• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

Explainability and artificial intelligence in medicine.

作者信息

Reddy Sandeep

机构信息

School of Medicine, Deakin University, Geelong, VIC 3216, Australia.

出版信息

Lancet Digit Health. 2022 Apr;4(4):e214-e215. doi: 10.1016/S2589-7500(22)00029-2.

DOI:10.1016/S2589-7500(22)00029-2
PMID:35337639
Abstract
摘要

相似文献

1
Explainability and artificial intelligence in medicine.医学中的可解释性与人工智能
Lancet Digit Health. 2022 Apr;4(4):e214-e215. doi: 10.1016/S2589-7500(22)00029-2.
2
Believing in black boxes: machine learning for healthcare does not need explainability to be evidence-based.相信黑盒：医疗保健的机器学习不需要可解释性即可成为基于证据的。
J Clin Epidemiol. 2022 Feb;142:252-257. doi: 10.1016/j.jclinepi.2021.11.001. Epub 2021 Nov 5.
3
Population Preferences for Performance and Explainability of Artificial Intelligence in Health Care: Choice-Based Conjoint Survey.人群对医疗人工智能性能和可解释性的偏好：基于选择的联合调查。
J Med Internet Res. 2021 Dec 13;23(12):e26611. doi: 10.2196/26611.
4
The false hope of current approaches to explainable artificial intelligence in health care.当前医疗保健中可解释人工智能方法的虚假希望。
Lancet Digit Health. 2021 Nov;3(11):e745-e750. doi: 10.1016/S2589-7500(21)00208-9.
5
The role of explainability in creating trustworthy artificial intelligence for health care: A comprehensive survey of the terminology, design choices, and evaluation strategies.可解释性在医疗保健人工智能可信性构建中的作用：术语、设计选择和评估策略的全面调查。
J Biomed Inform. 2021 Jan;113:103655. doi: 10.1016/j.jbi.2020.103655. Epub 2020 Dec 10.
6
Trading off accuracy and explainability in AI decision-making: findings from 2 citizens' juries.权衡人工智能决策中的准确性和可解释性：来自 2 个公民陪审团的发现。
J Am Med Inform Assoc. 2021 Sep 18;28(10):2128-2138. doi: 10.1093/jamia/ocab127.
7
Re-focusing explainability in medicine.重新聚焦医学中的可解释性。
Digit Health. 2022 Feb 11;8:20552076221074488. doi: 10.1177/20552076221074488. eCollection 2022 Jan-Dec.
8
Artificial Intelligence in the Healthcare System: An Overview.人工智能在医疗保健系统中的应用：概述。
Adv Exp Med Biol. 2021;1335:1-10. doi: 10.1007/5584_2021_620.
9
Basic Artificial Intelligence Techniques: Evaluation of Artificial Intelligence Performance.基础人工智能技术：人工智能性能评估
Radiol Clin North Am. 2021 Nov;59(6):941-954. doi: 10.1016/j.rcl.2021.06.005.
10
Ethical and Legal Challenges of Artificial Intelligence in Nuclear Medicine.人工智能在核医学中的伦理和法律挑战。
Semin Nucl Med. 2021 Mar;51(2):120-125. doi: 10.1053/j.semnuclmed.2020.08.001. Epub 2020 Sep 11.

引用本文的文献

1
AI Methods Tailored to Influenza, RSV, HIV, and SARS-CoV-2: A Focused Review.针对流感、呼吸道合胞病毒、艾滋病毒和新型冠状病毒2的人工智能方法：重点综述
Pathogens. 2025 Jul 30;14(8):748. doi: 10.3390/pathogens14080748.
2
Trust in Medical AI: The Case of mHealth Diabetes Apps.对医疗人工智能的信任：移动健康糖尿病应用程序的案例
J Eval Clin Pract. 2025 Aug;31(5):e70216. doi: 10.1111/jep.70216.
3
Utilizing multimodal artificial intelligence to advance cardiovascular diseases.利用多模态人工智能推进心血管疾病研究。
Precis Clin Med. 2025 Jul 17;8(3):pbaf016. doi: 10.1093/pcmedi/pbaf016. eCollection 2025 Sep.
4
Can we trust academic AI detective? Accuracy and limitations of AI-output detectors.我们能信任学术人工智能侦探吗？人工智能输出检测器的准确性和局限性。
Acta Neurochir (Wien). 2025 Aug 7;167(1):214. doi: 10.1007/s00701-025-06622-4.
5
Prediction of birthweight with early and mid-pregnancy antenatal markers utilising machine learning and explainable artificial intelligence.利用机器学习和可解释人工智能，通过孕早期和孕中期产前标志物预测出生体重。
Sci Rep. 2025 Jul 19;15(1):26223. doi: 10.1038/s41598-025-11837-7.
6
Machine learning to detect melanoma exploiting nuclei morphology and Spatial organization.利用细胞核形态和空间组织进行黑色素瘤检测的机器学习
Sci Rep. 2025 Jul 1;15(1):21594. doi: 10.1038/s41598-025-02913-z.
7
Comparative performance of twelve machine learning models in predicting COVID-19 mortality risk in children: a population-based retrospective cohort study in Brazil.十二种机器学习模型预测儿童新冠病毒疾病死亡率风险的比较性能：巴西一项基于人群的回顾性队列研究
PeerJ Comput Sci. 2025 May 28;11:e2916. doi: 10.7717/peerj-cs.2916. eCollection 2025.
8
Phthalates unleashed: decoding ovarian carcinogenesis through multi-omics networks, single-cell insights, and molecular docking.邻苯二甲酸盐揭秘：通过多组学网络、单细胞洞察和分子对接解码卵巢癌发生机制
J Ovarian Res. 2025 Jun 14;18(1):131. doi: 10.1186/s13048-025-01710-6.
9
Assessing the Quality, Usefulness, and Reliability of Large Language Models (ChatGPT, DeepSeek, and Gemini) in Answering General Questions Regarding Dyslexia and Dyscalculia.评估大型语言模型（ChatGPT、豆包和Gemini）在回答有关阅读障碍和计算障碍的一般问题时的质量、实用性和可靠性。 （注：原文中的DeepSeek在国内一般被称为豆包 ）
Psychiatr Q. 2025 Jun 12. doi: 10.1007/s11126-025-10170-6.
10
Ethical Considerations for Generative Artificial Intelligence in Plastic Surgery.整形手术中生成式人工智能的伦理考量
Plast Reconstr Surg Glob Open. 2025 Jun 2;13(6):e6825. doi: 10.1097/GOX.0000000000006825. eCollection 2025 Jun.