表1 与卒中患者预后相关的7项重要临床信息
值得一提的是,在此次研究中,渐进决策树算法推出了最恰当、最完整的特征排序,并且将“年龄”与“NIHSS”排在最前端,其后是“溶栓”(图1)。同时,决策树模型也较人工神经网络更易训练,在医疗领域中应用具有很大的优势。
图2 不同算法模型的临床特征排序
02性能相当?简单数据集下难以作出评价在本次研究中,人工神经网络、渐进决策树、逻辑回归三种算法模型表现出的性能相当,AUC值分别为0.83、0.81、0.83(图2)。但研究人员表示,性能评价并非本次研究的重点,目的在于比较算法的可解释性能力。
图3 不同算法模型的性能比较
研究人员指出,为评价算法模型的推理过程,本次采用基于特征排序进行综合评分的项目,在特征明显的简单数据集下,传统算法有能力捕捉临床特征与风险预测的关系,从而表现出与新一代算法相同的性能。但在临床实际应用中,面对大体量、复杂的医疗数据,传统算法显然难以胜任实时、准确决策的角色。人工神经网络与决策树仍是当前医疗AI通用、且性能良好的算法。
文章最后总结,这项研究是首次对新一代算法与传统算法进行可解释性验证与比较,结果非常令人鼓舞人心,未来可进一步验证不同用途的知识模型的可解释性,使医疗AI更好地被用户信任及发展。
参考文献:
https://www.researchgate.net/publication/340468878
成为我们的
合作伙伴