在全球范围内，医生都超负荷工作且供不应求，但他们很快就会得到机器学习的帮助，以帮助减少初级保健中的错误。人工智能症状检查器在为用户提供医疗信息和安全筛选建议方面具有极大的价值，但是，它们都不能像医生那样进行诊断。与医生不同，现有的症状检查人员仅根据相关性提供建议——相关性不是因果关系。据我们所知，巴比伦的研究人员第一次利用因果推理原理使人工智能能够诊断书面测试用例。

 

研究人员使用了一种被称为因果机器学习的新方法——这种方法在人工智能领域得到了越来越多的关注——作为一种“想象”，这样人工智能就可以考虑如果病人的疾病与它所考虑的不同，它可能会看到什么症状。发表在《自然通讯》(Nature Communications)上的这项经过同行评议的研究表明，从因果关系中分离出相关性会让人工智能的准确性显著提高。

 

巴比伦科学家、论文第一作者乔纳森•里奇斯博士说:“我们采用了一个具有强大算法的人工智能，赋予它想象可替代现实的能力，并考虑‘如果是另一种疾病，这种症状还会出现吗?’”这使得人工智能能够梳理出病人疾病的潜在原因，并且在这些书面测试案例中得分高于70%以上的医生。”

 

巴比伦首席执行官和创始人阿里·帕尔萨博士说:“世界上有一半的人几乎无法获得医疗保健。我们需要做得更好。所以在测试用例中看到这些有希望的结果是令人兴奋的。机器取代了医生，这一点不应被夸大，因为真正令人鼓舞的是，我们终于能够得到工具，让我们能够扩大现有医疗体系的覆盖面，杏耀代理提高效率。人工智能将是一个重要工具，帮助我们结束医疗保健不公平的分配，让地球上的每个人都更容易获得和负担得起。”

 

20多名巴比伦全科医生创建了1671个真实的书面病例，其中包括350多种疾病的典型和非典型症状。每个病例由一名医生撰写，然后由多名医生验证，以确保它代表了一个现实的诊断案例。44名巴比伦GPs成员组成的另一组被要求评估至少50个书面病例(平均为159个)。医生们列出了他们认为最有可能的疾病(平均每项诊断返回2.58种潜在疾病)。通过在诊断中纳入真实疾病的病例比例来衡量他们的准确性。巴比伦的人工智能进行了同样的测试，并使用了基于相关性的旧算法(专门为这项研究创建，而不是从我们的产品中提取)和新的因果关系算法。对于每一项测试，人工智能只能报告医生给出的答案。

 

这些医生的平均得分为71.40%(±3.01%)，范围在50-90%之间。较老的相关算法的表现与平均医生相当，达到了72.52%(±2.97%)。新的因果算法得分为77.26%(±2.79%)，高于32名医生，等于1，低于11名医生。

 

巴比伦的副医疗主任和全科医生Tejal Patel博士说:“很快有一天，这个人工智能就能帮助我和其他医生减少误诊，解放我们的时间，帮助我们专注于最需要护理的病人，这让我很兴奋。我期待着这类工具成为标准，帮助我们加强我们的工作。”

 

首席科学家和作家，巴比伦，Saurabh Johri博士补充说:“有趣的是，我们发现人工智能和医生是互补的——人工智能比医生在更难的情况下得分更高，反之亦然。”此外，该算法对于更容易被误诊和更严重的罕见疾病表现得特别好。改变使用相关性可以提高30%左右的罕见和非常罕见情况的准确率。”

 

人工智能没有必要为了提高准确性而改变其潜在的疾病模型。这是一个好处，将适用于现有的相关算法， 杏耀平台总代 ，包括那些医疗设置以外的。