by Bob Yirka , Tech Xplore
來自巴比倫健康學(xué)院和大學(xué)學(xué)院的一個(gè)聯(lián)合研究小組發(fā)明了一種算法,他們聲稱可以在重疊的醫(yī)學(xué)數(shù)據(jù)集中找到信息之間的因果關(guān)系。他們寫了一篇描述他們算法的論文,并將其上傳到arXiv預(yù)打印服務(wù)器。他們還將在今年的人工智能發(fā)展協(xié)會(huì)會(huì)議上介紹他們的研究。
在人工智能研究中,尋找一種系統(tǒng)的方法來篩選數(shù)據(jù),以找出單個(gè)病人出現(xiàn)特定情況的原因是一個(gè)重大挑戰(zhàn)。如果一個(gè)病人最近打噴嚏的次數(shù)超過正常值,是不是因?yàn)檫^敏原被引入了他們的環(huán)境?或者他們感冒了?更糟糕的是,也許他們的鼻竇或大腦中有癌細(xì)胞。目前在這種情況下尋求正確答案的系統(tǒng)是基于人的。醫(yī)生問問題,并搜索他們的記憶尋找答案。如果他們找不到,他們可以咨詢其他醫(yī)生或?qū)W習(xí)醫(yī)學(xué)教科書或在線數(shù)據(jù)庫。
這個(gè)系統(tǒng)有它的優(yōu)點(diǎn),當(dāng)然,它是最好的。但它也有缺點(diǎn),它受到人類記憶和足智多謀的限制。許多計(jì)算機(jī)專家認(rèn)為有更好的方法讓計(jì)算機(jī)來做這件事。目前這是不可能的,但科學(xué)家們正在研究。在這項(xiàng)新的工作中,研究人員引入了一個(gè)系統(tǒng),該系統(tǒng)具有一種算法,可以分析來自不同、重疊數(shù)據(jù)集的數(shù)據(jù),并找到因果關(guān)系。
該算法基于熵的概念,在熵中任何系統(tǒng)都會(huì)隨著時(shí)間的推移變得更加無序。研究人員提出,熵與數(shù)據(jù)集中的信息一起存在,并且因果力比描述其結(jié)果的數(shù)據(jù)更有序。既然如此,就應(yīng)該可以反向?qū)ふ以,這正是他們的算法所做的。
該系統(tǒng)能夠在比較已知因果關(guān)系的數(shù)據(jù)集時(shí)正確評估乳腺癌腫瘤的大小和結(jié)構(gòu),確定它們之間沒有因果關(guān)系,但兩者都是腫瘤是良性還是惡性的指標(biāo)。
更多信息: Anish Dhir, Ciarán M. Lee. Integrating overlapping datasets using bivariate causal discovery. arXiv:1910.11356v2 [stat.ML]: arxiv.org/abs/1910.11356
原文鏈接:https://techxplore.com/news/2020-02-ai-relationships-overlapping-medical-datasets.html
聲明:本文由 Newfellow 編譯,中文內(nèi)容僅供參考,一切內(nèi)容以英文原版為準(zhǔn)。
客服
熱線
0512-58605103
客服服務(wù)熱線
關(guān)注
微信