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。相關論文發表于19日出版的最新一期《自然·醫學》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，經典機器學習可識別模式并發現相關性。但因果關系中的因果原理對機器而言仍是盲區，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，并理解現實中的后果如何表示為輸入計算機的數據。結果顯示，因果機器學習能提高治療的安全性和有效性。（記者劉霞）