皮肤科医生类可解释的AI提高了黑色素瘤诊断的准确性:眼睛跟踪研究
Tirtha Chanda1, Sarah Haggenmueller1, Tabea-Clara Bucher1
1Digital Biomarkers for Oncology Group, German Cancer Research Center (DKFZ), Heidelberg, Germany.
Nature communications
|May 21, 2025
概括
可解释性AI (XAI) 与标准AI相比,可以提高皮肤科医生的黑色素瘤诊断准确率2.8%. 眼睛跟踪显示,XAI减少了认知负载,提高了对医疗诊断人工智能的信任.
科学领域:
- 皮肤病学 皮肤病学
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 人工智能 (AI) 提高了皮肤病学中的诊断准确性.
- 可解释的AI (XAI) 旨在提高皮肤科医生对AI工具的信任和信心.
- 需要对皮肤科医生与AI和XAI相互作用的客观评估.
研究的目的:
- 客观地评估皮肤科医生与AI和XAI系统的接触.
- 为了比较XAI与标准AI在黑色素瘤检测中的诊断性能.
- 评估AI/XAI对皮肤科医生的认知负载的影响.
主要方法:
- 一项读者研究涉及76名皮肤科医生,诊断了16张皮肤镜像.
- 利用一个XAI系统,提供特定领域的解释和眼睛追踪技术.
- 将诊断准确度与没有解释的标准AI系统进行比较.
主要成果:
- 与标准AI相比,XAI显著提高了皮肤科医生的平衡诊断准确率2.8%.
- 眼部固定度增加表明在诊断分歧和复杂病变时的认知负载增加.
- 眼睛跟踪提供了皮肤科医生与AI/XAI相互作用的客观测量.
结论:
- XAI提高了皮肤科医生的诊断性能,并可能对人工智能产生信任.
- 认知负载是人工智能辅助医学诊断的一个关键因素,可以通过眼睛跟踪来衡量.
- 这些发现有助于设计以用户为中心的AI/XAI工具,用于皮肤病学和医学诊断.
更多相关视频
09:37Combining Reflectance Confocal Microscopy with Optical Coherence Tomography for Noninvasive Diagnosis of Skin Cancers via Image Acquisition
Published on: August 18, 2022
2.2K
05:46Implantation and Evaluation of Melanoma in the Murine Choroid via Optical Coherence Tomography
Published on: December 2, 2022
1.6K
