マルチモダルの臨床および神経画像データからアルツハイマー病の診断のための機能強化された説明可能な人工知能モデル

科学分野:

• 医療における人工知能
• 神経科学
• 医学画像分析

背景:

• アルツハイマー病 (AD) の診断には 臨床情報や認知スコア (MMSE) やMRIスキャンなどの複雑なデータを統合する必要があります
• 現在のAI診断ツールには 透明性が欠けていて 臨床採用を妨げています
• 説明可能なAI (Explainable AI) の方法は,信頼を築き,ヘルスケアにおけるAIの使用を促進するために不可欠です.

研究 の 目的:

• アルツハイマー病 (AD) の診断をサポートするための機能強化説明可能なAI (XAI) のアプローチを評価する.
• AIの説明可能性がAD診断における臨床医の信頼と理解に与える影響を評価する.
• 臨床データ,MMSEスコア,MRIスキャンをXAIの枠組みに統合する.

主な方法:

• 5人の経験豊富なAD専門医による調査に基づく評価
• 参加者はAIによって生成された診断出力を評価し,臨床的特徴の解釈,MRIヒートマップ,および組み合わせた説明を評価した.
• XAIのアプローチでは,ルールベースの推論と,例に基づいた視覚化が組み合わせられ,解釈性が向上しました.

主要な成果:

• 説明可能なAIモデルは,参加した臨床医の間で100%の信頼スコアを達成しました.
• 80%の臨床医は条件付きの信頼を示し,AIの洞察とともにさらなる明確化が必要であることを示しました.
• 統合された説明形式は,AIによるAD診断に対する臨床医の理解と信頼を大幅に改善しました.

結論:

• この研究は,AD診断のためのXAIモデルに関する臨床専門家からのフィードバックを初めて収集したものです.
• AIツールへの信頼と活用性を 臨床実務で促進する上で 説明可能性は重要な要素です
• XAIのアプローチは,ADのような複雑な診断作業において,経験豊富な臨床医を支援するために特に価値があります.