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.

Clinically inspired enhance Explainability and Interpretability of an AI-Tool for BCC diagnosis based on expert annotation

Created by
  • Haebom

저자

Ivan Matas, Carmen Serrano, Francisca Silva, Amalia Serrano, Tomas Toledo-Pastrana, Begona Acha

개요

본 논문은 원격 피부과학을 통해 기저세포암종(BCC) 진단을 위한 해석 가능한 지원을 제공하는 AI 도구를 개발했습니다. 이 도구는 기저세포암종/비 기저세포암종 분류를 정당화하기 위해 이미지에서 주요 기저세포암종 진피경 검사 패턴을 찾는 방식과 임상적으로 영감을 받은 시각적 설명을 통해 진단에 관련된 특징을 찾는 방식의 두 가지 방법으로 해석성을 제공합니다. 기저세포암종 진피경 검사 특징에 대한 확립된 기준 진실이 없기 때문에 네 명의 피부과 전문의의 진단을 기반으로 기대 최대화(EM) 알고리즘을 사용하여 표준 참조를 추론했습니다. 결과는 분류 정확도 및 해석성의 상당한 향상을 보여주며, 이 접근 방식을 조기 기저세포암종 검출 및 피부과 전문의 의뢰를 위한 귀중한 도구로 자리매김합니다. BCC/비 BCC 분류는 90%의 정확도를 달성했습니다. 임상적으로 영감을 받은 XAI 결과의 경우, 임상의에게 유용한 BCC 패턴의 탐지는 99%의 정확도에 도달했습니다. 임상적으로 영감을 받은 시각적 XAI 결과의 경우, 수동으로 분할된 임상 특징 내의 Grad-CAM 정규화 값의 평균은 0.57인 반면, 이 영역 외부에서는 0.16입니다. 이는 모델이 BCC 패턴의 영역을 정확하게 식별하는 데 어려움을 겪고 있음을 나타냅니다. 이러한 결과는 AI 도구가 유용한 설명을 제공할 수 있는 능력을 증명합니다.

시사점, 한계점

•
시사점:
◦
원격 피부과학에서 기저세포암종 진단을 위한 해석 가능하고 정확한 AI 도구 개발.
◦
조기 기저세포암종 검출 및 피부과 전문의 의뢰 최적화를 통한 의료 자원 활용 개선.
◦
임상적으로 관련성이 높은 시각적 설명 제공으로 의사의 진단 지원 향상.
◦
높은 분류 정확도(90%)와 임상 패턴 탐지 정확도(99%) 달성.
•
한계점:
◦
기저세포암종 진피경 검사 특징에 대한 확립된 기준 진실이 없어 EM 알고리즘을 사용하여 표준 참조를 추론해야 함.
◦
Clinically-inspired Visual XAI에서 BCC 패턴 영역 식별 정확도가 다소 낮음 (Grad-CAM 정규화 값 차이 확인).
◦
모델의 일반화 성능 및 다양한 피부색깔에 대한 성능 평가 추가 필요.
👍
Made with Slashpage