Eine umfassende Übersicht über erklärbare künstliche Intelligenz im Gesundheitswesen: Methoden, Bewertung und klinische Integration

Erklärbare künstliche Intelligenz (XAI) ist für das Vertrauen im Gesundheitswesen unerlässlich, doch besteht weiterhin eine erhebliche Kluft zwischen XAI-Techniken und der tatsächlichen klinischen Anwendung. Diese Übersicht adressiert diese Lücke, indem sie die klinische Integration durch drei komplementäre Perspektiven betrachtet. Erstens stellen wir einen dreidimensionalen XAI-Klassifikationsrahmen vor – Eigenschaft, Abhängigkeit und Umfang –, der über die rein beschreibende Katalogisierung hinausgeht und als praktischer Leitfaden dient, um XAI-Ansätze auf spezifische klinische Aufgaben abzustimmen. Zweitens schlagen wir ein integriertes Bewertungssystem vor, das technische Robustheit, einschließlich Treue, mit Maßnahmen der klinischen Nützlichkeit wie Workflow-Anpassung und Vertrauen der Kliniker ausbalanciert. Drittens analysieren wir die divergierenden und oft konkurrierenden Bedürfnisse wichtiger Interessensgruppen, um eine rollencharakteristische Zuordnung zu erstellen, die klärt, was in verschiedenen klinischen Kontexten eine bedeutsame Erklärbarkeit ausmacht. Indem die klinische Integration in den Mittelpunkt gerückt wird, skizziert diese Übersicht einen Weg, XAI von methodischer Innovation zu einer verlässlichen Komponente der klinischen Entscheidungsunterstützung zu transformieren.