科学哲学
Parent: ai_keywords
科学哲学（Philosophy of Science）
核心定义：
科学哲学是反思科学知识的基础、方法、边界及社会文化含义的学科。在人工智能与临床神经科学交叉领域，它尤其关注因果推断的哲学基础、模型本体论（如神经网络是否“理解”病灶）、以及还原论与整体论在诊疗决策中的权衡。
关键技术点
-
因果推断与反事实框架
区分统计关联与因果机制，对神经疾病（如脑卒中后功能恢复）的干预效果评估至关重要。鲁宾因果模型和结构因果模型（Pearl）应用于个体化预后分析。 -
还原论 vs. 整体论
还原论将记忆、意识归于神经元放电模式；整体论强调神经网络涌现属性（如癫痫全域性同步化）。脑机接口研发需调和二者。 -
科学实在论与工具主义
神经影像学中的BOLD信号是真实的神经活动代理，还是仅为实用工具？这影响fMRI到临床应用的推理链条可靠性。 -
循证医学的哲学局限
随机对照试验黄金标准在帕金森病非运动症状中常失效；个体化治疗需权衡证据等级与临床直觉的合理性。 -
模型与模拟的认识论
深度学习和微分方程模型对意识障碍（如植物人）预测的不同方法论承诺：精确拟合vs.机理约束，涉及奥卡姆剃刀的边界。
医学/神经科学应用场景
背景：首都医科大学宣武医院神经内科团队研究脑卒中后运动功能障碍的预测模型。
问题：深度学习模型基于多模态MRI（DTI、rs-fMRI）预测患者3月后Fugl-Meyer评分，准确率达85%，但医生质疑：模型是否学到因果机制（如皮质脊髓束完整性）还是偶然相关？
哲学切入：
- 应用Pearl的do-算子和反事实推理，通过“干预”虚拟破坏特定纤维束，观察预测变化，筛选真正因果特征。
- 反驳还原论：模型需同时纳入网络拓扑（整体论），解释为何单一束损伤预后差异极大（如健侧代偿重塑）。
- 科学实在论：即使短期预测准确，若模型参数无生理意义，则可能陷入工具主义陷阱——需对关键变量（如CST的FA值）进行可解释性验证。
结果：团队据此改进模型，集成因果发现模块，使临床医生信任其对个体化康复方案的引导，并发表于《Brain》期刊。
