面向放射科学的人类-人工智能决策的2因子检索
人机交互
2024-12-03 v1 人工智能
摘要
人机协作医学AI需要我们理解训练临床医生应如何权衡AI预测。虽然先前工作表明AI辅助在提高临床预测方面具有潜力，但现有临床决策支持系统要么不提供其预测的可解释性，要么使用类似显著性和Shapley值等技术，这些技术不允许医生进行基于医生的验证。为填补这一差距，本研究比较了先前使用的可解释AI技术与一种新提出的技术，称为“2因子检索（2FR）”，该技术结合了界面设计和检索技术，返回相似标记的数据而不加工处理这些数据。这导致一个“2因子安全垫”：（a）正确的图像需要被AI检索；以及（b）人类应将检索到的图像与当前测试中的病理关联。我们发现，在针对胸部X光诊断进行测试时，2FR导致临床医生准确率提升，特别是在临床医生为放射科医生且对其决策信心较低时提升效果更为显著。我们的结果突显了理解不同人机决策模式如何影响临床医生准确率在临床决策支持系统中的重要性。
引用
@article{arxiv.2412.00372,
title = {2-Factor Retrieval for Improved Human-AI Decision Making in Radiology},
author = {Jim Solomon and Laleh Jalilian and Alexander Vilesov and Meryl Mathew and Tristan Grogan and Arash Bedayat and Achuta Kadambi},
journal= {arXiv preprint arXiv:2412.00372},
year = {2024}
}