ANNONCE

Generativ kunstig intelligens (AI): WHO udgiver ny vejledning om styring af LMM'er

WHO har udstedt ny vejledning om etik og styring af store multimodale modeller (LMM'er) for dens passende brug til at fremme og beskytte befolkningens sundhed. LMM'er er en type hurtigtvoksende generativ kunstig intelligens (AI) teknologi, der har fem brede anvendelser til sundhed in 

1. Diagnose og klinisk pleje, såsom besvarelse af patienters skriftlige forespørgsler; 

2. Patientstyret brug, såsom til undersøgelse af symptomer og behandling; 

3. Kontormæssige og administrative opgaver, såsom at dokumentere og opsummere patientbesøg i elektroniske sundhedsjournaler; 

4. Medicinsk og sygeplejerskeuddannelse, herunder at give praktikanter simulerede patientmøder, og; 

5. Videnskabelig forskning og lægemiddeludvikling, herunder at identificere nye forbindelser. 

Imidlertid risikerer disse applikationer i sundhedsvæsenet at producere falske, unøjagtige, partiske eller ufuldstændige udsagn, hvilket kan skade folk, der bruger sådanne oplysninger til at træffe sundhedsbeslutninger. Ydermere kan LMM'er trænes på data, der er af dårlig kvalitet eller forudindtaget, hvad enten det er på grund af race, etnicitet, herkomst, køn, kønsidentitet eller alder. Der er også bredere risici for sundhedssystemerne, såsom tilgængelighed og overkommelighed for de bedst ydende LMM'er. LMM'er kan også tilskynde til "automatiseringsbias" hos sundhedspersonale og patienter, hvorved fejl overses, som ellers ville være blevet identificeret, eller vanskelige valg uretmæssigt delegeres til en LMM. LMM'er, ligesom andre former for AI, er også sårbare over for cybersikkerhedsrisici, der kan bringe patientinformation eller troværdigheden af ​​disse algoritmer og levering af sundhedspleje mere bredt i fare. 

For at skabe sikre og effektive LMM'er har WHO derfor lavet anbefalinger til regeringer og udviklere af LMM'er. 

Regeringer har det primære ansvar for at opstille standarder for udvikling og implementering af LMM'er og deres integration og brug til folkesundhed og medicinske formål. Regeringer bør investere i eller levere ikke-for-profit eller offentlig infrastruktur, herunder computerkraft og offentlige datasæt, tilgængelig for udviklere i den offentlige, private og non-profit sektor, som kræver, at brugerne overholder etiske principper og værdier i bytte for adgang. 

· Brug love, politikker og regler til at sikre, at LMM'er og applikationer, der bruges i sundhedspleje og medicin, uanset risikoen eller fordelene forbundet med AI-teknologien, opfylder etiske forpligtelser og menneskerettighedsstandarder, der påvirker for eksempel en persons værdighed, autonomi eller privatliv. 

· Tildel et eksisterende eller nyt reguleringsorgan til at vurdere og godkende LMM'er og applikationer beregnet til brug i sundhedspleje eller medicin - alt efter hvad ressourcerne tillader det. 

· Indføre obligatorisk revision efter frigivelse og konsekvensanalyser, herunder for databeskyttelse og menneskerettigheder, af uafhængige tredjeparter, når en LMM udrulles i stor skala. Revisionen og konsekvensanalyserne bør offentliggøres 

og bør omfatte resultater og påvirkninger opdelt efter typen af ​​bruger, herunder for eksempel efter alder, race eller handicap. 

· LMM'er er ikke kun designet af videnskabsmænd og ingeniører. Potentielle brugere og alle direkte og indirekte interessenter, herunder lægeudbydere, videnskabelige forskere, sundhedspersonale og patienter, bør engageres fra de tidlige stadier af AI-udvikling i et struktureret, inkluderende, gennemsigtigt design og gives muligheder for at rejse etiske spørgsmål, give udtryk for bekymringer og give input til den AI-applikation, der overvejes. 

LMM'er er designet til at udføre veldefinerede opgaver med den nødvendige nøjagtighed og pålidelighed for at forbedre sundhedssystemernes kapacitet og fremme patientinteresser. Udviklere bør også være i stand til at forudsige og forstå potentielle sekundære resultater. 

*** 

kilde: 

WHO 2024. Etik og styring af kunstig intelligens for sundhed: vejledning om store multimodale modeller. Tilgængelig kl https://iris.who.int/bitstream/handle/10665/375579/9789240084759-eng.pdf?sequence=1&isAllowed=y 

***

SCIEU Team
SCIEU Teamhttps://www.ScientificEuropean.co.uk
Scientific European® | SCIEU.com | Betydelige fremskridt inden for videnskab. Indvirkning på menneskeheden. Inspirerende sind.

Abonner på vores nyhedsbrev

Opdateres med alle de seneste nyheder, tilbud og specielle meddelelser.

Mest Populære artikler

Genvarianten, der beskytter mod svær COVID-19

En genvariant af OAS1 er blevet impliceret i...

NeoCoV: Det første tilfælde af en MERS-CoV-relateret virus ved brug af ACE2

NeoCoV, en coronavirus-stamme relateret til MERS-CoV fundet i...

LZTFL1: Højrisiko COVID-19-gen, der er fælles for sydasiater, identificeret

LZTFL1-ekspression forårsager høje niveauer af TMPRSS2 ved at hæmme...
- Annonce -
94,847Fanslignende
47,749AbonnenterFølge
1,772AbonnenterFølge
30AbonnenterTilmeld