Explainable AI för Kunskapsupptäck från Medicinska Datakällor
Projektets mål är att utforma och implementera ett nytt ramverk för datahantering och analys för medicinska datakällor. Fokus ligger på "Explainable AI" samt på de juridiska och etiska aspekterna av de prediktiva modellerna.
Den föreslagna ramen kommer att baseras på tre pelare:
- Dataintegration och indexering: Eftersom uppgifterna härstammar från flera medicinska datakällor är det viktigt att hitta lämpliga enhetliga representationer som kombinerar data på ett lämpligt sätt. Dataseten är vanligtvis mycket stora och har en komplex struktur. Därför behövs dataindexeringsmetoder för att söka i dataseten effektivt.
- "Explainable AI": Inom hälsotillämpningar är det grundläggande viktigt att kunna förklara de förutsägelser som klassificerare för maskininlärning tillhandahåller. Förutom rättvisa, så är förklarbarhet av förutsägelser en viktigt komponent för att skapa förtroende för systemet.
- Juridiska aspekter: För att säkerställa etisk integritet är det nödvändigt att upptäcka och förhindra oavsiktlig partiskhet inom de prediktiva modellerna.
Sammanfattning
Projektnamn
EXTREMUM
Status
Pågående
Region
Region Stockholm
RISE roll i projektet
co-Principal Investigator
Projektstart
Varaktighet
5 år
Total budget
5 MSEK
Partner
Stockholms Universitet, KTH
Finansiärer
Projektets webbplats
Projektwebbplats (Digital Futures)Projektwebbplats (DSV, Stockholm University)
Koordinator
Projektmedlemmar
Bidrar till FN:s hållbarhetsmål
9.Hållbar industri, innovationer och infrastruktur
10.Minskad ojämlikhet