可解释人工智能在医疗健康中的应用:当前格局、挑战与未来方向
本文系统综述了70篇发表于2017-2025年间关于可解释人工智能(XAI)在医疗健康中应用的研究,涵盖肿瘤学(40%)、心脏病学(21%)、传染病(14%)、神经学(11%)和临床决策支持系统(13%)。深度学习模型(CNN、RNN、LSTM、Transformer)最为常用(76%),SHAP(54%)和LIME(30%)是最常用的XAI技术。研究发现,尽管XAI增强了透明度和临床信任,但仅有12篇研究明确涉及伦理或监管问题,缺乏标准化可解释性指标和真实世界验证。未来应优先发展混合可解释模型、以人为中心的设计和全面的伦理合规框架。

