基于可解释 AI 的 MALDI-ToF 质谱 COVID-19 诊断方法
机器学习
2023-05-25 v3 人工智能
摘要
严重急性呼吸综合征冠状病毒 2 型（SARS-CoV-2）引发了全球大流行，并对全球经济产生了巨大影响。准确、经济且快速的检测已被证明在识别感染者和缓解传播方面具有实质性作用。最近，已发表多种用于检测 2019 冠状病毒病（COVID-19）的替代平台，这些平台与当前金标准实时聚合酶链反应（RT-PCR）结果显示出高度一致性。这些新方法无需鼻咽（NP）拭子，消除了对复杂试剂的需求，并减轻了 RT-PCR 检测试剂供应的负担。在本研究中，我们设计了一种基于人工智能（AI）的检测方法，以提供对结果的置信度。当前用于 COVID-19 研究的 AI 应用在决策过程中通常缺乏生物学基础，而我们的 AI 方法是最早利用可解释 AI（X-AI）算法通过质谱进行 COVID-19 诊断的方法之一。在这里，我们采用 X-AI 在以生物学相关特征为基础的局部（单样本）和全局（所有样本）层面上解释决策过程。我们使用从人类漱口液样本中提取的数据评估了我们的技术，并实现了 94.12% 的检测准确率。此类技术将通过为生物医学研究人员和医疗保健工作者提供值得信赖且最重要的可解释检测结果，加强 AI 与临床诊断之间的关系。
引用
@article{arxiv.2109.14099,
title = {An Explainable-AI approach for Diagnosis of COVID-19 using MALDI-ToF Mass Spectrometry},
author = {Venkata Devesh Reddy Seethi and Zane LaCasse and Prajkta Chivte and Joshua Bland and Shrihari S. Kadkol and Elizabeth R. Gaillard and Pratool Bharti and Hamed Alhoori},
journal= {arXiv preprint arXiv:2109.14099},
year = {2023}
}