TrialCalibre

新的AI框架通过神经组和ODE增强因果发现与预测

研究人员开发了新的因果推断和发现方法，解决了潜在变量和连续时间序列数据带来的挑战。一种方法，Observable Neural ODEs (ObsNODEs)，通过从观测中重建潜在状态来实现因果预测。另一个框架DIRECT使用神经组学习具有生物学上可行的局部可塑性的定向因果影响，为因果声明提供了一个可审计的机制。此外，一个名为TrialCalibre的多智能体系统旨在自动化和扩展真实世界证据研究的因果推断工作流程，提高其可信度。