The Role of Explainable AI in Revolutionizing Human Health Monitoring

要約

病気のメカニズムの複雑な性質と患者の症状の多様性は、効果的な診断ツールの開発において大きな障害となります。
機械学習は医療診断において大幅な進歩を遂げましたが、その意思決定プロセスには透明性が欠けていることが多く、患者の転帰を危険にさらす可能性があります。
これは、Explainable AI (XAI) の重要な必要性を強調しています。XAI は、より明確な情報を提供するだけでなく、患者ケアを大幅に改善する可能性もあります。
この文献レビューでは、パーキンソン病、脳卒中、うつ病、がん、心臓病、アルツハイマー病などの慢性疾患に焦点を当て、さまざまなデータベースの検索を通じて特定された XAI 手法を分析する詳細な分析を実施します。
文献調査により、ヘルスケア分野における 9 つのトレンド XAI アルゴリズムの適用が明らかになり、それぞれの長所と短所が明らかになりました。
したがって、この記事は、人間の健康監視における XAI の課題と将来の研究の機会についての批判的な評価で締めくくられています。

要約(オリジナル)

The complex nature of disease mechanisms and the variability of patient symptoms present significant obstacles in developing effective diagnostic tools. Although machine learning has made considerable advances in medical diagnosis, its decision-making processes frequently lack transparency, which can jeopardize patient outcomes. This underscores the critical need for Explainable AI (XAI), which not only offers greater clarity but also has the potential to significantly improve patient care. In this literature review, we conduct a detailed analysis of analyzing XAI methods identified through searches across various databases, focusing on chronic conditions such as Parkinson’s, stroke, depression, cancer, heart disease, and Alzheimer’s disease. The literature search revealed the application of 9 trending XAI algorithms in the field of healthcare and highlighted the pros and cons of each of them. Thus, the article is concluded with a critical appraisal of the challenges and future research opportunities for XAI in human health monitoring.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google