洞悉医疗健康：知识图谱可解释性全景综述
人工智能
2023-09-29 v1 机器学习
摘要
知识图谱（KGs）在医疗健康人工智能中日益受到重视，尤其在药物发现与药物研究中，因其提供了一种整合多源信息的结构化方式，从而增强了人工智能系统的可解释性。这种可解释性在医疗健康领域至关重要，因为信任与透明度十分关键，且可解释人工智能（XAI）可支持医疗专业人员的决策。本综述总结了近期关于知识图谱在医疗健康中的影响及其在开发可解释人工智能模型中所起作用的相关文献。我们涵盖了知识图谱工作流，包括构建、关系抽取、推理，以及其在药物-药物相互作用（DDI）、药物-靶点相互作用（DTI）、药物开发（DD）、药物不良反应（ADR）和生物信息学等领域的应用。我们强调通过医疗健康中的知识注入学习使知识图谱更具可解释性的重要性。最后，我们指出了研究挑战并对未来方向提供了见解。
引用
@article{arxiv.2309.16593,
title = {Navigating Healthcare Insights: A Birds Eye View of Explainability with Knowledge Graphs},
author = {Satvik Garg and Shivam Parikh and Somya Garg},
journal= {arXiv preprint arXiv:2309.16593},
year = {2023}
}
备注
IEEE AIKE 2023, 8 Pages