Yeni yayın, geliştiricileri, düzenleyicileri, üreticileri, sağlık profesyonellerini ve hastaları bir araya getirerek güvenli ve etkili yapay zeka sistemleri kurmanın ve bunların olumlu bir araç olarak kullanımına ilişkin diyaloğu teşvik etmenin önemini vurguluyor.
Sağlık hizmeti verilerinin artan kullanılabilirliği ve analitik tekniklerdeki hızlı ilerlemelerle birlikte DSÖ, yapay zekanın klinik deneyleri geliştirerek, tıbbi tanıyı iyileştirerek ve sağlık profesyonellerinin bilgi ve yeterliliklerini tamamlayarak sağlık sonuçlarını iyileştirme potansiyelinin farkındadır.
'Ciddi zorluklar'
Ancak yapay zeka sistemleri, sağlık verilerini kullanırken potansiyel olarak hassas kişisel bilgilere erişebilir; bu da mahremiyet, güvenlik ve bütünlüğü sağlamak için sağlam yasal ve düzenleyici çerçeveler gerektirir.
DSÖ Genel Direktörü Tedros Adhanom Ghebreyesus, “Yapay zeka sağlık açısından büyük umut vaat ediyor, ancak aynı zamanda etik olmayan veri toplama, siber güvenliğe yönelik tehditler ve önyargıların veya yanlış bilgilerin artması gibi ciddi zorluklar da yaratıyor” dedi.
Yapay zeka sağlık teknolojilerinin hızlı yükselişini sorumlu bir şekilde yönetme ihtiyacına yanıt olarak DSÖ, şeffaflığın ve belgelemenin, risk yönetiminin ve verilerin dışarıdan doğrulanmasının önemini vurgulamaktadır.
Bay Ghebreyesus, “Bu yeni kılavuz, riskleri en aza indirirken, kanser tedavisinde veya tüberkülozun tespit edilmesinde, ülkelerin yapay zekayı etkili bir şekilde düzenlemesini ve potansiyelini kullanmasını destekleyecektir” dedi.
Karmaşık düzenlemeler
Avrupa'daki Genel Veri Koruma Yönetmeliği (GDPR) ve Amerika Birleşik Devletleri'ndeki Sağlık Sigortası Taşınabilirlik ve Sorumluluk Yasası (HIPAA) gibi önemli, karmaşık düzenlemelerin ortaya çıkardığı zorluklar, yetki alanı ve rızanın kapsamının anlaşılmasına odaklanılarak ele alınmaktadır. gizlilik ve veri koruma hizmetinde gereklilikler.
Dünya Sağlık Örgütü, yapay zeka sistemlerinin karmaşık olduğunu ve yalnızca oluşturuldukları koda değil, aynı zamanda eğitildikleri verilere de bağlı olduğunu söyledi. Daha iyi düzenleme, yapay zekanın eğitim verilerindeki önyargıları artırma riskinin yönetilmesine yardımcı olabilir.
Yapay zeka modellerinin popülasyon çeşitliliğini doğru bir şekilde temsil etmesi zor olabilir; bu da önyargılara, yanlışlıklara ve hatta başarısızlıklara yol açabilir.
Bu risklerin azaltılmasına yardımcı olmak amacıyla cinsiyet, ırk ve etnik köken gibi özelliklerin rapor edilmesini ve veri setlerinin bilinçli olarak temsili olmasını sağlayacak düzenlemeler kullanılabilir.
Raporda, sistemlerin önyargıları ve hataları güçlendirmemesini sağlamak için kaliteli veri arayışının hayati önem taşıdığı vurgulanıyor.
Bir yanıt yazın