研究人员开发了一种新颖的神经符号框架，以改进不良妊娠结局（APOs），如早产和妊娠期糖尿病的因果发现。该方法结合了大型语言模型（LLMs）的广泛知识和经验数据评分，以生成和完善因果假设。LLM充当自适应提案分布，高分假设指导后续的LLM生成。该方法应用于临床数据集，成功识别了专家验证的因果关系，并发现了新的潜在风险因素。 AI
影响 这种方法可能导致更准确地识别不良妊娠结局的风险因素，从而实现有针对性的干预。
排序理由 该集群包含一篇详细介绍因果发现新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
