Resumo Técnico: g-computação guiada por especialistas com LLMs para estimar efeitos causais em tempos

1. Definição do Problema

Programas de Melhoria de Qualidade (QI) hospitalar enfrentam frequentemente o desafio de priorizar intervenções candidatas para otimizar o fluxo hospitalar, visando especificamente o Tempo Médio de Permanência (LOS - Length of Stay). Embora inúmeras intervenções sejam propostas (ex: triagem aprimorada, equilíbrio de carga de trabalho, suporte à decisão por IA), os métodos existentes têm dificuldade em estimar e classificar seus efeitos causais com precisão.

As abordagens atuais dividem-se em duas categorias com limitações distintas:

• Abordagens Qualitativas: Baseiam-se no julgamento de especialistas e em ferramentas como Gráficos de Gantt (ou mapas de fluxo de valor) para mapear trajetórias de pacientes. Embora intuitivos, esses métodos são suscetíveis a vieses cognitivos e frequentemente falham em prever efeitos a jusante (downstream) de intervenções devido a interações complexas entre eventos.
• Abordagens Quantitativas: Baseiam-se em modelos estatísticos orientados a dados (ex: regressão). Estes falham quando as intervenções são inteiramente hipotéticas (carecendo de dados históricos), quando a "suposição de positividade" é violada (pois novas políticas nunca foram implementadas), ou quando os mecanismos causais são complexos demais para serem aprendidos apenas a partir de dados tabulares sem incorporar o raciocínio clínico.

O problema central é a falta de um framework que possa estimar o "tempo médio economizado" ($\tau = E[Y(0) - Y(1)]$) para intervenções hipotéticas em cenários onde as trajetórias dos pacientes são heterogêneas, os dados são limitados para novas políticas e o raciocínio clínico é necessário para compreender mecanismos causais não estruturados.

2. Metodologia: g-computação guiada por especialistas (Egg-computation)

Os autores propõem a egg-computation, um framework híbrido que integra o raciocínio qualitativo de especialistas com a modelagem quantitativa orientada a dados. A metodologia faz a ponte entre os Gráficos de Gantt (usados em gestão de operações) e os Grafos Acíclicos Dirigidos (DAGs) usados em inferência causal.

2.1 Modelo Causal sobre Gráficos de Gantt

Os autores formalizam um Gráfico de Gantt como um DAG causal onde:

• Nós representam tempos de eventos ($T_k$) ou tempos de espera ($W_k$) entre eventos.
• Arestas representam dependências (ex: início-início, término-início).
• Intervenção ($A$): Um nó binário representando a política atual ($A=0$) versus uma política candidata de QI ($A=1$).
• Resultados Potenciais: $Y(a) = T_K(a)$ representa o LOS sob a política $a$.

O modelo assume uma propriedade de Markov local, onde o tempo de espera de um evento é condicionalmente independente de não-descendentes, dados seus pais e covariáveis de base ($X$).

2.2 O Pipeline de Egg-Computation

A estimativa do efeito causal $\tau$ é alcançada simulando trajetórias contrafatuais de pacientes ($Y(1)$) através de um processo de três etapas que classifica os eventos em três tipos, baseando-se em sua relação com a intervenção:

1. Tipo I (Não-descendentes de $A$): Eventos não afetados pela intervenção. Seus tempos de espera são copiados diretamente da linha do tempo factual observada ($W_k(1) = W_k$).
2. Tipo II (Descendentes de $A$, mas não filhos diretos): Eventos a jusante (downstream) dos alvos da intervenção. Seus tempos de espera são imputados usando modelos estatísticos treinados em dados observacionais, condicionados aos tempos dos pais (modificados).
3. Tipo III (Filhos diretos de $A$ / Alvos da Intervenção): Eventos diretamente modificados pela política. Como estes não são observados nos dados, suas distribuições de tempo de espera são fornecidas pelo julgamento de especialistas (ou um LLM alinhado).

O estimador final é a diferença média entre o LOS observado e o LOS contrafatual simulado ao longo da população.

2.3 Escalonamento com Grandes Modelos de Linguagem (LLMs)

Para tornar a egg-computation viável em escala, os autores desenvolveram um pipeline assistido por LLM para substituir especialistas humanos em duas etapas críticas:

• Etapa 1: Construção do DAG: O LLM lê notas clínicas não estruturadas e descrições de intervenção para:
  • Determinar a elegibilidade do paciente.
  • Construir um DAG causal específico para o paciente.
  • Classificar os nós como Tipo I, II ou III.
  • Implementação: Uma estratégia de prompting de cinco etapas (raciocínio, extração de nós, extração de arestas, formatação, validação) garante um raciocínio causal rigoroso e evita alucinações.
• Etapa 2: Simulação de Tempo:
  • Para nós do Tipo II, o LLM pode ser usado via Aprendizado em Contexto (ICL) para prever tempos de espera baseando-se em casos históricos similares, ou modelos de regressão padrão podem ser utilizados.
  • Para nós do Tipo III, o LLM é instruído com especificações detalhadas da intervenção (incluindo exemplos de tempos esperados) para amostrar da distribuição fornecida pelo especialista $p_{expert}$.

3. Principais Contribuições

1. Framework Teórico: O artigo estabelece o primeiro framework de identificação causal para Gráficos de Gantt, provando que, sob suposições específicas (Consistência, Intervenção Exógena, Restrição de Exclusão, Markov Local e Precisão do Especialista), o tempo médio economizado é identificável via uma variante da g-computação.
2. Metodologia Híbrida: Introduz a "g-computação guiada por especialistas", que aloca tarefas estrategicamente: especialistas (ou LLMs) lidam com componentes não identificáveis (alvos de intervenção), enquanto modelos de dados lidam com componentes identificáveis (dependências a jusante).
3. Pipeline de LLM: Demonstra um pipeline prático baseado em prompts que escala o raciocínio de especialistas, permitindo a geração de DAGs específicos por paciente e simulações contrafatuais sem necessidade de retreinamento de modelos.
4. Validação Empírica: O framework é validado através de simulações e de um estudo de mundo real em um hospital de rede de segurança urbano.

4. Resultados

4.1 Estudos de Simulação

Em simulações onde as estruturas causais dos pacientes eram heterogêneas (variando dependências entre relatórios de CT e MRI), a egg-computation superou significativamente os métodos convencionais:

• Redução de Viés: Métodos que dependiam de um único DAG compartilhado incorreram em grandes vieses (até 14 horas) quando a estrutura assumida estava incorreta para a maioria dos pacientes.
• Precisão: A egg-computation utilizando DAGs específicos de cada paciente (extraídos pelo LLM) e propagação exata de tempo alcançou viés zero. Mesmo com modelos de tempo imperfeitos (OLS ou kNN), o viés permaneceu baixo (< 0,4 horas) em comparação com a erro de especificação estrutural.

4.2 Avaliação no Mundo Real (Zuckerberg San Francisco General Hospital)

O pipeline foi aplicado a 11 intervenções candidatas de QI em 2.193 linhas do tempo de pacientes internados.

• Concordância do Especialista: Os DAGs gerados pelo LLM mostraram alta concordância com especialistas humanos de QI.
  • Especificidade para alvos de intervenção: ~96,5%.
  • Precisão para arestas a jusante: ~91,8–94,2%.
  • Impacto nas Estimativas: Rodar novamente a egg-computation com DAGs gerados por LLM versus DAGs corrigidos por especialistas resultou em uma diferença média no tempo economizado estimado de apenas -2,6 a 8,1 horas, com 19 de 24 pares apresentando estimativas idênticas.
• Desempenho do Modelo de Tempo: O Aprendizado em Contexto (ICL) usando GPT-5 alcançou o menor Erro Absoluto Médio (24,1 horas) para prever tempos de espera a jusante, superando modelos de regressão tradicionais (Random Forest, Ridge) e baselines.
• Insights de Priorização:
  • As classificações causais diferiram significamente das classificações baseadas apenas em taxas de elegibilidade. Por exemplo, a "Escalação de resposta de consulta" foi classificada em primeiro lugar por impacto causal (18,9 horas economizadas), apesar de ter menor elegibilidade do que a "Prioridade de imagem crítica para alta".
  • Clinicos acharam as classificações causais mais alinhadas com sua intuição do que as classificações baseadas em elegibilidade.
  • A análise revelou falhas de design em intervenções (ex: o planejamento de alta precoce era frequentemente bloqueado por necessidades médicas insolúveis), fornecendo insights acionáveis para o redesenho de intervenções.

5. Significância e Alegações

O artigo afirma que a egg-computation fornece um framework amplamente aplicável para estimar o tempo médio economizado para intervenções candidatas onde os mecanismos causais podem ser representados via Gráficos de Gantt.

• Preenchendo a Lacuna: Combina com sucesso os pontos fortes do raciocínio qualitativo (lidando com cenários hipotéticos e mecanismos complexos) com o rigor quantitativo (eliminando confusão e aproveitando dados).
• Escalabilidade: Ao utilizar LLMs, o framework torna a inferência causal guiada por especialistas viável para operações hospitalares em larga escala, superando as restrições de recursos da revisão manual de prontuários.
• Inteligência Acionável: Além de fornecer um número único, o método gera Gráficos de Gantt contrafatuais que permitem aos clínicos auditar a plausibilidade do raciocínio causal e entender por que uma intervenção pode ou não funcionar, facilitando o melhor design de intervenções.

Os autores concluem que, embora o foco seja o LOS hospitalar, a metodologia é aplicável a qualquer domínio onde dependências de tarefas e tempos de processo sejam críticos e possam ser modelados via Gráficos de Gantt.