Системы искусственного интеллекта, способные ставить диагнозы на основании симптомов, уже существуют и помогают пациентам в поиске медицинской информации и возможных причин их недомогания. Однако ни одна система до сих пор не могла имитировать процесс постановки диагноза профессиональным врачом. Существующие системы строились на основе корреляционной, а не причинно-следственной связи между симптомами и заболеваниями.

Исследователи из компании Babylon использовали в своей разработке методы причинно-следственного машинного обучения. Созданная ими система искусственного интеллекта обладает своего рода «воображением» — она способна представлять себе, какие симптомы проявлялись бы у пациента, если бы он страдал от другого заболевания, а не от того, на которое в первую очередь указывают симптомы. Разъединение корреляционной и причинно-следственной связи позволило сделать диагнозы существенно более точными. Статья с результатами исследования опубликована в журнале Nature Communications.

Для испытания системы группа из более чем 20 врачей, работающих в компании Babylon, создала 1671 описание клинических случаев с типичными и атипичными проявлениями более 350 заболеваний. Затем другие врачи анализировали эти описания и указывали, какие диагнозы им представлятюся наиболее вероятными. Аналогичную работу выполняла система искусственного интеллекта. Средняя точность диагнозов врачей составила 71,40% (± 3,01%). Алгоритм на основе корреляционной связи сработал с точностью 72,52% (± 2,97%), а новый алгоритм с причинно-следственными связями — 77,26% (± 2,79%). При этом, отмечают авторы, оказалось, что алгоритм лучше врачей справляется со сложными случаями (особенно с редкими заболеваниями), и наоборот — в простых случаях врачи ставят диагноз лучше.