Neue Publikation für die 31st European Conference on Information Systems: „Best of both worlds: Combining predictive power with interpretable and explainable results for patient pathway prediction”

Symbolbild zum Artikel. Der Link öffnet das Bild in einer großen Anzeige.

Wir als Lehrstuhl sind froh bekanntzugeben, dass unsere neueste Veröffentlichung “Best of both worlds: Combining predictive power with interpretable and explainable results for patient pathway prediction” für die 31st European Conference on Information Systems zur Präsentation akzeptiert wurde.

In dieser Arbeit präsentieren Sandra Zilker, Sven Weinzierl, Patrick Zschech, Mathias Kraus und Martin Matzner ein neuartiges Artefakt für die Patientenvorhersage, genannt „HIXPred“. HIXPred kombiniert Vorhersagekraft mit Interpretierbarkeit, wo möglich, und Erklärbarkeit, wo nötig.

Das Team hat ebenfalls ein Deep-Learning-Modell entwickelt, das aus einer BI-LSTM-Schicht für sequenzielle Merkmale und einer einfachen Feed-Forward-Schicht für statische Merkmale besteht. Die Erklärbarkeit wird für die sequentiellen Merkmale mit der Post-hoc-XAI-Methode SHAP erstellt, und die Interpretation für die statischen Merkmale bezieht sich auf Koeffizienten, die direkt aus der Feed-Forward-Schicht extrahiert werden.

Weiterhin wurde HIXPred zu Evaluierungs- und Demonstrationszwecken auf einen realen Anwendungsfall angewendet. Die Evaluierungs- und Demonstrationsergebnisse zeigen, dass HIXPred eine hohe Vorhersageleistung bei ausreichender Interpretierbarkeit und Erklärbarkeit bieten kann. Darüber hinaus bestätigen Interviews mit medizinischen Experten die Nützlichkeit unseres Artefakts.

Anbei der Link zur Veröffentlichung.

Wir freuen uns auf eine spannende und ertragreiche Diskussion in Kristiansand.