XiaoMi-AI文件搜索系统
World File Search Systemethical
道德和可持续的采购，这是对...
我们认为该法案应该与之保持一致的标准，尤其是那些未被废除的标准，包括Inter Inter Allo除外，《 SITA法》和法规，公共服务法规，最低互操作性标准（MIOS），最低信息安全标准（MISS）和POPI法案。•但是，对齐并不明显
神经科学和神经伦理学期刊中神经伦理问题的比较评论
本研究是一项试点文献综述，旨在比较神经伦理学家和神经科学家的兴趣。 它旨在确定哲学神经伦理学期刊和神经科学期刊中讨论的神经伦理问题之间是否存在显著差距。 我们从两本专业神经伦理学期刊（《神经伦理学》和《AJOB 神经科学》）中检索了 614 篇文章，从三本专业神经科学期刊（《神经元》、《自然神经科学》和《自然评论神经科学》）中检索了 82 篇以神经伦理为重点的文章。 在将哲学神经伦理学中讨论的神经伦理问题与神经科学家讨论的神经伦理问题进行比较之前，我们根据所讨论的神经伦理问题对这些文章进行了分类。 一个值得注意的结果是它们之间存在相似性，这是一种普遍趋势。神经科学文章涵盖了哲学伦理学家讨论的大多数神经伦理问题，反之亦然。 随后，两类神经伦理学文献之间存在显著差异。例如，哲学-神经伦理学文章更深入地讨论了道德提升的伦理问题以及神经科学发现对我们人格概念的哲学含义等理论问题。相反，神经科学文章往往强调实际问题，例如如何成功地将伦理观点融入科学研究项目和涉及动物的神经科学研究的合理实践中。这些观察将有助于我们确定新兴神经科学“伦理整合”尝试的共同起点，从而有助于更好的治理设计和神经伦理实践。
精准医疗中合乎道德的数据驱动 AI 的可行解决方案
摘要 如今，人工智能 (AI) 支持有关政策、健康和个人生活的艰难决策。我们开发和部署的用于理解信息的 AI 算法以数据为依据，并基于捕获和使用被分析人群或现象的相关细节的模型。对于任何应用领域，更重要的是直接影响人类生活的精准医疗，必须采购、清理和组织好运行算法的数据，以确保结果可靠且可解释，并确保它们不会造成或放大人类的偏见。必须在不违反所用算法的基本假设的情况下完成此操作。需要清楚地将算法结果传达给利益相关者和领域专家，以便得出合理的结论。我们的立场是，人工智能在支持精准医疗方面大有可为，但我们需要非常谨慎地向前迈进，并考虑可能的道德影响。我们认为，无边界或收敛方法对于支持合理且合乎道德的决策至关重要。无边界思维支持由拥有不同观点的专家团队定义和解决问题。在处理人工智能和使用人工智能所需的数据时，有一系列活动需要无边界团队的关注。如果我们要得出可行的结论并根据人工智能、数据和相关领域的科学基础制定行动和政策，这一点是必要的。
将道德 AI 要求应用于医疗保健领域的 AI 解决方案用例
摘要目的——本文旨在描述将符合道德的人工智能要求应用于医疗保健用例的结果。本研究的目的是调查使用开放教育资源为可信人工智能提供医疗领域人工智能解决方案建议的有效性。设计/方法/方法——本研究采用 Hackathon 方法作为研究方法。Hackathon 是参与者有共同目标的短暂活动。这样做的目的是确定提供给学生的教育资源的有效性。为了实现这一目标，八支由学生和教职员工组成的团队参加了 Hackathon。这些团队根据从教育资源中获得的知识，为医疗保健用例提出了建议。举办 Hackathon 的大学的一个研究团队设计了这个用例。医疗保健研究团队通过展示用例并随后分析和评估结果的效用参与了 Hackathon。结果——Hackathon 根据欧盟对可信人工智能的要求，为引入的医疗保健用例制定了一个拟议建议框架。研究的局限性/含义——教育资源已应用于一个用例。原创性/价值——这是可信人工智能的开放教育资源首次应用于高等教育，因此这项研究具有新颖性。主办黑客马拉松的大学一直是可信人工智能黑客马拉松的协调者（作为可信人工智能项目的合作伙伴）。关键词人工智能 (AI)、医疗保健、道德要求、人工智能解决方案论文类型案例研究
在澳大利亚教育体系中运用道德人工智能
6 生成式人工智能工具的风险与挑战 ...................................................................... 8 6.1 隐私和安全 ...................................................................................................... 9 6.2 商业化风险 ...................................................................................................... 9 6.3 算法偏见和歧视风险 ................................................................................ 10 6.4 滥用的可能性 ................................................................................................ 11 6.5 破坏教育诚信的风险 ...................................................................................... 11 6.6 制定标准和指南 ...................................................................................... 12 6.7 为教师提供专业发展 ................................................................................ 13 6.8 提高数字素养 ................................................................................................ 13 6.9 对教育环境中生成式人工智能工具的严格要求 ................................................ 14 6.10 鼓励对持续研发的投资 ................................................................................ 14
患者的观点与精度医学中的道德问题和风险有关：系统评价
精密医学通常与个性化医学一词互换使用，是最近引入的医疗方法，旨在根据患者的独特特征（包括其基因，环境和生活方式）为患者提供个性化治疗。这种方法有可能彻底改变医疗保健，并使用不同的工具在各种医学专业中产生了影响，包括生物信息学，大数据分析和人工智能/机器学习。精确医学在不同的医疗领域和专业中具有临床应用。肿瘤学处于精密医学的前沿，导致靶向疗法的发展，这些疗法可以根据其遗传/分子畸变选择性地杀死癌细胞（1）。在心脏病学中，精密医学有可能改善风险地层，并确定患有心血管疾病的高风险并降低风险的患者（2）。即使在精神病学中，精密医学也有可能改善精神疾病的诊断和治疗。例如，在治疗抑郁症时，基因检测可以鉴定可能对特定抗抑郁药反应的患者，从而降低了侧面影响的风险并改善治疗结果（3）。尽管进步迅速，并且在日托中，精密医学的立即和未来适用性的明显前景应仔细考虑并最终解决重要的道德和社会问题，以确保这种方法的收益得到公平地分配并保护患者权利（4）。与精度医学中的道德问题和风险有关的几个问题是广为人知的。首先，人们对包括遗传数据在内的大数据的隐私和安全性提出了担忧，尤其是在商业基因测试服务的背景下（5）。商业遗传测试公司从个人那里收集大量遗传信息，其中不仅包括有关个人自己的个人和健康数据的信息，还包括有关其亲戚的信息。这些数据被滥用或不当的可能性可能是显着的，对参与的个人产生了前所未有的后果。此外，精密医学的成本增加，因为它通常涉及先进的诊断测试和靶向疗法（5）。因此，有些患者可能会担心这些治疗的成本以及是否会被保险覆盖。成本问题也与无法获得精确医学的风险有关，特别是对于可能无法获得基因测试或有针对性疗法的边缘化社区。在那些情况下，精确医学的成本可能会影响到已经处于不利地位的人的影响，这将导致扩大经济不足发展的国家和更经济发展的国家之间的鸿沟。此外，无法获得精确医学的问题不仅限于发展中国家。在发达国家中，基于种族，种族和社会经济地位等因素，医疗保健获得差异。这意味着即使精确药物变得更广泛地获得，某些组仍然可能被抛在后面（6）。
黑箱辅助医疗决策：人工智能的力量与道德......
众所周知，机器学习算法在众多应用中利用大数据集进行模式识别、预测和解决问题方面有着巨大的前景。医疗领域，尤其是医疗决策，只是机器学习算法可以成为非常强大工具的重要领域之一。人工智能的这种应用已经在广泛的医疗应用中产生了一些令人兴奋的成果，从诊断眼疾（Gulshan 等人，2016 年）或通过图像诊断皮肤癌（Esteva 等人，2017 年），到使用临床数据库预测自杀风险（Walsh 等人，2017 年）。人们希望使用人工智能算法可以使医疗诊断和治疗建议更快、更准确。支持者可能会指出，人工智能将胜过人类医生，不仅是因为人工智能拥有强大的计算能力，还因为人类临床医生容易犯诊断错误并屈服于认知偏见（Topol，2019 年）。请注意，机器学习是人工智能 (AI) 的一个子领域，其
探索牙科人工智能的伦理和隐私影响 Meshal Muhammad Naeem 博士 牙周病学系讲师
探索人工智能在牙科领域的伦理和隐私影响 Meshal Muhammad Naeem 博士 牙周病学系讲师，Ishrat ul ebad Khan 博士口腔健康科学研究所 陶氏健康科学大学 电子邮件：meshal.butt@duhs.edu.pk Huma Sarwar 博士 牙科手术系高级注册官，Ishrat ul ebad Khan 博士口腔健康科学研究所 陶氏健康科学大学 电子邮件：huma.sarwar@duhs.edu.pk Muhammad Talha Hassan 硕士口腔病理学（学者） 拉合尔高等大学 电子邮件：drtalhahassan92@gmail.com Nazam Matloob Balouch 博士 牙科医生，示范员 沙希达伊斯兰牙科学院 木尔坦 电子邮件：Nambaloch@gmail.com Satinder Pal Singh 博士 牙科学士（TMDC-RC，印度）、全球卫生管理硕士（费尔里·狄金森大学，加拿大温哥华）、全科牙医（印度旁遮普省 Trusmiles 牙科诊所 电子邮件：dilbagkamal@gmail.com Pooja Devi Essrani 博士 全科牙医，卡拉奇南市医院牙科诊所 电子邮件：poojaessrani@hotmail.com Paras Rajper 博士 全科牙医，卡拉奇南市医院牙科诊所 电子邮件：parasrajper@hotmail.com
神经放射学中的人工智能：对一些伦理挑战的范围审查
人工智能 (AI) 具有巨大潜力，可提高神经放射学许多方面的准确性和效率。它为深入了解大脑病理生理学、开发模型以确定治疗决策以及改进当前的预测和诊断算法提供了大量机会。同时，AI 模型的自主使用带来了有关知情同意范围、与数据隐私和保护相关的风险、潜在的数据库偏见以及可能出现的责任和义务的伦理挑战。在本文中，我们将首先简要概述神经放射学中使用的 AI 方法，然后探讨关键的方法和伦理挑战。具体而言，我们将讨论 AI 方法对人类神经科学的影响的伦理原则以及可能在此领域实施的规定，以确保 AI 框架的好处在未来与研究和医疗保健中的伦理保持一致。