例如，在治疗糖尿病时，经典机器学习能预测具有一系列风险因素的患者罹患该疾病的可能性。而因果机器学习可回答：如果患者服用抗糖尿病药物，会对患病风险产生什么影响，即它能衡量一个原因(药物处方)的影响。它还可估计另一种治疗方案是否优于目前处方药二甲双胍。

db电竞官网研究负责人、慕尼黑大学AI管理研究所所长斯特凡·弗雷里格尔教授指出，经典机器学习可识别模式并发现相关性。但因果关系中的因果原理对机器而言仍是盲区，机器无法解决“为什么”的问题。然而，在作出治疗决定时遇到的许多问题都包含因果关系。