Explainable artificial intelligence : analysing skin lesions classifiers

Abstract

Considerando a gravidade do avanço de doenças e lesões dermatológicas como o câncer de pele, bem como suas diversas manifestações físicas e demais implicações, a presente pesquisa teve como objetivo central o desenvolvimento de uma Inteligência Artificial (IA) utilizando a metodologia Inteligência Artificial Explanável (XAI) posthoc em uma Rede Neural Convolucional (CNN). A utilização de XAI se deu em função de trazer uma maior capacidade de interpretabilidade dos dados no Aprendizado Profundo, rigor e compromisso ético na construção do modelo, que teve como intenção colaborar no diagnóstico de doenças de pele ao utilizar como métricas Área Sob a Curva (AUC), Infidelidade e Sensitividade para comparação dos métodos XAI. Foram comparados os métodos XAI Integrated Gradients, DeepLIFT, DeepSHAP, GradientSHAP, Occusion e GradCAM. Os resultados demonstraram que o Integrated Gradients e o DeepLIFT tiveram menores Infidelidades e Sensitividades no modelo ResNet-152 utilizando o dataset HAM10000 com imagens de lesões de peles. Os dados obtidos foram comparados com três autores de trabalhos similares encontrados na literatura.