بررسی حقوقی خطر عدم شفافیت و تبعیض داده ها در کاربردهای پزشکی مدل های هوش مصنوعی

در سال های اخیر، توسعه و استفاده از سیستم های هوش مصنوعی در اکثرزمینه های فعالیت های انسانی افزایش چشم گیری داشته و از این فناوری برای پردازشداده ها و انجام خودکار بسیاری از وظایف استفاده می شود. در این میان، «یادگیری ماشین» به عنوان یکی از زمینه های هوش مصنوعی، توجه بسیاری از مجامع علمی و همچنین رسانه های عمومی را به خود جلب کرده و بر اساس آن، سیستم های هوشمند، نحوه ی انجاموظایفی را به صورت خودکار یا تحت نظارت انسان یاد گرفته و آموزش می بینند.سیستم های یادگیری ماشین در فعالیت پزشکی و هوش مصنوعی درمانی نیز جایگاهخاصی پیدا کرده اند (Gulshan et al, ۲۰۱۶: ۲۴۰۵). برای مثال، پژوهشگران توانسته اند بهوسیله ی سیستم های هوش مصنوعی و با استفاده از فناوری یادگیری عمیق که یکی از انواعیادگیری ماشین است، متاستازهای گرهی در زنان مبتلا به سرطان سینه را با دقتی مشابه باپاتولوژیست های بالینی شناسایی نمایند (Ehteshami Bejnordi, ۲۰۱۷: ۲۲۰۰). این امر تاجایی در حوزه ی پزشکی افزایش پیدا کرده است که سازمان غذا و داروی آمریکا (FDA) درسال ۲۰۱۸، مجوز استفاده از یک سیستم هوش مصنوعی به متخصصین ارتوپدی درراستای شناسایی شکستگی های مچ دست در تصاویر پرتو ایکس دوبعدی را صادر کردهاست (FDA, ۲۰۱۸). با این حال و با وجود افزایش روزافزون استفاده از این فناوری درحوزه ی پزشکی و درمان، نگرانی فزاینده ای در رابطه با استفاده از فناوری هوش مصنوعی وشبکه های عصبی عمیق برای مقاصد پزشکی وجود دارد.