KANEx: Kolmogorov-Arnold Networksの解釈可能性を医療説明可能性へ翻訳

KANEx: Translating Kolmogorov-Arnold Networks' Interpretability to Medical Explainability

https://export.arxiv.org/api/query·2026/7/27

AI要約

Kolmogorov-Arnold Networks (KANs) の解釈可能性を医療分野の説明可能性に応用するKANExを提案。視覚モデルの不透明性を解消し、胸部X線分類器に付加される自然言語説明の信頼性を高めることで、臨床現場でのAI活用を促進する。

AI要点

医療分野のAI説明可能性向上を目指し、Kolmogorov-Arnold Networks（KANs）の解釈可能性をVision-Language Model（VLM）の説明生成に活用するフレームワーク「KANEx」を提案。
KANsの数理的に解釈可能な構造を利用し、VLMの推論をより信頼性の高いものにする。
KANsから直接ヒートマップを生成する新しい手法「KAN-Map」を開発した。
MIMIC-CXRデータセットでの評価により、KANベースのアーキテクチャがVLMの説明の忠実性と意味的類似性を向上させることが示された。

なぜ重要か

医療AIにおける説明責任の課題に対し、モデルの解釈可能性を高めることで、臨床医の信頼を得て、より安全で効果的なAI導入を促進する可能性があるため重要です。