NEURON：接地された臨床的説明可能性のためのニューロ記号システム
arXiv cs.AI / 2026/5/5
📰 ニュースIdeas & Deep AnalysisTools & Practical UsageIndustry & Market MovesModels & Research
要点
- NEURONは、臨床AIの「ブラックボックス／グレーボックス」問題に対し、予測の信頼性と臨床的な解釈可能性（説明可能性）を同時に高めることを目的としたニューロ記号論（neuro-symbolic）システムです。
- SNOMED CTのオントロジーに基づく構造化表現を用いて、生データから医学的な用語・概念へつなぐことで、説明に必要な実体的な接地（ontological grounding）を補強します。
- Retrieval-Augmented Generation（RAG）を用いたLLM層が、SHAPによる特徴量帰属と患者ごとの臨床ノートを統合し、人間に整合した自然言語の説明を生成します。
- MIMIC-IVの急性心不全における死亡予測で評価され、AUCを0.74–0.77から0.84–0.88へ改善し、raw SHAP可視化よりも人間整合性の指標で大きく優れた結果（0.85 vs 0.50）を示しました。
