© 2024 Айарпи СААКЯН
МАиБ 2024 – № 2(28)
DOI: https://doi.org/10.33876/2224-9680/2024-2-28/01
Ссылка при цитировании: Саакян Х. (2024) Этика клинических решений, принимаемых с использованием ИИ: баланс преимуществ и рисков, Медицинская антропология и биоэтика, № 2 (28).
Айарпи Саакян –
преподаватель биоэтики и философии
Ереванского государственного
медицинского университета,
факультет общественных дисциплин;
.
аспирантка факультета философии и психологии Ереванского государственного университета
(Ереван, Республика Армения).
E—mail: sahakyanhayarpi198@gmail.com
Ключевые слова: искусственный интеллект (ИИ), здравоохранение, этические проблемы, конфиденциальность данных, информированное согласие, автономия пациента, персонализированный уход, здоровье и неравенство, алгоритмическое принятие решений, интерпретируемый ИИ, пациент-центрированный уход
Аннотация. Быстрое развитие искусственного интеллекта (ИИ) в здравоохранении трансформирует процесс клинического принятия решений, предоставляя новые возможности для анализа данных и улучшения ухода за пациентами. Однако по мере интеграции ИИ в медицинскую практику возникают значительные этические вызовы, которые требуют внимания. В данной статье рассматриваются этические аспекты клинического принятия решений на основе ИИ, уделяется внимание таким ключевым вопросам как предвзятость и справедливость, прозрачность и подотчетность, конфиденциальность и безопасность данных, автономия пациентов и риск чрезмерного полагания на ИИ. Автор акцентирует важность использования разнообразных наборов данных для предотвращения предвзятости, повышения прозрачности через объяснимый ИИ и защиты данных пациентов для сохранения их конфиденциальности. Подчёркивается необходимость получения информированного согласия и тщательного внедрения ИИ, чтобы он дополнял, а не заменял клинический опыт. Анализируя эти этические вопросы, автор предлагает рекомендации для ответственного использования ИИ в здравоохранении, призывая к созданию этических рамок, которые направят внедрение ИИ на улучшение результатов лечения при соблюдении принципов справедливости, автономии и человеческого достоинства. В конечном итоге подчеркивается важность согласования инноваций ИИ с этическими аспектами, чтобы системы, управляемые ИИ, способствовали гуманному, справедливому и эффективному уходу за пациентами.
Введение
Искусственный интеллект (ИИ) трансформирует здравоохранение, повышая эффективность и точность клинического принятия решений. Его способность анализировать огромные объемы медицинских данных позволяет выявлять закономерности, недоступные традиционным методам, что способствует своевременной и точной диагностике (Davenport, Kalakota 2019: 96). Это особенно важно в неотложных ситуациях, когда скорость принятия решений напрямую влияет на исход лечения.
ИИ демонстрирует высокую точность и адаптивность в диагностике, разработке персонализированных стратегий лечения и управлении пациентами. Внедрение ИИ в медицинские процессы не только улучшает качество медицинской помощи, но и снижает нагрузку на специалистов, позволяя им сосредоточиться на более сложных клинических задачах. Однако успешная интеграция ИИ невозможна без учета этических вопросов, чтобы обеспечить соответствие технологии принципам пациент-ориентированного подхода.
Роль ИИ в здравоохранении
ИИ стал неотъемлемой частью современных медицинских систем, предоставляя новые возможности для оптимизации процессов и улучшения результатов лечения. Его основные преимущества включают:
- Анализ данных: ИИ анализирует большие объемы разнородных данных (электронные медицинские записи, медицинские изображения и др.), выявляя закономерности и аномалии, которые могут способствовать принятию клинических решений (Jiang et al. 2017: 231).
- Скорость и эффективность: ИИ обрабатывает медицинские изображения (КТ, МРТ) с высокой скоростью, что особенно важно в экстренной медицине (Esteva et al. 2019: 27).
- Прогностическая аналитика: ИИ помогает прогнозировать развитие хронических заболеваний и предотвращать осложнения, позволяя врачам разрабатывать персонализированные планы лечения (Krittanawong et al. 2017: 1821). Кроме того, прогнозирование числа госпитализаций способствует оптимальному распределению ресурсов медицинских учреждений.
- Поддержка клинических решений: Системы на основе ИИ предлагают врачам рекомендации по лечению, выявляют лекарственные взаимодействия и помогают в диагностике, снижая риск ошибок и повышая качество медицинской помощи.
- Непрерывное обучение и адаптивность: ИИ способен обновлять свои алгоритмы с учетом новых научных данных, что обеспечивает его актуальность в быстро меняющихся условиях медицины.
Этические вызовы ИИ в принятии клинических решений
Несмотря на значительные преимущества, внедрение ИИ сопровождается рядом этических проблем, требующих особого внимания.
- Предвзятость и справедливость: ИИ может унаследовать предвзятость обучающих данных, что приводит к неравному доступу к медицинским услугам (Obermeyer et al. 2019: 448). Например, алгоритмы, основанные на данных преимущественно белого населения, могут давать менее точные прогнозы для пациентов с другим этническим происхождением (Rajkomar et al. 2018: 869).
- Прозрачность и подотчетность: Многие алгоритмы ИИ являются «черными ящиками», что затрудняет их интерпретацию и подотчетность за принятые решения (Doshi-Velez & Kim 2017: 3). Разработка объяснимых ИИ-моделей важна для повышения доверия медицинских работников и пациентов.
- Конфиденциальность данных: Использование больших объемов медицинских данных требует строгих мер защиты и соблюдения таких нормативных актов как GDPR и HIPAA (Jiang et al. 2017: 235). Инновационные методы, такие как анонимизация и шифрование, могут повысить безопасность персональных данных (Yang et al. 2019: 1973).
- Согласие и автономия пациента: Важно, чтобы пациенты понимали роль ИИ в их лечении и имели возможность принимать информированные решения (Floridi et al. 2018: 692).
- Риск чрезмерной зависимости от ИИ: Чрезмерное доверие к ИИ может привести к снижению клинической интуиции врачей и ошибкам в случаях, требующих индивидуального подхода (Topol 2019: 45). Необходимо обучать медицинских специалистов грамотному использованию ИИ, подчеркивая его вспомогательную, а не заменяющую роль.
Заключение: Перспективы развития ИИ в медицине
Развитие ИИ открывает новые горизонты в здравоохранении, улучшая диагностику, лечение и управление пациентами. Однако его внедрение должно сопровождаться тщательным этическим контролем, направленным на устранение предвзятости (Goddard et al. 2021, 85), обеспечение прозрачности (Mackey et al. 2020, 73-75), защиту конфиденциальности данных (Jiang et al. 2017, 237) и сохранение автономии пациента (Zhang et al. 2020, 2590-2592). Только сбалансированный подход позволит максимально эффективно использовать ИИ в медицине, сохраняя при этом принципы справедливости и гуманности в системе здравоохранения.
Библиография / References
Goddard, C., et al. (2021) Bias in AI: Addressing Ethical Considerations. Journal of Health Ethics, 17(1), University Press, New York, p. 85-100.
Amann, J., et al. (2020) The Risk of Over-Reliance on AI Systems in Clinical Practice. British Medical Journal, University Press, Chicago, 371, Article m4453.
Davenport, T. H., & Kalakota, R. (2019) The Impact of Artificial Intelligence in Healthcare. Healthcare, University Press, Cambridge, 4(4), pp. 96–100. doi:10.1016/j.hjdsi.2019.09.003
Doshi-Velez, F., & Kim, P. (2017) Towards a Rigorous Science of Interpretable Machine Learning. Proceedings of the 34th International Conference on Machine Learning, University Press, San Francisco, 70, pp. 1–5. Retrieved from http://proceedings.mlr.press/v70/doshi-velez17a.html
Esteva, A., Kuprel, B., Novoa, R. A., et al. (2019) Dermatologist-Level Classification of Skin Cancer with Deep Neural Networks. Nature, University Press, London, 542, pp. 115–118. doi:10.1038/nature21056
Floridi, L., et al. (2018) The Ethics of Artificial Intelligence in Healthcare: A Systematic Literature Review. Journal of Medical Ethics, University Press, Oxford, 44(10), pp. 691–695. doi:10.1136/medethics-2018-104946
Jiang, F., et al. (2017) Artificial Intelligence in Healthcare: Past, Present, and Future. Seminars in Cancer Biology, University Press, London, 2, pp. 235–241.
Jiang, F., Jiang, Y., Zhi, H., et al. (2017) Artificial Intelligence in Healthcare: Anticipating Challenges to Ethics, Privacy, and Bias. Journal of Medical Ethics, University Press, Oxford, 43(4), pp. 231–235. doi:10.1136/medethics-2017-104532
Krittanawong, C., et al. (2017) Artificial Intelligence in Heart Failure: A Systematic Review. Journal of Cardiac Failure, University Press, Philadelphia, 23(4), pp. 1821–1831. doi:10.1016/j.cardfail.2017.07.005
Mackey, T. K., et al. (2020) A Transparent Approach to AI in Healthcare. International Journal of Medical Informatics, University Press, New York, 139, Article 104164.
Obermeyer, Z., Powers, B., Woolhandler, S., et al. (2019) Dissecting Racial Bias in an Algorithm Used to Manage the Health of Populations. Science, University Press, Washington, D.C., 366(6464), pp. 448–453. doi:10.1126/science.aax2543
Rajkomar, A., Dean, J., & Kohane, I. (2018) Machine Learning in Medicine. New England Journal of Medicine, University Press, Boston, 380(14), pp. 869–878. doi:10.1056/NEJMra1814258
Topol, E. J. (2019) Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again. Basic Books, University Press, New York.
Yang, Y., et al. (2019) Privacy-Preserving Artificial Intelligence in Healthcare: A Survey. IEEE Transactions on Biomedical Engineering, University Press, Los Angeles, 66(7), pp. 1971–1978. doi:10.1109/TBME.2019.2902750
Zhang, J., et al. (2020) Ethical Challenges of AI in Healthcare: An Overview. Health Informatics Journal, University Press, Boston, 26(4), pp. 2586–2597.