利用人工智能在重叠的医疗数据集中找出因果关系

来自巴比伦卫生和大学学院的一个联合研究小组创建了一种算法，他们声称可以在重叠的医学数据集中找到信息之间的因果关系。

他们写了一篇论文描述了他们的算法，并将其上传到ar Xiv预印服务器。他们还将在今年的人工智能促进协会会议上介绍他们的研究情况。

在人工智能研究中，寻找一种系统的方法来筛选数据，以找到单个病人的给定病情的原因是一个重大挑战。如果一个病人最近打喷嚏超过正常水平，是不是因为过敏原被引入了他们的环境？还是他们感冒了？更糟糕的是，也许他们的鼻窦或大脑中有一个癌瘤。目前在这种情况下寻求正确答案的系统是以人为本的。医生提出问题，并在他们的记忆中寻找答案。如果他们找不到，他们可以咨询其他医生，或学习医学教科书或在线数据库。

这个系统有其优点，当然，它是最好的。但它也有缺点-它受到人类记忆和机智的限制。许多计算机专家认为有一个更好的方法-让计算机来做吧。这是目前不可能的，但科学家正在研究它。在这项新的工作中，研究人员引入了一个系统，该系统采用一种算法来分析来自不同、重叠的数据集的数据，并找到因果关系。

该算法基于熵的概念，其中任何系统随着时间的推移变得更加无序。研究人员提出，熵也存在于数据集中的信息中，因果力比描述其效应结果的数据更有序。在这种情况下，应该可以向后工作以找到原因-这正是他们的算法所做的。

当比较已经知道因果关系的数据集时，该系统能够正确地评估乳腺癌肿瘤的大小和纹理-它确定它们没有因果联系，但两者都是肿瘤是良性还是恶性的指标。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！