PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2017 | 15 | nr 4 | 306--316
Tytuł artykułu

Zagadnienie stosowania samouczących się programów o charakterze sztucznych inteligencji w ochronie zdrowia

Treść / Zawartość
Warianty tytułu
An Approach for Using Self-Teaching Algorithms of Artificial Intelligences Character in Health Care
Języki publikacji
PL
Abstrakty
Personalizacja medycyny - dostosowanie określonych terapii do konkretnej osoby, niejednokrotnie wskazywana jest jako jeden z nadchodzących przełomów w zakresie ochrony zdrowia. Oczywiste wydaje się stwierdzenie, że każdy pacjent jest inny, leczenie zaś powinno być dostosowane w możliwie najwyższym stopniu do konkretnej osoby. Ustalenie łączników pomiędzy cechami biologicznymi pacjenta a różnymi rezultatami proponowanego leczenia pozwala określić, w jaki konkretnie sposób dany pacjent będzie reagował na określoną formę leczenia. Dzięki takim informacjom możliwe jest zarówno bardziej efektywne świadczenie usług medycznych, jak i zmniejszenie kosztów i ryzyka związanych ze zbędnymi interwencjami medycznymi poprzez wskazanie faktycznych zależności. Podobnie uwzględnienie szczegółowej charakterystyki konkretnej osoby może pozwolić na przyspieszenie i usprawnienie badań prowadzonych nad skutkami stosowania produktów leczniczych, eliminując niekorzystne działanie ich szerokiego badania na wybranych grupach, utrudniające ustalenie ich wpływu na określone grupy. Aktualna forma dostosowania świadczeń medycznych do osoby opiera się w dużej mierze na wyraźnych i oczywistych relacjach, na podstawie których dana osoba przyporządkowana zostaje do określonych kategorii, utworzonych według wcześniej przeprowadzonych badań o charakterze statystycznym - poprzez przyporządkowanie ich do określonej grupy, dla której określone są dane wskazania bądź przeciwwskazania. Taka forma personalizacji często nie uwzględnia bardziej skomplikowanych zależności pomiędzy aspektami mogącymi mieć wpływ na daną jednostkę i na skuteczność terapii ze względu na ograniczone możliwości dokonania analizy konkretnej sytuacji przez człowieka i tym samym ograniczenie liczby analizowanych w każdym przypadku czynników. Rozwiązaniem pozwalającym poszerzyć zakres personalizacji medycyny jest wykorzystanie komputerowych programów o charakterze tak zwanej sztucznej inteligencji do podejmowania decyzji związanych z ochroną zdrowia. W sferze tego typu narzędzi w ostatnich latach doszło do gwałtownego przyspieszenia postępu po długim okresie stagnacji. Maszyny, którymi dysponujemy, zdołały przekroczyć swoje wcześniejsze, wąskie granice i obecnie wykazują się szerokim zakresem umiejętności w rozpoznawaniu wzorów, zaawansowanej komunikacji oraz w innych działaniach kiedyś uznawanych za wyłączną domenę człowieka. (fragment tekstu)
EN
Recent developments in information technologies allow an increasing delegation of certain tasks within the area of medicine to self-teaching algorithms, commonly referred to as artificial intelligences. Such programs may advise and provide solutions in various aspects of personalized medical services to be used by practitioners. Large scale usage of data and creation of complicated pathways for decision making may result in opacity and creation of "black boxes" which cannot be effectively supervised by users. This paper aims to position certain aspects of such algorithms within the prescriptive map of ethical debate on algorithms, their accountability and to briefly describe the existing legal solutions which may aid in dealing with such issues. (original abstract)
Rocznik
Tom
15
Numer
Strony
306--316
Opis fizyczny
Twórcy
  • Uniwersytet Łódzki
Bibliografia
  • Obama B., Sixth Presidential State of the Union Address, Washington 2015, http://www.americanrhetoric.com/speeches/stateoftheunion2015.htm (dostęp: 20.01.2015).
  • Warfarindosing, http://www.warfarindosing.com (dostęp: 1.12.2017).
  • FDA (Food and Drug Administration), Collection, Analysis and Avaliability of Demographic Subgroup Data for FDA Approved Medical Products, Maryland 2013, https://www.fda.gov/downloads/RegulatoryInformation/LawsEnforcedbyFDA/SignificantAmendmentstotheFDCAct/FDASIA/UCM365544.pdf (dostęp: 6.01.2018).
  • Nicholson W., Price II, Black box medicine, "Harvard Journal of Law & Technology" 2015; 28 (2): 419-467.
  • Brynjolfsson E., McAffee A., Drugi wiek maszyn, (ang. The second machine age), tłum. B. Sałbut, MT Biznes, Warszawa 2013.
  • Chandrasekaran B., Mittel S., Conceptual representation of medical diagnosis for computers. MDX and related systems, w: Advances in Computers, New York Place: 217-293.
  • Jensen P.B, Mining electronic health records: Towards better research applications and clinical health, "Nature Review Genetics" 2012; 13: 395-405.
  • Burke W., Bruce M.O.P., Personalized medicine in era of Genomics, "Journal of American Medical Association" 2007; 14: 1682-1684.
  • Etzioni A., Etzioni O., Keeping AI legal, Vanderbilt, "Journal of Entertainment & Technology Law" 2016; 133: 134-135.
  • Norma ISO/IEC 2382-1: 1993 Information Technology - Vocabulary, Geneva 1993.
  • Hastie T., Tibshirani R., Friedman J., The Elements of Statistical Learning. Data Mining, Interference and Prediction, Springer, New York 2008.
  • Frankish K., Ramsey W.M., The Cambridge Handbook of Artificial Intelligence, Cambridge University Press, United Kingdom 2014.
  • Bostrom N., The ethics of artificial intelligence, w: Cambridge Handbook of Artificial Intelligence, Cambridge University Press, United Kingdom 2011.
  • Hastie T., Tibshirani R., Friedman J., The Elements of Statistical Learning, Springer, Chicago 2009.
  • Nielsen M.A., Neural Networks and Deep Learning, http://neuralnetworksanddeeplearning.com/chap1.html (dostęp: 4.01.2018).
  • Mayer-Schonberger V., Cukier K., Big Data. A Revolution That Will Transform How We Live, Work and Think, John Murray Publishers, Chicago 2013
  • Hardesty L., New Algorithm Lets Autonomous Robots Divvy up Assembly Tasks on the Fly, Mass. Inst. of Tech., http://www.sciencedaily.com/releases/2015/05/150527142100.html (dostęp: 5.01.2018).
  • Domingos P., Gens R., Deep Symmetry Networks, Department of Computer Science and Engineering, Washington 2014, https://homes.cs.washington.edu/~pedrod/papers/nips14.pdf (dostęp: 4.01.2018).
  • Ustawa z dnia 6 listopada 2008 roku o prawach pacjenta i Rzeczniku Praw Pacjenta (Dz. U. z 2017 roku, poz. 1318 ze zm.).
  • Ustawa z dnia 5 grudnia 1996 roku o zawodach lekarza i lekarza dentysty (Dz. U. z 1996 roku, poz. 1318 ze zm.).
  • Karkowska D., Ustawa o prawach pacjenta i Rzeczniku Praw Pacjenta. Komentarz. Wyd. Wolters Kluwer, Warszawa 2016.
  • Wyrok SN z dnia 25 marca 1954 roku, sygn. akt II K 174/54.
  • Wyrok SN z dnia 10 lutego 2010 roku, sygn. akt V CSK 287/09, Wyrok SA z Białymstoku z dnia 15 maja 2015 roku, sygn. akt I ACa 1077/14.
  • Wyrok SA we Wrocławiu z dnia 24 stycznia 2014 roku.
  • Ustawa z dnia 10 maja 2010 roku o wyrobach medycznych (uwm) (Dz. U. z 2014 r. poz. 1138, 1162 ze zm.).
  • Rozporządzenie Ministra Zdrowia z dnia 17 lutego 2016 roku w sprawie wymagań zasadniczych oraz procedur oceny zgodności wyrobów medycznych (Dz. U. z 2016 r. poz. 211 ze zm.).
  • Mittelstadt B.D., Allo P., Taddeo M., Wachter S., Floridi L., The ethics of algorithms. Mapping the Debate, "Sage Journals" 2016; 2: 1-21.
  • Annany M., Towards the Ethics of Algorithms Convening, Observation, Probability, and Timeliness, "Science, Technology and Human Values" 2016; 41 (1): 93-117.
  • Datta A., Sen S., Zick Y., Algorythmic transparency via quantitative input influence, Proceedings of 37th IEEE symposium on security and privacy, San Jose, USA, http://www.ieeesecurity.org/TC/SP2016/papers/0824a598.pdf (dostęp: 4.01.2018).
  • Matthias A., The responsibility gap: Ascribing responsibility for the actions of learning automata, "Ethics and Information Technology" 2004; 6 (3): 182-183.
  • Art. 6 , art. 20, art. 23 uwm.
  • Bozdag E., Bias in algorithmic filtering and personalization, "Ethics and Information Technology" 2015; 15 (3): 209-227.
  • Diakopoulos N., Accountability in Algorithmic Decision Making, "Digital Journalism" 2015; 59 (2): 56-62.
  • Hajian S., Domingo-Ferrer J., A Methodology for Direct and Indirect Discrimination Prevention in Data Mining, "IEEE Transactions on Knowledge and Data Engineering" 2013; 25 (7): 1445-1459.
  • Hildebrandt M., Koops B.J., The challenges of ambient law and legal protection in the profiling era, "Modern Law Review" 2010; 3 (73): 428-460.
  • Newell S., Marabelli M., Strategic opportunities (and challenges) of algorithmic decision-making: A call for action on the long-term societal effects of 'datification', "Journal of Strategic Information Systems" 2015; 24 (1): 3-14.
  • Crawford K., Grey M.L., Miltner K., Critiquing big data: politics, ethics, epistemology special section introduction, "International Journal of Communication" 2014; 8: 1663-1672.
  • Geller J.S. L.N., Barash C.I., Billings P.R., Laden V., Natowicz M.R., Genetic discrimination and screening for hemochromatosis, "Journal of Public Health Policy" 1994; 15 (3): 345-358.
  • Romei A., Ruggieri S., A multidisciplinary survey on discrimination analysis, "The Knowledge Engineering Review" 2014; 29 (5): 582-638.
  • Kamiran F., Karim A., Zhang X., Decision theory for discrimination-aware classification, w: Zaki M.J., Siebes A., Yu J.X., Goethals B., Webb G. I., Wu X., Proceedings of the IEEE International Conference on Data Mining (ICDM 2012), 2012: 924-929.
  • Kawecki M., Ogólne rozporządzenie o ochronie danych osobowych. Wybrane zagadnienia, C.H. Beck, Warszawa 2017.
  • Wyrok Sądu Najwyższego z dnia 3 września 2013 roku, sygn. akt WK 14/13.
  • Wyrok SN z dnia 1 kwietnia 2008 roku, sygn. akt IV KK 381/07.
  • Burrel J., How the machine 'thinks:' Understanding opacity in machine learning algorithms, "Big Data & Society" 2016; 3 (1): 1-12.
  • Turilli M., Floridi L., The ethics of information transparency, "Ethics and Information Technology" 2009, 11 (2): 105-122.
  • Rozporządzenia Parlamentu Europejskiego i Rady (UE) 2016/679 z 27 kwietnia 2016 roku w sprawie ochrony osób fizycznych w związku z przetwarzaniem ich danych osobowych i w sprawie swobodnego przepływu takich danych oraz uchylenia dyrektywy 95/46.
  • Barta P., Litwinski P., Rozporządzenie UE w sprawie ochrony osób fizycznych w związku z przetwarzaniem danych osobowych i swobodnym przepływem takich danych. Komentarz, Wyd. C.H. Beck, Warszawa 2018.
  • European Commission, Article 29 Working Party Guidelines on Automated Decision-Making and Profiling for the purposes of Regulation 2016/679, 3 October 2017 r., Brussels 2017.
  • Floridi L., Watcher S., Mittelstadt B., Why a right to explanation of automated decision-making does not exist in the General Data Protection Regulation, "International Data Privacy Law" 2017: 1-47.
  • Wachter S., Mittelstadt B., Russel C., Counterfactual Explanations without Opening the Black Box: Automated Decisions and the GDPR, "Harvard Journal of Law and Technology" 2018, https://ssrn.com/abstract=3063289 (dostęp: 27.01.2018).
  • Zielińska E., Sakowski K., Barcikowska-Szydło E., Ustawa o zawodach lekarza i lekarza dentysty: Komentarz, Wolters Kluwer Polska, Warszawa 2014.
  • Lisboa P.J.G., Interpretability in machine learning principles and practice, "International Workshop on Fuzzy Logic and Applications" 2013: 15-21.
  • Markowetz A., Błaszkiewicz K., Montag C., Psycho-information: Big Data shaping modern psychometrics, "Medical Hypotheses" 2014; 82 (4): 405-411.
  • Van Otterlo M., A machine learning view on profiling, w: Privacy, Due Process and the Computational Turn-Philosophers of Law Meet Philosophers of Technology, Routledge, Abingdon 2013.
  • Projekt rezolucji w sprawie prywatności w fazie projektowania - 32. Międzynarodowa Konferencja Rzeczników Ochrony Danych i Prywatności, Jerozolima, 27-29.10.2010 r., http://www. giodo.gov.pl/pl/1520084/3830 (dostęp: 12.12.2017).
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171578534

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.