Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Explainability Through Human-Centric Design for XAI in Lung Cancer Detection

Created by
  • Haebom

저자

Amy Rafferty, Rishi Ramaesh, Ajitha Rajan

개요

본 논문은 다양한 폐 질환 진단을 위한 일반화 가능한 전문가 주도형 설명 가능한 AI 모델인 XpertXAI를 제시합니다. 기존의 ClinicXAI 모델을 확장하여 여러 폐 질환을 검출하도록 설계되었으며, 고성능 InceptionV3 기반 분류기와 공개된 흉부 X선 데이터셋을 사용하여 성능을 평가했습니다. XpertXAI는 기존의 사후 설명 가능성 기법들과 비지도 학습 기반 CBM인 XCBs와 비교되었으며, 전문의의 주석 및 의학적 정답과의 비교를 통해 설명의 질을 평가했습니다. 폐암 진단에 대한 설명 가능성에 초점을 맞추었지만, 본 연구는 인간 중심 모델 설계가 더 넓은 진단 영역으로 확장될 수 있음을 보여주는 의학 진단 분야에서 임상적으로 의미 있는 설명 가능한 AI를 위한 확장 가능한 경로를 제시합니다.

시사점, 한계점

시사점:
XpertXAI는 기존의 사후 설명 가능성 기법들보다 높은 예측 정확도를 달성했습니다.
XpertXAI는 전문가의 추론과 더 잘 일치하는 개념 수준의 설명을 제공합니다.
인간 중심 모델 설계가 다양한 질환 진단으로 확장 가능함을 보여줍니다.
임상적으로 의미 있는 설명 가능한 AI 개발을 위한 확장 가능한 접근 방식을 제시합니다.
한계점:
전문가 검증은 폐암에 집중되어 다른 폐 질환에 대한 설명 가능성은 추가 연구가 필요합니다.
사용된 데이터셋의 한계로 인해 일반화 성능에 대한 추가적인 검증이 필요할 수 있습니다.
XpertXAI의 설명의 질적 평가는 전문가의 주관적인 판단에 의존하는 부분이 있습니다.
👍