面向可靠疾病诊断的因果对齐学习

将机器学习算法的决策过程与经验丰富的放射科医生的决策过程对齐，对于可靠诊断至关重要。尽管现有方法试图将其诊断行为与训练数据中反映的放射科医生行为对齐，但这种对齐主要是关联性的而非因果性的，导致可能出现泛化不佳的伪相关。本文中，我们提出一种基于因果的对齐框架，旨在将模型的决策过程与专家的决策过程对齐。具体而言，我们首先采用反事实生成来识别模型决策的因果链。为将该因果链与专家的因果链对齐，我们提出一种因果对齐损失，强制模型关注整个因果链中每个决策步骤背后的因果因素。为优化这一涉及反事实生成器作为模型参数隐函数的损失，我们采用隐函数定理并结合共轭梯度法以进行高效估计。我们在两个医学诊断应用上展示了方法的有效性，表现出对放射科医生的忠实对齐。