论医学宽容——兼全球生命伦理是否可能

宽容是一种文化,一种文明,一种成熟的伦理风格,一种时代精神,是生命伦理学的重要内容;应提倡和关注宽容主义,宽容伦理学的建立对医学和社会发展有极重要的意义,生命伦理学尤其需要宽容技术,宽容使全球生命伦理的建立成为可能;我们应争取主动快乐的宽容,宽容不是放弃思想,而是选择自由。如果没有宽容,就没有全球生命伦理,就没有人能够很好地生存。     

医学伦理学与生命伦理学的联系与区别

医学伦理学和生命伦理学有共同的哲学伦理学和医学的学科基因。二者都遵守共同的伦理原理和原则,但是它们实施原理原则的方法和路径却有区别。医学伦理学构建了常态下的医德原则和规范体系。在经常的医疗卫生活动中医务人员会"以义导利"。当医务人员的选择面临价值冲突时,会按照伦理学原则提出的价值顺位安排医疗卫生行为的优先顺位。生命伦理学面对的常常是高科技带来的道德冲突,没有现成的价值顺位可以套用。在生命伦理学的许多具体案例中,人们只能通过协商讨论来寻求方案,达成共识。二者都是哲学伦理学和医学的子集,两者之间有交集,但是侧重不同。     

医学伦理学与生命伦理学——《中国医学伦理学辞典》条目选载之三

1　医学伦理学 (ｍｅｄｉｃａｌｅｔｈｉｃｓ)对医学伦理学的界定直接与对生命伦理学的界定有关 ,即医学伦理学与生命伦理学是谁包括谁亦或是两个各自独立的学科 ?ＷａｒｒｅｎＲｅｉｃｈ在 1971年准备编写《生命伦理学百科全书》时 ,开始时用的《医学伦理学百科全书》名称 ,可见 ,医学伦理学和生命伦理学已是两个不同的概念。ＤａｎｉｅｌＣａｌｌａｈａｎ在《生命伦理学百科全书》第二版中的生命伦理学条目中 ,把医学伦理学与生命伦理学相比 ,认为“医学伦理学是古老的学科 ,代表很窄的范围 ,只强调医生的道德义务和医患关系 ,虽然在现今…     

美国医学伦理学见闻

美国医学伦理学见闻根据１９９６年１１月中华医学伦理学会主任委员杜治政教授与美国生命伦理学会主席ＤａｎｉｅｌＷｉｋｌｅｒ教授的商谈,美国生命伦理学会主席Ｄ．Ｗｉｋｌｅｒ教授邀请中国医学伦理学学者访问美国。１９９７年１１月１０日～２７日,中华医学伦理学会...     

人类干细胞研究及若干伦理问题

人类干细胞研究是生命科学一大热点,围绕干细胞研究有许多伦理问题争论,根据国际生命伦理准则,并结合我国的实际情况,论述干细胞研究的有关伦理问题,并对我国制订干细胞研究伦理指导大纲提出了建议。     

医学伦理教育及其教学法的研究探讨

1　研究源起医学伦理教育在 2 0世纪末期已是医学教育不可缺少的一环 ,其重要性也将因医学与科技的进步而与日俱增。医学教育在过去受Ｆｌｅｘｕｒｅ之理念所主导的训练内容 ,在世界新情势的不断创新下 ,已显然过时有所不足。美国医学协会于 1 970年时即呼吁医学伦理情操的培养在医学训练过程中之重要性。紧接着 ,美加的医学院就把医学伦理有关之议题列为医学教育的课程 ,而哈佛大学也在 1 982年开始对传统医学教育加以检讨 ,并在 1 985年开始“新路径”(ＮｅｗＰａｔｈｗａｙ)的教育改革 ,使医学人文与伦理的强调更上一层楼。台湾在过去一…     

医疗人工智能临床应用的伦理审视

算法偏见与隐私泄露危机、意识难题与道德主体困惑、数字鸿沟与资源供给失衡加剧了医疗人工智能应用的技术伦理、信念伦理和分配伦理危机。由于伦理设计滞后,人工智能在临床应用的过程中表现出研究伦理与服务伦理的二阶性、自由意志与公共利益的矛盾性、智能技术与临床经验的集成性等特征。面对人工智能应用的伦理困境,需从人本性的视角规避智能技术异化,保护患者隐私;从主体性的视角克服道德主体困惑,缓解意识难题;从公众性的视角弥合资源数据裂沟,促进分配正义,通过强化正向伦理规约缓解人工智能临床应用的伦理危机。

     

医学人道主义视阈下生命伦理学的思考

以生命伦理学的产生与发展为标志,医学人道主义思想完成了由传统到现代的转变。当代生命伦理学是现代医学科技发展的产物,其体系由伦理基础、原则、问题和技术四个维度构成,主旨是从一定的伦理基础出发构建伦理原则,通过对问题的探讨做出对技术的回应。医学伦理委员会的构建是生命伦理学主要的实践形式。作为医学人道主义的现代形式,生命伦理学由于从技术出发重点关注非常态的医学、关注少数人群和对美德的相对忽略,使其不能完成代替传统医学人道主义的任务。     

国际人工智能伦理治理研究态势分析与展望

借助文献计量学方法,对人工智能伦理治理研究的宏观趋势进行分析发现：人工智能伦理治理近年来研究热度增长迅速,领域边界逐渐形成;阐明人工智能伦理与技术原理是实现相应伦理治理的理论前提;医疗健康与自动驾驶是当下人工智能伦理治理关注的热点领域;伦理学与治理理论的深度融合、伦理风险评级机制、伦理原则的实践具象化转进以及多元利益相关者协同的整合治理或将成为人工智能伦理治理未来关注的重要研究方向。

     

负责任创新中医疗人工智能应用技术的伦理审视

负责任创新是目前探讨人工智能技术在医疗领域应用的重要理论,也是引导医疗人工智能应用技术向善发展的理想图景,其基本结构主要包括预测、反思、协商、反应四个维度。当前,医疗人工智能应用技术受技术“黑箱特质”的影响,暴露了其在安全、隐私、道德、分配等方面的伦理风险,桎梏了其应用于医疗事业的广阔前景。面对医疗人工智能应用技术的伦理困境,从其技术研发、设计、应用、跟踪等全过程分析嵌入负责任创新四维度模型,能够有效缓解医疗人工智能应用技术在实践中存在的伦理风险,从而真正实现其为人类健康的精准赋能。

     

人工智能医疗器械的伦理审查要点

人工智能医疗器械分为具备辅助识别的二类和辅助诊断的三类医疗器械,我国三类人工智能医疗器械刚进入注册申报阶段。很多人工智能医疗器械以科研方式进入医疗机构,为受试者免费试用以获取临床试验数据,这给伦理审查带来极大挑战。伦理委员会审查三类人工智能医疗器械的核心问题包括风险评估、数据库、数据安全及软件更新。除关注医疗器械产品与试验操作外,更要从适用范围、研究要求与资料、研究方案、风险控制、数据库、数据安全和软件更新等方面仔细把关,不断总结经验,切实保护受试者权益,也助推我国人工智能医疗器械的健康快速发展。     

医疗人工智能科技异化及其伦理风险探析

医疗人工智能广泛应用于现代医疗形式。医疗科技的日新月异,大大推动了人类医学的发展进程及诊疗模式。与此同时,医疗人工智能科技的发展出现了异化现象,并由此带来了人和社会的异化,诸如对人与类人机器的角色定位不清,人对技术的依赖性过度增强,医疗全生命周期中的责任伦理缺失,技术价值失衡等社会问题。以这些异化带来的伦理风险为进度,探析在医疗人工智能使用中的隐私安全与数据使用的边界问题,人在医疗过程中的主体地位问题,“医生-人工智能-患者”的共同决策体系构建问题,构建医疗人工智能科技向善理念及法律问题。     

医疗人工智能产品研发的伦理审查与法律考量

国内医疗人工智能研究日益增多,具有多学科合作,并以数据驱动的特点。走访深圳开展健康领域人工智能研发的企业、医疗机构以及研究机构的开发者,了解到存在监管不足、数据收集及处理过程欠缺标准化、责任不清等挑战。并且,面临应该如何遵循医学科研伦理审查原则,如何合法合规收集、利用、共享数据并界定责任等问题。从医院进行伦理审查实践层面探讨医疗人工智能的研究价值、科学有效性、风险受益等的审查要点;医疗人工智能研究的法律考量主要包括个人信息收集和利用的边界,以及侵权责任主体的认定。     

医疗人工智能算法风险防范的法治化思考

医疗人工智能算法应用过程中存在诊疗活动自主性受限、诊疗过程透明性匮乏、医疗算法偏见性诱导以及安全性缺失风险。在风险防治过程中出现了传统监管缺陷、主体资格界定模糊、算法权力控制失衡、责任主体追溯难等现实挑战,迫切需要运用法律手段予以纾解。因此,应构筑医疗算法风险的全面防治体系,坚持医疗算法权力驯化的向善向美属性,增强医疗算 法权力对抗中主体权利的质效,厘清医疗算法责任归属中归责原则的困惑进而为医疗人工智能算法风险的防治补足法治力量。

     

人工智能应用于心理健康服务的相关问题思考

通过系统分析人工智能与心理健康服务的相关研究,对人工智能应用于心理健康领域的相关问题进行探讨。人工智能已经在数据收集、分析、建立模型、心理干预以及心理健康教育等方面有了较为成熟的发展,并具有适合特殊时期、便捷、减少污名化、缓解医疗压力和增加对精神疾病的全面认识等优势。同时,人工智能也可能带来一些问题,技术方面有算法偏差、缺乏专业技术人员和数据准确性等问题;伦理方面有污名化、责任归属、个人信息的保密性和公众的知情同意等问题。作为心理健康从业人员,我们应当积极适应并推动人工智能在心理健康领域的进一步发展。

     

人工智能在医学教育领域的应用研究——基于CiteSpace的文献共词分析

人工智能及大数据已经成为包括医学教育在内的各研究领域的热点问题。为了阐明人工智能在医学教育中的发展趋势,利用CiteSpace软件分析2013—2022年Web of Science核心合集文献270篇。从发文量、国家和地区、研究机构、作者、发表杂志、引文情况、关键词及发展趋势等方面进行综合分析得出研究结论：从2018年开始相关论文呈明显增长趋势,Mayo Clinic（梅奥诊所）成为全球发文量最多的研究机构;Friedman等形成了较为完整的研究团体;JAMA成为最高被引杂志;近年医学教育的人工智能应用研究热点问题主要集中在医学影像及虚拟手术等方面。

     

医疗领域中人工智能应用的可解释性困境与治理

人工智能在医疗领域的应用,推动了医疗事业的发展,但人工智能作为新生事物,其可解释性成为医疗领域面临的重大挑战,导致人工智能难以有效在医疗领域广泛应用。阐述了增强人工智能在医疗领域可解释性的原因,浅析人工智能在医疗领域中的可解释性困境,指出提高医疗领域人工智能可解释性的要求,以避免出现医疗事故定责不清、医疗数据隐私泄露、诊疗决策与患者信任相悖、患者医疗公平上的困境等诸多问题。为提高医疗领域中人工智能的可解释性,提出了健全医疗事故法律问责机制、培养医疗数据伦理观、加强医疗监督治理、防止医疗人工智能歧视等路径,以便推动人工智能在医疗领域的深入发展。