ในยุคที่ความโปร่งใสของโมเดล AI (Explainability) มีความสำคัญมากขึ้น IMEX (Interaction-Based Model Explanation) ถูกพัฒนาขึ้นเพื่อเป็นเครื่องมือในการแกะรอยการตัดสินใจของโมเดลแบบ Black-box โดยเฉพาะ จุดเด่นของ IMEX คือความสามารถในการระบุการปฏิสัมพันธ์ระหว่างตัวแปรที่มีระดับความซับซ้อนมากกว่า 2 ตัวขึ้นไป ซึ่งวิธีการดั้งเดิมมักทำได้ไม่ดีนัก
เฟรมเวิร์กนี้ประกอบด้วย 2 มาตรวัดสำคัญ ได้แก่ Static Correlation Power (PCS) สำหรับประเมินความสำคัญของแต่ละฟีเจอร์ และ Interaction Correlation Power (PCI) สำหรับจับผลกระทบแบบไม่คงที่ (Non-additive effects) จากการทดสอบกับชุดข้อมูลสังเคราะห์พบว่า IMEX สามารถระบุโครงสร้างความสัมพันธ์ที่ซับซ้อน ทั้งแบบไม่ใช่เชิงเส้น (Non-linear) และแบบมีความสัมพันธ์กันเอง (Multicollinear) ได้อย่างมีประสิทธิภาพ
