approfondimento

Analisi di causalità tra due elementi: il ruolo dell’AI nelle Life sciences



Indirizzo copiato

Sono stati sviluppati approcci che permettono questo genere di studi: un esempio è quello del Double Machine Learning (DML), il cui framework è una metodologia di inferenza causale che combina tecniche di Machine learning (ML) e di econometria per stimare l’effetto causale di un trattamento su un outcome

Pubblicato il 25 set 2023

Simone Scaringi

Senior Data Scientist Ammagamma



Life sciences

L’AI e il Machine learning sono diventati uno strumento essenziale per restare competitivi nell’era dell’informazione e il loro potenziale per generare insight da grandi quantità di dati è enorme. La maggior parte degli algoritmi di AI si basa sul concetto di correlazione. In alcuni contesti, però, più che la correlazione tra variabili, si è interessati a studiarne la causalità, ovvero come il variare di una grandezza causa un effetto su un’altra. Questo tipo di domande è di fondamentale importanza in diversi ambiti, ad esempio nel marketing e nelle Life sciences.

 

 

Continua a leggere questo articolo

Articoli correlati