SymPerturb converts symptom-network structure into testable intervention priorities

Resumo Técnico do SymPerturb: Convertendo a Estrutura de Redes de Sintomas em Prioridades de Intervenção Testáveis

Definição do Problema
Redes de sintomas, tipicamente modeladas como Modelos Gráficos Gaussianos (GGMs), codificam efetivamente a dependência condicional entre sintomas. No entanto, métricas de rede padrão (ex.: força, influência esperada, centralidade de ponte) identificam importância estrutural, mas não identificam inerentemente alvos de intervenção causais ou clinicamente acionáveis. Um sintoma pode estar altamente conectado por ser consequência (downstream) de causas comuns ou por possuir ligações benéficas/prejudiciais que se cancelam, tornando a centralidade estrutural distinta do valor de intervenção. Além disso, as análises de intervenção baseadas em simulação existentes carecem de um framework formalizado que distinga o operador de perturbação, a regra de atualização do sistema e o desfecho clinicamente interpretável. Crucialmente, mudanças estatísticas em redes não direcionadas transversais não constituem intervenções causais do sem uma justificativa independente da semântica da intervenção e da ordenação temporal.

Metodologia: O Framework SymPerturb
O SymPerturb é um framework de perturbação virtual projetado para gerar hipóteses de alvos auditáveis para testes longitudinais e experimentais. Ele opera dentro de um GGM ajustado e separa o processo de intervenção em três camadas: uma camada de estado, uma camada de topologia e uma camada de múltiplos alvos.

1. Operadores de Perturbação Primitivos:

   • Virtual Knockout (vKO): Ancoragem de um sintoma alvo a um estado prescrito (ex.: zero) e remoção de sua variância residual.
   • Virtual Knockdown (vKD): Produz uma mudança parcial de localização–escala (atenuação) de um alvo.
   • Bloqueio de Comunicação ao Nível de Aresta: Atenua o peso de uma aresta específica.
   • Bloqueio de Comunicação Centrado no Nó: Atenua todas as arestas incidentes a um nó alvo.
   • Nota: O framework trata explicitamente o "bloqueio de comunicação" como uma operação de atenuação de grafo, não como evidência de troca de sinal biológico.

2. Procedimentos Analíticos:

   • Perturbação de Dosagem Virtual (vDP): Avalia curvas de resposta–intensidade para operadores de estado.
   • Perturbação Combinada: Constrói alvos conjuntos para avaliar o valor incremental sobre alvos únicos.
   • Otimização de Sequência: Busca conjuntos de alvos ordenados para maximizar um objetivo de decisão (ex.: ganhos marginais descontados) em vez de inferir o tempo biológico.

3. Modelo de Intervenção de Estado:
   O framework utiliza um mapa geral de localização–escala. A implementação de referência utiliza um caso especial vinculado onde o deslocamento da média do alvo e o desvio padrão diminuem conjuntamente conforme a dose aumenta ($D_\alpha = \text{diag}(1-\alpha_s)$), com o alvo ancorado em zero. Esta formulação evita descontinuidades encontradas no condicionamento ríg (hard-conditioning, onde a variância colapsa instantaneamente). Os autores enfatizam que vincular a atenuação de média e escala é uma escolha de modelagem, não uma característica necessária do tratamento, sendo necessárias análises de sensibilidade usando mapas de localização/escala independentes.

4. Desfechos de Utilidade e Pontuação:
   Sete desfechos de utilidade quantificam a eficácia downstream, definida como a melhoria padronizada dos sintomas não-alvo:

   • Eficácia Downstream: Benefício do sistema em dose total.
   • Eficiência de Dose: Benefício por unidade de intervenção.
   • Amplitude (Breadth): Proporção de não-alvos que excedem um limiar de melhoria.
   • Alcance de Módulos Cruzados: Proporção de outros módulos de sintomas alcançados.
   • Pontuação de Bloqueio de Comunicação: Perda relativa de uma função topológica após bloqueio centrado no nó.
   • Pontuação de Valor de Combinação: Valor incremental de um par sobre o melhor alvo único.
   • Responsividade: Sensibilidade local de baixa dose.
   • Diagnóstico de Robustez: Uma medida separada de incerteza (estabilidade de ranking entre cenários), explicitamente excluída da pontuação de prioridade final.

   A Pontuação de Prioridade de Perturbação Virtual (VPPS) é calculada como a média ponderada dos sete desfechos de utilidade (após o alinhamento de direção e normalização min-max dentro do conjunto candidato). A VPPS é um ranking relativo dentro de uma análise, não um escore de utilidade clínica transportável.

Resultados Principais
O artigo relata verificação computacional interna usando uma rede geradora de quatro módulos e 22 nós com médias e variâncias heterogêneas.

• Concordância Analítica vs. Simulação: Cálculos analíticos de eficácia coincidiram com estimativas de Monte Carlo de 100.000 desenhos dentro de 0,0024 desvios padrão, verificando a implementação numérica do mapa de referência vinculado.
• Recuperação de Amostra Finita: Usando o VPPS exploratório original de oito componentes (incluindo robustez), a correlação mediana de Spearman com o ranking populacional melhorou com o tamanho da amostra ($n=250$: 0,70; $n=500$: 0,82; $n=1000$: 0,88). A proporção de recuperação dos cinco principais alvos reais variou de 0,60 a 0,80.
• Diagnóstico de Robustez: O diagnóstico de robustez (estabilidade de ranking) mostrou baixa recuperação mesmo com $n=1000$ (correlação mediana ~0,11), apoiando a decisão de excluir a robustez da VPPS confirmatória.
• Validade do Knockout: O vKO exato cria uma coluna de variância zero, tornando a reestimativa de covariância e a padronização de toda a rede inválidas. O framework recomenda remover o nó alvo ou usar um "knockout suave" (mantendo uma pequena variância) para uma análise downstream válida.
• Comparação com Centralidade: O ranking da população da VPPS mostrou apenas associação moderada ($\rho=0,22$) com o ranking de centralidade de força absoluta, indicando que o SymPerturb identifica alvos diferentes das métricas de centralidade padrão.

Significância e Alegações
O artigo posiciona o SymPert_Perturb como uma contribuição metodológica em vez de uma ferramenta de validação clínica. Sua principal significância reside em:

1. Formalizar a Consulta de Intervenção: Fornece uma taxonomia estruturada que distingue operadores primitivos (o que é alterado) de procedimentos analíticos (como o sistema é atualizado e avaliado).
2. Esclarecer Suposições de Modelagem: Identifica explicitamente o ancoramento em zero e a atenuação vinculada de média–variância como escolhas de modelagem, exigindo análise de sensibilidade em vez de tratá-los como verdades inerentes.
3. Gerar Hipóteses: O framework é destinado a produzir um conjunto de hipóteses de alvos auditáveis e derivadas de modelos. Essas hipóteses são rankings relativos que requerem validação subsequente longitudinal, experimental e centrada no paciente para estabelecer transportabilidade causal ou eficácia clínica.
4. Limitações: Os autores declaram explicitamente que a verificação atual é limitada a uma única família de GGMs sintéticos e não aborda dados ordinais, confusão latente, erro de medição ou regimes de alta dimensionalidade. Os resultados não estabelecem validade externa ou direção causal.

Em resumo, o SymPerturb converte redes de sintomas descritivas em um framework testável para priorizar intervenções, mas enfatiza que qualquer ranking resultante permanece uma hipótese que requer rigorosa validação externa.