母体健康を強化：バングラデシュにおける説明可能なAIが信頼のギャップを埋める

この研究は、XAIの実際的な応用を示しており、モデルの解釈性と信頼性を検証するための臨床医からのフィードバックの重要性を強調しています。ファジー論理とSHAPの説明を統合することで、モデルの精度とユーザーの理解のバランスを取り、ヘルスケアにおけるAI導入の課題に対処する魅力的なアプローチを提供しています。

• •ハイブリッドXAIフレームワーク（ファジーXGBoost）は、母体健康リスク評価で88.67％の精度を達成。
• •臨床医のフィードバックは、ハイブリッド説明の価値を強調し、70％以上がそれらを好んだ。
• •SHAP分析により、ヘルスケアへのアクセスが主要な予測因子として特定された。