Nonfungible Tokens as a Blockchain Solution to Ethical Challenges for the Secondary Use of Biospecimens: Viewpoint
Notice bibliographique
Résumé
Henrietta Lacks' deidentified tissue became HeLa cells (the paradigmatic learning health platform). In this article, we discuss separating research on Ms Lacks' tissue from obligations to promote respect, beneficence, and justice for her as a patient. This case illuminates ethical challenges for the secondary use of biospecimens, which persist in contemporary learning health systems. Deidentification and broad consent seek to maximize the benefits of learning from care by minimizing burdens on patients, but these strategies are insufficient for privacy, transparency, and engagement. The resulting supply chain for human cellular and tissue-based products may therefore recapitulate the harms experienced by the Lacks family. We introduce the potential for blockchain technology to build unprecedented transparency, engagement, and accountability into learning health system architecture without requiring deidentification. The ability of nonfungible tokens to maintain the provenance of inherently unique digital assets may optimize utility, value, and respect for patients who contribute tissue and other clinical data for research. We consider the potential benefits and survey major technical, ethical, socioeconomic, and legal challenges for the successful implementation of the proposed solutions. The potential for nonfungible tokens to promote efficiency, effectiveness, and justice in learning health systems demands further exploration.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,015 |
| Communication savante | 0,013 | 0,017 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,010 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».