可解释的人工智能用于基于症状检测麻疹:一种机器学习方法
Gizachew Mulu Setegn1, Belayneh Endalamaw Dejene2
1Department of Computer Science, Debark University, Debark, Ethiopian, Ethiopia. Gizachew.Mulu@dku.edu.et.
BMC infectious diseases
|March 27, 2025
概括
机器学习模型使用症状数据和可解释的人工智能 (XAI) 准确地检测水. 这种方法增强了诊断信任,并有助于公共卫生对新出现的传染病作出反应.
科学领域:
- 医疗信息学 医疗信息学
- 公共卫生 公共卫生
- 机器学习 机器学习
背景情况:
- 麻疹是一种全球关注的新兴病毒性动物性疾病.
- 越来越多的发病率和疫情需要改进检测方法.
- 早期检测和预测对于控制麻疹感染至关重要.
研究的目的:
- 开发一种基于症状的机器学习方法来检测麻疹.
- 整合可解释的人工智能 (XAI) 以提高透明度和信任.
- 解决传统的基于图像的诊断系统的局限性.
主要方法:
- 利用公开可用的临床特征数据集来研究麻疹.
- 使用随机森林,包装,梯度提升,CatBoost,XGBoost和LGBMC分类器分析数据.
- 集成的XAI技术来解释模型预测和特征的重要性.
主要成果:
- 机器学习模型根据临床症状准确诊断水.
- LGBMC分类器以89.3%的准确度实现了最高的性能.
- XAI技术提供了透明度,增强了医疗保健专业人员对预测的信心.
结论:
- 将XAI与人工智能模型相结合,可以提高病例检测准确度,并建立专业信任.
- 人工智能模型有助于做出明智的决策和有效地分配公共卫生监督中的资源.
- 这项研究强调了AI在应对新出现的传染病,如麻疹等方面的潜力.
