机构名称：
¥ 1.0
这些创新的核心是深度学习应用所需的健康数据。数据的快速积累，以及数据质量的提高、数据共享和标准化，使得深度学习算法在许多医疗保健应用中得以开发 (5)。医疗保健 AI 面临的一大挑战是对这些数据进行有效治理——确保周到的聚合和适当的访问以推动创新、改善患者结果和医疗保健系统效率，同时保护数据主体的隐私和安全。然而，有关数据治理的文献很少超越与隐私和安全相关的重要务实问题。对人工智能医疗保健的意外或不良结果的考虑较少，例如临床医生技能下降、算法偏见、“监管真空”和缺乏公众参与 (6)。在越来越多的人呼吁对算法进行道德治理 (7) 的情况下，Reddy 等人。(8) 为医疗保健领域的人工智能制定了治理模式，重点关注公平、问责和透明度 (FAT) 以及可信度原则，并呼吁进行更广泛的讨论。Winter 和 Davidson (9) 强调需要确定医疗保健数据和使用的潜在价值，并指出
医疗保健中的人工智能：数据治理挑战 - NSF-PAR
主要关键词
相关文件推荐
