将人工智能（AI）整合到医疗保健中为精准医学开辟了新的途径，尤其是在癌症诊断和预后领域。这一领域的关键进展之一是可解释的人工智能（XAI）的发展，它通过提供决策过程的透明度，显著改进了传统的“黑箱”AI模型。在癌症诊断中，AI算法通常处理来自医学影像、基因组学和临床记录的大量数据，以帮助医疗专业人员做出明智的决策。然而，缺乏透明度使临床医生难以完全信任AI生成的结果，阻碍了其临床应用。这就是XAI发挥关键作用的地方。
XAI提供了对AI驱动预测背后逻辑的洞察，使临床医生更容易理解AI系统是如何得出特定诊断或预后的。这种透明度在精准癌症诊断中尤为重要，因为治疗决策需要根据患者的独特基因构成、肿瘤特征和病史进行个性化。通过解释预测模型背后的推理，XAI增强了临床医生对AI系统的信心，促进了更准确和个性化的治疗策略。
XAI在癌症诊断中的应用范围广泛。它可以用于解读医学影像（如MRI、CT扫描或组织病理学图像），以检测癌症的早期迹象。此外，XAI可以用于预测建模，评估基于生物和临床因素组合的癌症复发风险或患者生存率。重要的是，XAI可以突出哪些特定因素（例如基因突变、生物标志物水平）对AI模型的预测贡献最大，为肿瘤学家设计有效疗法提供可操作的见解。
此外，本期特刊还探讨了如何结合虚拟现实（VR）诊断工具，利用可解释的人工智能（XAI）彻底改变精准癌症诊断和预后，为临床医生提供沉浸式、互动性和直观的洞察。在癌症预后中，XAI可以帮助预测疾病进展和治疗结果。通过使AI模型的推理可见，医疗提供者可以验证并信任这些预测，最终导致更可靠的预后评估。这一额外的透明层不仅提高了AI模型的可解释性，还符合医疗实践中使AI系统负责的伦理要求。
接下来的研究主题将探讨可解释的人工智能（XAI）在增强乳腺癌诊断的信任和透明度中的作用。通过澄清用于分析乳房X光片、病理切片和遗传数据的AI工具的决策过程，XAI提高了临床医生对AI生成建议的理解和信心，最终支持更准确和个性化的患者护理。
请注意：仅包含生物信息学、计算分析或公共数据库预测的稿件（未经独立临床或患者队列验证，或未经体外或体内生物验证，不基于公共数据库）不适合在本期刊上发表。
关键词：可解释的人工智能（XAI）、精准医学、癌症诊断、医疗保健中的AI、医学影像、预测建模、癌症预后
重要提示：提交到本研究主题的所有稿件必须在其提交的部分和期刊的使命声明范围内。Frontiers有权在同行评审的任何阶段将超出范围的稿件引导至更合适的部分或期刊。
(全文结束)
