结构因果模型
Parent: ai_keywords
结构因果模型（Structural Causal Model, SCM）
核心定义
结构因果模型由Judea Pearl提出，是一个基于有向无环图（DAG）和结构方程体系的数学框架。它通过编码变量间的生成机制（而非单纯的相关性），显式刻画了干预（do算子）与反事实的推理规则，是因果推断的基石。
关键技术点
- 因果图（DAG）：节点代表变量，有向边表示直接因果方向，缺失边蕴含条件独立性（通过
d-分隔检验）。 - 结构方程与外生噪声：每个内生变量由父节点和外生随机项的函数决定（例如 ( Y = f(X, U) )），外生变量彼此独立，保证了因果机制的模块化。
do算子与干预：do(X=x)表示删去指向X的边并将X强制赋值为x，从而模拟对照试验，求 ( P(Y|do(X=x)) )。- 后门/前门准则：用于识别因果效应——通过阻断后门路径（混杂路径）或利用中介变量，将因果效应表达为可计算的观测概率。
- 反事实推理：在同一SCM下，给定观测事实，可计算“若当时不同干预”的结果，例如 ( P(Y_{X=x’}=y\ |\ X=x, Y=y) )。
医学/神经科学应用场景
脑卒中后神经电生理与功能恢复的因果推断（结合首都医科大学神经病学研究）：
在缺血性卒中患者中，早期脑电图（EEG）的慢波比例（delta/theta频段功率）常被视为皮层损伤的生物标记。但慢波比例增高是否直接导致远期运动功能（Fugl-Meyer评分）的下降，还是仅由梗死体积、年龄、侧支血流等共同混淆？
构建SCM：设定节点包括梗死体积、侧支循环状态、早期慢波比例、72小时NIHSS基线评分、6个月FMA评分。根据临床经验绘制DAG（如梗死体积→慢波比例→FMA；侧支循环→慢波比例；年龄→梗死体积）。利用do算子干预“慢波比例”（如经颅电刺激降低慢波），在控制后门路径（年龄、梗死体积）后，可估计慢波比例的因果效应。若效应显著，则理论支持：将慢波抑制作为康复靶点，而非仅作为预后标志。该模型还能生成反事实个体化预测：“若患者A的早期慢波比例降低30%，其6个月FMA预期升高多少？”——直接指导精准康复策略。
