यह शोधपत्र इस बात पर प्रकाश डालता है कि त्वचा के घावों के वर्गीकरण मॉडलों में बेहतर सटीकता के बावजूद, चिकित्सा क्षेत्र में कृत्रिम बुद्धि (AI) मॉडलों के प्रति अविश्वास एक समस्या बनी हुई है। उच्च सटीकता के अलावा, विश्वसनीय और व्याख्यात्मक निदान भी आवश्यक हैं। मौजूदा व्याख्यात्मक विधियों (LIME, CAM) की सीमाओं को दूर करने के लिए, हम वैश्विक वर्ग सक्रियण संभाव्यता मानचित्र मूल्यांकन (GCAPE) पद्धति का प्रस्ताव करते हैं। GCAPE सभी वर्गों के सक्रियण संभाव्यता मानचित्रों का पिक्सेल-दर-पिक्सेल संभाव्य विश्लेषण करता है, जिससे निदान प्रक्रिया का एक एकीकृत दृश्य प्राप्त होता है, जिससे गलत निदान का जोखिम कम होता है। SafeML का उपयोग गलत निदानों का पता लगाने और आवश्यकतानुसार चिकित्सकों और रोगियों को सचेत करने के लिए भी किया जाता है, जिससे निदान की विश्वसनीयता और रोगी सुरक्षा में वृद्धि होती है। इस पद्धति का मूल्यांकन ISIC डेटासेट, MobileNetV2 और विज़न ट्रांसफ़ॉर्मर का उपयोग करके किया गया था।
