CheXplain：使医师能够探索和理解数据驱动、AI 赋能的医学影像分析
人机交互
2020-01-22 v2
摘要
近期数据驱动 AI 的发展有望实现医学诊断自动化；然而，对于计算知识有限的医师而言，大多数 AI 如同“黑箱”。以医学影像为出发点，我们进行了三轮设计活动以构建 CheXplain——一个使医师能够探索和理解 AI 赋能的胸部 X 光分析的系统：（1）转诊医师与放射科医师之间的配对调查揭示了是否需要、何时需要以及需要何种解释；（2）与三名医师共同设计的低 fidelity 原型制定了八项关键特征；以及（3）由另外六名医师评估的高 fidelity 原型提供了关于每项特征如何实现对 AI 的探索与理解的详细总结性见解。最后，我们通过讨论未来设计和实现可解释医学 AI 系统的建议进行总结，这些建议涵盖四个反复出现的主题：动机、约束、解释与论证。
引用
@article{arxiv.2001.05149,
title = {CheXplain: Enabling Physicians to Explore and UnderstandData-Driven, AI-Enabled Medical Imaging Analysis},
author = {Yao Xie and Melody Chen and David Kao and Ge Gao and Xiang 'Anthony' Chen},
journal= {arXiv preprint arXiv:2001.05149},
year = {2020}
}
备注
10 pages, 5 figures