이 페이지는 기계 번역된 영어 페이지입니다. 영어 원본 보기
컴퓨터 프신트리스트, 시스템 메디슨 및 디티어 투 연구자, 의료 AI 엔지니어링가와 인스티튜트 레포터들이 활동적 인퍼전을 임상과 생물의학 질문에 적용합니다.
의료은유추하에서 불확실성에 대한 추론: 환자 모델링, 예측오류 주도 질환 및 기대 무료 에너지 치제 계획
이 페이지에서
의학은 활동적 인ference와 자유 에너지 원칙이 진단, 치제 선택 및 생리적 균형 유지라는 의학의 핵심 활동을 생성 모델을 확립하고 불확실성 아래에서 업데이트하는 과정으로 재해석되는 것을 맞추고 있습니다. 이 문헌은 몇몇 전문 분야 (_psychiatry, 통증 의학, 신경과)에 개념적으로 성숙하지만 실험적 초기 단계입니다 : 대부분의 모델이 논리적, 현상학적 또는 시뮬레이션 기반이며 거의 모든 실제적인 임상 시스템이 아직 구현되지 않았습니다. 이 페이지는 의학이 이 프레임워크에 맞추어 왜 중요한지, 현재 문헌 상태가 무엇인지, 실질적인 프로젝트와 도구가 존재하는지, 그리고 여전히 필요한 증거가 무엇인지를 조사합니다.
의약학은 기본적으로 불확실성 아래에서 의도와 행동을 추론하고 선택하는 것이 핵심적입니다: 임상医师は嘈杂的迹象和数据中推断出隐藏的疾病状态，并选择行动以引导患者朝向期望的状态，而患者则推断身体感觉的意义并根据这些推断行事。自由能原理将稳态和异化态重新定义为推论问题，其中生物体持有关于理想生理范围的先验信念，并在这些范围被违反时选择最小化预期自由能的动作。许多疾病可以理解为推论和控制失败——代谢紊乱被视为能量平衡生成模型的故障，情绪障碍被视为内脏预期失衡，慢性疼痛被视为痛觉预测误差的不适当精确性加权。该框架还已扩展到形态发生学之外，在那里组织被建模为相对于目标形态最小化自由能的细胞群体，从而将癌症和纤维化等条件与推论失败并行阅读。
심리학의 가장 발달한 응용 분야는 Moutoussis, Friston과 colleagues의 2024 논문에서 활동적 인ference가 심리학의 하위 학문들을 통일할 수 있음을 주장합니다. 이론은 공포증, 우울증, 정신분열 및 자폐 장애가 사전 확률, 정밀도 및 정책 선택에 대한 불균형으로부터 유발된다고 설명합니다. Badcock와 Friston은 우울증을 부정적인 사전 확률에 따라 세계를 샘플링하는 것으로 reinterpret하고, Barrett와 Simmons, 그리고 Smith과 Friston의 연구는 인체감각 추론이 심리학적 및 감정적 증상이 정확한 인체감각 사전 확률과 정밀도에 대한 불균형으로부터 유발된다는 점을 연결합니다. 또한 신경학은 가까운 동안 이동을 예측 경로의 실현으로 해석하고 파킨슨병, 디토니아 및 기능적 운동 장애가 이러한 예측 머신의 실패라는 사고를 분석합니다. 그리고 고툴러와 카이사루바카의 연구는 플라제보/노시보 효과와 지속적인 통증을 알로스탄 활동적 인ference 계열에서 nociceptive 예측 오류에 대한 사전 확률과 정밀도의 변화를 모델링합니다. 이러한 특화된 분야들 사이에서는 이론 개발이 강력하고, 행동 및 신경영상 모델링이 성장하지만, 활동적 인ference와 competing frameworks like reinforcement learning 또는 classical Bayesian models에 대한 직접적인 비교 연구는 거의 이루어지지 않았습니다.
콘크리트 공학 예시는 암 치양, 로봇ics 및 디티어 트윈에 더 新하고 집중되어 있음. 림, 프리스턴과 동료들의 "암 개인화된 치양을 위한 신뢰성 공간 제어를 통해 활동적 인퍼런스"는 암 burden와 약 므감도의 익스佩ected-프리스턴 에너지 목표를 over latent로 설정하여 치양 uncertainty를 감소시키기 위해 투자하는 정책을 균형 있게 조절하도록 강요함. 이는 시뮬레이션 환자 경로에서 확인되었음. 폰투루, 프리스턴과 동료들의 디티어 트윈은 단지 환자를 simulate하지 않으며 테스트, 치양 및 생활 스타일 변경을 제안하고 결과로부터 생성 모델을 업데이트하며 익스佩ected-프리스턴 에너지를 정책 선택에 사용함. 림데어와 동료들의 로봇ics 작업은 활동적 인퍼런스 컨트롤러를 기반으로 한 감각-행동 통합이 수술 로봇, 재활 장치 및 지원 시스템에서 직접 전달 가능함을 지적함. 2025 년 Nature 디티어 메디컬 논문은 애큐 인퍼런스를 영향받은 LLM 기반 의료 의사 결정 지원의 신뢰성을 높이기 위해 활동적 인퍼런스에 영감을 받는 제안 전략을 제시함. 소프트웨어 측면에서 보고서는 일반화 가능한 도구 - SPM을 통해 신경영상/행동 데이터의 베이지안 모델 역산, 그리고 피머드 파이썬 라이브러리 등 - 의료 사용 사례로 adapt되어 있음. 하지만 아직 표준화된 의료 활동적 인퍼런스 라이브러리가 존재하지 않음.
보고서는 근거 확인과 모델 비교가 가장 중요한 결함으로 지적한다: 정신의학, 통증 및 신경학에서 활성 인퍼전 모델은 실제 환자 데이터 대신 시뮬레이션에 대한 강력한 리프레시어링 학습, 드리프트-디플로우, 전통적인 베이지안 대안과의 대대적인 테스트를 필요로 한다. 유추가성과 환자의 다양성을 두 번째 도전으로 간주한다 — 생성 모델은 일반화 파라미터(우리의 사전, 정확도, 전환 확률)를 추정하기 어렵다. 이는 임상 환경에서 희음이 많은 소량의 방해받은 데이터에 대한 문제를 야기하며, 이는 통계적 패러다임을 사용하는 규제 구조와 맞지 않는다. 또한 보고서는 클리니컬 트랜스레이션을 위한 해결되지 않은 규제 및 윤리적인 질문이 있으며, 적응형, 지속적으로 업데이트되는 확률 시스템은 이러한 구조를 설계한 고정 알고리즘에 맞지 않으며, 보고서는 클리니컬 리더와 환자 간의 신뢰성 테스트가 전파되고 함께 생생한 개념적 대화가 필요하다고 주장한다. 자유 에너지 원칙이 충분히 진실성을 갖추면 모든 패러다임을 대체할 수 있는지에 대한 논쟁이다.
Karl J. Friston (2010). 자유 에너지 원칙: 하나의 뇌 이론? Nature Reviews Neuroscience. DOI: 10.1038/nrn2787. Thomas Parr, Giovanni Pezzulo, Karl J. Friston (2022). 활동적 인퍼전: 자유 에너지 원칙이 마음, 뇌 및 행동에 대한 행동 이론. MIT Press. Giovanni Pezzulo, Francesco Rigoli, Karl J. Friston (2017). 활동적 인퍼전, 자기 조절과 적응형 행동 제어. Progress in Neurobiology. DOI: 10.1016/j.pneurobio.2017.08.001. Lancelot Da Costa, Thomas Parr, Noor Sajid, Sebastijan Veselic, Victorita Neacsu, Karl J. Friston (2020). 활동적 인퍼전에서 이산 상태공간: 통합. Journal of Mathematical Psychology. DOI: 10.1016/j.jmp.2020.102447.
주요 표면
예상된 자유能은 암 치제 정책이 초기 탐색 약물 용량을 선택하여 유전자의 민감도에 대한 불확실성을 최소화하도록 하는 것이 아니라 즉시 기대 이익을 극대화하는 데 초점을 맞추도록 합니다.
진단병으로부터의 디트윈 제안은 단지 환자만을simulate하지 않습니다. 그들은 결과가 들어오면서 검사와 치료를 추천하고 생성모델을 수정합니다.
psychiatric계에서 고통, 암학과 로봇공학에서 문헌은 개념적으로 풍부하지만 거의 전부 시뮬레이션 또는 작은 실험 기반으로 이루어져 있으며 아직 완전히 배포된 임상적 활동적인 인ference 시스템이 보고되지 않았습니다.
관련 자료
외부 링크는 공유 레지스트리에서 해결되므로 방문자용 목적지는 중앙 집중화되고 확인 가능합니다.
Audience: Researcher
Research and publication-oriented repository for the Active Inference Journal.
Audience: Researcher
External paper repository surfaced from the official research page.
Audience: Researcher
Reachable arXiv reference surfaced from the official research page.