Объяснимый искусственный интеллект в нейровизуализации болезни Альцгеймера
Explainable Artificial Intelligence in Neuroimaging of Alzheimer’s Disease
2025-03-04
SCID: 54.1/9yb8wzwz
Discuss with AI
болезнь АльцгеймераGrad-CAMSHAPобъяснимый искусственный интеллектнейровизуализация
Figures from the paper
Abstract (AI)
Болезнь Альцгеймера (БА) остается серьезной глобальной проблемой здравоохранения, затрагивая миллионы людей во всем мире и создавая значительную нагрузку на системы здравоохранения. Достижения в области искусственного интеллекта (ИИ), особенно глубокого и машинного обучения, произвели революцию в диагностике БА на основе нейровизуализации. Однако сложность и недостаточная интерпретируемость этих моделей ограничивают возможности их применения в клинической практике. Объяснимый искусственный интеллект (XAI) решает эту проблему, предоставляя информацию о процессе принятия решений моделью, повышая прозрачность и укрепляя доверие к диагностике на основе ИИ. В настоящем обзоре рассматривается роль XAI в нейровизуализации БА с акцентом на такие ключевые методы, как SHAP, LIME, Grad-CAM и послойное распространение релевантности (Layer-wise Relevance Propagation, LRP). Анализируется их применение для выявления ключевых биомаркеров, отслеживания прогрессирования заболевания и дифференциации стадий БА с использованием различных методов визуализации, включая магнитно-резонансную томографию (МРТ) и позитронно-эмиссионную томографию (ПЭТ). Кроме того, обсуждаются современные проблемы, включая ограничения наборов данных, регуляторные аспекты и вопросы стандартизации, а также предлагаются перспективные направления исследований для улучшения интеграции XAI в клиническую практику. Сокращая разрыв между ИИ и клинической интерпретируемостью, XAI обладает потенциалом для совершенствования диагностики БА, персонализации терапевтических стратегий и развития исследований в области нейровизуализации.
Key Findings
1
Ограничения наборов данных, регуляторные требования и недостаточная стандартизация препятствуют внедрению XAI в клиническую практику.
2
Объяснимый искусственный интеллект может повысить прозрачность и клиническое доверие к диагностике болезни Альцгеймера на основе нейровизуализации.
3
Улучшение интеграции XAI может повысить точность диагностики болезни Альцгеймера, способствовать персонализации лечения и развитию исследований нейровизуализации.
4
SHAP, LIME, Grad-CAM и послойное распространение релевантности выделены как основные методы интерпретации моделей нейровизуализации.
5
Методы XAI помогают выявлять биомаркеры болезни Альцгеймера, отслеживать её прогрессирование и различать стадии заболевания с использованием МРТ и ПЭТ.
Research Object
модели искусственного интеллекта для нейровизуализационной диагностики болезни Альцгеймера на основе данных MRI и PET
Research Subject
объяснимость, прозрачность и клиническая интерпретируемость диагностики болезни Альцгеймера с использованием ИИ, включая выявление биомаркеров, отслеживание прогрессирования заболевания и дифференциацию его стадий
Publication Details
Publication Date
2025-03-04
Journal
Publisher
ISSN
Cited by
78
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai7
Заглядывая в «черный ящик»: обзор объяснимого искусственного интеллекта (XAI)2018
Причинная объяснимость и объяснимость искусственного интеллекта в медицине2019
Визуализация головного мозга при болезни Альцгеймера2012
Интерпретация моделей искусственного интеллекта: систематический обзор применения LIME и SHAP для обнаружения болезни Альцгеймера2024
Многоуровневая мультимодальная модель выявления и прогнозирования на основе объяснимого искусственного интеллекта для болезни Альцгеймера2021
Послойное распространение значимости для объяснения решений глубоких нейронных сетей при классификации болезни Альцгеймера по данным МРТ2019
Объяснимый искусственный интеллект: обзор приложений к данным нейровизуализации2022