Causal em Tempo Contínuo

Declaração do Problema

Os Modelos Causais Estruturais (SCMs) são o arcabouço padrão para o raciocínio sobre intervenções e contrafatuais. No entanto, os SCMs clássicos são projetados para variáveis estáticas medidas em pontos únicos no tempo e tipicamente proíbem dependências cíclicas. Muitos sistemas do mundo real de interesse — como trajetórias de saúde de pacientes, dinâmicas climáticas e ciclos econômicos — evoluem continuamente, são observados em pontos temporais irregulares e contêm loops de retroalimentação. Abordagens existentes para estender a causalidade para dados de séries temporais frequentemente dependem do desdobramento em tempo discreto, o que vincula as conclusões a uma grade de amostragem específica, ou combinam causalidade com sistemas dinâmicos de formas que carecem de uma receita de aprendizado unificada para dados contínuos e irregulares. Há uma necessidade de um arcabouço que suporte o raciocínio causal em dados de tempo contínuo com dependências cíclicas, permanecendo invariante à resolução da observação.

Metodologia: O Arcabouço Orca

O artigo propõe o Orca (Operator-based Reasoning for Causal Analysis), um arcabouço que trata cada nó em um grafo causal como uma função contínua do tempo e cada mecanismo causal como um mapeamento aprendido entre espaços de funções.

1. Modelo Generativo e Semântica

O Orca define um modelo causal cíclico de tempo contínuo sobre um intervalo de tempo $[0, T]$.

• Nós e Grafo: O modelo utiliza um grafo direcionado $G$ com nós $V$ e arestas que podem incluir ciclos. Cada nó $v$ representa uma função de valor real $x_v: [0, T] \to \mathbb{R}$.
• Prioridade Temporal: Para lidar com ciclos sem circularidade instantânea, o modelo impõe a "seta do tempo". O valor de um nó $x_v(t)$ no tempo $t$ é determinado por um operador de avanço $F_v$ atuando sobre o histórico de seus pais $H_v(t)$ (valores estritamente anteriores a $t$) e o ruído exógeno atual $N_v(t)$.
  $$x_v(t) = F_v(H_v(t), N_v(t), t)$$
  onde $H_v(t) = \{(u, t', x_u(t')) \mid u \in \text{pa}(v), t' < t\}$.
• Ruído: O ruído exógeno é modelado como um processo estocástico (por exemplo, movimento browniano). No caso mais simples, o modelo assume ruído aditivo, onde o mecanismo se divide em uma função determinística do passado mais o ruído atual: $x_v(t) = F_v(H_v(t), t) + N_v(t)$.

2. Arquitetura de Operador Neural

O Orca aprende os mecanismos $F_v$ usando operadores neurais, que são projetados para aprender mapeamentos invariantes à discretização entre espaços de funções.

• Representação Deep-Set: Para lidar com medições irregulares, esparsas e assíncronas, a arquitetura utiliza uma estrutura de codificação-soma-decodificação (inspirada em DeepSets e MIONet).
  • Embedding: Uma rede compartilhada $\phi_{\theta_1}$ incorpora cada medição observada dos nós pais.
  • Integração: Os embeddings são somados com pesos baseados no tempo $w_{t'}$ para aproximar uma integral sobre as trajetórias dos pais. Isso garante que a saída seja independente da densidade de amostragem.
  • Decodificação: Uma rede de decodificação $\rho_{\theta_2}$ mapeia o embedding agregado e o tempo de consulta $t$ para o valor previsto $\hat{x}_v(t)$.
• Treinamento: O modelo é treinado minimizando um erro quadrático médio sujeito-normalizado sobre observações irregulares. O esquema de ponderação garante que sujeitos densamente amostrados não dominem a perda, permitindo que o modelo converja para o operador contínuo subjacente conforme a grade de amostragem é refinada.

3. Inferência Causal e Contrafatuais

Uma vez aprendidos os mecanismos, o Orca suporta consultas causais padrão:

• Consultas Intervencionais: Para estimar curvas de dose-resposta ou efeitos médios de tratamento, o modelo simula o sistema sob um mecanismo modificado (por exemplo, $do(E=e)$), mantendo outros mecanismos e a distribuição do ruído inalterados.
• Contrafatuais: Para computar contrafatuais individuais (por exemplo, "Qual teria sido a trajetória deste paciente específico?"), o arcabouço deve inferir o ruído latente do sujeito.
  • Ruído Aditivo: O ruído é recuperado diretamente como o resíduo entre a trajetória observada e a previsão do modelo.
  • Ruído Não-Aditivo: Para casos onde o ruído não é aditivo (por exemplo, efeitos multiplicativos), o artigo propõe um procedimento de acoplamento. Ele utiliza um objetivo de transporte ótimo para combinar trajetórias de resíduos observadas com trajetórias de ruído amostradas de um modelo de ruído conhecido, baseando-se em uma suposição de monotonicidade. Isso permite a inferência do ruído latente específico do sujeito para simulação contrafatual.

Principais Contribuições

1. Definição de Arcabouço: Introdução do Orca, um arcabouço que unifica o aprendizado de operadores neurais com semântica causal para sistemas cíclicos de tempo contínuo.
2. Invariância de Resolução: Demonstração de que operadores neurais podem aprender mecanismos causais a partir de dados esparsos e irregulares de tal forma que as previsões convergem para o verdadeiro operador de tempo contínuo conforme a densidade de amostragem aumenta, evitando a dependência de grade dos métodos de tempo discreto.
3. Semântica Causal para Operadores: Extensão das arquiteturas de operadores neurais para respeitar a estrutura do grafo causal e o princípio de prioridade temporal, permitindo o aprendizado de mecanismos que computam valores de nós a partir de funções de pais.
4. Raciocínio Contrafatual: Um método para inferir variáveis de ruído latentes (tanto aditivas quanto não-aditivas) para permitir o raciocínio contrafatual individual em tempo contínuo.

Resultados Experimentais

O artigo valida o Orca em exemplos sintéticos de tempo contínuo:

• Modelo Glicose-Insulina (Convergência de Resolução): Em um modelo com confusão, o Orca aprendeu a curva de dose-resposta. À medida que a densidade de amostragem aumentava, as curvas estimadas convergiam para a verdade fundamental. Crucialmente, um modelo treinado em dados esparsos pôde prever com precisão resultados em uma grade mais fina do que os dados de treinamento, enquanto um baseline agrupado permaneceu enviesado.
• Crescimento de Tumor (Ruído Não-Aditivo): Em um modelo onde a sensibilidade ao fármaco variava não-aditivamente com o tamanho do tumor, o Orca conseguiu acoplar sujeitos observados a trajetórias de ruído latente usando transporte ótimo. A população re-simulada correspondeu às estatísticas da população observada, e contrafatuais individuais (por exemplo, reduzir a dose pela metade) produziram trajetórias plausíveis.
• Comparação com Baselines: Em todos os experimentos, os baselines que ignoravam o grafo causal (operadores neurais cegos à causalidade) ou ignoravam o tempo (SCMs estáticos) produziram estimativas enviesadas e falharam em recuperar os mecanismos reais.

Significância e Alegações

O artigo afirma que os operadores neurais fornecem uma "fundação natural" para o raciocínio causal em tempo contínuo. Ao tratar nós como funções e mecanismos como mapeamentos entre espaços de funções, o Orca aborda as limitações dos SCMs estáticos e das aproximações de tempo discreto.

• Interpretabilidade: Os operadores aprendidos (particularmente variantes baseadas em kernel) oferecem insights interpretáveis sobre como entradas passadas influenciam estados atuais (por exemplo, efeitos decrescentes do exercício).
• Limitações: Os autores são modestos quanto ao escopo. Eles observam que o Orca assume que o grafo causal é conhecido e causalmente suficiente; confundidores não observados enviesariam os resultados. Além disso, o raciocínio contrafatual depende de suposições sobre a estrutura do ruído (aditividade ou monotonicidade) que não podem ser verificadas a partir dos dados isoladamente. A validação atual é limitada a dados sintéticos, e o arcabouço ainda não foi testado em dados reais longitudinais, como registros eletrônicos de saúde.

O trabalho posiciona-se como um passo em direção a uma teoria unificada para o aprendizado causal de sistemas cíclicos, contínuos e irregulares, preenchendo a lacuna entre modelos causais estruturais e arquiteturas modernas de aprendizado profundo para espaços de funções.