Explicabilidade baseada em conhecimento temporal: um estudo de casos em mHealth
DOI:
https://doi.org/10.59681/2175-4411.v16.iEspecial.2024.1272Palavras-chave:
Representação do Conhecimento, Explicabilidade, mHealthResumo
Objetivo: Investigar a geração de explicações para sistemas indutivos utilizando uma ontologia unificada que representa o estado de saúde de usuários móveis. Esta ontologia serve como conhecimento a priori, facilitando a geração de explicações. Método: Examinamos 24 aplicativos móveis de saúde (mHealth) para desenvolvimento da ontologia, enfatizando extensões que consideram aspectos temporais. Tais aspectos costumam ser negligenciados nas representações de saúde, dada a limitação das ontologias em modelar relações temporais ternárias. Em seguida, aplicamos diferentes configurações de um algoritmo indutivo que recebe esta ontologia como entrada, gerando explicações para seus resultados indutivos. Resultados: Experimentos mostram que a estrutura do modelo temporal afeta a legibilidade das explicações. Além disso, os experimentos enfatizam o tradeoff entre precisão e poder de generalização. Conclusão: As extensões temporais melhoram a expressividade das explicações, uma vez que as relações e conceitos temporais são explorados para melhor contextualizar fatos temporais associados a resultados indutivos.
Referências
Fong RC, Vedaldi A. Interpretable Explanations of Black Boxes by Meaningful Perturbation. Proceedings of the IEEE International Conference on Computer Vision, 2017, 3429-3437.
Garcez ADA, et al. Neural-symbolic learning and reasoning: A survey and interpretation. Neuro-Symbolic Artificial Intelligence: The State of the Art, 2022, 342, 1-51.
Mastropietro A, et al. Multi-domain Model of Healthy Ageing: The Experience of the H2020 NESTORE Project. Italian Forum of Ambient Assisted Living, 2018, 13-21
Baader F, Calvanese D, McGuinness D, Nardi D, Patel-Schneider PF. The Description Logic Handbook: Theory, Implementation, and Applications. 2010, Cambridge University Press.
Batsakis S, Petrakis E, Tachmazidis I, Antoniou G. Temporal representation and reasoning in OWL 2. Semantic Web, 2017, 8(6): 981–1000.
Siebra C, Wac K. Engineering uncertain time for its practical integration in ontologies. Knowledge-based Systems. 2022, 251, 109152.
Fallaize R, et al. Popular Nutrition-Related Mobile Apps: An Agreement Assessment Against a UK Reference Method. JMIR mHealth and uHealth. 2019, 7(2): e9838.
Lewis M, Sutton A. Understanding Exercise Behaviour: Examining the Interaction of Exercise Motivation and Personality in Predicting Exercise Frequency. J. Sport Beh. 2011, 34(1): 82-97.
Procko T, Elvira T, Ochoa O, Del Rio N. An Exploration of Explainable Machine Learning Using Semantic Web Technology. IEEE 16th Int. Conf. on Semantic Computing, 2022, 143-146.
Giunti M, Sergioli G, Vivanet G, Pinna S. Representing n-ary relations in the Semantic Web. Logic Journal of the IGPL, 2019.
Manea V, Hansen MS, Elbeyi SE, Wac K. Towards Personalizing Participation in Health Studies. Fourth Int. Workshop on Multimedia for Personal Health & Health Care, 2019, 32-39.
Manea V, Wac K. MQOL: Mobile quality of life lab: From behavior change to QOL. Proceedings of the 2018 ACM International Joint Conference and 2018 International Symposium on Pervasive and Ubiquitous Computing and Wearable Computers, 2018, 642-647.
Detrano R. et al. International application of a new probability algorithm for the diagnosis of coronary artery disease. American Journal of Cardiology. 1989. 64, 304-310.
Figueiredo EB et al.. Semântica em prontuários eletrônicos para oncologia pediátrica: uma revisão integrativa. Journal of Health Informatics. 2023, 15(2):61-9.
van der Veer SN, et al. Trading off accuracy and explainability in AI decision-making: findings from 2 citizens’ juries. J. American Medical Informatics Association. 2021, 28(10), 2128-2138.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
A submissão de um artigo ao Journal of Health Informatics é entendida como exclusiva e que não está sendo considerada para publicação em outra revista. A permissão dos autores para a publicação de seu artigo no J. Health Inform. implica na exclusiva autorização concedida aos editores para incluí-lo na revista. Ao submeter um artigo, ao autor será solicitada a permissão eletrônica de um Termo de Transferência de Direitos Autorais. Uma mensagem eletrônica será enviada ao autor correspondente confirmando o recibo do manuscrito e o aceite da Declaração de Direito Autoral.
