在输血医学中使用人工智能的道德困境

科学领域:

• 血液银行 (BB) 提供血液.
• 输血医学 (TM) 是一种输血医学.
• 人工智能 (AI) 是一种人工智能.
• 机器学习 (ML) 是指机器学习.

背景情况:

• 人工智能和机器学习越来越多地集成到BB和TM工作流中.
• 这些技术为捐助者参与,库存管理,诊断和患者护理提供了潜在的改进.
• 随着TM的敏感性质,需要对安全,信任,验证和治理进行强烈的关注.

研究的目的:

• 审查在BB和TM中新兴的AI/ML应用.
• 建议在TM和BB中实施AI的伦理和监督框架.
• 为了平衡创新与严格的验证和治理.

主要方法:

• 在输血医学当前AI/ML应用的调查.
• 制定一个伦理和监督框架.
• 强调以结果为中心的验证,公平性测试,层次透明度和设计中的隐私.
• 人类监督和问责结构的整合.

主要成果:

• 人工智能/ML可以提高BB/TM的效率,一致性和及时性.
• 拟议的框架包括验证,公平性测试,透明度和隐私措施.
• 在AI实施的各个阶段,人类监督至关重要.
• 分享问责制对于负责任的人工智能采用至关重要.

结论:

• 当AI/ML与强有力的保障措施一起实施时,可以减少错误并改善输血医学中的资源配置.
• 原则上的实用主义是采用验证的人工智能工具的关键,同时保护患者和捐赠者.
• 该框架促进在BB和TM中安全,公平和及时采用AI.