Interpretable Machine Learning System to EEG Patterns on the Ictal-Interictal-Injury Continuum

要約

タイトル： イクタル-インターアイクタル-損傷連続体に対するEEGパターンの解釈可能な機械学習システム
要約：
– 重症患者の脳損傷を予防するために、集中治療室（ICU）では患者の脳波測定が行われる。
– 脳波の読解には高度に訓練された医師が必要であり、患者の数には限りがある。
– 患者の脳波測定における自動深層学習システムは人間の偏りを減らし、診断プロセスを加速することができる。
– しかし、ブラックボックスの深層学習モデルは信頼性が低く、トラブルシューティングが困難で、リアルワールドのアプリケーションでは責任を持たないため、医師からの信頼と採用が遅れている。
– これらの課題に対処するため、我々は新しい解釈可能な深層学習モデルを提案し、有害な脳波パターンの存在を予測するだけでなく、高品質なケースベースの説明も提供する。
– 我々のモデルはブラックボックスモデルよりも優れた性能を発揮しており、解釈可能であるという制約にもかかわらず、解釈可能な深層学習モデルとしては初めて得られた2D埋め込み空間によってイクタル-インターアイクタル-損傷連続体の脳波パターンの構造についての最初のグローバルな概要が提供される。
– モデルがどのように意思決定に至ったのか理解できることは、医師が有害な脳活動をより正確に診断・治療するのに役立ち、機械学習モデルを臨床実践に取り入れる信頼と採用を高めることができる。これはICU脳神経学者の標準的なワークフローの重要な部分になる可能性がある。

要約(オリジナル)

In intensive care units (ICUs), critically ill patients are monitored with electroencephalograms (EEGs) to prevent serious brain injury. The number of patients who can be monitored is constrained by the availability of trained physicians to read EEGs, and EEG interpretation can be subjective and prone to inter-observer variability. Automated deep learning systems for EEG could reduce human bias and accelerate the diagnostic process. However, black box deep learning models are untrustworthy, difficult to troubleshoot, and lack accountability in real-world applications, leading to a lack of trust and adoption by clinicians. To address these challenges, we propose a novel interpretable deep learning model that not only predicts the presence of harmful brainwave patterns but also provides high-quality case-based explanations of its decisions. Our model performs better than the corresponding black box model, despite being constrained to be interpretable. The learned 2D embedded space provides the first global overview of the structure of ictal-interictal-injury continuum brainwave patterns. The ability to understand how our model arrived at its decisions will not only help clinicians to diagnose and treat harmful brain activities more accurately but also increase their trust and adoption of machine learning models in clinical practice; this could be an integral component of the ICU neurologists’ standard workflow.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI