可解释的深度学习方法用于牙周炎风险查
Journal of dental research
|November 20, 2024
概括
可解释的人工智能 (XAI) 现在可以帮助早期查牙周炎. 这个人工智能工具分析临床数据以确定关键的风险因素,帮助预防和诊断.
科学领域:
- 计算生物学和生物信息学
- 公共卫生和流行病学.
- 医疗保健中的人工智能
背景情况:
- 牙周炎与全身性疾病有关,但缺乏早期查工具.
- 有效的预防和早期诊断对于治疗牙周炎至关重要.
- 目前用于牙周炎查的方法需要改进,以便更广泛地应用.
研究的目的:
- 开发和验证一种可解释的人工智能 (XAI) 工具,用于早期牙周炎查.
- 确定与牙周炎风险相关的关键临床,人口和生化因素.
- 利用人工智能驱动的洞察力,提供针对牙周炎的个性化风险评估.
主要方法:
- 利用来自国家健康和营养检查调查 (NHANES) 的大量数据集 (30,465名参与者).
- 训练有素的深度学习和机器学习模型用于牙周炎查和诊断.
- 应用局部可解释的模型不可知解释 (LIME) 来识别和排名相关的风险因素.
主要成果:
- 深度学习模型在查和诊断方面实现了高性能 (AUC 0.858-0.865).
- XAI确定了关键的相关因素,包括年龄,性别,糖尿病,组织转质氨酶和吸烟.
- 其他发现的促成因素包括关节炎,睡眠障碍,高血压,胆固醇和超重状态.
结论:
- XAI有效地识别了与牙周炎相关的关键因素,与临床知识保持一致.
- 开发的AI工具在分析牙周炎的相关因素方面表现出实用性.
- 在医疗检查期间,XAI可以支持开发牙周炎早期检测和预防策略.
