專業/醫學、人工智慧和專業判斷
醫療專業人員的作用可以從不同的角度來解釋，從為人類服務和促進醫療藝術[1]到透過識別、診斷和治療臨床疾病來恢復健康[2]。醫療專業人員必須遵守指導臨床醫學和科學研究的規則和原則體系，稱為醫學倫理。專業倫理學家建議將這四個原則[3]融入醫學領域的決策中。
- 自主：患者有權決定自己的醫療保健。
- 公正：在社會中分配護理的利益和負擔。
- 仁慈：為患者做好事。
- 無害：確保你不傷害患者。
這些價值觀有助於專業人員考慮所有價值觀、事實和邏輯，以確定最佳行動方案。
人工智慧 (A.I.) 是一種機器學習，它使用複雜的程式和演算法來執行人類認知功能，例如感知、推理和學習[4]。隨著過去十年計算能力和資料量的增加，基於 A.I. 的系統越來越多地用於改進和發展許多領域和行業，例如農業、政府、金融和醫療保健。在醫療保健中，基於 A.I. 的系統提高了跨多個專業的診斷和治療的準確性和效率。例如，計算機輔助診斷 (CAD) 通常用於檢測醫學影像中的異常。放射科醫生目前使用 CAD 系統的計算機輸出作為乳腺癌診斷的“第二意見”[5]。IDx 是一家 A.I. 診斷公司，開發了 IDx-DR，這是一種 CAD 系統，可以分析視網膜影像以尋找糖尿病性視網膜病變的跡象。IDx-DR 是第一個獲得 FDA 批准在任何醫學領域提供診斷決策的自主 A.I. 系統[6]。基於 A.I. 的系統還可以使用臨床資料科學來分析資料並協助醫生。臨床決策支援系統 (CDSS) 利用患者快速增長的數量和質量資料，例如電子健康記錄、患者調查和資訊交換，來制定醫療建議。為了使高質量的計算機化 CDSS 有效，需要進行深思熟慮的設計、實施和批判性評估[7]。
將基於 A.I. 的系統納入臨床環境的速度很慢，因為許多人仍然擔心此類系統會取代醫生。美國醫學會 (AMA) 醫學倫理雜誌 支援基於 A.I. 的系統作為輔助而不是取代臨床醫生的補充工具。他們提請注意基於 A.I. 的系統中出現的一些倫理風險，例如對機密性、隱私、知情同意和患者自主權的威脅[8]。在AMA 醫學倫理雜誌進行的一項案例研究中，透過分析由 IBM 開發的先進問答計算機系統沃森，調查了 CDSS 在臨床環境中的使用情況。在這項研究中，概述了在臨床實踐中使用此類工具的益處、風險和預防措施。像沃森這樣的 CDSS 有一些好處，例如能夠檢測人類醫生可能忽略的模式。但是，這些系統也可能生成超出當前臨床護理標準的建議，從而增加醫生最終診斷的不確定性。隨著技術創新的增加，診斷錯誤的機會也隨之增加，因此也提到了責任問題。這可能導致患者健康狀況出現不利後果，在醫生提出專業建議時，會對醫生造成額外的責任。隨著患者資料量和複雜性的增加，對沃森等自動化和智慧系統的需求也隨之增加[9]。但是，在醫療保健環境中使用任何基於 A.I. 的系統之前，有必要進行徹底的分析，以確定其侷限性和風險。
隨著 A.I. 在醫療保健中的普及，識別 A.I. 故障模式對於避免該領域的倫理問題至關重要。例如，如果模型的目標指定錯誤，A.I. 可能會失敗。如果模型被程式設計為最大化利潤而不是拯救生命，那麼該模型可能會引入種族偏見或患者偏好。不正確的環境假設，例如主要針對極端情況訓練的演算法，會導致模型無法識別患者為正常或健康[10]。任何這些故障模式或其他故障模式都可能導致倫理挑戰。模型可能難以解釋，使醫生難以向患者解釋他們的發現。模型可能會過度使用和過度分享資訊，或者使用諸如收入、種族或性別等特徵，這些特徵更多地反映了社會不公正，而不是預測資訊。
Optum 是明尼蘇達州伊甸園草原的一家公司，開發了許多商業演算法，這些演算法是醫療系統用來識別所有年齡和種族的患者複雜健康需求的眾多演算法之一。這些演算法旨在提高醫療保健效率，降低成本，並且針對 Optum 特別地，“提高收入週期準確性”。[11] Optum 開發了一種演算法來估計患者的風險評分及其治療的緊迫性。該演算法被美國八家頂級健康保險公司、兩家大型醫院和精算師協會使用，有效地影響了美國數百萬患者的護理和治療。2019 年 10 月，發表了一篇名為“剖析用於管理人群健康的演算法中的種族偏見”的文章，揭露了 Optum 開發了一種種族偏見的風險分類演算法。[12] 該研究發現，在任何給定的風險分類估計中，黑人患者都比白人患者病得更重。特別是，患有與白人患者相同數量慢性病的黑人患者，在演算法預測的每個風險評分百分位數中都被預測為風險較低。此外，對於每個慢性病數量，醫院記錄的黑人患者的總醫療支出都低於白人患者。研究人員發現，糾正這種差異將使接受額外幫助的黑人患者比例從 17.7% 提高到 46.5%。[12] 在這項研究中，作者強調，儘管血統不是用於訓練預測演算法的變數，但醫療費用是。由於醫療費用與種族高度共線，因此被確定為演算法中偏見的主要來源。Optum 重複了 Obermeyer 的分析，並能夠驗證演算法的偏見。Obermeyer 提出與 Optum 一起糾正這種不公正行為，尋找除醫療費用之外的風險評分預測變數。他們共同努力將預測偏差降低了 84%。[13] 在發表文章後的採訪中，Obermeyer 強調，醫療保健風險分類中的偏見“不是一個演算法或一家公司的問題”，而是一種“整個系統如何處理這個問題”的複雜問題。[13] 在告別語中，Obermeyer 指出，人工智慧必須輔以醫療保健中的決策，而不是依賴人工智慧，否則該領域將無法避免未來出現此類道德問題。
醫生的職業判斷
[edit | edit source]背景
[edit | edit source]醫生的判斷是醫患之間保密關係的先決條件，也稱為 DPR，即醫患關係。職業判斷條例旨在提高醫療治療的成功率，並保護患者的隱私和個人權利。[14] 對於醫生來說，應對各種法律法規可能非常困難。聯邦法律和醫療保健管理機構都制定了許多道德法規。
職業判斷條例和挑戰
[edit | edit source]以下是規範醫療職業判斷的一些方面。
親屬
[edit | edit source]醫生在法律上不能為自己的親屬做出治療決定。原因不言自明，人們擔心在涉及救生措施時會存在偏見。[14]
同行醫生
[edit | edit source]在同行醫生之間也必須遵守醫療判斷。如果患者在聯合/進一步治療的情況下保持知情，則這將不成問題。以下情況存在問題：未經患者知情，諮詢其他醫生；聯合診所和診所網路。[14]
媒體
[edit | edit source]就媒體而言，沒有任何情況可以證明在未經患者同意的情況下向媒體提供患者資訊是合理的。[14]
精神疾病
[edit | edit source]職業判斷原則概述了醫生在對精神疾病患者進行治療方面的職業判斷。根據該原則，醫生可以自行判斷是否向正在接受精神或情感治療的患者展示其記錄。披露取決於醫生是否認為檢視記錄會對患者造成傷害。[15]
HIPAA
[edit | edit source]《健康保險流通與責任法案》(HIPAA) 包含許多關於患者隱私的規定。關於職業判斷，隱私規則和知情同意原則至關重要。知情同意是指在對個人進行醫療干預或披露個人資訊之前獲得其許可的過程。[16]
患者權益維護
[edit | edit source]患者權益維護者主要參與道德上有爭議的案件，無論是家庭成員、朋友還是專業權益維護者。權益維護者對 DPR 施加了兩種不同的壓力。首先，可能存在“醫療保健從業人員的預期職責與合理預期之外的行為之間的衝突”。其次，對於任何受過專業培訓的人來說，“區分患者意願的實際表達與權益維護者認為對患者最有利的斷言”可能很困難。[17]
新患者
[edit | edit source]醫生沒有無限的權力拒絕接受某人作為新患者。醫生不能以種族、性取向或宗教為由拒絕接受某人。[18]
生命維持和姑息治療
[edit | edit source]技術的進步使我們能夠延長生命，因此導致了醫生在移除生命維持裝置方面所面臨的道德上有爭議的案件的數量和複雜程度的增加。在美國，生命維持的拒絕和撤回主要可以透過《知情同意》和《知情拒絕》的原則得到合法證明。
臨床醫生的權利
[edit | edit source]良心拒服是指醫生根據良知選擇不提供或不建議某些型別的干預措施的能力，這通常在法律中得到保障。他們必須確保患者瞭解這一決定，並且能夠及時從另一名專業人員那裡獲得應得的治療。如果以良心為由拒絕提供醫療服務，則責任醫生將受到懲罰，很可能被吊銷執業資格。[19]
大多數醫療保健系統都有一個資源，應該在任何倫理上模稜兩可的情況下進行諮詢。醫生可以向倫理委員會成員尋求幫助，以審查正確的法律程式。倫理委員會是為任何認為存在未得到妥善解決的倫理挑戰問題，並希望在解決問題方面獲得進一步幫助的患者、家屬或員工提供的諮詢服務。這是一個由醫生、護士、社會工作者、行政人員、牧師和其他員工組成的多學科團隊。[20]
- ↑ Markose, A., Krishnan, R., & Ramesh, M. (2016). 醫療倫理。藥學與生物聯盟科學雜誌, 8(Suppl 1), S1–S4. https://doi.org/10.4103/0975-7406.191934
- ↑ Sendín, R. (2010, 12 月 13 日)。醫療專業人員的定義。CGCOM | 西班牙官方醫師學院理事會。https://www.cgcom.es/print/2821
- ↑ 什麼是醫療倫理，為什麼它很重要？（無日期）。Medscape。2020 年 5 月 6 日檢索自 http://www.medscape.com/courses/section/898060
- ↑ Ahuja, A. S. (2019)。人工智慧在醫學中的影響對未來醫生角色的影響。PeerJ, 7. https://doi.org/10.7717/peerj.7702
- ↑ Doi, K. (2007)。醫學影像中的計算機輔助診斷：歷史回顧、現狀和未來潛力。計算機化醫學影像與圖形：計算機化醫學影像協會官方期刊, 31(4–5), 198–211. https://doi.org/10.1016/j.compmedimag.2007.02.002
- ↑ Abràmoff, M. D., Lavin, P. T., Birch, M., Shah, N., & Folk, J. C. (2018)。基於人工智慧的自主診斷系統的關鍵試驗，用於檢測初級保健辦公室的糖尿病視網膜病變。Npj 數字醫學, 1(1)。https://doi.org/10.1038/s41746-018-0040-6
- ↑ Wasylewicz, A. T. M., & Scheepers-Hoeks, A. M. J. W. (2019)。臨床決策支援系統。在 P. Kubben、M. Dumontier 和 A. Dekker (編) 中，臨床資料科學基礎。施普林格。http://www.ncbi.nlm.nih.gov/books/NBK543516/
- ↑ Rigby, M. J. (2019)。在醫療保健中使用人工智慧的倫理維度。美國醫學會倫理學雜誌, 21(2), 121–124. https://doi.org/10.1001/amajethics.2019.121.
- ↑ Luxton, D. D. (2019)。應該諮詢沃森以獲取第二次意見嗎？美國醫學會倫理學雜誌, 21(2), 131–137. https://doi.org/10.1001/amajethics.2019.131.
- ↑ Anton Korinek，由，& Balwit, A. (2020)。人工智慧故障模式和人工智慧控制問題。
- ↑ 企業醫療保健解決方案和服務。 (2020)。2020 年 5 月 3 日檢索自 https://www.optum.com/en.html
- ↑ a b [Obermeyer, Z., Powers, B., Vogeli, C., & Mullainathan, S. (2019)。剖析用於管理人口健康的演算法中的種族偏見。科學, 366(6464), 447–453. https://doi.org/10.1126/science.aax2342
- ↑ a b [Simonite, T. (2019)。醫療保健演算法對黑人患者提供的護理更少 | WIRED。2020 年 5 月 3 日檢索自 Wired 網站：https://www.wired.com/story/how-algorithm-favored-whites-over-blacks-health-care/
- ↑ a b c d Richter-Reichhelm, M. (1999, 12 月)。醫生對親屬、同事和媒體的醫療自由裁量權。 https://www.ncbi.nlm.nih.gov/pubmed/10683889
- ↑ DeVore, A. (2015)。醫生辦公室的電子健康記錄：帶有 SimChart 的醫療辦公室。密蘇里州聖路易斯：愛思唯爾。
- ↑ Compliancy Group。 (2019 年 10 月 11 日)。HIPAA 和知情同意法。檢索自 https://compliancy-group.com/hipaa-and-the-law-of-informed-consent/
- ↑ Schwartz, L. (2002 年 2 月 1 日) 屋裡有倡導者嗎？醫療保健專業人員在患者倡導中的作用，醫學倫理學雜誌, 28(1), 37-40。
- ↑ McKoy, J. M. (2006 年 5 月 1 日)。提供服務的義務：醫生-公共辯護人比較。檢索自 https://journalofethics.ama-assn.org/article/obligation-provide-services-physician-public-defender-comparison/2006-05
- ↑ Savulescu, J. (2006 年 2 月 4 日)。醫學中的良心拒服。檢索自 https://www.ncbi.nlm.nih.gov/pmc/articles/PMC1360408/
- ↑ 倫理諮詢。 (無日期)。檢索自 https://www.urmc.rochester.edu/highland/patients-visitors/hospital-services/ethics-consultation.aspx