一種訓練醫學人工智能系統的新方法，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的這一人工智能系統，依靠因果關系而非相關性查明人體可能出現的問題。

它比現有的人工智能系統更精確，甚至在一個小型對照試驗中超過了醫生。

傳統的人工智能系統根據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更接近于醫生診斷病人的方式：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別在醫學中很重要。

病人在醫院可能出現呼吸急促。基于相關性的人工智能可能將呼吸短促與體重超重聯系起來，并把超重與Ⅱ型糖尿病聯系起來，因此建議使用胰島素。

而一個基于因果性的系統可能會轉而關注呼吸短促和哮喘之間的聯系，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。”

該系統提供了由20多名醫生撰寫的1671個真實醫療案例摘要，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療服務體系的44名醫生平均每人處理了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仍優于醫生。在這些情況下，它比舊的人工智能系統大約好30%。

然而，Gilligan-Lee認為，醫生更善于識別更常見的問題，因為他們經常遇到這些問題。他計劃為該系統尋求監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。”伯明翰大學醫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。”

她認為，這個系統在罕見疾病診斷方面的表現優于醫生，這令人興奮，但它還處于早期階段，病例總結的數量相對較少。

“我們需要看看它在現實案例中是如何工作的，在現實世界中，有時患者會有多種疾病相互作用。”