Deciphering knee osteoarthritis diagnostic features with explainable artificial intelligence: A systematic review

要約

変形性膝関節症 (OA) を診断するための既存の人工知能 (AI) モデルは、医療専門家と同等のパフォーマンスを達成しているにもかかわらず、透明性と解釈可能性に欠けているという批判に直面しています。
この不透明さにより、臨床現場でそれらを信頼することが難しくなります。
最近、説明可能な人工知能 (XAI) が、予測がどのように導き出されるかを明らかにすることでモデルの予測に信頼性を与えることができる特殊な技術として登場し、医療における AI システムの使用を促進しています。
この論文では、膝 OA の診断に使用される XAI 技術の最初の調査を紹介します。
XAI 手法は、データの解釈可能性とモデルの解釈可能性という 2 つの観点から説明されます。
この論文の目的は、より信頼性の高い膝 OA 診断アプローチに向けた XAI の可能性について貴重な洞察を提供し、臨床現場での導入を奨励することです。

要約(オリジナル)

Existing artificial intelligence (AI) models for diagnosing knee osteoarthritis (OA) have faced criticism for their lack of transparency and interpretability, despite achieving medical-expert-like performance. This opacity makes them challenging to trust in clinical practice. Recently, explainable artificial intelligence (XAI) has emerged as a specialized technique that can provide confidence in the model’s prediction by revealing how the prediction is derived, thus promoting the use of AI systems in healthcare. This paper presents the first survey of XAI techniques used for knee OA diagnosis. The XAI techniques are discussed from two perspectives: data interpretability and model interpretability. The aim of this paper is to provide valuable insights into XAI’s potential towards a more reliable knee OA diagnosis approach and encourage its adoption in clinical practice.

arxiv情報

著者 Yun Xin Teoh,Alice Othmani,Siew Li Goh,Juliana Usman,Khin Wee Lai
発行日 2023-08-18 08:23:47+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.CV, cs.LG パーマリンク