AI regulatory strategies: a global public health perspective
Notice bibliographique
Résumé
BACKGROUND: Artificial intelligence (AI) has many different potential applications for healthcare system delivery, from imagery testing, triage, to the early detection of infectious patterns in large populations. Scientific literature shows that policies, legislation, and quasi-legislation on the question of AI are rapidly emerging and use one of four main regulatory strategies. Each strategy has limitations and can contribute to the creation of ethical and medico-legal risk, which our research contributes to identify. METHODS: We undertook a double-method literature review, first with a scoping literature review. We identified over 1200 documents from ~71 countries (from every continent), as well as international organizations that had adopted a form of regulatory strategy toward AI. We then proceeded to a narrative literature review where we highlighted both the taxonomy of regulatory strategies in use, and their respective risks and challenges to public health objectives. FINDINGS: The legal or quasi-legal framework surrounding the use of AI follows one of four possible strategies: trustworthiness, risk-reduction, ethical/principled, or indirect. The vast majority of the documents surveyed reveal that values and principles of public health are not sufficiently, or even explicitly, built-in the normative framework for health applications of AI (Health AI), and creates a wide array of challenges and risks, which our research helps to identify. CONCLUSIONS: This leads to a detrimental situation and leads to two main consequences: the creation of a "regulatory gap" for Health AI, and also a potential mismatch with already existing medico-legal duties of public health actors and health professionals.
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 | 0,064 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,006 | 0,037 |
| Communication savante | 0,024 | 0,021 |
| Science ouverte | 0,005 | 0,011 |
| Intégrité de la recherche | 0,022 | 0,018 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».