arXiv Artificial Intelligence· Robbie Holland, Ashwin Kumar, Mateus A. Esmeraldo, David Le, Andrea Fisher, Jiazhen Pan, Louisa Fay, Magdalini Paschali, Vasiliki Sideri-Lampretsa, Ates Fettahoglu, Stefania Moroianu, Philipp Wesp, Ivan Lopez, Tom Nuno Wolf, McKenzie S. White, Eduardo Pontes Reis, Fatima Rodriguez, Curtis P. Langlotz, Vasilis Syrgkanis, Imon Banerjee, Akshay S. Chaudhari, Sergios Gatidis·· 13 小时前AI 评分40
Glyph：面向临床数据 AI 驱动科学发现的可解释性引擎
Glyph: An Interpretability Engine for AI-Driven Scientific Discovery in Clinical Data
AI 导读
研究团队推出 Glyph，一个多阶段自动化框架，用基础模型和稀疏自编码器从多模态非结构化临床数据中提取特征，并将其解释为编码的临床概念。在 41,628 名患者的腹部 CT 影像、CT 报告和实验室数据上，Glyph 识别出 397 个预测性概念，获得 4,463 个 Bonferroni 显著关联，多数关联在跨机构留出队列中可自动复现。
推荐理由模型分析
Glyph 用基础模型加稀疏自编码器，从腹部 CT、报告和化验数据中自动提取可解释概念，绕开了预定义表型对发现范围的限制。在 4.1 万余名跨机构患者上得到 397 个预测概念和 4463 个 Bonferroni 显著关联，且多数关联能在留出队列中复现，为临床数据挖掘提供了可比较的基线。适合关注医学多模态表征与可解释性的研究者参考，但关联性证据不等于因果或临床效用。
来源：arXiv Artificial Intelligence · arxiv.org