Modelli a Collo di Bottiglia Concettuali a Grana Fine Migliorano l'Interpretabilità nell'Imaging Medico

Uno studio recente introduce un framework dettagliato di Modello a Collo di Bottiglia Concettuale (CBM) che collega ogni concetto a specifiche evidenze visive, consentendo un esame diretto del processo di codifica. Questo approccio permette agli utenti di comprendere le previsioni e confermare che il modello catturi i concetti intesi anziché correlazioni fuorvianti. I test su benchmark di imaging medico indicano che lo spazio concettuale sviluppato è completamente informativo e raggiunge un'accuratezza predittiva simile ai CBM tradizionali, migliorando notevolmente la trasparenza. A differenza delle tecniche di attribuzione post-hoc, questo framework garantisce sia l'esistenza che l'accuratezza delle rappresentazioni concettuali, unendo interpretabilità e affidabilità. La ricerca è disponibile su arXiv con il titolo 'Towards Fine-Grained and Verifiable Concept Bottleneck Models' (arXiv:2605.14210).