面向光学相干断层扫描中多发性硬化计算机辅助早期诊断的可解释人工智能：迈向可用与可信
图像与视频处理
2023-02-15 v1
摘要
背景：多项研究表明，前视觉通路可提供关于多发性硬化（MS）中轴突变性动态的信息。该领域当前研究致力于在患者与对照组中寻找最具判别力的特征，并开发可在临床实践中广泛使用的机器学习模型以提供计算机辅助解决方案。然而，多数研究样本量较小，且模型被用作黑箱。临床医生不应信任机器学习的决策，除非其附带全面且易于理解的解释。材料与方法：共纳入111名健康对照者的216只眼和59名复发缓解型MS患者的100只眼。特征集取自神经节细胞层（GCL）和视网膜神经纤维层（RNFL）的厚度。测量采用Spectralis光学相干断层扫描（OCT）设备的新型后极部协议获取。我们将两种黑箱方法（梯度提升和随机森林）与一种玻璃箱方法（可解释提升机）进行比较。可解释性通过黑箱方法的SHAP以及玻璃箱方法的得分进行研究。结果：性能最佳的模型针对GCL层获得。可解释性指出GCL层的颞侧位置（在MS中通常断裂或变薄）以及低厚度值与高MS概率之间的关系，这与临床知识一致。结论：本工作中关于如何使用可解释性的见解，代表了迈向基于OCT的可信MS诊断计算机辅助解决方案的重要第一步。
引用
@article{arxiv.2302.06613,
title = {Explainable artificial intelligence toward usable and trustworthy computer-aided early diagnosis of multiple sclerosis from Optical Coherence Tomography},
author = {Monica Hernandez and Ubaldo Ramon-Julvez and Elisa Vilades and Beatriz Cordon and Elvira Mayordomo and Elena Garcia-Martin},
journal= {arXiv preprint arXiv:2302.06613},
year = {2023}
}