Questo lavoro esplora la Explainable Artificial Intelligence (XAI) come soluzione fondamentale per superare l'opacità dei modelli avanzati e promuovere la fiducia degli utenti. Mediante una rassegna sistematica della letteratura, viene proposta una tassonomia delle metodologie XAI, con un focus specifico sulla loro applicazione nel settore sanitario, dove l'interpretabilità è cruciale per la sicurezza del paziente. Lo studio evidenzia inoltre i limiti attuali nel trasferimento tecnologico alla routine medica, suggerendo direzioni future volte a favorire un'integrazione fluida delle interfacce XAI nei flussi di lavoro clinici a supporto dei professionisti.

ESPLORAZIONE DELL’OPACITÀ DEI MODELLI INTELLIGENTI: ANALISI DEI METODI XAI E PROSPETTIVE APPLICATIVE NEL SETTORE BIOMEDICO

LADOGANA, ANTONELLA
2025/2026

Abstract

Questo lavoro esplora la Explainable Artificial Intelligence (XAI) come soluzione fondamentale per superare l'opacità dei modelli avanzati e promuovere la fiducia degli utenti. Mediante una rassegna sistematica della letteratura, viene proposta una tassonomia delle metodologie XAI, con un focus specifico sulla loro applicazione nel settore sanitario, dove l'interpretabilità è cruciale per la sicurezza del paziente. Lo studio evidenzia inoltre i limiti attuali nel trasferimento tecnologico alla routine medica, suggerendo direzioni future volte a favorire un'integrazione fluida delle interfacce XAI nei flussi di lavoro clinici a supporto dei professionisti.
2025
EXPLORATION OF THE OPACITY OF INTELLIGENT MODELS: ANALYSIS OF XAI METHODS AND APPLICATION PERSPECTIVES IN THE BIOMEDICAL FIELD
XAI
HCI
XAI in sanità
File in questo prodotto:
File Dimensione Formato  
Tesi.pdf

non disponibili

Descrizione: Tesi in sistemi operativi, corso di Laurea triennale in ingegneria informatica e dell'automazione
Dimensione 2.64 MB
Formato Adobe PDF
2.64 MB Adobe PDF

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14253/65697