CausaLM量化症状对诊断预测的因果影响

Alexander Romanus、Mehul Shetty 和 Connor Jordan 提交论文，提出用 CausaLM 框架生成反事实文本表示，使目标概念被“遗忘”，从而估计“胸痛”等症状对临床 NLP 模型诊断预测的因果影响。 团队用 TReATE 量化症状存在与否如何改变模型输出的疾病分布，并与 CONEXP 等基于相关性的基线对比。研究称结果揭示了临床 NLP 模型的决策行为，为更可信、可解释的因果决策支持工具提供依据。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。