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(guān)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(guān)性。但因果關(guān)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(guān)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(shè)療法的效果，AI模型必須學會回答“假設(shè)會怎樣”這類性質(zhì)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(jié)構(gòu)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(jié)果顯示，因果機器學習能提高治療的安全性和有效性。