IP-CRR：面向胸部放射学报告可解释分类的信息探寻方法

开发基于人工智能的方法来分析放射学报告，可能为医学诊断带来重大进展，从提高诊断准确性到提升效率并减轻工作负担。然而，基于人工智能的方法缺乏可解释性，可能阻碍其在临床环境中的采用。本文提出了一种面向胸部放射学报告分类的可解释性设计框架。首先，我们从大量报告中提取一组代表性事实。然后，给定一份新报告，我们查询该报告是否蕴含一小部分代表性事实，并基于选定的查询-答案对子集预测诊断。根据设计，预测的解释就是所选查询及其答案的集合。我们使用信息探寻（Information Pursuit）框架来选择最具信息量的查询，使用自然语言推理模型来确定报告是否蕴含某个事实，并使用分类器来预测疾病。在MIMIC-CXR数据集上的实验证明了所提方法的有效性，凸显了其在增强医学人工智能信任度和可用性方面的潜力。