本文讨论了人工智能在医疗领域中的应用，特别是在医学图像分析中的最新进展、现有标准以及应用人工智能所需考虑的伦理问题和最佳实践。我们探讨了人工智能的技术挑战和伦理挑战，以及在医院和公共组织中部署人工智能的影响和关键技术措施。最后，我们提出了未来解决人工智能在医疗应用中的伦理挑战的建议和方向。

Apr, 2023

AI 技术的快速发展与伦理维度的深入研究，特别关注于医疗领域，探索透明度、数据管理、人工监督、教育要求以及国际合作等众多方面，呼吁全球统一的 AI 伦理原则和框架，并提出有益的伦理方案以应对新兴挑战。

Aug, 2023

通过分析次级调查数据，我们确定了人工智能在医疗领域中的伦理原则，并提出了一个基于功利主义伦理的新的理论框架来设计医疗领域的伦理人工智能。

Sep, 2023

本文综述将人工智能应用到智能医疗产品（包括医疗电子设备）中所面临的伦理挑战，提出了传统医学领域伦理问题和人工智能驱动的医疗伦理挑战之间的区别，特别是在透明度、偏见、隐私、安全、责任、公平和自治方面。还概述了开放性挑战和建议，以促进伦理原则的整合到基于人工智能的智能医疗产品的设计、验证、临床试验、部署、监测、维护和退役中。

Nov, 2022

本文讨论了人工智能在医疗保健等高风险领域中的公平性问题，强调了技术与临床角度之间的不协调性，提出了跨学科合作的必要性，并为解决与人工智能公平性相关的临床问题提供了可能的解决方案。

Apr, 2023

人工智能在全球范围内获得采用，并承诺在医疗保健领域引发一场新革命。本研究旨在深入研究全球对于医疗保健中人工智能使用的监管方法，重点关注共同出现的主题并与世界卫生组织的道德使用人工智能原则进行比较。我们分析了包括代表世界各地的 14 个法律辖区在内的国家的 AI 政策，最终目标是促进关于医疗保健中人工智能的道德使用以及指导其发展的监管的全球对话。我们提出解决方案以促进人工智能监管的国际协调，并以中国和新加坡作为在这一领域具有成熟政策的国家进行案例研究。

Jun, 2024

欧洲议会议会研究服务总局准备了一份报告，列举了医疗和健康领域人工智能的七个主要风险：由于人工智能错误导致患者受伤、医疗人工智能工具的误用、人工智能的偏见和现有不平等的延续、缺乏透明度、隐私和安全问题、问责的漏洞以及实施中的障碍。该研究提出了十四个功能要求，可以降低与医疗目的相关的风险，并保证遵守未来的欧盟监管框架，供人工智能系统的实施。

Sep, 2023

医学领域中人工智能（AI）的道德整合需要解决公平性这个高度依赖上下文的概念。本文通过详细的证据缺口分析，系统地指出了医疗数据和 AI 公平解决方案中存在的一些缺陷。我们强调了在许多医学领域中 AI 公平研究的稀缺性。此外，我们分析还凸显了对群体公平的重要依赖，旨在从宏观医疗系统的角度确保人口统计群体之间的平等；相比之下，对于更精细化程度上的个人公平性常常被忽视了。为了填补这些间隙，我们的综述为医疗和 AI 研究社区提出了可操作的策略。除了在医疗中应用现有的 AI 公平方法，我们进一步强调了将医疗专业人员纳入其中，以完善 AI 公平概念和方法，以确保 AI 在医疗领域中具有上下文相关性和道德健全性。

May, 2024

我们提出了 GREAT PLEA 伦理原则，涵盖了在医疗中应用生成型人工智能所面临的治理、可靠性、公平性、问责制、可追溯性、隐私、合法性、同理心和自主性等伦理困境和挑战。

Aug, 2023

使用人工智能（AI）指导患者护理或操作过程的影响是 AI 模型输出、基于该输出的决策制定协议以及参与方采取必要后续行动的相互作用。斯坦福医疗保健的数据科学团队开发了一种 “公平、有用和可靠 AI 模型（FURM）” 的机制，通过进行伦理审查来识别潜在的价值不匹配，通过模拟估计有用性，通过财务预测评估可持续性，以及通过分析来确定 IT 的可行性，设计部署策略，并推荐前瞻性的监测和评估计划，从而实现在部署之前估计其影响效果，以及在实时研究其影响效果。我们报道了对六个 AI 模型指导解决方案进行的 FURM 评估，以评估其潜在采用性的过程，涵盖临床和操作设置，每年可能影响数十个到数万个患者。我们描述了评估过程，总结了这六个评估，并分享了我们的框架，以使他人能够进行类似的评估。在我们评估的六个方案中，有两个已进入规划和实施阶段。我们的创新贡献，包括模拟估计的有用性、量化可持续性的财务预测以及进行伦理评估的过程，以及底层方法和开源工具，可供其他医疗保健系统进行可行的候选 AI 解决方案评估。

Feb, 2024