典型文献
可信病理人工智能:从理论到实践
文献摘要：
人工智能正在融入病理学研究的各个领域,但在临床实践中却遇到了诸多挑战,包括因医疗数据隐私保护而形成"数据孤岛",不利于人工智能模型的训练;现有人工智能模型缺乏可解释性,导致使用者无法理解而难以形成人机互动;人工智能模型对多模态数据利用不足,致使其预测效能难以进一步提升等.为解决上述难题,我们建议在现有病理人工智能研究中引入可信人工智能技术:(1)数据安全共享,在坚持数据保护的基础上打破数据孤岛,使用联邦学习的方法、仅调用数据训练的结果而不上传数据本身,在不影响数据安全的情况下大大增加可用于训练的数据量;(2)赋予人工智能可解释性,使用图神经网络技术模拟病理医生学习病理诊断的过程,使得模型本身具有可解释性;(3)多模态信息融合,使用知识图谱技术对更为多样和全面的数据来源进行整合并深入挖掘分析,获得更准确的模型.相信通过此三方面的工作,可信病理人工智能技术可使病理人工智能达到可控可靠和明确责任,从而促进病理人工智能的发展和临床应用.
文献关键词：
可信人工智能;病理;数据安全共享;可解释性;多模态信息融合
中图分类号：
作者姓名：
周燕燕;邓杨;包骥;步宏
作者机构：
四川大学华西医院临床病理研究所,成都610041;四川大学华西医院病理科,成都610041
文献出处：
引用格式：
[1]周燕燕;邓杨;包骥;步宏-.可信病理人工智能:从理论到实践)[J].协和医学杂志,2022(04):525-529
A类：
B类：
论到,医疗数据,数据隐私保护,数据孤岛,人工智能模型,人机互动,多模态数据,数据利用,预测效能,可信人工智能,数据安全共享,数据保护,联邦学习,调用,数据训练,上传数据,大大增加,数据量,人工智能可解释性,图神经网络,神经网络技术,病理诊断,多模态信息融合,使用知识,数据来源,挖掘分析,相信,信通,明确责任
AB值：
0.29065
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
