🤖 machine learning

Causal Modeling of Adverse Pregnancy Outcomes via Adaptive LLM Proposals

Dit artikel introduceert een neurosymbolisch framework dat iteratief door Large Language Models gegenereerde causale hypothesen combineert met empirische datascoring om effectief causale relaties voor Adverse Pregnancy Outcomes te ontdekken en te valideren, waarbij succesvol door experts gevalideerde verbindingen zijn hersteld en nieuwe plausibele risicofactoren zijn geïdentificeerd.

Oorspronkelijke auteurs: Kavimayil P. Komarasamy, Saurabh Mathur, Ameet Soni, David M. Haas, Kristian Kersting, Sriraam Natarajan

Gepubliceerd 2026-08-24

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Kavimayil P. Komarasamy, Saurabh Mathur, Ameet Soni, David M. Haas, Kristian Kersting, Sriraam Natarajan

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Begrijpen waarom een zwangerschap mis kan gaan, is een van de moeilijkste puzzels in de moderne geneeskunde. Condities zoals een vroeggeboorte of zwangerschapsdiabetes komen niet geïsoleerd voor; ze zijn het resultcia van een complex web van factoren die variëren van de familiegeschiedenis en levensstijl van een moeder tot haar leeftijd en bestaande gezondheid. Om deze uitkomsten te voorkomen, moeten artsen weten welke factoren daadwerkelijk de anderen veroorzaken, in plaats van er alleen maar naast te verschijnen. Dit is het verschil tussen zien dat twee dingen tegelijkertijd gebeuren en weten dat het ene het andere aanstuurt. Het vinden van deze ware oorzaken is berucht moeilijk omdat medische gegevens vaak incompleet, ruisachtig en moeilijk te verzamelen zijn, terwijl het aantal mogelijke verbindingen tussen variabelen zo groot is dat computers moeite hebben om ze allemaal te sorteren.

Jarenlang hebben onderzoekers geprobeerd dit op te lossen door gebruik te maken van twee verschillende instrumenten. Eén benadering leunt volledig op data, waarbij gezocht wordt naar statistische patronen in patiëntendossiers. De andere benadering maakt gebruik van de enorme kennis die is opgeslagen in grote taalmodellen, wat computersystemen zijn die zijn getraind op miljoenen medische teksten en waarschijnlijke verbanden kunnen suggereren op basis van wat ze hebben gelezen. Geen van beide methoden werkt echter perfect op zichzelf. Datagedreven methoden schieten vaak tekort wanneer er onvoldoende informatie beschikbaar is, terwijl taalmodellen inconsistent kunnen zijn en soms verbindingen suggereren die plausibel klinken, maar niet door bewijs worden ondersteund. Ze kunnen ook blijven hangen bij één enkel idee en het grotere plaatje missen.

Een nieuwe studie introduceert een methode genaamd CLARA, die fungeert als een brug tussen deze twee benaderingen. In plaats van een computer te vragen het antwoord één keer te raden of om alleen cijfers te verwerken, creëerden de onderzoekers een systeem dat het taalmodel behandelt als een flexibele gids. Het systeem vraagt het model om een batch mogelijke oorzaak-gevolgkaarten te genereren. Vervolgens controleert het elke kaart tegen echte klinische data om te zien hoe goed deze past. De kaarten die het beste bij de data passen, worden niet weggegooid; in plaats daarvan worden ze gebruikt om het taalmodel te leren wat een goed antwoord is. Het systeem vraagt het model vervolgens om het opnieuw te proberen, maar dan met de instructie om zich te concentreren op de patronen die eerder goed werkten. Deze cyclus van raden, controleren en verfijnen herhaalt zich, waardoor de computer langzaam wordt weggestuurd van wilde gokken en richting een kaart die zowel logisch sluitend als ondersteund door bewijs is.

De onderzoekers testten deze methode op een real-world dataset met bijna 4.000 eerstegraafschapsmoeders, waarbij variabelen zoals ras, leeftijd, BMI, familiegeschiedenis van ziekte en levensstijlgewoonten zoals roken of lichaamsbeweging werden gevolgd. Ze vergeleken de resultaten van hun nieuwe systeem met het werk van menselijke experts en standaard computeralgoritmen. De bevindingen waren opmerkelijk. De nieuwe methode slaagde erin elke enkele causale link te herstellen die de menselijke experts hadden geïdentificeerd, een prestatie die de standaard computeralgoritmen niet wisten te bereiken. Bovendien legde het systeem dertig aanvullende verbindingen bloot die de experts niet hadden vermeld. Wanneer een klinisch specialist deze nieuwe links beoordeelde, bevestigde deze dat zesentwintig ervan reeds gevestigde medische feiten waren, terwijl de overige vier plausibele hypothesen waren die passen bij de huidige medische kennis. Dit omvatte verbindingen die suggereerden dat een geschiedenis van het polycystisch ovarium syndroom zou kunnen bijdragen aan een hoge bloeddruk, en dat zwangerschapsdiabetes een directe oorzaak zou kunnen zijn van nieuwe hypertensie.

De studie toonde ook aan dat deze benadering bijzonder robuust is. In tests waarbij de data opzettelijk rommelig of incompleet werd gemaakt, bleef de nieuwe methode de juiste verbindingen vinden, terwijl traditionele data-only methoden in de war raakten en fouten produceerden. De onderzoekers ontdekten dat ze het proces nog efficiënter konden maken door de beste resultaten samen te vatten in een korte lijst van veelvoorkomende randen (edges), in plaats van de volledige complexe kaarten terug in het systeem te voeden, zonder dat dit ten koste ging van de nauwkeurigheid. Dit suggereert dat de methode niet alleen effectief, maar ook praktisch bruikbaar is voor de echte wereld. Door de brede kennis van kunstmatige intelligentie te combineren met de rigoureuze toetsing van echte data, hebben de onderzoekers een hulpmiddel gecreëerd dat de onzekerheid van de medische wetenschap kan navigeren om de verborgen oorzaken van nadelige zwangerschapsuitkomsten te onthullen, wat een duidelijk pad biedt naar gerichte interventies en betere zorg voor moeders en kinderen.

Technische Samenvatting: Causale Modellering van Ongunstige Zwangerschapsuitkomsten via Adaptieve LLM-voorstellen

Probleemstelling

Betrouwbare klinische redenering vereist robuuste causale modellen, maar deze zijn zelden beschikbaar in complexe domeinen zoals de verloskunde. Het modelleren van ongunstige zwangerschapsuitkomsten (Adverse Pregnancy Outcomes, APO's)—zoals vroeggeboorte, zwangerschapsdiabetes en pre-eclampsie—is bijzonder uitdagend vanwege de wisselwerking tussen diverse risicofactoren (demografie, familiegeschiedenis, levensstijl) en de onvolledigheid van de huidige medische literatuur met betrekking tot algemene causale dynamiek.

Bestaande benaderingen kampen met aanzienlijke beperkingen:

Data-gestuurde methoden (bijv. PC, FCI, GES) hebben moeite met het gebrek aan hoogwaardige verloskundige data, de aanwezigheid van ruis en de super-exponentiële groei van mogelijke graafstructuren. Ze slagen er vaak niet in om plausibele structuren te herstellen in omgevingen met schaarse data.
Large Language Models (LLMs) beschikken over brede voorkennis uit enorme trainingscorpora, maar missen werkelijk causaal redeneervermogen. Ze verwarren vaak associatie met causaliteit, produceren inconsistente outputs over verschillende runs heen en zijn zeer gevoelig voor prompting, wat leidt tot instabiele one-shot graafgeneratie.
Hybride Theorie-verfijningsmethoden, die een initiële hypothese verfijnen via lokale bewerkingen, zijn gevoelig voor hun startpunten en lopen het risico vast te komen zitten in lokale optima als de initiële hypothese gebrekkig is.

Methodologie: Het CLARA-framework

De auteurs stellen CLARA voor (Causal Learning via Adaptive Resampling and Aggregation), een neurosymbolisch framework dat een LLM behandelt als een adaptieve voorstelverdeling. Geïnspireerd door het MIMIC-algoritme (Mutual-Information-Maximizing Input Clustering), een stochastische optimalisatiealgoritme, werkt CLARA via een Generate-Evaluate-Update-lus om de samplingverdeling van de LLM iteratief te vormen naar datavalidatie-gebaseerde causale grafen.

De CLARA-lus

Sampling (Generatie):
- Het framework bevraagt een vooraf getrainde LLM om een batch van $K$ kandidaat-causale hypothesen te genereren.
- De LLM wordt geprompt met de lijst van variabelen, hun beschrijvingen en deskundige kennis in de vorm van "verboden randen" (constraints).
- Grafen die de acycliciteit of de verboden rand-constraints schenden, worden verworpen en opnieuw gesampled.
Evaluatie:
- Elke kandidaat-graaf wordt gescoord tegen de empirische dataset met behulp van de Tree BIC (Bayesian Information Criterion) score.
- In tegenstelling tot standaard BIC, dat complexiteit bestraft op basis van het aantal ouderconfiguraties (wat vaak leidt tot overmatig ijle grafen), representeert Tree BIC lokale conditionaliteiten als beslissingsbomen. Dit houdt rekening met Context-Specific Independencies (CSI), waarbij ouderconfiguraties worden samengevoegd die de beschrijvingslengte niet significant verminderen, waardoor een genuanceerdere straf voor de structuurcomplexiteit wordt geboden.
- Grafen worden gerangschikt op basis van hun Tree BIC-scores en opgeslagen in een geschiedenismatrix $H$ .
Update (Adaptieve Resampling):
- De top- $K$ hoogst scorende grafen uit de geschiedenismatrix worden gebruikt om een in-context representatie $C$ te construits.
- Deze representatie kan twee vormen aannemen:
  - Volledige Grafen: De adjacency lijsten van de top-scorende grafen.
  - Gemeenschappelijke Randen: Een gecomprimeerde representatie die alleen randen bevat die in alle top- $K$ grafen aanwezig zijn.
- De LLM wordt opnieuw geprompt met deze bijgewerkte context $C$ , wat de samplingverdeling effectief vernauwt richting structuren met een hoge betrouwbaarheid die ondersteund worden door zowel de LLM-prior als de empirische data.
Aggregatie:
- Na $T$ iteraties worden de top-kandidaten in de geschiedenismatrix geaggregeerd (via unie) om de uiteindelijke causale graaf te vormen. Cycli die tijdens aggregatie ontstaan, worden doorbroken door de minst frequente rand te verwijderen.

Belangrijkste Bijdragen

Neurosymbolisch Framework: Introductie van CLARA, dat benaderde kennis van LLM's, onvolledige deskundige constraints en kleine empirische datasets integreert om plausibele causale hypothesen te genereren.
Empirische Effectiviteit: Demonstratie van de succesvolle toepassing van de methode op een real-world klinische dataset (nuMoM2b) voor APO's. Het framework herstelt alle door experts gevalideerde randen en identificeert aanvullende plausibele causale relaties die niet eerder door experts waren vermeld.
Efficiëntieanalyse: Onderzoek naar het vervangen van volledige graafrepresentaties door "gemeenschappelijke randen"-samenvattingen, waarbij wordt aangetoond dat de promptgrootte aanzienlijk kan worden verminderd zonder de prestaties op te offeren.

Experimentele Resultaten

De auteurs evalueerden CLARA op twee datasets: een synthetische ALARM benchmark (37 knopen, 3.000 samples met 20% ruis) en de real-world nuMoM2b dataset (9 risicofactoren, 4 uitkomsten, 3,856 voorbeelden).

Prestatie-metrieken

De primaire metriek was de Structural Intervention Distance (SID), die de fout in voorspelde interventionele distributies meet (cruciaal voor klinische redenering), naast Structural Hamming Distance (SHD), Recall en Precision.

Vergelijking met Baselines: CLARA presteerde beter dan puur data-gestuurde methoden (PC, FCI), one-shot LLM-generatie en LLM-geïnitialiseerde theorie-verfijning.
- Op de ALARM dataset behaalde CLARA de laagste SID, een verbetering van 32% ten opzichte van one-shot LLM-generatie en 55% ten opzichte van data-gestuurde ontdekking.
- Op de nuMoM2b dataset behaalde CLARA een SID van 0,0, wat de interventionalele voorspellingen van de door experts geconstrueerde graaf perfect mat, terwijl andere methoden (inclusclusief theorie-verfijning) aanzienlijk hogere fouten vertoonden.
Robuustheid: CLARA behield een lage en stabiele SID bij variërende datasetgroottes en ruisniveaus (tot 60% ruis), terwijl data-gestuurde methoden (PC, FCI) significant verslechterden naarmate de ruis toenam of de data afnam.
Efficiëntie: De "Common edges"-variant verminderde het aantal prompt-tokens met ongeveer 3x, terwijl de SID-prestaties binnen 10% bleven van de volledige graaf-variant.

Klinische Validatie

In het domein van de verloskunde herstelde CLARA alle 31 door experts gevalideerde causale randen. Het stelde 30 aanvullende randen voor, die werden beoordeeld door een klinisch expert:

26 randen (87%) werden beoordeeld als gevestigde medische kennis.
4 randen (13%) werden beoordeeld als plausibel, waaronder relaties zoals PCOS $\to$ Vroeggeboorte en Gestational Diabetes $\to$ Nieuwe Hypertensie.
Het framework identificeerde succesvol causale relaties tussen risicofactoren (bijv. Ras $\to$ BMI) en sequentiële complicatiecascades tussen APO's.

Betekenis en Claims

Het artikel claimt dat CLARA effectief de kloof overbrugt tussen de brede, stochastische priors van LLM's en de empirische strengheid die vereist is in klinische settings. Door causale ontdekking te kaderen als een iteratieve optimalisatielus in plaats van een one-shot generatie of een gulzig lokale zoekproces, mitigeert CLARA de onbetrouwbaarheid van LLM's en de beperkingen van data-schaarsheid van traditionele algoritmen.

De auteurs stellen dat hun methode een levensvatbaar pad biedt voor causale ontdekking in complexe, data-arme medische domeinen waar pure data-gestuurde benaderingen falen en pure LLM-benaderingen te onbetrouwbaar zijn. Het framework biedt een mechanisme om LLM-generaties te "sturen" naar hoog-betrouwbare regio's in de hypotheseruimte, wat potentieel nieuwe inzichten kan bieden voor gerichte interventies, terwijl het voldoet aan bekende medische constraints.

Toekomstig werk dat door de auteurs wordt gesuggereerd, omvat het integreren van expressievere constraints (bijv. kwalitatieve invloed-statements), het ontwikkelen van hiërarchische versies van het algoritme voor hoog-dimensionale domeinen, en het verkennen van fine-tuning strategieën voor de onderliggende taalmodellen om ze verder te specialiseren in causale hypothesegeneratie.