Key points are not available for this paper at this time.
Die Integration von künstlicher Intelligenz (KI) im Gesundheitswesen revolutioniert diagnostische und therapeutische Verfahren und bietet eine beispiellose Genauigkeit und Effizienz. Allerdings schafft die Intransparenz vieler fortschrittlicher KI-Modelle, oft als "schwarze Kästen" beschrieben, Herausforderungen bei der Einführung aufgrund von Bedenken in Bezug auf Vertrauen, Transparenz und Interpretierbarkeit, insbesondere in risikobehafteten Umfeldern wie dem Gesundheitswesen. Erklärbare KI (XAI) spricht diese Bedenken an, indem sie einen Rahmen bietet, der nicht nur hohe Leistung erzielt, sondern auch Einblicke in die Entscheidungsfindung gewährt. Diese Forschung untersucht die Anwendung von XAI-Techniken im Gesundheitswesen mit einem Fokus auf kritische Bereiche wie Krankheitsdiagnosen, prädiktive Analytik und personalisierte Behandlungsempfehlungen. Die Studie wird verschiedene XAI-Methoden analysieren, einschließlich modellagnostischer Ansätze (LIME, SHAP), interpretierbarer Deep-Learning-Modelle und domänenspezifischer Anwendungen von XAI. Außerdem werden die ethischen Implikationen, wie Verantwortung und Verzerrungsminderung, bewertet und wie XAI die Zusammenarbeit zwischen Klinikern und KI-Systemen fördern kann. Letztendlich besteht das Ziel darin, KI-Systeme zu schaffen, die sowohl leistungsstark als auch vertrauenswürdig sind, um eine breitere Akzeptanz im Gesundheitssektor zu fördern und gleichzeitig ethische und sichere Ergebnisse für Patienten zu gewährleisten.
Adeniran et al. (Sun,) haben diese Frage untersucht.