IA ibrida per la salute materna: un approccio validato dai medici

L'intelligenza artificiale sta dimostrando un grande potenziale nel campo della previsione dei rischi per la salute materna. Tuttavia, l'adozione clinica, soprattutto in contesti con risorse limitate, è ostacolata dalla mancanza di trasparenza e di fiducia nei modelli di machine learning.

Un recente studio ha presentato un sistema di IA ibrida (XAI) che combina la logica fuzzy ante-hoc con le spiegazioni SHAP post-hoc. Questo approccio è stato convalidato attraverso un feedback sistematico da parte dei medici in Bangladesh.

Dettagli del modello e risultati

I tecnici hanno sviluppato un modello fuzzy-XGBoost basato su 1.014 cartelle cliniche di pazienti, raggiungendo un'accuratezza dell'88,67% (ROC-AUC: 0,9703). Uno studio di validazione con 14 professionisti sanitari ha rivelato una forte preferenza per le spiegazioni ibride (71,4% in tre casi clinici) e il 54,8% ha espresso fiducia nell'uso clinico del modello. L'analisi SHAP ha identificato l'accesso all'assistenza sanitaria come il principale fattore predittivo.

I medici hanno apprezzato l'integrazione dei parametri clinici, ma hanno anche identificato lacune critiche, come la storia ostetrica, l'età gestazionale e le barriere di connettività. Questo lavoro dimostra che la combinazione di regole fuzzy interpretabili con spiegazioni sull'importanza delle caratteristiche migliora sia l'utilità che la fiducia, fornendo spunti pratici per l'implementazione di XAI nell'assistenza sanitaria materna.