Explaining the unexplainable: medical decision-making, AI, and a right to explanation
Notice bibliographique
Résumé
Les décisions importantes en médecine sont de plus en plus déléguées aux machines. Des modèles d’apprentissage machine automatisés, dont beaucoup sont considérés comme au moins aussi fiables et précis que les décideurs humains, sont utilisés pour prendre des décisions en matière de diagnostic, de traitement et de répartition des soins. Bien que ces systèmes soient susceptibles d’améliorer la qualité des résultats en matière de santé et de contribuer à des modèles plus efficaces de prestation de soins, ils posent également un problème d'explication. Les décisions prises par les modèles d'apprentissage automatique ne sont souvent pas accompagnées d'explications: il est souvent techniquement impossible de savoir pourquoi un système d'apprentissage automatique parvient à une décision plutôt qu'à une autre. Cela soulève des questions juridiques et éthiques difficiles sur la responsabilité, l’égalité et les principes fondamentaux du droit procédural. Cette thèse explore la mesure dans laquelle la prise de décision inexplicable interfère avec nos façons conventionnelles de comprendre la pratique et la réglementation de la médecine. Je suggère, en utilisant la faute médicale comme modèle, que les défis posés par l’apprentissage automatique inexplicable sont susceptibles d’être profonds. Je décris comment, face à l’apprentissage automatique inexplicable, plusieurs juridictions ont promulgué des ‘droits à l’explication,’ notamment le Québec et l’Union européenne. Mais il est peu probable que ces droits statutaires émergents répondent de manière adéquate aux implications de justice générées par l’apprentissage automatique inexplicable en médecine. En fait, les droits à l’explication sont susceptibles d’aggraver la situation
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 | 0,018 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,031 |
| Communication savante | 0,009 | 0,014 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,006 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».