医学における包括的人工知能；性能向上と説明可能性の改善

医療分野における人工知能（AI）の導入に関心が高まる中、私たちは以前にHAIM（Holistic AI in Medicine）というフレームワークを紹介しました。HAIMは、多様なモーダルデータを統合して下流の臨床タスクを解決することを目指しています。しかし、HAIMはタスクに無関係な方法でデータを使用し、説明可能性に欠けています。これらの制限に対処するため、生成モデルAIを活用して予測と説明可能性を向上させる新しいフレームワークxHAIM（Explainable HAIM）を提案します。xHAIMは以下の4つの構造化されたステップを通じて機能します：(1) モーダル間でタスクに関連する患者データを自動的に識別する、(2) 全面的な患者サマリーを生成する、(3) これらのサマリーを使用して予測モデリングを改善する、(4) 予測結果と患者固有の医学的知識とのリンクにより臨床的な説明を提供する。 HAIM-MIMIC-MMデータセットでの評価によると、xHAIMは胸部病理学および手術タスクにおいて平均AUC（Area Under the Curve）を79.9%から90.3%に向上させました。特に重要な点は、xHAIMがAIをブラックボックスの予測器から説明可能な意思決定支援システムへと変革し、医師が予測結果を関連する患者データまでインタラクティブに追跡できるようにしたことです。これにより、AIの進歩と臨床的有用性の橋渡しが可能となりました。