Model-based Detection of Spatial Disease Boundaries Using Amortized Bayesian Inference

Resumo Técnico: Detecção de Fronteiras Espaciais de Doenças Baseada em Modelo Usando Inferência Bayesiana Amortizada

Definição do Problema
A análise de fronteiras de doenças visa identificar mudanças abruptas nos desfechos de saúde em áreas geográficas para orientar intervenções de saúde pública. Abordagens tradicionais, particularmente para dados de áreas (ex: taxas em nível de condado), dependem de estruturas de "wombling" Bayesiano. Esses métodos tipicamente empregam o Monte Carlo por Cadeias de Markov (MCMC) para amostrar distribuições posteriores de parâmetros de modelos latentes. Embora eficazes para conjuntos de dados únicos, o MCMC apresenta problemas significativos de escalabilidade quando aplicado à vigilância de doenças em larga escala e alta frequência envolvendo centenas de desfechos de saúde. O custo computacional da amostragem iterativa torna-se proibitivo para aplicações em tempo real ou para derivar métricas de políticas complexas através de muitos conjuntos de dados.

Metodologia
Os autores propõem uma estrutura que utiliza Inferência Bayesiana Amortizada (ABI) para acelerar a detecção de disparidades espaciais. A metodologia central envolve a Estimativa de Posterior Neural (NPE), uma técnica de inferência baseada em simulação que substitui a amostragem iterativa por MCMC por uma rede neural treinada.

1. Estrutura do Modelo: O estudo utiliza um modelo de regressão espacial Bayesiano baseado no BYM2 (modelo Besag-York-Mollié reparametrizado). Este modelo decompõe os desfechos de saúde ($y$) em uma combinação linear de covariáveis ($X\beta$), efeitos aleatórios estruturados espacialmente ($\gamma$) e ruído não estruturado ($\eta$). Os efeitos espaciais $\gamma$ capturam inequidades de saúde locais não explicadas pelos fatores de risco observados.
2. Estimativa de Posterior Neural: Em vez de amostrar da posterior $p(\theta|y)$ para cada novo conjunto de dados, os autores treinam uma rede neural invertível condicional (cINN) utilizando o pacote BayesFlow.
   • Treinamento: A rede é treinada em dados simulados gerados a partir do modelo conjunto $p(y, \theta)$, onde os parâmetros são extraídos de uma priori especificada (incluindo uma prior g-Zellner para coeficientes de regressão e uma prior semi-informativa para variância).
   • Arquitetura: A rede de inferência consiste em 8 camadas de acoplamento afim sequenciais. Para lidar com a natureza não-permutável dos dados espaciais e evitar a perda de informação, a rede recebe tanto os dados de resposta brutos $y$ quanto um conjunto de características auxiliares aprendidas $h_\psi(y)$ (extraídas via uma rede customizada que utiliza a estrutura de adjacência do mapa) como entrada.
   • Inferência: Uma vez treinada, a rede realiza uma única passagem direta (forward pass) para mapear amostras de uma distribuição base (Gaussiana) para a posterior aproximada dos parâmetros $\theta = (\beta, \sigma^2, \rho)$.
3. Detecção de Fronteiras: Os autores aplicam uma abordagem de wombling areal Bayesiano para detectar disparidades entre condados vizinhos. Isso envolve calcular a probabilidade posterior de que a diferença padronizada nos resíduos espaciais entre dois condados exceda um limiar $\epsilon$. O limiar e o corte de significância são selecionados automaticamente minimizando a perda de entropia condicional e controlando a Taxa de Falso Positivo Bayesiana (BFDR).
4. Alvo de Eliminação de Disparidade de Resíduo (RDET): Uma métrica inovadora é introduzida para traduzir disparidades estatísticas em objetivos de política acionáveis. O RDET calcula a porcentagem mínima de redução na taxa de mortalidade de um condado necessária para eliminar uma disparidade estatisticamente significativa com um vizinho mais saudável, assumindo que todos os outros fatores de risco permanecem constantes. Isso é computado via um procedimento contrafactual iterativo explorando a velocidade da rede NPE.

Principais Resultados
A estrutura foi aplicada para analisar as taxas de mortalidade por câncer de traqueia, brônquios e pulmão em 3.103 condados do continente americano em 2014, ajustando para fatores de risco incluindo prevalência de tabagismo, inatividade física, vulnerabilidade social, desemprego, status de seguro e obesidade/diabetes.

• Preditores: A prevalência de tabagismo foi o preditor mais forte, seguida por vulnerabilidade social e inatividade física.
• Detecção de Disparidade: A abordagem NPE identificou 351 disparidades residuais significativas (4,02% de 8.724 fronteiras).
• Comparação de Desempenho:
  • Velocidade: Em um chip Apple M2, a rede NPE gerou 8.000 amostras posteriores para 200 conjuntos de dados em aproximadamente 93 segundos. Em contraste, o Hamiltonian Monte Carlo (HMC) exigiu cerca de 46 segundos para um único conjunto de dados (8.000 amostras), projetando-se para ~2,6 horas para 200 conjuntos de dados. Isso representa uma aceleração de ordens de magnitude para tarefas repetitivas.
  • Precisão: Os resultados da NPE foram altamente concordantes com o MCMC. As probabilidades de diferença da posterior para detecção de fronteiras foram altamente correlacionadas ($r > 0,99$) com os resultados do MCMC. Os intervalos de credibilidade de 95% para coeficientes de regressão e parâmetros de variância alinharam-se estreitamente entre NPE e MCMC (tanto com priors informativos quanto não-informativos).
• Aplicação do RDET: O estudo mapeou os RDETs para 237 condados com maior mortalidade residual. Por exemplo, o Condado de Madison, Mississippi, exigiu uma redução de 57% na mortalidade para eliminar disparidades com seus vizinhos, enquanto o Condado de Union, Flórida, exigiu 56,5% de redução.

Significância e Alegações
O artigo afirma unir a Inteligência Artificial Geoespacial (GeoAI) e a estatística espacial, demonstrando que a inferência amortizada pode escalar o wombling areal para centenas de desfechos sem sacrificar a quantificação de incerteza inerente aos métodos Bayesianos.

• Escalabilidade: A principal contribuição é a capacidade de realizar vigilância de saúde de alta frequência e análise contrafactual complexa (como o RDET) que seriam computacionalmente proibitivas com o MCMC padrão.
• Interpretabilidade: Ao introduzir o RDET, os autores traduzem probabilidades posteriores Bayesianas abstratas em objetivos de política de saúde concretos e baseados em dados (ex: "O Condado X deve reduzir a mortalidade em Y%").
• Robustez: Os resultados demonstram que a NPE fornece uma aproximação de alta fidelidade da posterior, robusta às escolhas de prior, mantendo a flexibilidade para detectar fronteiras espaciais.

Limitações Reconhecidas
Os autores observam diversas limitações:

• Estrutura Fixa: A rede é treinada em uma estrutura de adjacência espacial fixa e um conjunto específico de fatores de risco; ela requer retreinamento ou imputação se os dados estiverem ausentes ou se o mapa mudar.
• Suposições do Modelo: A abordagem assume desfechos normalmente distribuídos e efeitos de covariáveis lineares, o que pode não se aplicar a todos os processos de doenças.
• Desafios de Aproximação: Aproximar posteriors completas para modelos hierárquicos de grande escala permanece difícil, particularmente em cenários não-Gaussianos.
• Falácia Ecológica: Como em todas as análises de nível de condado, os resultados estão sujeitos à falácia ecológica e potenciais vieses de vigilância (ex: a associação negativa contraintuitiva encontrada entre taxas de pessoas sem seguro e mortalidade por câncer de pulmão).

O artigo conclui que, embora a ABI ofereça uma ferramenta poderosa para análise escalável de inequidade em saúde, ela é atualmente mais adequada para cenários onde a estrutura espacial e o conjunto de covariáveis são relativamente estáveis, e onde os ganhos computacionais justificam o custo inicial de treinamento.