Объяснимый искусственный интеллект в классификации болезни Альцгеймера: систематический обзор
Explainable Artificial Intelligence in Alzheimer’s Disease Classification: A Systematic Review
2023-11-13
SCID: 54.1/wgpc4b2m
Discuss with AI
Классификация болезни АльцгеймераКомпьютерная диагностикаОбъяснимый искусственный интеллектLIMESHAP
Figures from the paper
Abstract (AI)
Беспрецедентный рост вычислительных возможностей в последние годы позволил разрабатывать модели искусственного интеллекта (ИИ) для медицинских приложений, демонстрирующие выдающиеся результаты. Однако многие методы автоматизированной диагностики (Computer-Aided Diagnosis, CAD), основанные на ИИ, имеют ограниченное признание и применение в медицине из-за типичной природы этих моделей как «черных ящиков». Поэтому для внедрения таких моделей медицинскими специалистами их прогнозы должны быть объяснимыми и интерпретируемыми. Развивающаяся область объяснимого искусственного интеллекта (XAI) направлена на обоснование надежности прогнозов этих моделей. В настоящей работе представлен систематический обзор литературы, посвященной выявлению болезни Альцгеймера (БА) с использованием XAI, опубликованной за последнее десятилетие. Были тщательно сформулированы исследовательские вопросы для классификации моделей ИИ в соответствии с различными концептуальными подходами (например, post hoc, ante hoc, модельно-независимыми, модельно-специфичными, глобальными и локальными) и фреймворками XAI (Local Interpretable Model-Agnostic Explanations, или LIME; SHapley Additive exPlanations, или SHAP; Gradient-weighted Class Activation Mapping, или Grad-CAM; Layer-wise Relevance Propagation, или LRP; и др.). Такая классификация охватывает широкий спектр интерпретируемости — от изначально интерпретируемых подходов (например, модельно-специфичных и ante hoc-моделей) до сложных закономерностей (например, модельно-независимых и post hoc-моделей), а также распространение локальных объяснений на глобальный уровень. Кроме того, обсуждаются различные формы интерпретации, обеспечивающие глубокое понимание факторов, лежащих в основе клинической диагностики БА. Наконец, рассматриваются ограничения, потребности и нерешенные проблемы исследований в области XAI, а также возможные перспективы использования этих методов для выявления БА.
Key Findings
1
Модели выявления болезни Альцгеймера классифицируются по направлениям XAI, включая post-hoc и ante-hoc, модельно-независимые и модельно-зависимые, а также локальные и глобальные объяснения.
2
Обзор охватывает основные фреймворки XAI, включая LIME, SHAP, GradCAM и послойное распространение релевантности.
3
В обзоре обсуждаются клинически значимые факторы интерпретации, ограничения, открытые проблемы и перспективы внедрения XAI для выявления болезни Альцгеймера.
4
Рассмотренные методы охватывают интерпретации от изначально объяснимых моделей до сложных post-hoc-объяснений, а также переход от локальных предсказаний к глобальному пониманию.
5
Систематический обзор рассматривает методы объяснимого искусственного интеллекта, применяемые для выявления болезни Альцгеймера за последнее десятилетие.
Research Object
Методы объяснимого ИИ (XAI), применённые для выявления/классификации болезни Альцгеймера
Research Subject
Объяснимость и интерпретируемость прогнозов ИИ, включая подходы и фреймворки XAI, а также клинические факторы, поддерживающие диагностику болезни Альцгеймера
Publication Details
Publication Date
2023-11-13
Journal
Publisher
ISSN
Cited by
215
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai8
Заявление PRISMA 2020: обновлённое руководство по представлению систематических обзоров2021
Единый подход к интерпретации предсказаний моделей2017
Почему я должен вам доверять?2016
Потенциал искусственного интеллекта в здравоохранении2019
Обзор объяснимого искусственного интеллекта (XAI): на пути к медицинскому XAI2020
Последние достижения и применения машинного обучения в физике и материаловедении твёрдого тела2019
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
Работы, цитирующие эту статью3
Интерпретация моделей искусственного интеллекта: систематический обзор применения LIME и SHAP для обнаружения болезни Альцгеймера2024
Объяснимый искусственный интеллект для выявления болезни Альцгеймера: обзор современных методов и применений2024
Применение объяснимого искусственного интеллекта в здравоохранении: систематический обзор2026