结合可解释AI的临床决策支持系统数字孪生方法
人工智能
2019-10-31 v1 机器学习
摘要
我们提出一种数字孪生方法，通过领域知识与数据的结合来改进医疗决策支持系统。领域知识有助于建立决策阈值，医生可据此根据特定患者状况确定风险或推荐治疗或检查。然而，这些评估往往高度主观，且因医生而异、因患者而异。我们提出一个系统，通过汇总不同医生治疗不同患者的数据来收集此类主观风险，并构建从这些知识中学习的机器学习模型。然后利用最先进的可解释性概念从该模型中导出解释。这些解释总结了应用于不同病例的不同医生领域知识，从而给出更通用的视角。同时这些解释针对特定患者并因其病情而定制。这是患者的一种数字孪生，现可用于增强先前定义的辅助诊断决策表的决策边界。我们将展示针对肝病风险诊断运行此分析的示例。
引用
@article{arxiv.1910.13520,
title = {Digital Twin approach to Clinical DSS with Explainable AI},
author = {Dattaraj Jagdish Rao and Shraddha Mane},
journal= {arXiv preprint arXiv:1910.13520},
year = {2019}
}