Η Τεχνητή Νοημοσύνη (ΤΝ) στην παροχή Παρηγορητικής Φροντίδας: Ηθικές προκλήσεις

pdf (English)
Δημοσιευμένα: Mar 26, 2025
DOI: https://doi.org/10.12681/bioeth.40931
Λέξεις-κλειδιά:
τεχνητή νοημοσύνη ΤΝ παρηγορητική φροντίδα μηχανική μάθηση ηθικές προκλήσεις ηθική
Ναταλία Καρατζάνου
Φοιτήτρια Ιατρικής, Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών, Ελλάδα, και Ασκούμενη, Εθνική Επιτροπή Βιοηθικής και Τεχνοηθικής, Ελλάδα.
Περίληψη

Η Παρηγορητική Φροντίδα, η οποία τελευταία αναδεικνύεται ως πιο σημαντικός τομέας στην υγειονομική περίθαλψη, επικεντρώνεται στην παροχή ποιότητας ζωής και στην ανακούφιση από τον πόνο ή από άλλα συμπτώματα σοβαρών ασθενειών, ανεξαρτήτως διάγνωσης ή σταδίου της νόσου. Παρόλο που αρκετές μελέτες έχουν αναφέρει την ανάπτυξη της Τεχνητής Νοημοσύνης (ΤΝ) στην Ιατρική, η ΤΝ στον τομέα της Παρηγορητικής Φροντίδας βρίσκεται ακόμα σε πρώιμα στάδια. Η εφαρμογή τεχνολογιών ΤΝ στην Παρηγορητική Φροντίδα εγείρει πολλά ηθικά διλήμματα, τα οποία θα συζητηθούν μέσω αυτής της εργασίας. Για να επιτευχθεί αυτό, πραγματοποιήθηκε ανασκόπηση της βιβλιογραφίας, συγκεντρώθηκαν επιστημονικές μελέτες, οι οποίες εξετάστηκαν κριτικά. Παρατηρήθηκε ότι οι τρέχουσες εφαρμογές ΤΝ στην Παρηγορητική Φροντίδα περιλαμβάνουν την πρόβλεψη της θνητότητας, τον σχολιασμό δεδομένων και την πρόβλεψη νοσηροτήτων. Τα ηθικά διλήμματα και το νομικό πλαίσιο θα διερευνηθούν για να δοθεί έμφαση στα δικαιώματα των ασθενών, καθώς και στις ευθύνες και υποχρεώσεις των επαγγελματιών υγείας. Επιπλέον, θα προταθούν κατευθύνσεις για δημιουργία αξιόπιστης ΤΝ στην Παρηγορητική Φροντίδα. Τέλος, δεδομένου ότι η Παρηγορητική Φροντίδα απαιτεί στενή σχέση γιατρού-ασθενούς, οι επαγγελματίες υγείας θα πρέπει να επικεντρωθούν στην ανάπτυξη αλγορίθμων ΤΝ που να ευθυγραμμίζονται με τις ανάγκες των ασθενών και τους στόχους της Παρηγορητικής Φροντίδας.

Λεπτομέρειες άρθρου
  • Ενότητα
  • Ανασκοπήσεις
Creative Commons License

Αυτή η εργασία είναι αδειοδοτημένη υπό το CC Αναφορά Δημιουργού 4.0.

Οι Συγγραφείς που δημοσιεύουν εργασίες τους σε αυτό το περιοδικό συμφωνούν στους παρακάτω όρους:

  • Οι Συγγραφείς διατηρούν τα Πνευματικά Δικαιώματα και χορηγούν στο περιοδικό το δικαίωμα της πρώτης δημοσίευσης, ενώ ταυτόχρονα τα πνευματικά δικαιώματα της εργασίας προστατεύονται σύμφωνα με την Creative Commons Attribution  CC BY 4.0, που επιτρέπει άμεση πρόσβαση στις εργασίες και κάθε χρήστη να διαβάζει, να κάνει λήψη, να αντιγράφει, να διανέμει, να εκτυπώνει, να αναζητά, ή να συνδέει με το πλήρες περιεχόμενο των άρθρων, να τα αναζητά για ευρετηρίαση, να τα χρησιμοποιεί ως δεδομένα σε λογισμικό, ή να τα χρησιμοποιεί για οποιοδήποτε άλλο νόμιμο σκοπό. Προϋπόθεση ε΄ιναι η αναφορά στον αρχικό δημιουργό/ούς  και την αρχική δημοσίευση σε αυτό το περιοδικό.
  • Οι Συγγραφείς μπορούν να συνάπτουν ξεχωριστές, και πρόσθετες συμβάσεις και συμφωνίες για την μη αποκλειστική διανομή της εργασίας όπως δημοσιεύτηκε στο περιοδικό αυτό (π.χ. κατάθεση σε ένα ακαδημαϊκό καταθετήριο ή δημοσίευση σε ένα βιβλίο), με την προϋπόθεση της αναγνώρισης και την αναφοράς της πρώτης δημοσίευσης σε αυτό το περιοδικό.

Το περιοδικό Βιοηθικά επιτρέπει και ενθαρρύνει τους συγγραφείς να καταθέτουν τα δημοσιευμένα άρθρα  σε θεσμικά (π.χ. το αποθετήριο του Εθνικού Κέντρου Τεκμηρίωσης) ή θεματικά αποθετήρια (π.χ. αποθετήριο SSOAR για τις Κοινωνικές Επιστήμες), μετά τη δημοσίευσή τους στο περιοδικό «Βιοηθικά» και με όρους Ανοικτής Πρόσβασης, όπως κατά περίπτωση προσδιορίζονται από τους χρηματοδότες της έρευνάς τους ή/και τα ιδρύματα με τα οποία συνεργάζονται.

Κατά την κατάθεση της εργασίας τους, οι συγγραφείς πρέπει να παρέχουν πληροφορίες σχετικά με τη δημοσίευση του άρθρου στο περιοδικό «Βιοηθικά» και τις πηγές χρηματοδότησης της έρευνάς τους.

Κατάλογοι των ιδρυματικών και θεματικών αποθετηρίων ανά χώρα υπάρχουν στη βάση http://opendoar.org/countrylist.php . Οι συγγραφείς έχουν τη δυνατότητα να καταθέσουν χωρίς κόστος την εργασία τους στο αποθετήριο www.zenodo.org, το οποίο υποστηρίζεται από το OpenAIRE (www.openaire.eu ), στο πλαίσιο των πολιτικών της Ευρωπαϊκής Επιτροπής για την ενίσχυση της Ανοικτής ακαδημαϊκής έρευνας.

Λήψεις
Τα δεδομένα λήψης δεν είναι ακόμη διαθέσιμα.
Αναφορές
World Health Organization (2020, August 5) “Palliative Care” Available at: https://www.who.int/news-room/fact-sheets/detail/palliative-care
George G, James J. Future trends in Information, Communication and Computing Technology. Srinivas Publication, 2023:119-126
Charlotta L, Christine KC, Steven ZP, Matthew D. Ethical Considerations In The Use Of AI Mortality Predictions In The Care Of People With Serious Illness, Health Affairs Blog 2020. Available at: 10.1377/forefront.20200911.401376
European Parliament. Artificial intelligence in healthcare: Applications, risks and ethical and societal impacts, STUDY, Panel for the Future of Science and Technology, 2022. Available at: EPRS_STU(2022)729512
Jox RJ. P3-5 The ethical dimensions of technology-enabled palliative care, BMJ Support Palliat Care 2023, 13:A10-A11. Available at: https://doi.org/10.1136/spcare-2023-SCPSC.26
Avati A, Jung K, Harman S et al. Improving palliative care with deep learning. BMC Med Inform Decis Mak 2018, 122. Available at: https://doi.org/10.1186/s12911-018-0677-8
Kim YJ, Lee H, Woo HG, Lee SW, Hong M, Jung EH, Yoo SH, Lee J, Yon DK, Kang B. Machine learning-based model to predict delirium in patients with advanced cancer treated with palliative care: a multicenter, patient-based registry cohort. Sci Rep 2024, 14(1):11503. Available at: https://doi.org/10.1038/s41598-024-61627-w
Shimada K, Tsuneto S. Novel method for predicting nonvisible symptoms using machine learning in cancer palliative care. Sci Rep. 2023;13(1):12088. Available at: https://doi.org/10.1038/s41598-023-39119-0
Wang L, Sha L, Lakin JR, Bynum J, Bates DW, Hong P, Zhou L. Development and Validation of a Deep Learning Algorithm for Mortality Prediction in Selecting Patients With Dementia for Earlier Palliative Care Interventions. JAMA Netw Open. 2019 2(7):e196972. Available at: https://doi.org/10.1001/jamanetworkopen.2019.6972
Durieux BN, Gramling CJ, Manukyan V, et al. Identifying Connectional Silence in Palliative Care Consultations: A Tandem Machine-Learning and Human Coding Method. J Palliat Med 2018 21(12):1755-1760. Available at: https://doi.org/10.1089/jpm.2018.0270
Vu E, Steinmann N, Schröder C, Förster R, Aebersold DM, Eychmüller S, Cihoric N, Hertler C, Windisch P, Zwahlen DR. Applications of Machine Learning in Palliative Care: A Systematic Review. Cancers (Basel). 2023 15(5):1596. Available at: https://doi.org/10.3390%2Fcancers15051596
Storick V, O'Herlihy A, Abdelhafeez S, Ahmed R, May P. Improving palliative and end-of-life care with machine learning and routine data: a rapid review. HRB Open Res. 2019 2:13. Available at: https://doi.org/10.12688%2Fhrbopenres.12923.2
Cavaciuti M, Nwosu A. Ethical challenges of artificial intelligence technology in palliative care. AMRC Open Res 2020, 2:36. Available at: https://doi.org/10.21955/amrcopenres.1114934.1
Michelson KN, Klugman CM, Kho AN, Gerke S. Ethical Considerations Related to Using Machine Learning-Based Prediction of Mortality in the Pediatric Intensive Care Unit. J Pediatr. 2022 247:125-128. Available at: https://doi.org/10.1016/j.jpeds.2021.12.069
High-Level Expert Group on Artificial Intelligence (AI HLEG), Ethics Guidelines for trustworthy AI, European Commission 2019. Available at: ethics-guidelines-trustworthy-ai
Gelegjamts D, Gaalan K, Burenerdene B. Ethics in Palliative Care, New Research in Nursing - Education and Practice. IntechOpen 2023. Available at: http://dx.doi.org/10.5772/intechopen.110756
Digital Health and Innovation, Regulatory considerations on artificial intelligence for health, World Health Organization 2023. Available at: https://www.who.int/publications/i/item/9789240078871
Garani Papadatos T, Natsiavas P, Meyerheim M, Hoffmann S, Karamanidou C, Payne SA. Ethical Principles in Digital Palliative Care for Children: The MyPal Project and Experiences Made in Designing a Trustworthy Approach. Front Digit Health 2022 4:730430. Available at: https://doi.org/10.3389%2Ffdgth.2022.730430
Windisch P, Hertler C, Blum D, Zwahlen D, Förster R. Leveraging Advances in Artificial Intelligence to Improve the Quality and Timing of Palliative Care. Cancers (Basel). 2020 12(5):1149. Available at: https://doi.org/10.3390%2Fcancers12051149
Hoffman KM, Trawalter S, Axt JR, Oliver MN. Racial bias in pain assessment and treatment recommendations, and false beliefs about biological differences between blacks and whites. Proc Natl Acad Sci U S A 2016 113(16):4296-301. Available at: https://doi.org/10.1073/pnas.1516047113
Samulowitz A, Gremyr I, Eriksson E, Hensing G. "Brave Men" and "Emotional Women": A Theory-Guided Literature Review on Gender Bias in Health Care and Gendered Norms towards Patients with Chronic Pain. Pain Res Manag. 2018 2018:6358624. Available at: https://doi.org/10.1155/2018/6358624
De Panfilis L, Peruselli C, Tanzi S, Botrugno C. AI-based clinical decision-making systems in palliative medicine: ethical challenges. BMJ Support Palliat Care 2023 13:183-189. Available at: https://doi.org/10.1136/bmjspcare-2021-002948
European Union, AI Act: first regulation on artificial intelligence, European Parliament 2024. Available at: https://www.trail-ml.com/blog/eu-ai-act-how-risk-is-classified
International consensus guideline for trustworthy and deployable artificial intelligence in healthcare, FUTURE-AI 2024. Available at: https://future-ai.eu/