增强孕产妇健康：可解释AI弥合孟加拉国信任鸿沟

这项研究展示了XAI的实际应用，强调临床医生反馈在验证模型可解释性和建立信任方面的重要性，这对于实际部署至关重要。模糊逻辑和SHAP解释的整合提供了一种引人入胜的方法来平衡模型准确性和用户理解，解决了医疗保健中AI应用的挑战。

• •混合XAI框架（模糊-XGBoost）在孕产妇健康风险评估中达到88.67%的准确率。
• •临床医生的反馈突出了混合解释的价值，超过70%的人更喜欢它们。
• •SHAP分析将医疗保健的可及性确定为主要预测因素。