研究负责人、慕尼黑大学AI管理研究所所长斯特凡·弗雷里格尔教授指出，经典机器学习可识别模式并发现相关性。但因果关系中的因果原理对机器而言仍是盲区，机器无法解决◆■■■“为什么”的问题★■■。然而，在作出治疗决定时遇到的许多问题都包含因果关系。

　　例如，在治疗糖尿病时■★★，经典机器学习能预测具有一系列风险因素的患者罹患该疾病的可能性。而因果机器学习可回答：如果患者服用抗糖尿病药物，会对患病风险产生什么影响，即它能衡量一个原因（药物处方）的影响。它还可估计另一种治疗方案是否优于目前处方药二甲双胍。

　　不过，弗雷里格尔指出，为估计某种假设疗法的效果，AI模型必须学会回答“假设会怎样”这类性质的问题。鉴于此◆■■■，他们给机器制订了规则，使其可识别因果结构并将问题表示出来■■■■★。然后★★◆■，机器必须学会识别干预措施的效果■◆◆，并理解现实中的后果如何表示为输入计算机的数据。结果显示，因果机器学习能提高治疗的安全性和有效性■■◆◆◆■。（记者刘霞）

　　人民日报社概况关于人民网报社招聘招聘英才广告服务合作加盟供稿服务数据服务网站声明网站律师信息保护联系我们

　　人 民 网 股 份 有 限 公 司 版 权 所 有 ，未 经 书 面 授 权 禁 止 使 用

　　一个由德国慕尼黑大学、英国剑桥大学和美国波士顿大学科学家组成的国际团队◆◆■■■，正在探索将人工智能（AI）较新分支——因果机器学习用于诊断和治疗的潜力■◆◆。他们的最新研究指出◆■，因果机器学习可以提高治疗的安全性和有效性◆★◆■■，尤其是为个性化治疗提供了机会，有助改善患者健康状况。相关论文发表于19日出版的最新一期《自然·医学》杂志。