首頁資訊彌合醫(yī)療保健公平差距：人工智能倫理和包容性健康解決方案

彌合醫(yī)療保健公平差距：人工智能倫理和包容性健康解決方案

來源：泰然健康網(wǎng) 時間：2024年11月23日 21:08

簡介：人工智能在實現(xiàn)醫(yī)療保健公平方面的作用解決 AI 算法中的偏差（參見此處）在 AI 醫(yī)療保健解決方案中優(yōu)先考慮可訪問性促進人工智能決策的透明度保護患者隱私和數(shù)據(jù)安全結(jié)論：建立一個更加公平和道德的 AI 驅(qū)動的醫(yī)療保健未來參考資料研究透明度

簡介：人工智能在實現(xiàn)醫(yī)療保健公平方面的作用

醫(yī)療保健公平是一項基本人權(quán)，但在獲取、質(zhì)量和負擔能力方面的差異在世界范圍內(nèi)持續(xù)存在 [1]。人工智能 (AI) 有可能通過增強診斷、個性化治療和改善患者預后來徹底改變醫(yī)療保健 [2]。然而，要真正彌合醫(yī)療保健公平差距，我們必須確保在設計和實施 AI 解決方案時考慮到道德和包容性 [3]。在本文中，我們將探討通過人工智能實現(xiàn)醫(yī)療保健公平的挑戰(zhàn)和機遇，以道德考慮和減少差異的承諾為指導。

人工智能算法的好壞取決于用于訓練它們的數(shù)據(jù)。如果數(shù)據(jù)存在偏倚或不具代表性，可能會導致某些患者群體出現(xiàn)偏倚和可能有害的結(jié)果 [4]。要實現(xiàn)醫(yī)療保健公平，關鍵是：

確保在 AI 醫(yī)療保健解決方案的開發(fā)中使用多樣化且具有代表性的數(shù)據(jù)集 [5]。實施穩(wěn)健的測試和驗證流程，以檢測和減輕 AI 算法中的偏差 [6]。鼓勵醫(yī)療保健專業(yè)人員、AI 開發(fā)人員和倫理學家之間的合作，以開發(fā)公平和公正的 AI 解決方案 [7]。

在 AI 醫(yī)療保健解決方案中優(yōu)先考慮可訪問性

為了真正彌合醫(yī)療保健公平差距，人工智能解決方案必須可供所有患者使用，無論他們的社會經(jīng)濟地位、位置或能力如何 [8]。這涉及：

開發(fā)可以輕松集成到現(xiàn)有醫(yī)療保健系統(tǒng)中的負擔得起的 AI 醫(yī)療保健技術(shù) [9]。設計用戶友好且適合不同患者群體（包括殘障或語言障礙患者）的 AI 工具 [10]。投資于數(shù)字基礎設施和遠程醫(yī)療能力，特別是在服務欠缺和偏遠地區(qū) [11]。

促進人工智能決策的透明度

透明度對于建立對 AI 醫(yī)療保健解決方案的信任并確?；颊吡私馄渥o理背后的基本原理至關重要 [12]。提高人工智能決策的透明度：

為 AI 生成的醫(yī)療保健建議制定清晰易懂的解釋 [13]。確?；颊吣軌蛟L問自己的健康數(shù)據(jù)和 AI 生成的見解 [14]。鼓勵醫(yī)療保健提供者和患者之間進行公開交流，使患者能夠提出問題并就他們的護理做出明智的決定 [15]。

保護患者隱私和數(shù)據(jù)安全

人工智能在醫(yī)療保健中的使用增加引發(fā)了對患者隱私和數(shù)據(jù)安全的擔憂 [16]。保護敏感的患者信息：

實施穩(wěn)健的數(shù)據(jù)安全措施，包括加密和安全數(shù)據(jù)存儲 [17]。為人工智能研究和開發(fā)中患者數(shù)據(jù)的倫理使用制定明確的政策和指南 [18]。教育患者和醫(yī)療保健專業(yè)人員關于數(shù)據(jù)隱私和安全在 AI 醫(yī)療保健解決方案背景下的重要性 [19]。

結(jié)論：建立一個更加公平和道德的 AI 驅(qū)動的醫(yī)療保健未來

通過 AI 實現(xiàn)醫(yī)療保健公平需要致力于道德設計和實施，重點是解決偏見、優(yōu)先考慮可訪問性、提高透明度和保護患者隱私 [20]。通過接受這些原則并促進醫(yī)療保健專業(yè)人員、AI 開發(fā)人員、政策制定者和患者之間的合作，我們可以利用 AI 的力量為所有人創(chuàng)建一個更加公平、包容和有效的醫(yī)療保健系統(tǒng) [21]。

參考資料

世界衛(wèi)生組織。 (2021)。健康公平。從...獲得 https://www.who.int/health-topics/health-equityJiang, F., Jiang, Y., Zhi, H., Dong, Y., Li, H., Ma, S., … & Wang, Y. (2017)。醫(yī)療保健中的人工智能：過去、現(xiàn)在和未來。中風和血管神經(jīng)病學，2(4)，230-243。 https://doi.org/10.1136/svn-2017-000101白楊，EJ (2019)。高性能醫(yī)學：人類與人工智能的融合。自然醫(yī)學，25(1), 44-56。 https://doi.org/10.1038/s41591-018-0300-7Rajkomar, A.、Hardt, M.、Howell, MD、Corrado, G. 和 Chin, MH (2018)。確保機器學習的公平性以促進健康公平。內(nèi)科學年鑒，169(12)，866-872。 https://doi.org/10.7326/M18-1990Chen, IY、Szolovits, P. 和 Ghassemi, M. (2019)。人工智能能否幫助減少一般醫(yī)療和心理保健方面的差異？ AMA 倫理學雜志，21(2)，E167-E179。 https://doi.org/10.1001/amajethics.2019.167Mehrabi, N.、Morstatter, F.、Saxena, N.、Lerman, K. 和 Galstyan, A. (2021)。機器學習中的偏見和公平性調(diào)查。 ACM 計算調(diào)查 (CSUR)，54(6)，1-35。 https://doi.org/10.1145/3442188Vayena, E.、Blasimme, A. 和 Cohen, IG (2018)。醫(yī)學機器學習：應對倫理挑戰(zhàn)。 PLoS 醫(yī)學，15(11)，e1002689。 https://doi.org/10.1371/journal.pmed.1002689Wouters, OJ、McKee, M. 和 Luyten, J.（2019 年）。 2009-2018 年將一種新藥推向市場所需的預計研發(fā)投資。美國醫(yī)學會雜志，321(9)，844-853。 https://doi.org/10.1001/jama.2019.0310Matheny, ME、Whicher, D. 和 Thadaney Israni, S.（2019 年）。醫(yī)療保健中的人工智能：美國國家醫(yī)學院的一份報告。美國醫(yī)學會雜志，323(6)，509-510。 https://doi.org/10.1001/jama.2019.21579Huang, S., & Coughlan, J. (2020)。遠程醫(yī)療系統(tǒng)的包容性設計。在針對老齡人口的輔助技術(shù)設計中（第 59-78 頁）。施普林格。 https://doi.org/10.1007/978-3-030-42945-8_4Wootton, R.、Bonnardot, L. 和 Liu, J. (2019)。存儲轉(zhuǎn)發(fā)遠程醫(yī)療網(wǎng)絡中遠程會診的質(zhì)量保證——獲取患者隨訪數(shù)據(jù)和用戶反饋。公共衛(wèi)生前沿，7, 24。 https://doi.org/10.3389/fpubh.2019.00024Mittelstadt, BD、Allo, P.、Taddeo, M.、Wachter, S. 和 Floridi, L.（2016 年）。算法的倫理：映射辯論。大數(shù)據(jù)與社會，3（2），2053951716679679。 https://doi.org/10.1177/2053951716679679Holzinger, A.、Biemann, C.、Pattichis, CS 和 Kell, DB (2017)。我們需要什么來為醫(yī)療領域構(gòu)建可解釋的人工智能系統(tǒng)？ arXiv 預印本 arXiv:1712.09923。 https://arxiv.org/abs/1712.09923Rumbold, JMM, & Pierscionek, BK (2017)。通用數(shù)據(jù)保護條例對醫(yī)學研究的影響。醫(yī)學互聯(lián)網(wǎng)研究雜志，19（2），e47。 https://doi.org/10.2196/jmir.7108O'Sullivan, S.、Nevejans, N.、Allen, C.、Blyth, A.、Leonard, S.、Pagallo, U.、… Holzinger, K.（2019 年）。制定人工智能 (AI) 和自主機器人手術(shù)標準的法律、監(jiān)管和道德框架。國際醫(yī)療機器人和計算機輔助手術(shù)雜志，15(1)，e1968。 https://doi.org/10.1002/rcs.1968Price, WN, & Cohen, IG (2019)。醫(yī)療大數(shù)據(jù)時代的隱私。自然醫(yī)學，25(1), 37-43。 https://doi.org/10.1038/s41591-018-0272-7Beam, AL, & Kohane, IS (2018)。醫(yī)療保健中的大數(shù)據(jù)和機器學習。美國醫(yī)學會雜志，319(13)，1317-1318。 https://doi.org/10.1001/jama.2017.18391Blease, C.、Kaptchuk, TJ 和 Bernstein, MH (2019)。人工智能與初級保健的未來：對英國全科醫(yī)生觀點的探索性定性研究。醫(yī)學互聯(lián)網(wǎng)研究雜志，21（3），e12802。 https://doi.org/10.2196/12802Coiera, E., & Clarke, R. (2018)。電子同意：電子環(huán)境中消費者同意機制的設計和實施。美國醫(yī)學信息學協(xié)會雜志，25(4)，409-416。 https://doi.org/10.1093/jamia/ocx139Char, DS, Shah, NH, & Magnus, D. (2018)。在醫(yī)療保健中實施機器學習——應對倫理挑戰(zhàn)。新英格蘭醫(yī)學雜志，378(11)，981-983。 https://doi.org/10.1056/NEJMp1714229Wiens, J.、Saria, S.、Sendak, M.、Ghassemi, M.、Liu, VX、Doshi-Velez, F.、… Davenport, T.（2019 年）。不要傷害：負責任的醫(yī)療保健機器學習路線圖。自然醫(yī)學，25(9)，1337-1340。 https://doi.org/10.1038/s41591-019

研究透明度

[1] 衛(wèi)生公平——世界衛(wèi)生組織：定義衛(wèi)生公平并強調(diào)其作為一項基本人權(quán)的重要性。該參考資料為在 AI 背景下討論醫(yī)療保健公平奠定了基礎。

[2] 醫(yī)療保健中的人工智能：過去、現(xiàn)在和未來：概述了人工智能在醫(yī)療保健中的應用及其徹底改變該領域的潛力。該參考資料強調(diào)了人工智能在醫(yī)療保健領域的變革潛力。

[3] 高性能醫(yī)學：人類與人工智能的融合：討論人工智能與人類智能在醫(yī)學上的融合。該參考文獻強調(diào)了在設計 AI 醫(yī)療保健解決方案時考慮道德和包容性的重要性。

[4] 確保機器學習的公平性以促進健康公平：探索人工智能算法中的偏見挑戰(zhàn)及其對醫(yī)療保健公平的影響。該參考文獻強調(diào)了解決 AI 開發(fā)中的偏見問題的必要性。

[5] AI 可以幫助減少一般醫(yī)療和精神保健方面的差異嗎？：調(diào)查 AI 如何有助于減少醫(yī)療保健差異。該參考支持使用多樣化和代表性數(shù)據(jù)集的重要性。

[6] A survey on bias and fairness in machine learning：全面概述了機器學習中的偏見和公平問題。該參考支持對穩(wěn)健的測試和驗證過程的需求。

[7] 醫(yī)學機器學習：應對倫理挑戰(zhàn)：檢查在醫(yī)學中實施 AI 的倫理挑戰(zhàn)。該參考資料鼓勵醫(yī)療保健專業(yè)人員、人工智能開發(fā)人員和倫理學家之間的合作。

[8] 將一種新藥推向市場所需的預計研發(fā)投資，2009-2018 年：分析開發(fā)新療法的成本。該參考支持開發(fā)負擔得起的 AI 醫(yī)療保健技術(shù)的需要。

[9] 醫(yī)療保健中的人工智能：美國國家醫(yī)學院的一份報告：概述了人工智能在醫(yī)療保健中的應用和挑戰(zhàn)。此參考支持對用戶友好且可訪問的 AI 工具的需求。

[10] 遠程醫(yī)療系統(tǒng)的包容性設計：討論了設計適合不同患者群體的遠程醫(yī)療系統(tǒng)的重要性。該參考資料支持對數(shù)字基礎設施和遠程醫(yī)療進行投資的必要性。

[11] 存儲轉(zhuǎn)發(fā)遠程醫(yī)療網(wǎng)絡中遠程會診的質(zhì)量保證——獲取患者隨訪數(shù)據(jù)和用戶反饋：檢查遠程醫(yī)療網(wǎng)絡的質(zhì)量保證方面。該參考資料支持提高服務欠缺地區(qū)遠程醫(yī)療能力的需要。

[12] 算法倫理：映射辯論：回顧算法決策的倫理挑戰(zhàn)。該參考文獻支持人工智能決策透明化的必要性。

[13] What do we need to build explainable AI systems for the medical domain?：討論在醫(yī)療保健領域創(chuàng)建可解釋的人工智能系統(tǒng)的要求。該參考支持對人工智能生成的醫(yī)療保健建議進行清晰易懂的解釋的需要。

[14] 通用數(shù)據(jù)保護條例對醫(yī)學研究的影響：分析 GDPR 對醫(yī)學研究和數(shù)據(jù)訪問的影響。該參考支持患者需要訪問自己的健康數(shù)據(jù)和 AI 生成的見解。

[15] 人工智能 (AI) 和自主機器人手術(shù)標準制定的法律、監(jiān)管和倫理框架：探索人工智能在醫(yī)療保健領域的法律和倫理框架。該參考資料鼓勵醫(yī)療保健提供者和患者之間進行公開交流。

[16] 醫(yī)療大數(shù)據(jù)時代的隱私：調(diào)查因使用醫(yī)療大數(shù)據(jù)而引起的隱私問題。該參考文獻強調(diào)了保護患者隱私和數(shù)據(jù)安全的重要性。

[17] 醫(yī)療保健中的大數(shù)據(jù)和機器學習：檢查大數(shù)據(jù)和機器學習在醫(yī)療保健中的潛力。該參考支持對強大的數(shù)據(jù)安全措施的需求。

[18] 人工智能與初級保健的未來：英國全科醫(yī)生觀點的探索性定性研究：調(diào)查英國全科醫(yī)生對人工智能在初級保健中的作用的看法。該參考支持需要明確的政策和指南。

[19] 電子同意：電子環(huán)境中消費者同意機制的設計和實施：探索醫(yī)療保健背景下電子同意機制的設計和實施。該參考資料強調(diào)了對患者和醫(yī)療保健專業(yè)人員進行有關 AI 醫(yī)療保健解決方案中數(shù)據(jù)隱私和安全性教育的重要性。

[20] 在醫(yī)療保健中實施機器學習——應對倫理挑戰(zhàn)：解決在醫(yī)療保健中實施機器學習的倫理挑戰(zhàn)。該參考文獻強調(diào)了道德設計和實施在人工智能驅(qū)動的醫(yī)療保健中的重要性。

[21] Do no harm: a roadmap for responsible machine learning for healthcare：提供了在醫(yī)療保健中負責任地使用機器學習的路線圖。該參考文獻支持在 AI 醫(yī)療解決方案中解決偏見、優(yōu)先考慮可訪問性、提高透明度和保護患者隱私的需求。

網(wǎng)址: 彌合醫(yī)療保健公平差距：人工智能倫理和包容性健康解決方案 http://www.u1s5d6.cn/newsview38968.html