编辑推荐：
医学以及肝脏病学中的临床决策受到不确定性（uncertainty）的影响。指南和诊断算法为医生和临床工作者提供了结构，但临床评估仍然依赖于个体患者层面的概率性和情境性推理。为了使这种推理更加明确，研究人员借鉴信息论（information theory）、统计
医学以及肝脏病学中的临床决策受到不确定性（uncertainty）的影响。指南和诊断算法为医生和临床工作者提供了结构，但临床评估仍然依赖于个体患者层面的概率性和情境性推理。为了使这种推理更加明确，研究人员借鉴信息论（information theory）、统计学和因果推断（causal inference）的概念，以理解如何在肝脏病学中描述、量化并应对不确定性。通过肝脏病学相关示例，研究人员考察了不确定性下的临床推理。香农熵（Shannon entropy）被引入作为诊断不确定性的正式度量，说明随着更多临床证据出现，不确定性如何降低。随后，研究人员对比了频率派（frequentist）和贝叶斯派（Bayesian）对概率的解释，强调贝叶斯更新（Bayesian updating）如何使个体患者层面的信念修正变得透明。在这些概念的基础上，研究人员引入因果阶梯（ladder of causation）并将其应用于肝脏病学示例，以展示概率模型如何从识别关联发展到对干预和反事实的推理。最后，研究人员讨论了贝叶斯网络（Bayesian networks）作为统一预后建模与因果决策的框架，支持可解释、自适应且数据驱动的照护。通过将不确定性和因果关系形式化为单一的概率语言，肝脏病学可以超越预测，走向与决策相关的理解。
在临床医学中，决策过程始终伴随着不确定性，肝脏病学尤其如此。诊断标志物常非特异、依赖临床情境且相互重叠，传统复合指数如脂肪肝指数（FLI）和FIB-4虽然提供连续评分，但采用三分或二分阈值后仍存在大量“灰色地带”，个体患者的误分类风险难以避免。尽管临床指南和诊断算法为医生提供了结构化流程，但个体化评估仍依赖概率性和情境性推理。与此同时，现代人工智能预测模型能够生成长期多病种概率轨迹，但只描述“可能发生什么”而非“为什么”，可能带来校准不足、编码伪影、治疗悖论等问题。因此，需要将信息论、贝叶斯推断和因果推理整合成连贯框架，使不确定性下的临床推理更加透明、可解释和可操作。研究人员正是围绕这一目标开展研究，其核心结论是：通过统一概率语言形式化不确定性和因果关系，肝病学可从单纯预测转向决策相关的理解，支持自适应、数据驱动的照护。
在方法层面，研究人员采用概念综合与临床示例相结合的途径。首先，利用香农熵公式量化诊断不确定性；其次，使用贝叶斯定理说明新证据对先验信念的序贯更新；再次，将Pearl提出的因果阶梯转译为肝脏病学中的纤维化因果模型，以区分关联、干预和反事实；最后，引入贝叶斯网络作为统一预后建模和因果决策的框架。文中示例均为教学性临床场景，并未基于真实患者队列校准；其中PNPLA3 I148M基因型概率更新引用了Chen等研究的数据，所提及的Delphi-2M模型则基于0.4百万英国参与者训练并在1.9百万丹麦记录上外部验证，用以说明现代预后模型的潜在风险与机遇。
结果部分包含四个子主题。首先，在“诊断不确定性与香农熵（Diagnostic uncertainty and Shannon entropy）”方面，研究人员将患者视为部分可观测的动态系统，类比气候系统，阐述信息不完整如何导致诊断不确定性。通过虚构的转氨酶升高病例，展示了初始概率分布（MASLD 60%、ALD 25%、病毒性肝炎 15%）随实验室检查和病史采集逐步变化，最终在影像和血清学证据出现后收敛于MASLD（85%）。香农熵作为不确定性的正式度量，在概率分布越均匀时越大，该示例表明诊断推理本质上是熵减过程，新证据一般使熵下降，但某些阶段不确定性也可能暂时上升。
其次，在“概率与统计推理（Probability and statistical reasoning in hepatology）”部分，研究人员对比了频率派和贝叶斯派对概率本质的不同解释。频率派将概率视为可重复试验的长期频率，强调抽样变异、置信区间和假设检验；贝叶斯派将概率视为观察者当前知识状态下的信念度，通过贝叶斯定理更新。研究人员用PNPLA3 I148M纯合突变个体患MASLD的例子说明，人群中MASLD患病率约30%，在基因型证据下后验概率升至约46%，且可随更多临床信息继续动态修正。该示例表明，贝叶斯更新使个体水平的信念修正透明化，而
