一种全面的可解释 AI 方法，用于提高中风预测的透明度和可解释性

快速阅读: 据《Nature.com》称，最新研究利用机器学习和XAI技术提升中风预测准确率，采用12个特征和六种方法，互信息与随机森林表现最佳，准确率达96.7%。研究指出年龄、BMI等因素相关，但需进一步验证。

据最新研究报告，中风依然是全球面临的重要健康挑战。一项新的研究提出了一种基于机器学习的中风预测模型，并采用了可解释人工智能（XAI）技术，以提高预测的准确性。

研究团队使用了来自5110名患者的12个特征数据，通过六种特征选择技术进行了分析，包括皮尔逊相关系数、互信息、粒子群优化、卡方检验、方差分析F检验和哈里斯鹰优化。结果显示，互信息是最佳的特征选择方法，准确率达到96.40%。同时，随机森林模型的预测准确率最高，达到96.70%。

为了增强模型的可解释性，研究还使用了SHAP、LIME和ELI5三种XAI方法。研究发现，年龄、BMI值、高血压、心脏病、平均血糖水平和工作类型与中风结果存在统计学上的关联。尽管如此，由于研究设计的局限性，这些关联不应被视为因果关系。

研究团队表示，这一综合方法在实验环境中展现了提升中风预测准确性的潜力，但在临床应用前，仍需进一步的外部验证和评估，以确保其在真实医疗环境中的可靠性和适用性。

(以上内容均由Ai生成)