Principios éticos para el desarrollo de la inteligencia artificial y su aplicación en los sistemas de salud
Notice bibliographique
Résumé
Se plantean cuatro principios fundamentales y diez principios éticos para los sistemas de inteligencia artificial (SIA) en general y su aplicación en la salud pública. Se exponen y comentan los principios de la Declaración de Montreal para el desarrollo responsable de la inteligencia artificial (2018) en que se basa esta propuesta, así como de la Recomendación sobre la ética de la inteligencia artificial de la UNESCO (2022). La pandemia del COVID-19 ha demostrado la necesidad de construir un sistema global de salud, así como de reacción coordinada ante las próximas pandemias. Los principios éticos aplicados a los SIA pueden servir para disminuir la disparidad y las fallas de los sistemas de salud. La integración de SIA en salud de distintas regiones del mundo posibilitaría una acción global más eficiente, pero si se realiza desde el marco de los principios (bio)éticos que aquí se plantean: responsabilidad, precaución, autonomía y justicia, así como el principio de preservación de las decisiones humanas. La IA puede ayudar a desplegar progresivamente un sistema global de atención a la salud de cobertura universal y remota que atienda uno de los más importantes reclamos de justicia global: el derecho humano de atención a la salud.
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 | 0,009 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,019 |
| Communication savante | 0,012 | 0,005 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,003 |
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 ».