糖尿病风险预测的循证解释视觉对话界面
作者
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。
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。
- 83%
增强病理学家的NaviPath:设计和评估一个人工智能协作导航系统
CHI '23· 可解释人工智能(XAI) +2
- 80%
医疗保健AI治疗决策支持:设计原则以增强临床医生的采用和信任
CHI '23· 可解释人工智能(XAI) +1
- 71%
重新思考复杂医疗决策中的人工智能协作:一项关于败血症诊断的案例研究
CHI '24· 可解释人工智能(XAI) +2
- 71%
快速辅助视觉搜索:为不完美AI支持数字病理学家
IUI '21· 电动车充电与能效界面 +3
- 67%
EXMOS:通过多方面解释和数据配置引导解释模型
CHI '24· 可解释人工智能(XAI) +1
- 67%
MEDebiaser:一种用于减轻多标签医学图像分类中偏差的人机反馈系统
UIST '25· 脑机接口(BCI)与神经反馈 +2
- 60%
忽略、信任还是协商:理解临床医生在医疗保健中对基于AI的治疗建议的接受程度
CHI '23· 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/10.1145/3719160.3736616
一眼看懂
fact_check论文快照
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