医疗保健中生成人工智能的伦理和实际挑战和建议的解决方案:一项调查调查

科学领域:

• 医疗保健技术 技术 医疗保健 技术
• 人工智能伦理学 人工智能伦理学
• 医疗信息学 医疗信息学

背景情况:

• 生成型人工智能 (AI) 正在迅速改变医疗保健.
• 采用人工智能引入了伦理和实际挑战,包括算法偏见,模两可的责任,缺乏透明度和数据隐私风险.
• 这些挑战可能会破坏患者的信任,加剧健康差异,需要通过负责任的人工智能集成来解决这些问题.

研究的目的:

• 系统地审查医疗保健中的生成人工智能景观.
• 识别人工智能应用及其相关的伦理和实际挑战.
• 评估当前的解决方案,并为负责任的人工智能部署提出框架.

主要方法:

• 按照PRISMA 2020指南进行系统审查.
• 搜索了PubMed和谷歌学者在2020年1月至2025年5月之间发表的文章.
• 通过主题叙事合成分析了54篇选定的文章.

主要成果:

• 生成性人工智能越来越多地被整合到医学培训,研究和临床实践中.
• 主要挑战包括系统偏见,未解决的法律责任,模型透明度问题 ("黑子"问题) 和数据隐私风险.
• 建议的解决方案包括技术 (如可解释的人工智能),程序 (如利益相关者监督) 和监管策略.

结论:

• 目前用于医疗保健中的生成人工智能的解决方案是分散的,并面临实施障碍.
• 仅仅是技术修复是不够的;强大的治理,明确的法律准则和专业教育是至关重要的.
• 为了在医疗保健中安全,公平和道德地部署生成性AI,社会技术方法至关重要.