AI在医疗应用中展现出超越人类的潜力，但其复杂性引发了对透明性和偏见的担忧。解释性变得至关重要，以确保AI系统的可靠性和信任。该综述讨论了解释性与可解释模型的关系，并强调了验证和多种解释性方法的重要性。严格测试和开放访问资源可以提高解释性方法的可靠性和可信度。将解释性纳入临床风险预测的端到端方法对于成功至关重要。