面向临床决策支持的可解释人工智能增强工具的可用性测试:来自反身性主题分析的洞察

人工智能增强技术为改善医疗服务提供了重要机遇。在证明复杂模型有助于提升临床医生决策效率方面已取得显著进展。然而,由于多方面的实施障碍,此类模型在临床中的采纳仍然有限,其中人工智能模型的可解释性便是障碍之一。一个被大量记录在案的关切点在于,人工智能可解释性的不明确会对临床医生接受复杂模型的考量产生负面影响。本研究通过一项涉及 20 位美国临床医生的可用性研究,并遵循定性反身性主题分析,构建并提出了一个具体的可解释性框架及操作性定义。该框架可为人工智能工具中所需的定制化与功能开发提供参考,以契合临床医生的偏好并提升其接受度。