利用可解释人工智能诊断急性中毒

医学毒理学是治疗物质毒性效应的临床专科，无论是过量服药、用药错误还是蝎子蜇伤。与其他医学专科一样，毒理学知识与研究的数量已超出临床医生个人完全掌握并跟进的能力。将机器学习技术应用于医学毒理学颇具挑战，因为初始治疗决策常基于少量文本数据并严重依赖先验知识。ML 技术通常以对医生不透明的方式表示知识，造成了使用上的障碍。基于规则的系统与决策树学习是更透明的方法，但常泛化性差，且需要专家策展才能实施与维护。在此，我们构建了一个概率逻辑网络来表示医学毒理学家知识库的一部分。我们的方法透明地模拟了执业临床医生的知识表示与临床决策过程。该软件名为 Tak，在简单与中等难度病例上表现与人类相当，但在高难度临床病例上不及人类。Tak 在所有难度级别均优于决策树分类器。概率逻辑提供了一种可解释人工智能的形式，若能达到可接受的性能水平，或许更可被医疗领域接受。