编排可解释的人工智能用于医学成像中的多式联络和纵向数据
Aurélie Pahud de Mortanges1, Haozhe Luo2, Shelley Zixin Shu2
1ARTORG Center for Biomedical Engineering Research, University of Bern, Bern, Switzerland. aurelie.pahuddemortanges@unibe.ch.
NPJ digital medicine
|July 22, 2024
概括
可解释的人工智能 (XAI) 系统正在进步,但对复杂患者数据的临床可用性仍然是一个挑战. 这项研究审查了XAI的多式联络,纵向数据,并提出了一个"XAI编排器"来帮助临床医生.
科学领域:
- 人工智能在医学中的应用
- 临床信息学 临床信息学
- 数据科学数据科学数据科学
背景情况:
- 可解释的人工智能 (XAI) 在技术上迅速发展.
- XAI系统的临床适用性和可用性尚未得到充分探索.
- 对于多模式和纵向临床数据的XAI需要进一步关注.
研究的目的:
- 审查当前XAI对多式联络和纵向数据集的临床前景.
- 识别 XAI 应用于复杂临床数据的挑战.
- 为临床工作流程提出一个新的XAI编排器概念.
主要方法:
- 文献综述侧重于XAI的临床适用性.
- 对XAI多式联运和纵向数据的能力进行分析.
- 一个XAI编排器框架的概念化.
主要成果:
- 目前的XAI研究缺乏对临床可用性和复杂数据类型的关注.
- 整合XAI与多式联络和纵向临床数据存在重大挑战.
- 拟议的XAI编排器为临床数据摘要和AI解释提供了潜在的解决方案.
结论:
- 弥合技术XAI进步和临床需求之间的差距至关重要.
- 处理多模式和纵向数据对于有效的临床XAI至关重要.
- 拟议的XAI编排器具有适应性和不确定性意识等特性,可以增强临床决策.


