Petal-X：用于改进心血管风险沟通的人类中心可视化解释
人机交互
2024-06-28 v1 人工智能
机器学习
摘要
心血管疾病（CVD）是全球死亡的主要原因，通过行为干预可在大多数情况下预防。因此，有效沟通 CVD 风险及通过风险因素修改实现的风险降低在降低个体 CVD 风险方面发挥着关键作用。然而，尽管对使用 SCORE2 等改进预测模型细化风险估计的兴趣日益增加，但过去几年临床实践中呈现这些风险估计的指南基本保持不变，图形评分图（GSCs）仍是流行的系统之一。本工作描述了 Petal-X 的设计与实现，这是一种支持临床医生与患者共同决策的新工具，通过解释不同风险因素对 CVD 风险贡献的作用，并促进情景分析。Petal-X 依赖于一种新型可视化方法——Petal Product Plots，以及针对 SCORE2 的定制化全球代理模型，其保真度与临床实践中使用的 GSCs 相当。我们将 Petal-X 与 GSCs 在 88 名医学生（其中 87 人有慢性病患者经验）进行的受控实验结果表明，Petal-X 在关键任务中（如比较各可修改风险因素对患者 10 年 CVD 风险的贡献）表现优于 GSCs，且在感知透明度、信任度和使用意图方面没有显著下降。我们的研究提供了一种创新的临床实践中风险可视化和解释方法，由于其模型中性特性，可能持续支持下一代人工智能风险评估模型。
引用
@article{arxiv.2406.18690,
title = {Petal-X: Human-Centered Visual Explanations to Improve Cardiovascular Risk Communication},
author = {Diego Rojo and Houda Lamqaddam and Lucija Gosak and Katrien Verbert},
journal= {arXiv preprint arXiv:2406.18690},
year = {2024}
}