Author:
Montenegro Thiago C.,Lino Natasha C. Q.
Abstract
Os Sistemas de Suporte à Decisão Clínica (SSDC) e as técnicas de inteligência artificial, especialmente o aprendizado de máquina, tornaram-se verdadeiros aliados devido à sua precisão e eficácia. No entanto, a falta de transparência e interpretabilidade desses sistemas representa desafios para sua aplicação prática. Para mitigar tal problemática, o artigo propõe uma arquitetura de conhecimento como serviço ao domínio da saúde. Essa abordagem busca centralizar serviços e incorporar técnicas de explicabilidade, visando aprimorar a compreensão do processo decisório dos modelos de aprendizado de máquina pelos usuários e estabelecer arquiteturas de referência que minimizem os riscos associados à falta de transparência.
Publisher
Sociedade Brasileira de Computação (SBC)
Reference15 articles.
1. ACT, E. A. (2023). Eu ai act. [link]. Accessed on March 03, 2024.
2. Barreto, R. (2016). Nefroservice: Plataforma baseada em conhecimento como servic ̧o no dom ́ınio da nefrologia.
3. Bass, L.; Clements, P. K. R. (2003). Software architecture in practice. Addison-Wesley Professional.
4. Brunese, L. (2020). Explainable deep learning for pulmonary disease and coronavirus covid-19 detection from x-ray. In Computer Methods and Programs in Biomedicine.
5. Coroamă, L.; Groza, A. (2022). Evaluation Metrics in Explainable Artificial Intelligence (XAI), pages 401–413.