چکیده مقاله
ادغام سریع هوش مصنوعی و به ویژه تکنیک های Deep Learning در علوم پزشکی، هرچند با وعده های تحول آفرین در تشخیص زودهنگام و درمان های شخصی سازی شده همراه است، اما چالش های اخلاقی و حقوقی عمیقی را به همراه دارد که مدیریت حجم عظیم، حساس و بی سابقه داده های سلامت و حفظ حریم خصوصی بیماران را در مرکز توجه قرار می دهد این پژوهش با هدف بررسی سیستماتیک چالش های اخلاقی و حریم خصوصی در تشخیص هوشمند بیماری ها با استفاده از Deep Learning انجام شده است روش پژوهش به صورت مروری تحلیلی بوده و یافته ها از بررسی ۴۷ مطالعه peer reviewed بین سال های ۲۰۲۲ تا ۲۰۲۵ استخراج گردیده اند یافته ها نشان می دهد که علی رغم مزایای قابل توجه Deep Learning در افزایش دقت تشخیص تا ۹۵% در برخی موارد و کاهش خطای انسانی، نگرانی های اخلاقی متعددی همچون سوگیری الگوریتمی algorithmic bias ، تضعیف اعتماد پزشک بیمار، خطرات امنیتی مرتبط با داده های سلامت، نقض حریم خصوصی، فقدان شفافیت الگوریتمی black box problem ، و مسائل مربوط به مسئولیت پذیری در خطاهای تشخیصی وجود دارد علاوه براین، ورود Deep Learning به حوزه پزشکی موجب تغییرات بنیادین در رابطه پزشک بیمار شده که ممکن است منجر به «دیجیتالی شدن اعتماد» و کاهش نقش پزشک در تصمیم گیری گردد نتایج بیانگر آن است که برای استفاده اخلاقی از Deep Learning در تشخیص بیماری ها، تدوین چارچوب های نظارتی دقیق، الگوریتم های شفاف، رعایت عدالت در توزیع فناوری، حفظ حقوق بیماران، و توسعه تکنیک های Explainable AI XAI ضروری است این مقاله با ارائه پیشنهادات عملی، راهکارهایی برای کاهش چالش های اخلاقی و بهبود حریم خصوصی در سیستم های تشخیص هوشمند ارائه می دهد
کلیدواژهها
نویسندگان
محمد حسینی
گروه مهندسی برق و کامپیوتر، واحد زرقان، دانشگاه آزاد اسلامی، زرقان، ایران
مجتبی خسروبیگی
گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی، اراک، ایران
مرتضی موسوی
گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی، اراک، ایران
جواد عینی
گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی، اراک، ایران
شیوه ارجاع
�سینی، محمد،1405،چالش های اخلاقی و حریم خصوصی در تشخیص هوشمند بیماری ها با استفاده از Deep Learning،دومین کنفرانس بین المللی مدیریت، علوم کامپیوتر و هوش مصنوعی،تهران
ارائهشده در
کنفرانس ملی مهندسی عمران، معماری و توسعه شهری31 خرداد 1405 · بابل