综述：多模态生物医学数据整合中的可解释图模型：技术综述与基准测试

《Nature Communications》：Interpretable graph-based models on multimodal biomedical data integration: a technical review and benchmarking

　　

摘要

整合多种生物医学数据模式对于获得可靠的医疗见解至关重要，而基于图的模型越来越被用于捕捉复杂的关系结构。然而，这类模型在临床应用中的成功取决于其可解释性。本综述探讨了应用于多模态生物医学数据的可解释性基于图模型，重点分析了疾病分类、静态图构建以及事后解释方面的主流趋势。我们对可解释人工智能技术进行了分类，并以阿尔茨海默病数据为基准，对比了SHAP、显著性分析、敏感性分析以及图掩蔽方法的优势与局限性。同时，本文还提出了发展流程图以及未来研究方向，如动态图、知识整合以及基于大型语言模型的解释方法，为构建可信的生物医学人工智能提供了重要参考。