一種訓練醫(yī)學人工智能系統(tǒng)的新方法，在診斷疾病方面比以前的方法更準確。相關論文近日刊登于《自然—通訊》。

英國倫敦大學學院等機構的研究人員開發(fā)的這一人工智能系統(tǒng)，依靠因果關系而非相關性查明人體可能出現(xiàn)的問題。

它比現(xiàn)有的人工智能系統(tǒng)更精確，甚至在一個小型對照試驗中超過了醫(yī)生。

傳統(tǒng)的人工智能系統(tǒng)根據(jù)病人的癥狀來確定最有可能的疾病，與之不同的是，因果型人工智能系統(tǒng)更接近于醫(yī)生診斷病人的方式：通過使用反事實問題縮小疾病的可能范圍。

相關性和因果性的區(qū)別在醫(yī)學中很重要。

病人在醫(yī)院可能出現(xiàn)呼吸急促?；谙嚓P性的人工智能可能將呼吸短促與體重超重聯(lián)系起來，并把超重與Ⅱ型糖尿病聯(lián)系起來，因此建議使用胰島素。

而一個基于因果性的系統(tǒng)可能會轉而關注呼吸短促和哮喘之間的聯(lián)系，從而探索其他治療方案。

論文作者、倫敦大學學院的Ciaran Gilligan-Lee說：“我們開始把因果關系放回現(xiàn)實中，這樣才能真正找到引起病人癥狀的疾病，并在此基礎上幫助他們?！?/p>

該系統(tǒng)提供了由20多名醫(yī)生撰寫的1671個真實醫(yī)療案例摘要，這些摘要顯示了大約350種不同疾病的癥狀。

研究人員讓英國國家醫(yī)療服務體系的44名醫(yī)生平均每人處理了159例這樣的病例，看看他們是否能找出病因。

結果顯示，他們平均診斷的正確率為71.4%，而基于相關性的人工智能的正確率為72.5%，因果型人工智能的正確率為77.3%。

在治療非霍奇金淋巴瘤等罕見疾病時，新型人工智能的表現(xiàn)仍優(yōu)于醫(yī)生。在這些情況下，它比舊的人工智能系統(tǒng)大約好30%。

然而，Gilligan-Lee認為，醫(yī)生更善于識別更常見的問題，因為他們經常遇到這些問題。他計劃為該系統(tǒng)尋求監(jiān)管部門的批準和臨床驗證，目標是把它放在一個應用程序中，讓患者可以獲得有關癥狀和治療的建議。

“這在很大程度上是一種解決問題的新技術?！辈骱泊髮W醫(yī)院國民保健服務基金會的劉曉玄（音譯）表示，“論文中的方法非常好，而且這項技術似乎顯示出了一些前景?！?/p>

她認為，這個系統(tǒng)在罕見疾病診斷方面的表現(xiàn)優(yōu)于醫(yī)生，這令人興奮，但它還處于早期階段，病例總結的數(shù)量相對較少。

“我們需要看看它在現(xiàn)實案例中是如何工作的，在現(xiàn)實世界中，有時患者會有多種疾病相互作用?！?/p>