糖尿病风险预测的循证解释视觉对话界面

可解释人工智能(XAI)AI 辅助决策与自动化系统医疗与科学数据可视化医生、护士、临床医生AI/ML 研究员与工程师

医疗专业人员需要有效的方法来使用、理解和验证 AI 驱动的临床决策支持系统。现有系统面临两个关键局限:复杂的可视化且缺乏科学证据基础。我们提出了一个集成决策支持系统,将交互式可视化与对话代理相结合来解释糖尿病风险评估。我们提出了混合提示处理方法,结合用于分析查询的微调语言模型和用于更广泛医学问题的大型语言模型(LLM),以及将 AI 解释锚定科学证据的方法,以及支持更深入理解特征贡献的特征范围分析技术。我们对 30 名医疗专业人员进行了混合方法研究,发现对话交互帮助医疗专业人员建立对模型评估的清晰理解,而科学证据的整合校准了对系统决策的信任。大多数参与者报告该系统支持患者风险评估和推荐。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/cui/204383/2025

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3719160.3736616
一眼看懂

论文快照

fact_check
dataset
来源
CUI
calendar_month
年份
2025
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)、AI 辅助决策与自动化系统、医疗与科学数据可视化
work
职业/产业
医生、护士、临床医生、AI/ML 研究员与工程师
article
内容状态
仅摘要
hub
相关论文
7 篇相关论文