🤖 machine learning

Causal Modeling of Adverse Pregnancy Outcomes via Adaptive LLM Proposals

Este artigo apresenta uma estrutura neurosimbólica que combina iterativamente hipóteses causais geradas por Grandes Modelos de Linguagem com pontuação de dados empíricos para descobrir e validar efetivamente relações causais para Desfechos Adversos na Gravidez, recuperando com sucesso arestas validadas por especialistas e identificando novos fatores de risco plausíveis.

Autores originais: Kavimayil P. Komarasamy, Saurabh Mathur, Ameet Soni, David M. Haas, Kristian Kersting, Sriraam Natarajan

Publicado 2026-08-24

📖 4 min de leitura☕ Leitura rápida

CC BY 4.0

Autores originais: Kavimayil P. Komarasamy, Saurabh Mathur, Ameet Soni, David M. Haas, Kristian Kersting, Sriraam Natarajan

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Compreender por que uma gravidez pode correr mal é um dos enigmas mais difíceis da medicina moderna. Condições como o parto prematuro ou a diabetes gestacional não acontecem de forma isolada; são o resultado de uma teia complexa de fatores que vão desde o histórico familiar e o estilo de vida de uma mãe até à sua idade e saúde pré-existente. Para prevenir estes desfechos, os médicos precisam de saber quais os fatores que realmente causam os outros, em vez de apenas aparecerem simultaneamente com eles. Esta é a diferença entre ver duas coisas acontecerem juntas e saber que uma impulsiona a outra a acontecer. Encontrar estas causas verdadeiras é notoriamente difícil porque os dados médicos são frequentemente incompletos, ruidosos e difíceis de reunir, enquanto o número de possíveis conexões entre variáveis é tão vasto que os computadores têm dificuldade em organizar tudo.

Durante anos, os investigadores tentaram resolver isto utilizando duas ferramentas diferentes. Uma abordagem baseia-se inteiramente em dados, procurando padrões estatísticos em registos de pacientes. A outra utiliza o vasto conhecimento armazenado em modelos de linguagem de grande escala, que são sistemas informáticos treinados em milhões de textos médicos e que podem sugerir conexões prováveis com base no que leram. No entanto, nenhum dos métodos funciona perfeitamente por si só. Os métodos baseados em dados falham frequentemente quando não há informação suficiente, enquanto os modelos de linguagem podem ser inconsistentes, sugerindo por vezes conexões que parecem plausíveis, mas que não são sustentadas por evidências. Podem também ficar presos numa única ideia e perder a visão de conjunto.

Um novo estudo introduz um método chamado CLARA, que atua como uma ponte entre estas duas abordagens. Em vez de pedir a um computador para adivinhar a resposta uma única vez ou para processar números sozinho, os investigadores criaram um sistema que trata o modelo de linguagem como um guia flexível. O sistema pede ao modelo para gerar um lote de possíveis mapas de causa e efeito. Em seguida, verifica cada mapa contra dados clínicos reais para ver o quão bem se ajusta. Os mapas que melhor se ajustam aos dados não são descartados; em vez disso, são usados para ensinar ao modelo de linguagem o que é uma boa resposta. O sistema pede então ao modelo para tentar novamente, mas desta vez com a instrução de se focar nos padrões que funcionaram bem anteriormente. Este ciclo de adivinhar, verificar e refinar repete-se, conduzindo lentamente o computador para longe de palpites descabidos e em direção a um mapa que é tanto logicamente sólido como sustentado pela evidência.

Os investigadores testaram este método num conjunto de dados do mundo real envolvendo quase 4.000 mães de primeira viagem, acompanhando variáveis como raça, idade, índice de massa corporal, histórico familiar de doenças e hábitos de estilo de vida, como fumar ou praticar exercício. Compararam os resultados do seu novo sistema com o trabalho de especialistas humanos e algoritmos computacionais padrão. As descobertas foram impressionantes. O novo método recuperou com sucesso cada uma das ligações causais que os especialistas humanos tinham identificado, um feito que os algoritmos computacionais padrão não conseguiram alcançar. Além disso, o sistema descobriu trinta conexões adicionais que os especialistas não tinham listado. Quando um especialista clínico revisou estas novas ligações, confirmou que vinte e seis já eram factos médicos estabelecidos, enquanto as restantes quatro eram hipóteses plausíveis que se enquadravam no entendimento médico atual. Estas incluíam conexões sugerindo que um histórico de síndrome dos ovários poliquísticos poderia contribuir para a hipertensão, e que a diabetes gestacional poderia ser uma causa direta de nova hipertensão.

O estudo também mostrou que esta abordagem é extraordinariamente robusta. Em testes onde os dados foram intencionalmente tornados desorganizados ou incompletos, o novo método continuou a encontrar as conexões corretas, enquanto os métodos tradicionais baseados apenas em dados ficaram confusos e produziram erros. Os investigadores descobriram que poderiam tornar o processo ainda mais eficiente ao resumir os melhores resultados numa lista curta de arestas comuns, em vez de alimentar o sistema com os mapas complexos inteiros, sem perder qualquer precisão. Isto sugere que o método não é apenas eficaz, mas também prático para uso no mundo real. Ao combinar o amplo conhecimento da inteligência artificial com o teste rigoroso de dados reais, os investigadores criaram uma ferramenta que pode navegar pela incerteza da ciência médica para revelar as causas ocultas de desfechos adversos na gravidez, oferecendo um caminho mais claro para intervenções direcionadas e um melhor cuidado para mães e crianças.

Resumo Técnico: Modelagem Causal de Desfechos Gestacionais Adversos via Propostas Adaptativas de LLM

Declaração do Problema

O raciocínio clínico confiável exige modelos causais robustos, mas estes são raramente disponíveis em domínios complexos como a obstetrícia. A modelagem de Desfechos Gestacionais Adversos (APOs — Adverse Pregnancy Outcomes) — tais como parto prematuro, diabetes gestacional e pré-eclâmpsia — é particularmente desafiadora devido à interação de diversos fatores de risco (demografia, histórico familiar, estilo de vida) e à incompletude da literatura médica atual em relação à dinâmica causal global.

As abordagens existentes enfrentam limitações significativas:

Métodos baseados em dados (ex: PC, FCI, GES) lutam contra a escassez de dados obstétricos de alta qualidade, a presença de ruído e o crescimento super-exponencial de possíveis estruturas de grafos. Eles frequentemente falham em recuperar estruturas plausíveis em ambientes com escassez de dados.
Modelos de Linguagem de Grande Escala (LLMs) possuem um amplo conhecimento prévio proveniente de vastos corpora de treinamento, mas carecem de capacidades genuínas de raciocínio causal. Eles frequentemente confundem associação com causalidade, produzem saídas inconsistentes entre execuções e são altamente sensíveis ao prompting, levando a uma geração de grafos de tentativa única (one-shot) instável.
Métodos de Refinamento de Teoria Híbrida, que refinam uma hipótese inicial via edições locais, são sensíveis aos seus pontos de partida e propensos a ficarem presos em ótimos locais se a hipótese inicial for ruim.

Metodologia: O Framework CLARA

Os autores propõem o CLARA (Causal Learning via Adaptive Resampling and Aggregation), um framework neurosimbólico que trata um LLM como uma distribuição de proposta adaptativa. Inspirado no algoritmo de otimização estocástica MIMIC (Mutual-Information-Maximizing Input Clustering), o CLARA opera através de um loop Gerar-Avaliar-Atualizar para moldar iterativamente a distribuição de amostragem do LLM em direção a grafos causais validados por dados.

O Loop CLARA

Amostragem (Geração):
- O framework consulta um LLM pré-treinado para gerar um lote de $K$ hipóteses causais candidatas.
- O LLM é instruído com a lista de variáveis, suas descrições e conhecimento especializado na forma de "arestas proibidas" (restrições).
- Grafos que violam a aciclicidade ou as restrições de arestas proibidas são descartados e reamostrados.
Avaliação:
- Cada grafo candidato é pontuado contra o conjunto de dados empíricos usando o escore Tree BIC (Bayesian Information Criterion).
- Diferente do BIC padrão, que penaliza a complexidade com base no número de configurações de pais (o que frequentemente leva a grafos excessivamente esparsos), o Tree BIC representa condicionais locais como árvores de decisão. Isso contabiliza as Independências Específicas de Contexto (CSI), fundindo configurações de pais que não reduzem significativamente o comprimento de descrição, oferecendo assim uma penalidade mais matizada para a complexidade da estrutura.
- Os grafos são classificados por seus escores Tree BIC e armazenados em um conjunto de histórico $H$ .
Atualização (Reamostragem Adaptativa):
- Os top- $K$ grafos com as maiores pontuações do conjunto de histórico são usados para construir uma representação de contexto (in-context) $C$ .
- Esta representação pode assumir duas formas:
  - Grafos Completos: As listas de adjacência dos grafos com as maiores pontuações.
  - Arestas Comuns: Uma representação comprimida contendo apenas as arestas presentes em todos os top- $K$ grafos.
- O LLM é consultado novamente com este contexto atualizado $C$ , estreitando efetivamente sua distribuição de amostragem em direção a estruturas de alta confiança suportadas tanto pelo conhecimento prévio do LLM quanto pelos dados empíricos.
Agregação:
- Após $T$ iterações, os principais candidatos no conjunto de histórico são agregados (via união) para formar o grafo causal final. Ciclos introduzidos durante a agregação são quebrados pela remoção da aresta menos frequente.

Principais Contribuições

Framework Neurosimbólico: Introdução do CLARA, que integra o conhecimento aproximado de LLMs, restrições de especialistas incompletas e pequenos conjuntos de dados empíricos para gerar hipóteses causais plausíveis.
Eficácia Empírica: Demonstração do sucesso do método em um conjunto de dados do mundo real (nuMoM2b) para APOs. O framework recupera todas as arestas validadas por especialistas e identifica relações causais adicionais plausíveis não listadas anteriormente pelos especialistas.
Análise de Eficiência: Investigação sobre a substituição de representações de grafos completos por resumos de "arestas comuns", mostrando que o tamanho do prompt pode ser significamente reduzido sem sacrificar o desempenho.

Resultados Experimentais

Os autores avaliaram o CLARA em dois conjuntos de dados: um benchmark sintético ALARM (37 nós, 3.000 amostras com 20% de ruído) e o conjunto de dados do mundo real nuMoM2b (9 fatores de risco, 4 desfechos, 3.856 exemplos).

Métricas de Desempenho

A métrica primária foi a Distância de Intervenção Estrutural (SID), que mede o erro nas distribuições intervencionais previstas (crítico para o raciocínio clínico), juntamente com a Distância de Hamming Estrutural (SHD), Precisão e Recall.

Comparação com Baselines: O CLARA superou métodos puramente baseados em dados (PC, FCI), geração one-shot de LLM e refinamento de teoria inicializada por LLM.
- No conjunto de dados ALARM, o CLARA alcançou o menor SID, melhorando em 32% em relação à geração one-shot de LLM e 55% em relação à descoberta baseada em dados.
- No conjunto de dados nuMoM2b, o CLARA alcançou um SID de 0,0, correspondendo perfeitamente às previsões intervencionais do grafo construído por especialistas, enquanto outros métodos (incluindo o refinamento de teoria) mostraram erros significativamente maiores.
Robustez: O CLARA manteve um SID baixo e estável através de variações nos tamanhos de dataset e níveis de ruído (até 60% de ruído), enquanto os métodos baseados em dados (PC, FCI) degradaram significativamente conforme o ruído aumentava ou os dados diminuíam.
Eficiência: A variante de "arestas comuns" reduziu as contagens de tokens do prompt em aproximadamente 3x, mantendo o desempenho de SID dentro de 10% da variante de grafo completo.

Validação Clínica

No domínio da obstetrícia, o CLARA recuperou todas as 31 arestas causais validadas por especialistas. Ele propôs 30 arestas adicionais, que foram revisadas por um especialista clínico:

26 arestas (87%) foram classificadas como conhecimento médico estabelecido.
4 arestas (13%) foram classificadas como plausíveis, incluindo relações como SOP $\to$ Parto Prematuro e Diabetes Gestacional $\to$ Nova Hipertensão.
O framework identificou com sucesso relações causais entre fatores de risco (ex: Raça $\to$ IMC) e cascatas de complicações sequenciais entre APOs.

Significância e Alegações

O artigo afirma que o CLARA preenche eficazmente a lacuna entre os priors amplos e estocásticos dos LLMs e o rigor empírico exigido em contextos clínicos. Ao enquadrar a descoberta causal como um loop de otimização iterativo, em vez de uma geração de tentativa única ou uma busca local gananciosa, o CLARA mitiga a falta de confiabilidade dos LLMs e as limitações de escassez de dados dos algoritmos tradicionais.

Os autores sustentam que seu método oferece um caminho viável para a descoberta causal em domínios médicos complexos e com escassez de dados, onde abordagens puramente baseadas em dados falham e abordagens puramente de LLM são excessivamente pouco confiáveis. O framework oferece um mecanismo para "direcionar" as gerações do LLM para regiões de alta confiança no espaço de hipóteses, potencialmente revelando novos insights para intervenções direcionadas enquanto adere a conhecidas restrições médicas.

O trabalho futuro sugerido pelos autores inclui a incorporação de restrições mais expressivas (ex: declarações de influência qualitativa), o desenvolvimento de versões hierárquicas do algoritmo para domínios de alta dimensão e a exploração de estratégias de ajuste fino (fine-tuning) para os modelos de linguagem subjacentes para especializá-los ainda mais na geração de hipóteses causais.