对心血管疾病检测的负责任人工智能:朝着保护隐私和可解释的模型发展

科学领域:

• 医疗信息学 医疗信息学
• 医疗保健中的人工智能
• 数据 隐私 数据 隐私 数据

背景情况:

• 心血管疾病 (CD) 是全球主要的死亡原因,需要改进早期检测方法.
• 人工智能 (AI) 为医疗保健中的风险评估和结果预测提供了潜力,但也引发了对数据隐私和偏见的担忧.
• 负责的人工智能开发对于敏感的医疗保健应用至关重要,强调隐私,安全,透明度和公平性.

研究的目的:

• 开发和实施一个负责任的AI模型用于心血管疾病 (CD) 预测.
• 在AI模型中优先考虑患者隐私和数据安全.
• 确保医疗保健人工智能应用程序的透明度,可解释性,公平性和道德遵守.

主要方法:

• 采用数据匿名化技术,包括对敏感特征添加拉普拉斯噪声.
• 利用差异性隐私 (DP) 框架进行强大的数据隐私保护.
• 综合特征选择,统计分析和可解释性工具 (SHAP,LIME) 为模型透明度,比较性能与物流回归 (LR),高斯素朴贝叶斯 (GNB) 和随机森林 (RF).

主要成果:

• 使用LR的DP框架表现出有希望的性能,AUC为0.848±0.03,准确度为0.797±0.02.
• 性能指标,包括精度,回忆和F1分数,与非隐私框架相比,表明有效性.
• SHAP和LIME分析支持了临床发现,强调了模型的透明度和与负责任的AI原则的一致性.

结论:

• 支持一种新的CD预测方法,将数据匿名化,DP和可解释性工具 (SHAP,LIME) 结合起来.
• 负责任的AI框架确保了准确的预测,保护了患者的隐私,并促进了用户对医疗保健AI的信任.
• 这项研究为预测CD提供了至关重要的工具,有可能预防死亡事故并改善全球患者的治疗结果.