在放射治疗中最大限度地发挥可解释的人工智能的影响:批判性审查

科学领域:

• 医学物理 医学物理
• 辐射疗法 辐射疗法
• 人工智能的人工智能

背景情况:

• 放射治疗 (RT) 需要高精度的辐射剂量分配治疗癌症.
• 癌症发病率的增加需要在RT效率和成本效益方面取得进展.
• 人工智能 (AI) 为RT提供了自动化和提高准确性的潜力,但由于对AI输出缺乏理解,临床实施受到阻碍.

研究的目的:

• 审查目前对用于RT的可解释AI (XAI) 开发的方法.
• 应对在RT的多学科领域创建可理解但准确的XAI方法的挑战.
• 在RT中提出一个以用户为中心的XAI设计框架,最大限度地提高临床支持,同时最大限度地减少不确定性.

主要方法:

• 对研究论文的系统审查XAI开发RT.
• 在RT中应用XAI的目的和挑战的分析.
• 开发一个以用户为中心的XAI设计的新框架.

主要成果:

• 确定了XAI在RT中的五个主要目的:知识发现,模型验证,模型改进,临床验证和临床证明/可行性.
• 突出了 XAI 对人类的直觉性和 XAI 的准确性之间的内在紧张关系.
• 提出了以用户为中心的XAI设计在RT的新框架.

结论:

• 人工智能在科技领域的有效实施需要针对不同用户群体量身定制的可信且易于理解的XAI方法.
• 以用户为中心的设计方法对于开发XAI至关重要,它在RT中平衡了可理解性和准确性.
• 拟议的框架旨在指导XAI的发展,最大限度地支持临床医生,并最大限度地减少引入的不确定性.