Автор: 
В настоящее время инструменты искусственного интеллекта широко используются в медицине. Но традиционные модели машинного обучения не всегда дают объективные результаты, что может привести к серьёзным ошибкам в диагностике и выборе лечения. Это обусловлено сложностями работы с реляционными наборами данных. Из-за широкого спектра взаимосвязанных и переплетающихся факторов некоторые группы пациентов с редкими симптомами могут остаться незамеченными. Кроме того, встречаются аномалии и неверные обозначения в маркировках.
Исследователи из университета Ватерлоо создали инновационную систему обнаружения и распутывания закономерностей (PDD), которая способна решить вышеуказанные проблемы и повысить доверие и точность в процессах принятия решений, основанных на искусственном интеллекте. Изначально группа исследователей занималась анализом большого количества информации о связывании белков, полученных с помощью рентгеновской кристаллографии. Паттерны физико-химических взаимодействий оказались спрятаны на уровне статистических данных из-за сложных запутанностей множества влияющих факторов. Это открытие помогло найти алгоритмы, которые смогли распутать паттерны и далее определить закономерности и причинно-следственные связи. В дальнейшем учёные продолжили работу в этом направлении, что привело к разработке PDD. Исследование опубликовано в журнале npj Digital Medicine.
PDD – это модель объяснимого искусственного интеллекта, в основе которого лежит метод главных компонент, применяемый к статистическим ассоциациям. Автономные и масштабируемые алгоритмы могут обнаружить и распутать глубокие знания, а впоследствии выявить тонкие функции и взаимосвязи. Также PDD использует полученные данные для улучшения машинного обучения, достигая гораздо лучших результатов в прогнозировании с возможностью предоставить надёжную и прозрачную информацию для дальнейших исследований и лучшего понимания экспертами. Таким образом, учёные получили инновационную модель объяснимого искусственного интеллекта, которая способна устранить одну из главных проблем применения ИИ в области медицины: изменить процесс принятия решений, уменьшив предвзятость и повысив доверие.
