Jogi megfontolások a mesterséges intelligencia egészségügyi felhasználásával kapcsolatban.

A mesterséges intelligencia (AI) egyre szélesebb körű alkalmazásával az orvostudományban egyre többen teszik fel ugyanezt a kérdést: ha az orvosok AI-rendszereket használnak diagnózisra és kezelésre, és olyan hibát követnek el, amely végül kárt okoz a betegnek, akkor kit kell felelősségre vonni - teszi fel a kérdést a newsmedical.net.

A mesterséges intelligencia technológiát, beleértve a gépi tanulási (ML) és mély tanulási (DL) modelleket, világszerte széles körben alkalmazzák a kórházakban és klinikákon különböző alkalmazásokban, beleértve a stroke felismerését, a diabéteszes retinopátia szűrését és a kórházi felvételek előrejelzését.

Számos felmérés kimutatta, hogy ez a technológia jelentős előnyökkel jár az egészségügyi rendszer számára, mivel mind az orvosok, mind a betegek számára intelligensebb és gyorsabb megoldásokat tesz lehetővé.

A nagy adathalmazok gyors és hatékony elemzésével az AI-eszközök lehetővé teszik a betegségek gyorsabb diagnosztizálását és a kezelésre adott válaszok nyomon követését. A rák korai felismeréséhez és diagnosztizálásához a radiológusok ezeket az AI-alapú algoritmusokat használják a radiológiai képeken az emberi szem számára észrevehetetlen minták azonosítására.

Az AI-algoritmusokat például komputertomográfiás (CT) képek és mágneses rezonancia képalkotó (MRI) adatok elemzésére tervezték a tüdőrák, illetve a prosztatarák szűrésére.

A DL-alapú stratégiát az emlőrák korai felismerésében használták a kétdimenziós és háromdimenziós mammográfiás képek értelmezésén keresztül.

Több tanulmány is kimutatta, hogy a mesterséges intelligencia javította az általános pontosságot, amikor a mammográfiákat értelmező radiológusok kiegészítő eszközként használták.

Jelenleg számos kereskedelmi forgalomban kapható algoritmus nem teljesít hatékonyan, mivel nem állnak rendelkezésre átfogó adatok a klinikai hatékonyságról.
A tudósok az AI segítségével megkönnyítették az intratumorális heterogenitás automatizált jellemzését, ami segít a betegség progressziójának és a kezelés hatékonyságának előrejelzésében. A DL algoritmust CT-, MRI- és pozitronemissziós tomográfiás (PET) felvételek értékelésére használták.
A tumormorfológia radiomikai értékelése a szolid tumorok kezelési válaszának pontosabb nyomon követéséhez vezetett.
Az olyan AI egészségügyi eszközök, mint az IBM Watson Health, a Google DeepMind Health, az Eyenuk, az IBEX Medical Analytics, az Aidoc és a Butterfly iQ, az orvosok, radiológusok, pszichológusok és más egészségügyi tisztviselők által a különböző betegségek diagnosztizálására és kezelési tervezésére használt legnépszerűbb platformok közé tartoznak.