可解释的人工智能方法通过邻居增强知识图和传统中医诊断耳声:开发和验证研究研究
Ziming Yin1, Zhongling Kuang1, Haopeng Zhang2
1School of Health Science and Engineering, University of Shanghai for Science and Technology, Shanghai, China.
JMIR medical informatics
|June 10, 2024
概括
这项研究引入了一种可解释的耳人工智能诊断模型,在识别亚型方面实现了高精度. 知识图的方法提高了耳鼻喉专业人员的诊断可靠性.
科学领域:
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 耳的诊断是具有挑战性的,因为复杂的病原和缺乏客观的方法.
- 目前的临床实践缺乏可以解释的耳辅助诊断工具.
研究的目的:
- 开发一种可解释的人工智能 (AI) 诊断模型来治疗耳.
- 使用人工智能提高 tinnitus 诊断的准确性.
主要方法:
- 开发了一种基于知识图的耳诊断方法,整合了临床知识和电子医疗记录.
- 用知识图中的相互信息值来测量患者的相似性.
- 一个协作邻居算法被提议用于诊断建议.
主要成果:
- 该模型实现了99.4%的准确性,98.5%的灵敏度,99.6%的特异性,98.7%的精度,98.6%的F1分数和99%的耳亚型推断的AUC.
- 该方法表现出强大的可解释性,知识图形拓解释了患者的相似性.
- 该模型与最先进的图形算法和可解释的机器学习模型进行了验证.
结论:
- 开发的方法提供了一个可靠和可解释的耳诊断工具.
- 这种人工智能驱动的方法预计将在临床环境中显著提高耳声诊断的准确性.
