训练人工智能模型回答如果问题可以改善医疗治疗

机器不仅可以学习预测，还可以学习处理因果关系。一个国际研究团队展示了如何通过机器学习让医疗治疗更安全、更高效、更个性化。

人工智能技术可用于多种医学应用，例如放射学或肿瘤学，在这些领域中，识别大量数据中的模式的能力至关重要。对于这些类型的应用，人工智能会将信息与学习到的示例进行比较，得出结论并进行推断。

现在，一个由慕尼黑大学(LMU)研究人员领导、包括剑桥大学研究人员在内的国际团队正在探索人工智能一个相对较新的分支在诊断和治疗方面的潜力。

研究人员发现，因果机器学习(ML)可以估计治疗结果，而且比目前普遍使用的机器学习方法效果更好。因果机器学习让临床医生更容易制定个性化治疗策略，从而改善患者的健康状况。

该研究结果发表在《自然医学》杂志上，表明因果机器学习如何提高各种医疗治疗的有效性和安全性。

传统的机器学习可以识别模式并发现相关性。然而，因果关系原则通常对机器而言仍然是封闭的;它们无法回答为什么的问题。在为患者做出治疗决定时，“为什么”对于实现最佳结果至关重要。

“开发机器学习工具来解决‘为什么?’和‘如果?’问题将增强临床医生的能力，因为它可以加强他们的决策过程，”资深作者、剑桥医学人工智能中心主任MihaelavanderSchaar教授说。“但这种机器学习远比评估个性化风险复杂得多。”

例如，当尝试为有患糖尿病风险的人确定治疗决策时，经典机器学习旨在预测具有一系列风险因素的特定患者患上该疾病的可能性。

有了因果机器学习，就有可能回答患者服用抗糖尿病药物后风险会如何变化的问题;也就是说，衡量原因的影响。还可以评估常用处方药二甲双胍是否是最佳治疗方法，或者其他治疗方案是否更好。

为了能够评估假设治疗的效果，人工智能模型必须学会回答“如果……会怎样?”的问题。“我们为机器制定了识别因果结构和正确形式化问题的规则，”领导这项研究的慕尼黑大学教授StefanFeuerriegel说道。“然后，机器必须学会识别干预措施的效果，并理解现实生活中的后果如何反映在输入计算机的数据中。”