透明で信頼性の高いがん検出システムのための説明可能な人工知能の活用

科学分野:

• 腫瘍学
• 人工知能
• 医療診断

背景:

• 患者の治療結果を改善するには 癌の早期発見が不可欠です
• 人工知能 (AI),特にディープラーニング (DL) はがん診断において有望ですが,透明性の課題に直面しています.
• 説明可能なAI (XAI) は,AIモデルの解釈性と透明性を高めることで解決策を提供します.

研究 の 目的:

• 様々な癌の検出における XAI の最近の応用を体系的に検討する.
• 癌のタイプ,解釈可能な方法,データセットの使用,シミュレーション環境,およびセキュリティ上の考慮事項に基づいてXAI技術を分類する.
• 腫瘍学における信頼できる解釈可能なAIにおける現在の課題と研究ギャップを特定する.

主な方法:

• 癌検出における最近のXAIアプリケーションの体系的な文献レビュー.
• 研究の分類 癌の種類 (乳がん,皮膚,肺,結腸直腸,脳など) ) でした.
• 解釈方法,データセット利用,シミュレーション環境,セキュリティの分析

主要な成果:

• コンボーションニューラルネットワーク (CNN) は 31%のモデルで使用されています.
• SHAPは最も一般的な解釈の枠組みである (44.4%).
• Pythonは主要なプログラミング言語で (32.1%),セキュリティ問題は研究の7.4%しか扱っていない.

結論:

• XAIは 癌診断における透明で解釈可能な AIにとってますます重要になっています
• セキュリティ上の懸念に対処し,腫瘍学における信頼性の高いAIアプリケーションを推進するには,さらなる研究が必要です.
• このレビューは,癌の検出のための説明可能なAIの将来の研究のためのロードマップを提供します.