患者特异性疾病根因的反事实表述
人工智能
2023-06-02 v2 机器学习
定量方法
应用统计
机器学习
摘要
疾病的根因直观上对应于能够提高某一诊断可能性的根节点。然而，这种对根因的描述缺乏严谨的数学表述，而后者是开发从数据中自动检测根因的计算机算法所必需的。先前工作使用仅攀升至 Pearl 因果之梯第二层的介入式定义来界定患者特异性疾病根因。在这篇理论文章中，我们通过提出一种仅基于固定事实数据、符合临床直觉的反事实定义，攀升至第三层。随后我们展示如何利用可解释人工智能中的 Shapley 值对每个变量赋予根因果贡献分数。所提出的患者特异性疾病根因的反事实表述能够应对噪声标签、适应疾病患病率，并且无需反事实模拟即可实现快速计算。
引用
@article{arxiv.2305.17574,
title = {Counterfactual Formulation of Patient-Specific Root Causes of Disease},
author = {Eric V. Strobl},
journal= {arXiv preprint arXiv:2305.17574},
year = {2023}
}