CheXplain:使医师能够探索和理解数据驱动的、人工智能增强的医学影像分析
作者
可解释人工智能(XAI)医疗与科学数据可视化远程医疗与远程患者监测医生、护士、临床医生放射科与病理科医生
数据驱动的人工智能的最新发展承诺实现医疗诊断的自动化;然而,对于大多数具有有限计算知识的医生来说,人工智能充当着“黑箱”。以医学成像为出发点,我们进行了三次设计活动迭代,制定了CheXplain——一个使医生能够探索和理解人工智能辅助胸部X光分析的系统:(i) 一项转诊医生和放射科医生之间的配对调查揭示了何时以及需要何种解释;(ii) 与三名医生共同设计的低保真原型制定了八个关键功能;(iii) 另外六名医生评估的高保真原型提供了关于每个功能如何使探索和理解人工智能成为可能的详细总结见解。我们通过讨论未来工作的建议来总结,这些建议涵盖了四个反复出现的主题:动机、约束、解释和理由,以设计和实现可解释的医疗人工智能系统。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 80%
以人为中心的放射学人工智能个性化:评估信任度、可用性与跨医院稳健性
CHI '26· 可解释人工智能(XAI) +1
- 80%
迈向可信的智能临床决策支持系统:与眼科医生的用户研究
IUI '25· 可解释人工智能(XAI) +1
- 80%
医学评分计算器应用的诊断研究
UbiComp '23· 可解释人工智能(XAI) +1
- 67%
Awareness of Ambiguity in Medical Data Analysis AI Assistants
CHI '20· 可解释人工智能(XAI) +1
- 67%
多模式医疗人工智能:识别和设计放射学中相关的视觉语言应用程序
CHI '24· 生成式AI(文本、图像、音乐、视频) +2
- 60%
临床文档作为最终用户编程
CHI '20· 远程医疗与远程患者监测
- 60%
支持动态数据感知:交互式临床检查表中数据设计与捕获的方法
DIS '23· 医疗与科学数据可视化 +1
- 60%
「视情况而定」:配置AI以改善不同情境下的临床实用性
DIS '24· 可解释人工智能(XAI) +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3313831.3376807
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2020
emoji_events
奖项
未标记奖项
group
作者
5 位作者
sell
研究子方向
可解释人工智能(XAI)、医疗与科学数据可视化、远程医疗与远程患者监测
work
职业/产业
医生、护士、临床医生、放射科与病理科医生
article
内容状态
仅摘要
hub
相关论文
8 篇相关论文