超越已知现实：利用反事实解释进行医学研究
人工智能
2025-02-04 v6
摘要
人工智能（AI）可解释性领域的研究数量与学术兴趣日益增长。然而，机器学习算法在解释其结果时缺乏人性化与个体化的解读，严重阻碍了临床医生在其研究与临床实践中对这些方法的接受。为解决此问题，我们的研究利用反事实解释（counterfactual explanations）探索“如果……会怎样？”场景在医学研究中的适用性。我们的目标是在现有边界之外拓展对用于诊断儿童后颅窝脑肿瘤的磁共振成像（MRI）特征的理解。在我们的案例研究中，所提出的概念提供了一种审视替代决策场景的新颖方式，这些场景提供个性化且情境特定的洞察，能够在多样环境下验证预测并澄清变异。此外，我们探索了反事实用于数据增强的潜在用途，并评估其作为我们医学研究案例中一种替代方法的可行性。结果表明，使用反事实解释改进临床研究中的AI驱动方法具有可喜潜力。
引用
@article{arxiv.2307.02131,
title = {Beyond Known Reality: Exploiting Counterfactual Explanations for Medical Research},
author = {Toygar Tanyel and Serkan Ayvaz and Bilgin Keserci},
journal= {arXiv preprint arXiv:2307.02131},
year = {2025}
}