运用以人为核心的AI助力临床决策：一种基于非支配排序遗传算法的透明精准规则提取工具

《BMC Medical Informatics and Decision Making》：Leveraging human-centered AI for clinical decision-making: a transparent, accurate rule extractor using non-dominated sorting genetic algorithm

　　

摘要

背景

与人工智能相关的健康技术的出现，被视为我们这一代人在医疗服务提供方面所经历的变革性进展。然而，智能模型与临床专家之间存在着沟通障碍。向以人为中心的AI发展，有望成为弥补这一差距的手段。

方法

本研究提出了一种基于非支配排序遗传算法（NSGA-II）的以人为中心的规则提取模型，旨在提升医疗诊断工具的可解释性和临床实用性。该模型能够自主生成诊断规则，调整变量阈值，并让临床专家参与规则评估，从而确保所提取规则在现实应用中的相关性和适用性。

结果

在WBC、WDBC和Pima数据集上的实验表明，该模型在预测值准确性及支持度方面均优于现有文献中的先进规则提取方法。在由所提取规则覆盖的数据子集中，其准确率可与传统黑箱方法相媲美，同时又不牺牲可解释性。这些提取出的规则经过了13位领域内医生的临床评估，所有获批规则的内容有效性指数均至少为0.85。此外，该模型还为每个类别提供了多个高性能的替代诊断规则，为临床医生提供了实际操作上的灵活性。

结论

我们的方法强调了人工智能专家与医疗专业人员之间多学科协作的重要性，旨在通过透明度和临床验证来建立人们对人工智能驱动的诊断系统的信任。