开发一种可解释的人工智能系统,用于基于手机的发烧性疾病诊断,使用随机森林,LIME和GPT

科学领域:

• 医疗保健中的人工智能
• 医学诊断 医学诊断 医学诊断
• 可解释的人工智能 (XAI)

背景情况:

• 医疗保健中的机器学习模型往往缺乏透明度,阻碍了对关键决策的信任和采用.
• 移动健康平台为广泛的诊断可访问性提供了潜力,但需要可解释的AI来实现临床实用性.

研究的目的:

• 提出和评估一个基于移动的可解释的人工智能 (XAI) 平台,用于诊断发烧性疾病.
• 整合本地可解释的模型不可知解释 (LIME) 和生成预训练变压器 (GPT) 以提高模型透明度和用户理解.

主要方法:

• 开发了一个移动AI系统,使用随机森林进行疾病诊断.
• 集成的LIME用于解释模型预测和GPT-3.5用于生成自然语言解释.
• 评估了疟疾,尿路感染,呼吸道感染,伤寒和艾滋病毒/艾滋病的诊断性能.

主要成果:

• 该模型实现了疟疾的高性能 (85%的精度,91%的回忆,88%的F1得分).
• 尿路感染和RTI观察到适度的表现,而伤寒热和艾滋病毒/艾滋病检测显示出需要进一步微调的局限性.
• LIME确定了影响诊断的关键症状,GPT-3.5提供了明确的解释,提高了系统可信度.

结论:

• 移动XAI平台提高了发烧性疾病诊断的透明度和可信度.
• 集成LIME和GPT-3.5有助于临床决策,并提高用户的理解.
• 该系统有望通过可访问,可解释的诊断来改善患者的治疗结果,并减少医疗保健负担.