PHAX：面向公共卫生与生物医学领域的用户中心可解释人工智能的结构化论证框架

确保 AI 驱动的公共卫生和生物医学系统具有透明性与可信度，不仅需要准确的预测，更需要清晰、情境化且社会负责任的解释。尽管可解释人工智能 (XAI) 在特征归因和模型可解释性等领域取得了进展，但大多数方法仍缺乏适用于临床工作者、政策制定者和普通大众等多样化健康利益相关者所需的结构性和适应性。我们引入 PHAX——一个公共卫生论证与可解释性框架——通过结构化论证生成面向人类的 AI 输出解释。PHAX 是一个多层架构，结合不可推翻推理、自然语言技术和用户建模，产生具情境感知和面向特定受众的论证。具体而言，我们展示了如何通过支持 AI 驱动的决策、为建议提供论证，并在不同用户类型之间实现交互式对话来增强可解释性。我们通过医学术语简化、患者-临床医生沟通和政策论证等用例演示了 PHAX 的适用性。特别是，我们展示了如何将简化决策建模为论证链，并根据用户专业知识进行个性化，从而提升可解释性与可信度。通过将形式化推理方法与沟通需求相结合，PHAX 为公共卫生领域的人本化透明 AI 贡献了重要力量。