PROGETTAZIONE E SVILUPPO DELL'INTERFACCIA GRAFICA DI UN SISTEMA DI ARTIFICIAL INTELLIGENCE PER L'ANALISI DI DATI NEUROLOGICI

AI-driven tools hold great potential in neurology, but their adoption depends on interpretability, usability, and clinical integration. This thesis presents a Human-Centered AI (HCAI) system for brain age prediction using morphometric features from MRI scans. The system includes a web-based application that enables neurologists to input patient data, visualise AI-driven predictions, and explore explanations through SHapley Additive exPlanations (SHAP). Two complementary views—Tornado Plot and Glass Brain—enhance interpretability, while a “what-if” simulation tool allows users to modify brain region properties and observe changes in predicted brain age. A formative usability study involving five neurologists evaluated the system using Human-Computer Interaction (HCI) methodologies. Results show that the system is intuitive and accessible, with interactive explanations improving confidence in AI predictions. However, feedback highlighted areas for refinement, such as clarifying SHAP values and integrating feature extraction directly into the tool. This work contributes to the adoption of AI in neurology by demonstrating how HCAI principles can enhance trust, usability, and explainability, making AI-based decision-support tools more viable for clinical practice.

Gli strumenti basati sull’IA offrono un grande potenziale in neurologia, ma la loro adozione dipende da interpretabilità, usabilità e integrazione clinica. Questa tesi presenta un sistema di Human-Centered AI (HCAI) per la previsione dell’età cerebrale, utilizzando caratteristiche morfometriche estratte da scansioni MRI. Il sistema include un’applicazione web che consente ai neurologi di inserire i dati dei pazienti, visualizzare le previsioni generate dall’IA ed esplorare le spiegazioni attraverso SHapley Additive exPlanations (SHAP). Due viste complementari—Tornado Plot e Glass Brain—migliorano l’interpretabilità, mentre uno strumento di simulazione “what-if” permette agli utenti di modificare le proprietà delle regioni cerebrali e osservare le variazioni nell’età cerebrale predetta. Uno studio di usabilità formativo, condotto con cinque neurologi, ha valutato il sistema utilizzando metodologie di Human-Computer Interaction (HCI). I risultati mostrano che il sistema è intuitivo e accessibile, con spiegazioni interattive che aumentano la fiducia nelle previsioni dell’IA. Tuttavia, il feedback ha evidenziato aree di miglioramento, come la necessità di chiarire i valori SHAP e integrare l’estrazione delle caratteristiche direttamente nello strumento. Questo lavoro contribuisce all’adozione dell’IA in neurologia dimostrando come i principi dell’HCAI possano migliorare fiducia, usabilità e spiegabilità, rendendo gli strumenti di supporto decisionale basati sull’IA più adatti alla pratica clinica.