A Inteligência Artificial Explicável (XAI) surge como uma promessa para oferecer suporte à decisão de forma transparente e confiável, especialmente no campo da reabilitação. Apesar do seu potencial, a aplicação da XAI em contextos que envolvem pessoas com deficiência ainda é limitada. Uma análise recente buscou identificar e avaliar as ferramentas de XAI desenvolvidas para esse público, com o objetivo de delinear padrões que possam orientar o design de tecnologias de reabilitação mais inclusivas.
A pesquisa sistemática, que analisou dados de janeiro de 2018 a junho de 2024, utilizou diversas bases de dados como SCOPUS, ACM Digital Library, IEEE Xplore, ProQuest e Google Scholar. Após uma triagem rigorosa, 26 estudos revisados por pares que envolviam a avaliação do usuário final foram selecionados. A análise temática revelou uma concentração significativa em condições neurológicas, como Alzheimer, Transtorno do Espectro Autista e Doença de Parkinson, com menor atenção para deficiências ortopédicas, sensoriais e da coluna vertebral.
O estudo também identificou os modelos de explicação mais comuns, com destaque para SHAP, seguido por LIME, LRP-B e Grad-CAM. Os objetivos de acessibilidade estavam centrados na transparência clínica, compreensão do usuário, adaptação sensorial/cognitiva e confiança em ambientes com poucos recursos. A análise temática identificou três dimensões principais: técnicas de modelagem, tomada de decisão, confiança e diversos contextos de aplicação. A expansão da XAI para deficiências menos representadas e a incorporação de explicações multimodais e centradas no usuário em fluxos de trabalho de reabilitação podem aprimorar a autonomia, personalizar tratamentos e oferecer um cuidado mais eficaz e equitativo. Este avanço, no entanto, depende de um design participativo, supervisão ética e avaliação padronizada para garantir a inclusão e a eficácia das soluções.
Origem: Link