人工智能正在医疗领域取得进展。在成像技术和健康风险计算方面，有大量的人工智能方法处于开发和测试阶段。无论何时识别大量数据中的模式，机器都有望为人类带来巨大的利益。人工智能遵循经典模型，将信息与学习到的示例进行比较，得出结论并进行推断。

现在，由慕尼黑大学管理学人工智能 (AI) 研究所所长 Stefan Feuerriegel 教授领导的国际团队正在探索人工智能相对较新的诊断和治疗分支的潜力。因果机器学习 (ML) 能否估计治疗结果，并且比迄今为止普遍使用的 ML 方法更好?是的，该小组的一项研究发表在《自然医学》杂志上，题为“因果机器学习可以提高治疗的有效性和安全性”。

来自慕尼黑、剑桥(英国)和波士顿(美国)的研究人员写道，特别是，新的 ML 变体提供了“大量的个性化治疗策略机会，从而改善患者的健康状况”，其中包括Stefan Bauer 和 Niki Kilbertus 是慕尼黑工业大学 (TUM) 计算机科学教授以及 Helmholtz AI 团队负责人。

至于治疗决策中的机器辅助，作者预计质量将出现决定性的飞跃。他们认为，经典机器学习可以识别模式并发现相关性。然而，因果关系原则通常仍然不适合机器。他们无法解决为什么的问题。然而，在做出治疗决策时出现的许多问题都包含着因果问题。

作者以糖尿病为例说明了这一点：经典机器学习旨在预测具有一系列危险因素的特定患者患病的可能性有多大。通过因果 ML，理想情况下可以回答如果患者服用抗糖尿病药物，风险如何变化;也就是说，衡量原因(药物处方)的影响。还可以估计另一种治疗计划是否会比常用的处方药二甲双胍更好。