机构名称：
¥ 1.0
人工智能（AI）在医疗保健中的整合正在彻底改变诊断和治疗程序，提供了前所未有的准确性和效率。然而，由于对信任，透明度和可解释性的关注，许多高级AI模型（通常被描述为“黑匣子”）的不透明度在采用方面造成了挑战，尤其是在像医疗保健这样的高风险环境中。可解释的AI（XAI）通过提供一个框架不仅可以实现高性能，而且还提供了对决策方式的见解，从而解决了这些问题。本研究探讨了XAI技术在医疗保健中的应用，重点是疾病诊断，预测分析和个性化治疗建议等关键领域。该研究将分析各种XAI方法，包括模型 - 现实方法（石灰，外形），可解释的深度学习模型以及XAI的领域特定应用。它还评估了道德意义，例如问责制和偏见缓解，以及XAI如何促进临床医生与AI系统之间的协作。最终，目标是创建既有功能又值得信赖的AI系统，从而促进在医疗保健领域的广泛采用，同时确保患者的道德和安全成果。
医疗保健中可解释的AI（XAI）：提高批判决策的信任和透明度
主要关键词
相关文件推荐
