XiaoMi-AI文件搜索系统
World File Search System因果关系
在身体和社会疼痛的同理心中，正确的下额叶皮层的因果关系
。CC-BY 4.0国际许可证。根据作者/筹款人提供了预印本（未经同行评审的认证）提供的，他已授予Biorxiv的许可证，以在2025年1月19日发布的此版本中显示此版本的版权持有人。 https://doi.org/10.1101/2025.01.19.633761 doi：Biorxiv Preprint
评论：因果关系在人工智能中的影响
Cavique（2024）的文章，“因果关系在人工智能中的影响”，为Causalai的重要性提出了一个令人信服的案例。通过关注因果关系的关系而不是仅仅相关性，可以为更透明，公平和可靠的AI系统提供途径。Cavique认为，与负责的AI，公平AI和可解释的AI相比，Causalai是最不受欢迎的方法，这在很大程度上是由于其科学严格的严格性和减少偏见的潜力。，尽管有希望，但Causalai并非没有挑战。该评论旨在评估Cavique提出的Causalai的某些局限性和潜在批评，认为尽管它具有实质性的承诺，但其实施和实际应用可能比作者建议的更为复杂，并且充满了困境。
Mendelian随机分析三甲胺N-氧化物及其前体与帕金森氏病之间的因果关系
简介：先前的研究报告了三甲胺N-氧化物（TMAO）和帕金森氏病（PD）之间的潜在关联。这项研究的目的是检查循环TMAO及其前体的水平与使用两样本的孟德尔随机化（MR）方法之间的潜在关系。材料和方法：我们从三个全基因组社会研究（国际帕金森氏病基因组学，帕金森氏病，帕金森的研究：有组织的遗传学计划和Genepd和Finngen）中汇总了数据，以提取与单核苷酸多态性（SNP）（SNP）与TMAO，Carnitine，Carnitine和Betnitine的循环浓度相关。这些SNP被用作随机效应模型中的仪器变量，以评估TMAO循环浓度及其前体的循环浓度与帕金森氏病的风险，并通过估计的优势比与伴随的95％置信区间来评估循环变量。主要分析采用了反向差异加权（IVW）方法，该方法与MR-Egger回归分析相辅相成。结果：使用IVW方法进行的分析，该方法汇总了三个数据库的数据，并未显示循环浓度TMAO及其前体之间的因果关系，并且PD的风险（P> 0.05）。MR-Egger分析的结果进一步证实了这一发现。灵敏度分析表明，结果不受任何偏见的影响，异质性测试表明SNP之间没有显着差异。有必要进行进一步的调查，以确定这种关联是否确实存在。结论：这项研究没有发现循环浓度或其原始物质与PD风险之间的因果关系的任何结论性证据。
在非循环时空中嵌入循环信息论结构：不确定因果关系的不成立结果
量子信息和时空物理学界所采用的因果关系概念是截然不同的。虽然经验告诉我们，这些概念在物理实验中以兼容的方式一起发挥作用，但它们的一般相互作用在理论上却鲜为人知。因此，我们开发了一个理论框架，将这两个因果关系概念联系起来，同时也清楚地区分它们。该框架描述了通过反馈回路进行的量子操作组合，以及将由此产生的可能循环的信息理论结构嵌入非循环时空结构中。然后，相对论因果关系（禁止超光速通信）作为这两个结构之间的图论兼容性条件。通过证明量子信息界广泛研究的不确定因果顺序 (ICO) 过程可以在我们的框架内表述，我们阐明了不确定因果关系和循环因果关系之间的联系，以及有关它们的物理性的问题。具体来说，有几项实验声称在闵可夫斯基时空中实现了 ICO 过程，这提出了一个明显的理论悖论：不确定的信息论因果结构如何与确定的时空结构相一致？我们通过不定理来解决这个问题，表明作为相对论因果关系的结果，(a) ICO 过程的实现必然涉及时空中系统的非局部化，(b) 仍然可以在更细粒度的层面上用确定的、非循环的因果顺序过程来解释。这些结果是通过引入细粒度概念实现的，细粒度概念允许在不同细节层面上分析因果结构。这完全解决了明显的悖论，并对 ICO 实验的物理解释具有重要意义。我们的工作还阐明了时空中量子信息处理的极限，并对固定时空范围内外不确定因果关系的操作意义提供了具体的见解。
妊娠期疾病与新生儿黄疸之间的因果关系：双样本孟德尔随机化研究
妊娠期糖尿病、高血压、感染、先兆子痫、早产、流产和抑郁症是妊娠期间最常见的并发症 (6)，其中一些可能会导致严重的健康问题。例如，一项纳入 630 名伊朗妇女的横断面研究报告称，孕产妇先兆子痫与新生儿黄疸指数之间存在显著关系 (7)。另一项研究调查了与新生儿黄疸相关的孕产妇疾病因素，发现梅毒、妊娠期平滑肌瘤和妊娠前输卵管卵巢炎是新生儿黄疸的主要危险因素 (8)。此外，Garosi 等人 (9) 认为分娩方式和催产素诱导也可能导致黄疸。此外，Jiang 等人 (10) 发现妊娠期间子痫与新生儿黄疸之间存在显着相关性。 （10）研究了2019年至2020年1309名新生儿及其母亲患新生儿病理性黄疸的风险与母体血液参数之间的关联，发现新生儿病理性黄疸与母体血液参数之间存在潜在联系。
从合成社区到合成生态系统：探索植物 - 微生物 - 环境相互作用的因果关系
植物微生物群研究领域已迅速从旨在获得对微生物群组成的描述性理解的努力转变为重点是获取对微生物群功能和装配规则的机械见解。这一进化是由我们建立综合成本构成的植物相关的微生物和toreconstructMeaningfulmicrobial合成群落（Syncoms）的能力所驱动的。我们认为，这种强大的解构 - 重建策略可用于重建日益复杂的合成生态系统（Synecos），并机械地理解高级生物组织。从简单到更高级，完全易处理和可编程的gnotobiotic合成生物的过渡正在进行中，并旨在通过工程来合理地简化自然生态系统。这种重构生态方法代表了弥合生态生物学和功能生物学之间差距以及揭开植物的差距的尚未开发的策略 - 微生物群 - 调节生态系统健康，组装和功能的环境机制。
CAIRS：用于数字心理健康的因果人工智能推荐系统 Mathew Varidel，博士 a；Victor An a，Ian B. Hickie a，医学博士，Sally Cripps b，c，博士，Roman Marchant b，c，博士，Jan Scott d，博士，Jacob J. Crouse a，博士，Adam Poulsen a，博士，Bridianne O'Dea e，博士，Frank Iorfino a，博士 a 悉尼大学大脑与思维中心，澳大利亚新南威尔士州。 b 悉尼科技大学人类技术研究所，澳大利亚新南威尔士州。 c 悉尼科技大学数学与物理科学学院，澳大利亚新南威尔士州悉尼。 d 纽卡斯尔大学神经科学研究所学术精神病学，英国纽卡斯尔。 e 弗林德斯大学心理健康与福祉研究所，弗林德斯大学，南澳大利亚阿德莱德，澳大利亚。 * 通讯作者：Mathew Varidel，5 楼，1 King Street，Newtown，新南威尔士州 2042，mathew.varidel@sydney.edu.au 摘要 数字心理健康工具有望增强和扩大有需要的人获得医疗服务的机会。一些工具向个人提供干预建议，通常使用简单的静态规则系统（例如，if-else 语句）或结合预测性人工智能。然而，干预建议需要基于对不同干预措施下未来结果的比较来做出决定，这需要考虑因果关系。在这里，我们开发了 CAIRS，这是一个因果人工智能推荐系统，它使用个人的当前表现和领域之间学习到的动态来提供个性化的干预建议，以识别和排名对未来结果影响最大的干预目标。我们的方法应用于从数字心理健康工具收集的两个时间点（从基线开始 1 周 - 6 个月）的多个心理健康和相关领域的纵向数据。在我们的例子中，心理困扰被发现是影响多个领域（例如个人功能、社会联系）的关键影响领域，因此在多个领域不健康的复杂情况下，心理困扰通常是首选目标。我们的方法广泛适用于因果关系很重要的推荐环境，并且该框架可以纳入实时应用程序中以增强数字心理健康工具。关键词：因果关系；人工智能；决策理论；幸福感；心理困扰；功能；睡眠；社会支持
CAIRS：用于数字心理健康的因果人工智能推荐系统 Mathew Varidel，博士 a；Victor An a，Ian B. Hickie a，医学博士，Sally Cripps b，c，博士，Roman Marchant b，c，博士，Jan Scott d，博士，Jacob J. Crouse a，博士，Adam Poulsen a，博士，Bridianne O'Dea e，博士，Frank Iorfino a，博士 a 悉尼大学大脑与思维中心，澳大利亚新南威尔士州。 b 悉尼科技大学人类技术研究所，澳大利亚新南威尔士州。 c 悉尼科技大学数学与物理科学学院，澳大利亚新南威尔士州悉尼。 d 纽卡斯尔大学神经科学研究所学术精神病学，英国纽卡斯尔。 e 弗林德斯大学心理健康与福祉研究所，弗林德斯大学，南澳大利亚阿德莱德，澳大利亚。 * 通讯作者：Mathew Varidel，5 楼，1 King Street，Newtown，新南威尔士州 2042，mathew.varidel@sydney.edu.au 摘要 数字心理健康工具有望增强和扩大有需要的人获得医疗服务的机会。一些工具向个人提供干预建议，通常使用简单的静态规则系统（例如，if-else 语句）或结合预测性人工智能。然而，干预建议需要基于对不同干预措施下未来结果的比较来做出决定，这需要考虑因果关系。在这里，我们开发了 CAIRS，这是一个因果人工智能推荐系统，它使用个人的当前表现和领域之间学习到的动态来提供个性化的干预建议，以识别和排名对未来结果影响最大的干预目标。我们的方法应用于从数字心理健康工具收集的两个时间点（从基线开始 1 周 - 6 个月）的多个心理健康和相关领域的纵向数据。在我们的例子中，心理困扰被发现是影响多个领域（例如个人功能、社会联系）的关键影响领域，因此在多个领域不健康的复杂情况下，心理困扰通常是首选目标。我们的方法广泛适用于因果关系很重要的推荐环境，并且该框架可以纳入实时应用程序中以增强数字心理健康工具。关键词：因果关系；人工智能；决策理论；幸福感；心理困扰；功能；睡眠；社会支持
接种 mRNA 新冠疫苗后发生横贯性脊髓炎的因果关系
• 通过我们日常的文献监测，循证实践小组 (EBPG) 拥有由美国国家科学、工程和医学院制定的基于全面文献综述的共识声明，并于 2024 年向美国国会议员和国会工作人员进行了简报（https://www.nationalacademies.org/news/2024/04/new-comprehensive-review-examines-potential-harms-of-covid-19-vaccination-and-intramuscular-vaccination）。该报告题为“COVID-19 疫苗接种和肌肉注射疫苗不良反应的证据审查” 32 ，于 2024 年 4 月 16 日发布（文献检索日期为 2023 年 10 月 17 日）（https://www.nationalacademies.org/ocga/briefings-to-congress/evidence-review-of-the-adverse-effects-of-covid-19-vaccination-and-intramuscular-vaccine-administration）。在严格评估了高质量的方法以及本报告涵盖的相关主题的广度后，我们决定通过更新他们对横贯性脊髓炎的文献检索来扩展他们关于横贯性脊髓炎的发现，以回答我们系统评价的目标。以下简要总结了“COVID-19 疫苗接种和肌肉注射疫苗不良反应的证据审查” 32 报告。 • 为了更新文献，于 2024 年 10 月 23 日进行了全面而系统的文献检索。 • 搜索是在商业医学文献数据库上进行的，包括 Embase（1974 年至 2024 年第 42 周）、Medline 和 Epub Ahead of Print、Medline In-Process、In-Data- Review & Other Non-Indexed Citations、Medline Daily 和 Medline（1946 年至 2024 年 10 月 22 日）、Joanna Briggs Institute 循证实践数据库（截至 2024 年 10 月 16 日）、Cochrane Clinical Answers（2024 年 9 月），可通过 Ovid 平台获取。 • 文献检索采用了关键词组合。这些关键词包括：
通过因果关系解决RLHF中的奖励黑客
奖励黑客[Skalse等，2022]是AI对齐的关键问题，尤其是在增强学习（RL）中。AI系统旨在优化特定的奖励，通常会发现意想不到的方式来最大化这种奖励，这与人类意图不同。真正的目标与模型所学的行为之间的这种错位可能会导致不安全或不良结果。解决奖励黑客攻击对于构建可靠与人类价值观相吻合的AI系统至关重要。通过人类反馈（RLHF）进行加强学习的主要奖励黑客攻击是因果错误识别[Tien等，2022]。当模型错误地学习动作与奖励之间的因果关系，导致其优化代理或虚假相关性而不是真实目标时，就会发生这种情况。例如，该模型可能会在其环境中操纵指标或利用快捷方式。这创建了一个方案，其中AI根据奖励功能看起来很成功，但无法实现预期的目标。该项目旨在探索是否准确识别奖励模型中的因果机制是否可以帮助减轻奖励黑客攻击。通过对推动理想行为的因果关系进行建模，我们希望将AI引导到更加一致的学习中。具体来说，该项目将调查将因果推断整合到奖励建模中以提高RLHF鲁棒性的方法，从而降低AI利用意外漏洞的风险。目标是了解因果推理如何有助于更好地对齐具有人为价值的AI系统。
免疫细胞与结直肠癌风险之间的因果关系及代谢物介质：孟德尔随机化研究
1 重庆医科大学附属第一医院临床分子医学检测中心，重庆，2 重庆医科大学附属第一医院重庆市分子肿瘤学与表观遗传学重点实验室，重庆，3 重庆医科大学脑科学与疾病研究所，重大脑疾病与衰老研究教育部重点实验室，重庆，4 重庆医科大学附属永川医院肿瘤科，重庆，5 高州市人民医院乳腺外科，高州，6 德国慕尼黑路德维希·马克西米利安大学普通外科、内脏外科和移植外科，7 重庆医科大学附属第一医院生物库中心，重庆，