基于因果生成神经网络的因果特征发现与预测

• 作者: 钟坤华 秦小林 陈敏 陈芋文
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 因果效应 可解释性 特征选择 疾病预测
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 专题:智慧医疗
• 页码范围: 1-6
• 页数: 6页
• 分类号: TP183
• 语种: 中文
• DOI: 10.11907/rjdk.212735

摘要

近年来,机器学习在医疗保健领域取得了巨大成就.然而,成功应用于医疗问题的机器学习方法仅仅是基于关联而不是因果关系,关联在逻辑上并不意味着因果关系.与关联相比,因果关系进一步探索了变量之间更本质的关系.医疗保健的特殊性决定了其研究方法必须符合因果关系规范,否则错误的干预措施可能会给患者带来巨大负面影响.为此,提出一种因果特征发现与预测方法,用于实例疾病预测.因果特征选择基于函数因果生成神经网络,并使用强化学习框架设计可解释的因果实例特征选择和预测模型.该网络模型由因果预测网络、预测网络和因果门选择网络3个神经网络组成,采用Actor-Critical方法对其进行训练,并在合成数据、开源数据和真实医学数据进行验证,证实了该模型可以在给出预测结果的同时提供因果解释.