Aprovechar la inteligencia artificial explicable para sistemas de detección de cáncer transparentes y confiables

Área de la Ciencia:

• En el campo de la oncología
• Inteligencia artificial
• Diagnóstico médico

Sus antecedentes:

• La detección oportuna del cáncer es crucial para mejorar los resultados de los pacientes.
• La inteligencia artificial (IA), en particular el aprendizaje profundo (DL), es prometedora en el diagnóstico del cáncer, pero se enfrenta a desafíos de transparencia.
• La IA explicable (XAI) ofrece soluciones mejorando la interpretabilidad y la transparencia de los modelos de IA.

Objetivo del estudio:

• Revisar sistemáticamente las aplicaciones recientes de XAI en la detección de cáncer en varios tipos de cáncer.
• Categorizar las técnicas XAI basadas en el tipo de cáncer, los métodos de interpretabilidad, el uso de conjuntos de datos, los entornos de simulación y las consideraciones de seguridad.
• Identificar los desafíos actuales y las brechas de investigación en la IA confiable e interpretable para la oncología.

Principales métodos:

• Revisión sistemática de la literatura de las aplicaciones recientes de XAI en la detección del cáncer.
• Categoría de los estudios por tipo de cáncer (mamá, piel, pulmón, colorrectal, cerebro, etc.) En el caso de los
• Análisis de métodos de interpretabilidad, utilización de conjuntos de datos, entornos de simulación y aspectos de seguridad.

Principales resultados:

• Las redes neuronales convolucionales (CNN) se utilizan en el 31% de los modelos.
• SHAP es el marco de interpretabilidad más común (44,4%).
• Python es el principal lenguaje de programación (32,1%), con problemas de seguridad abordados en solo el 7,4% de los estudios.

Conclusiones:

• XAI es cada vez más importante para la IA transparente e interpretable en el diagnóstico del cáncer.
• Se necesita más investigación para abordar las preocupaciones de seguridad y avanzar en aplicaciones de IA confiables en oncología.
• Esta revisión proporciona una hoja de ruta para la investigación futura en IA explicable para la detección del cáncer.