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

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。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/32599/2020

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

论文快照

fact_check
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