一個由德國慕尼黑大學、英國劍橋大學和美國波士頓大學科學家組成的國際團隊,正在探索將人工智能(AI)較新分支——因果機器學習用于診斷和治療的潛力。他們的最新研究指出,因果機器學習可以提高治療的安全性和有效性,尤其是為個性化治療提供了機會,有助改善患者健康狀況。相關論文發(fā)表于19日出版的最新一期《自然·醫(yī)學》雜志。
研究負責人、慕尼黑大學AI管理研究所所長斯特凡·弗雷里格爾教授指出,經(jīng)典機器學習可識別模式并發(fā)現(xiàn)相關性。但因果關系中的因果原理對機器而言仍是盲區(qū),機器無法解決“為什么”的問題。然而,在作出治療決定時遇到的許多問題都包含因果關系。
例如,在治療糖尿病時,經(jīng)典機器學習能預測具有一系列風險因素的患者罹患該疾病的可能性。而因果機器學習可回答:如果患者服用抗糖尿病藥物,會對患病風險產(chǎn)生什么影響,即它能衡量一個原因(藥物處方)的影響。它還可估計另一種治療方案是否優(yōu)于目前處方藥二甲雙胍。
不過,弗雷里格爾指出,為估計某種假設療法的效果,AI模型必須學會回答“假設會怎樣”這類性質的問題。鑒于此,他們給機器制訂了規(guī)則,使其可識別因果結構并將問題表示出來。然后,機器必須學會識別干預措施的效果,并理解現(xiàn)實中的后果如何表示為輸入計算機的數(shù)據(jù)。結果顯示,因果機器學習能提高治療的安全性和有效性。
(責任編輯:華康)