Artificial intelligence in healthcare: a comprehensive review of its ethical concerns
Notice bibliographique
Résumé
Purpose Nowadays, the digitized economy and technological advancements are increasing at a faster pace. One such technology that is gaining popularity in the healthcare sector is Artificial Intelligence (AI). AI has been debated much, searched so well due to the implications, issues and for its benefits in terms of ease, it will offer. The following research has focused on examining the ethical dilemmas associated with AI when it will be introduced in the healthcare sector. Design/methodology/approach A narrative review method focusing on content analysis has been used in the research. The authors have employed a deductive approach to determine the ethical facets of adopting AI in the healthcare sector. The current study is complemented by a review of related studies. The secondary data have been collected from authentic resources available on the Internet. Findings Patient privacy, biased results, patient safety and Human errors are some major ethical dilemmas that are likely to be faced once AI will be introduced in healthcare. The impact of ethical dilemmas can be minimized by continuous monitoring but cannot be eliminated in full if AI is introduced in healthcare. AI overall will increase the performance of the healthcare sector. However, we need to address some recommendations to mitigate the ethical potential issues that we could observe using AI. Technological change and AI can mimic the overall intellectual process of humans, which increases its credibility and also offers harm to humans. Originality/value Patient safety is the most crucial ethical concern because AI is a new technology and technology can lead to failure. Thus, we need to be certain that these new technological developments are ethically applied. The authors need to evaluate and assess the organizational and legal progress associated with the emergence of AI in the healthcare sector. It also highlights the importance of covering and protecting medical practitioners regarding the different secondary effects of this artificial medical progress. The research stresses the need of establishing partnerships between computer scientists and clinicians to effectively implement AI. Lastly, the research highly recommends training of IT specialists, healthcare and medical staff about healthcare ethics.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».