ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И EXPLAINABLE AI В МЕДИЦИНЕ: ПРОГНОЗИРОВАНИЕ ЗАБОЛЕВАНИЙ И ЭФФЕКТИВНОСТЬ В КЛИНИЧЕСКОМ ПРИНЯТИИ РЕШЕНИЙ
В данной статье рассматриваются искусственный интеллект (ИИ) и, в частности, объяснимый искусственный интеллект
(Explainable AI, XAI), а также их применение в прогнозировании заболеваний в медицине. Освещаются принципы работы
классификационных моделей, методы интерпретации с использованием SHAP и LIME, эффективность в клиническом
принятии решений и практические ограничения, связанные с результатами XAI. В статье анализируются системы ИИ,
работающие на основе электронных медицинских записей (EHR) и медицинских изображений, их точность,
чувствительность и потребность в прозрачности, а также методы повышения клинической надёжности за счёт
визуализации результатов моделей.
1. Сalih-Sumner, A. M., Raisi-Estabragh, Z., Galazzo, I. B. и др. A Perspective on Explainable Artificial Intelligence Methods:
SHAP and LIME. Advanced Intelligent Systems, 2024. DOI:10.1002/aisy.202400304. qmro.qmul.ac.uk
2. Vimbi, V., Shaffi, N., Mahmud, M. и др. Interpreting artificial intelligence models: a systematic review on the application
of LIME and SHAP in Alzheimer’s disease detection. Brain Informatics, 2024, т. 11, ст. 10. DOI:10.1186/s40708-024-
00222-1. SpringerOpen+1
3. Adeniran, A. A., Onebunne, A. P., Paul, W. Explainable AI (XAI) in Healthcare: Enhancing trust and transparency in critical
decision-making. World Journal of Advanced Research and Reviews, 2024, 23(03), 2647–2658.
DOI:10.30574/wjarr.2024.23.3.2936. wjarr.com
4. Singh, B. Explainable AI in Healthcare: A Review of Interpretability Techniques and Applications. International Journal of
Sustainable Development in Computer Science Engineering, 2020+. journals.threws.com
5. Saidov, A. D., Sharipov, D. K. The Importance of Explainability in Medical AI and Predictor Reduction in Cardiovascular
Risk Assessment. Digital Transformation and Artificial Intelligence, 2025, 3(1), 191–195. dtai.tsue.uz
6. Zribi, M., Zaier, F., Aounallah-Skhiri, H. Is explainability the missing link in artificial intelligence-based diabetes prediction?
European Journal of Public Health, 2025, 35(Suppl_4). DOI:10.1093/eurpub/ckaf161.1294. OUP Academic
7. Sharma, P. Optimizing Healthcare Decisions Using Explainable AI for Enhanced Predictions. International Journal of
Computations, Information and Manufacturing, 2024, 4(1). journals.gaftim.com
8. (systematic review) The role of explainable artificial intelligence in disease prediction: a systematic literature review and
future research directions. BMC Medical Informatics and Decision Making, 2025, 25:110. BioMed Central
9. Vaddepally, D. Explainable AI (XAI) Techniques in Mobile Environments. International Journal on Science and Technology
(IJSAT), 2025. ijsat.org
10. Elias, F., Reza, M. S., Mahmud, M. Z., Islam, S. Machine Learning Meets Transparency in Osteoporosis Risk Assessment:
A Comparative Study of ML and Explainability Analysis. arxiv preprint, 2025
11. AXMADIYEV, N. (2025). PHILOSOPHICAL AND METHODOLOGICAL FOUNDATIONS OF SOCIETY DEVELOPMENT. «ACTA NUUz», 1(1.12), 73–75. Retrieved from https://journalsnuu.uz/index.php/actanuuz/article/view/10257
Copyright (c) 2026 «ВЕСТНИК НУУз»
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-ShareAlike» («Атрибуция — Некоммерческое использование — На тех же условиях») 4.0 Всемирная.
.jpg)
2.png)
