基于动态结构因果模型的睡眠呼吸障碍因果结构学习
为什么重要为睡眠呼吸障碍的个性化干预提供因果依据，展示因果发现在医疗时序数据中的应用，对AI辅助诊断和精准医疗有参考价值。
摘要显示，研究利用PCMCI+算法对105例家庭睡眠呼吸暂停测试（HSAT）记录进行动态因果图学习，通过窗口化分数变量、边缘黑名单和自助聚合，揭示了睡眠呼吸障碍因果结构在性别和年龄亚组间的系统性差异。结果发现时间自依赖和呼吸暂停-去饱和关系在所有亚组中持续存在，而其他关系变化较大。
Dynamic Structural Causal Modeling for Sleep
PCMCI+Home Sleep Apnea Test (HSAT)