Шаблон презентации сеченова: Морфологическая диагностика малярии – презентация онлайн

Новости образования – Новости – Образование, воспитание и обучение

Егорова Елена 5.0

Отзыв о товаре ША PRO Анализ техники чтения по классам
и четвертям

Хочу выразить большую благодарность от лица педагогов начальных классов гимназии
«Пущино» программистам, создавшим эту замечательную программу! То, что раньше мы
делали «врукопашную», теперь можно оформить в таблицу и получить анализ по каждому
ученику и отчёт по классу. Великолепно, восторг! Преимущества мы оценили сразу. С
начала нового учебного года будем активно пользоваться. Поэтому никаких пожеланий у
нас пока нет, одни благодарности. Очень простая и понятная инструкция, что
немаловажно! Благодарю Вас и Ваших коллег за этот важный труд. Очень приятно, когда
коллеги понимают, как можно «упростить» работу учителя.

Наговицина Ольга Витальевна 5.0

учитель химии и биологии, СОШ с. Чапаевка, Новоорский район, Оренбургская область
Отзыв о товаре ША Шаблон Excel Анализатор результатов ОГЭ
по ХИМИИ

Спасибо, аналитическая справка замечательная получается, ОГЭ химия и биология.
Очень облегчило аналитическую работу, выявляются узкие места в подготовке к
экзамену. Нагрузка у меня, как и у всех учителей большая. Ваш шаблон экономит
время
, своим коллегам я Ваш шаблон показала, они так же его приобрели. Спасибо.

Чазова Александра 5.0

Отзыв о товаре ША Шаблон Excel Анализатор результатов ОГЭ по
МАТЕМАТИКЕ

Очень хороший шаблон, удобен в использовании, анализ пробного тестирования
занял считанные минуты. Возникли проблемы с распечаткой отчёта, но надо ещё раз
разобраться. Большое спасибо за качественный анализатор.

Лосеева Татьяна Борисовна 5.0

учитель начальных классов, МБОУ СОШ №1, г. Красновишерск, Пермский край
Отзыв о товаре Изготовление сертификата или свидетельства конкурса

Большое спасибо за оперативное изготовление сертификатов! Все очень красиво.
Мой ученик доволен, свой сертификат он вложил в портфолио.
Обязательно продолжим с Вами сотрудничество!

Язенина Ольга Анатольевна 4.0

учитель начальных классов, ОГБОУ “Центр образования для детей с особыми образовательными потребностями г. Смоленска”
Отзыв о товаре Вебинар Как создать интересный урок:
инструменты и приемы

Я посмотрела вебинар! Осталась очень довольна полученной
информацией. Всё очень чётко, без “воды”. Всё, что сказано, показано, очень
пригодится в практике любого педагога. И я тоже обязательно воспользуюсь
полезными материалами вебинара. Спасибо большое лектору за то, что она
поделилась своим опытом!

Арапханова Ашат 5. 0

ША Табель посещаемости + Сводная для ДОУ ОКУД

Хотела бы поблагодарить Вас за такую помощь. Разобралась сразу же, всё очень
аккуратно и оперативно. Нет ни одного недостатка. Я не пожалела, что доверилась и
приобрела у вас этот табель. Благодаря Вам сэкономила время, сейчас же
составляю табель для работников. Удачи и успехов Вам в дальнейшем!

Дамбаа Айсуу 5.0

Отзыв о товаре ША Шаблон Excel Анализатор результатов ЕГЭ по
РУССКОМУ ЯЗЫКУ

Спасибо огромное, очень много экономит времени, т.к. анализ уже готовый, и
особенно радует, что есть варианты с сочинением, без сочинения, только анализ
сочинения! Превосходно!

ОрГМУ – Новости и события

21-22 февраля 2023 г. состоялся VIII Российско-китайский молодежный форум в формате «Волга-Янцзы» на базе Молодёжного многофункционального центра «Молодёжь Оренбуржья». Это телемост между молодыми учёными высших учебных заведений, расположенных на территории Приволжского федерального округа Российской Федерации и провинций Верхнего и Среднего течения реки Янцзы Китайской Народной Республики. В церемонии открытия форума приняли участие представители российской и китайской сторон: полномочный представитель Президента Российской Федерации в Приволжском федеральном округе И.А. Комаров; специальный представитель правительства Китая по делам Евразии Ли Хуэй; губернатор…

Подробнее…

19 февраля 2023 года в г. Оренбурге, в СК «Урал» прошел Открытый чемпионат и первенство города Оренбурга по фитнес – аэробике и спортивной аэробике. Организатором мероприятия выступили: комитет по физической культуре и спорту администрации города Оренбурга, ОООО «Федерация фитнес – аэробики и спортивной аэробики». Сборная команда ОрГМУ по аэробике приняла участие в соревнованиях и завоевала призовые места.  В номинации «Фитнес-трио» – Iместо.  В дисциплине аэробика – IIпочетное место.  Честь нашего Университета защищали: Я. Лекарева (202п…

Подробнее…

В минувшие выходные иностранные студенты 1 и 2 курсов приняли участие в мастер-классе по приготовлению главного блюда Масленицы – русских блинов. Чтобы первый блин не был комом, преподаватель кафедры русского языка доцент Н.Ф. Буторина показала, как правильно сделать тесто и научила печь тонкие кружевные блины по-русски! Не забывали практиковать и русский язык! «Одно яйцо, два яйца…правильно, мэм?» «Мэм, добавляем муку? Муку – падеж 4, да?» Пока блины подрумянивались, студенты знакомились с историей праздника и традициями…

Подробнее…

25 февраля 2023 года в манеже ИФКиС ОГПУ прошёл Первый турнир города Оренбурга среди любителей легкой атлетики. Участниками соревнований стали спортсмены-любители из 5 муниципальных образований Оренбургской области: Оренбурга, Орска, Кувандыка, Бузулука и Новотроицка. В рамках турнира поводились забеги на дистанции 1000 метров и 2000 метров среди женщин, 1000 метров и 3000 метров среди мужчин и смешанная эстафета 4х400 м. Участниками забега стали студенты ОрГМУ, которые показали отличные результаты. Первое место на дистанции 1000м занял Н.…

Подробнее…

27 февраля 2023 г. свой юбилей отмечает Ольга Борисовна Дронова – известный врач – эндоскопист, Заслуженный врач РФ, отличник здравоохранения, профессор кафедры хирургии ИПО, доктор медицинских наук, профессор. В 1972 г., Дронова О.Б.с отличием окончила лечебный факультет ОГМИ. По окончании интернатуры и ординатуры работала врачом-эндоскопистом отделенческой клинической больницы ст. Оренбург, и ассистентом кафедры общей хирургии ОГМИ. Успешно защитив в 1994 г. кандидатскую диссертацию, в 1998 г. Ольга Борисовна возглавила курс эндоскопии на кафедре хирургии ФУВ…

Подробнее…

Профессор каф. оперативной хирургии и клинической анатомии имени С.С. Михайлова, д.м.н. Фатеев И.Н. провел занятия для обучающихся ЗКМУ им. М. Оспанова в рамках академической мобильности с 13 по 17 февраля. В рамках визита Иван Николаевич поделился с коллегами своим опытом преподавания оперативной хирургии и клинической анатомии, прочитал лекции для иностранных студентов ЗКМУ им. М. Оспанова на английском языке, а также провел мастер-класс для резидентов-хирургов. Курс повышения квалификации (60 часов) для преподавателей университета И.Н. Фатеев посвятил…

Подробнее…

Сотрудниками кафедры медицины катастроф совместно со студентами 1 курса лечебного факультета 21 февраля 2023 года был проведен круглый стол «Офицер медицинской службы – профессия героическая». Первокурсники ознакомились с понятием «Военный врач (военврач)» – это офицер, имеющий высшее медицинское образование, призванный работать в ЧС, экстремальных условиях (боевые действия, стихийные бедствия, катастрофы), оказывать медицинскую помощь, преимущественно хирургического характера. Он дает клятву Гиппократа и принимает военную присягу одновременно. Профессия военного врача оформилась в отдельное направление в 17 веке,…

Подробнее…

17 февраля 2023 года ректор ФГБОУ ВО ОрГМУ Минздрава России, д.м.н., профессор И.В. Мирошниченко совместно с региональным координатором партийного проекта «Здоровое будущее» Т. О. Шукуровой и членом Генерального Совета Партии, депутатом Оренбургского горсовета, председателем общественного совета партпроекта «Здоровое будущее» А.А. Посновым вручили сертификаты волонтерам о прохождении практической подготовки по уходу и оказанию первой помощи на базе кафедры «Обучающий симуляционный центр». Также были вручены благодарности всем сотрудникам кафедры, которые принимали активное участие в обучении волонтеров.

Подробнее…

20 февраля 2023 года состоялся Региональный этап I Спартакиадыстудентов медицинских и фармацевтических вузов России «Физическая культура и спорт – вторая профессия врача» по видам спорта: гиревой спорт, баскетбол (женские команды). Торжественную церемонию открыл ректор ОрГМУ, д.м.н., профессор,отличник здравоохранения, Заслуженный работник высшей школы Российской Федерации И.В. Мирошниченко. Поздравили участников соревнований председатель Совета ректоров Оренбургской области, и.о. ректора ФГБОУ ВО «ОГУ», д.б.н., профессор, член-корреспондент РАН С. А. Мирошников; первый заместитель министра физической культуры и спорта Оренбургской области В.А.…

Подробнее…

23 февраля празднует свой юбилей Альбина Александровна Вялкова – доктор медицинских наук, профессор, Заслуженный деятель науки РФ, Заслуженный врач РФ, заведующий кафедрой факультетской педиатрии Глубокоуважаемая Альбина Александровна!    Сердечно поздравляем Вас с юбилеем!  Свой юбилей вы встречаете в расцвете творческих сил в зените славы и научного признания. Вы, выдающийся Российский ученый, внесший  большой вклад в развитие отечественной науки, образования и здравоохранения. Велико значение научного направления, которое разрабатывается под вашим руководством. Каждодневным трудом вы, используя свой огромный клинический опыт…

Подробнее…

Временный клинический и лабораторный ответ на блокаду рецепторов интерлейкина-6 тоцилизумабом у 89 госпитализированных пациентов с пневмонией COVID-19

Содержание основной статьи

Фомина Дарья

Городская клиническая больница №52 ДЗМ, Москва, Россия

Первый Московский государственный медицинский университет имени Сеченова Минздрава России, Москва, Россия

http://orcid. org/0000-0002-5083-6637

Марьяна Александровна Лысенко

Первый МГМУ им. И.М. Сеченова Минздрава России, Москва, Россия

Пирогова Российский национальный исследовательский медицинский университет (РНИМУ) Минздрава России, Москва, Россия

http://orcid.org/0000-0001-6010-7975

Белоглазова Ирина Петровна

Городская клиническая больница № 52 Департамента здравоохранения Москвы, Москва, Россия

http://orcid.org/0000-0002-2266-1497

Зинаида Ю. Мутовина

Федеральное государственное бюджетное учреждение дополнительного профессионального образования «Центральная государственная медицинская академия» Президента Российской Федерации, Москва, Россия

Городская клиническая больница № 52 Департамента здравоохранения Москвы, Москва, Россия

http://orcid.org/0000-0001-5809-6015

Потешкина Наталья Григорьевна

Российский национальный исследовательский медицинский университет им. Н.И. Пирогова (РНИМУ) Минздрава России, Москва, Россия

Городская клиническая больница № 52 Департамента здравоохранения Москвы, Москва, Россия

http://orcid.org/0000-0001-9803-2139

Самсонова Инна Викторовна

Городская клиническая больница № 52 ДЗМ Москвы, Москва, Россия

http://orcid.org/0000-0002-1228-1765

Круглова Татьяна Сергеевна

Городская клиническая больница № 52 Департамента здравоохранения Москвы, Москва, Россия

http://orcid.org/0000-0002-4949-9178

Чернов Антон Александрович

Городская клиническая больница №52 ДЗМ, Москва, Россия

Первый Московский государственный медицинский университет имени Сеченова Минздрава России, Москва, Россия

http://orcid.org/0000-0001-6209-387X

Караулов Александр Васильевич

Первый Московский государственный медицинский университет имени Сеченова Минздрава России, Москва, Россия

http://orcid. org/0000-0002-1930-5424

Abstract

Справочная информация: Пандемическая пневмония COVID-19, вызванная SARS-2, является важной причиной заболеваемости и смертности. Появляющиеся данные связывают неблагоприятные исходы с воспалительным цитокиновым штормом.

Методы: Мы лечили 89 госпитализированных пациентов с пневмонией, вызванной COVID-19, и повышенным системным воспалением (повышенный уровень С-реактивного белка в сыворотке и интерлейкина-6) с помощью инфузии тоцилизумаба (TCZ), человеческого моноклонального антитела IgG1 к интерлейкину-6. рецептор.

Результаты:  Клинические и лабораторные данные об улучшении были очевидны при сравнении исходных и 1–2-дневных показателей после инфузии. Среди 72 пациентов, получавших дополнительный кислород без ИВЛ, тяжесть состояния по шкале NEWS2 снизилась с 5 до 2 (P<0,001), уровень С-реактивного белка снизился с 9от 5 до 14 мг/л (P<0,001), а количество лимфоцитов выросло с 900 до 1000/мкл (P=0,036). На момент написания этой статьи из больницы выписаны 63 из 72 пациентов, один пациент умер, а восемь пациентов оставались в больнице. Среди 17 пациентов, получавших искусственную вентиляцию легких, несмотря на быстрое снижение уровня СРБ с 89 до 35 мг/л (P = 0,014) и раннее улучшение показателей NEWS2 у 10 из 17 пациентов, 10 пациентов в конечном итоге умерли, а остальные семь остаются в больнице. больницу на момент написания этой статьи. В целом смертность наблюдалась только у пациентов с заметно повышенным уровнем СРБ (>30 мг/л) и низким количеством лимфоцитов (<1000/мкл) до введения ТЦЗ.

Выводы:  Воспаление и лимфоцитопения связаны со смертностью при COVID-19. Подавление активности ИЛ-6 введением тоцилизумаба, антитела к рецептору ИЛ-6, связано с быстрым улучшением как количества СРБ, так и количества лимфоцитов, а также клинических показателей. Необходимы контролируемые клинические испытания, чтобы подтвердить полезность блокады ИЛ-6 в этих условиях. Дополнительные вмешательства потребуются для пациентов, которым требуется искусственная вентиляция легких.

Загрузки

Данные для загрузки пока недоступны.

Детали изделия

Способ цитирования

1.

Фомина Д, Лысенко М.А., Белоглазова И.П., Мутовина З.Ю., Потешкина Н.Г., Самсонова И.В., Круглова Т.С., Чернов А.А., Караулов А.В. Временный клинический и лабораторный ответ на блокаду рецепторов интерлейкина-6 тоцилизумабом у 89 госпитализированных пациентов с пневмонией COVID-19. ПАИ [Интернет]. 2020, 2 октября [цитировано 24 апреля 2023 г.]; 5(1):327-41. Доступно по адресу: https://www.paijournal.com/index.php/paijournal/article/view/39.2

Раздел

Статьи

Эта работа находится под лицензией Creative Commons Attribution 4.0 International License.

Pathogens and Immunity соблюдает Creative Commons BY 4.0:

http://creativecommons.org/licenses/by/4.0/

Эта лицензия позволяет другим распространять, микшировать, настраивать и использовать вашу работу для любых законных целей, даже в коммерческих целях, если они приписывают вам оригинальное творение. Это самая удобная из предлагаемых лицензий. Рекомендуется для максимального распространения и использования лицензионных материалов. Авторы сохраняют авторские права на свой материал.

* Из-за ошибки шаблона в наших PDF-файлах в статьях, опубликованных с 20 мая 2016 г. по 24 июня 2022 г., неправильно указано, что авторские права принадлежат Pathogens and Immunity. Авторские права на все статьи принадлежат авторам каждой статьи, как указано в приведенной выше политике авторского права.

Биография автора

Дарья Фомина, ГКБ №52 ДЗМ, Москва, Россия

Первый Московский государственный медицинский университет имени Сеченова Минздрава России, Москва, Россия

Городская клиническая больница № 52 Департамента здравоохранения Москвы, Москва, Россия

Первый Московский государственный медицинский университет имени Сеченова Минздрава России, Москва, Россия

Ссылки

1. Zhou P, Yang XL, Wang XG, Hu B, Zhang L, Zhang W, Si HR, Zhu Y, Li B, Huang CL, Chen HD, Chen J, Luo Y, Guo H, Jiang RD , Лю М. К., Чен И., Шэнь Х.С., Ван Х., Чжэн Х.С., Чжао К., Чен К.Дж., Дэн Ф., Лю Л.Л., Ян Б., Чжань Ф.Х., Ван Ю.Й., Сяо Г.Ф., Ши З.Л. Вспышка пневмонии, связанная с новым коронавирусом вероятного происхождения от летучих мышей. Природа. 2020;579(7798): 270-3. Эпублик 2020/02/06. doi: 10.1038/s41586-020-2012-7. PubMed PMID: 32015507; PMCID: PMC7095418.

2. Летко М., Марзи А., Мюнстер В. Функциональная оценка проникновения в клетки и использования рецепторов для SARS-CoV-2 и других бета-коронавирусов линии B. Нат микробиол. 2020;5(4):562-9. Эпаб 2020/02/26. doi: 10.1038/s41564-020-0688-y. PubMed PMID: 32094589; PMCID: PMC7095430.

3. Hoffmann M, Kleine-Weber H, Schroeder S, Kruger N, Herrler T, Erichsen S, Schiergens TS, Herrler G, Wu NH, Nitsche A, Muller MA, Drosten C, Pohlmann S. SARS-CoV-2 Вход в клетку зависит от ACE2 и TMPRSS2 и блокируется клинически проверенным ингибитором протеазы. Клетка. 2020;181(2):271-80 e8. Эпублик 2020/03/07. doi: 10.1016/j.cell.2020.02.052. PubMed PMID: 32142651; PMCID: PMC7102627.

4. Wang X, Fang X, Cai Z, Wu X, Gao X, Min J, Wang F. Коморбидные хронические заболевания и острые повреждения органов сильно коррелируют с тяжестью заболевания и смертностью среди пациентов с COVID-19: системный обзор и Метаанализ. Исследования (Ваш округ Колумбия). 2020;2020:2402961. Эпублик 2020/05/08. дои: 10.34133/2020/2402961. PubMed PMID: 32377638; PMCID: PMC7187729.

5. Бонафе М., Праттичиццо Ф., Джулиани А., Сторчи Г., Саббатинелли Дж., Оливьери Ф. Воспаление старения: почему пожилые мужчины наиболее восприимчивы к осложнениям SARS-CoV-2. Цитокиновый фактор роста, ред. 2020; 53:33-7. Эпуб 2020/05/12. doi: 10.1016/j.cytogfr.2020.04.005. PubMed PMID: 32389499; PMCID: PMC7252014.

6. Мурти Х., Икбал М., Чавес Дж.К., Харфан-Дабаджа М.А. Синдром выброса цитокинов: современные перспективы. Иммуномишени Ther. 2019;8:43-52. Эпб 2019/11/23. doi: 10.2147/ITT.S202015. PubMed PMID: 31754614; PMCID: PMC6825470.

7. Временные рекомендации по профилактике, диагностике и лечению новой короновирусной инфекции (COVID-19) [Интернет]. Министерство здравоохранения Российской Федерации; 2020 [обновлено 28 апреля 2020 г .; процитировано 7 мая 2020 г.]. Доступно по ссылке: https://static-1.rosminzdrav.ru/system/attachments/attaches/000/050/122/original/28042020_%D0%9CR_COVID-19_v6.pdf.

8. Мартин-Родригес Ф., Лопес-Искьердо Р., Дель Посо Вегас С., Дельгадо Бенито Х.Ф., Карбахоса Родригес В., Диего Расилья М.Н., Мартин Конти Х.Л., Майо Искар А., Отеро де ла Торре С., Мендес Мартин В., Кастро Вилламор М.А. Точность национальной оценки раннего предупреждения 2 (NEWS2) в догоспитальной сортировке по внутрибольничной ранней смертности: многоцентровое обсервационное проспективное когортное исследование. Prehosp Disaster Med. 2019;34(6):610-8. Эпб 2019/10/28. doi: 10.1017/S1049023X1

41. PubMed PMID: 31648657.

9. Мартин-Родригес Ф., Лопес-Искьердо Р., Дель Посо Вегас С., Санчес-Соберон И., Дельгадо-Бенито Дж. Ф., Мартин-Конти Дж. Л., Кастро-Вилламор М. А. Может ли догоспитальная Национальная шкала раннего предупреждения 2 выявить пациентов с риском внутрибольничной ранней смертности? Проспективное многоцентровое когортное исследование. Сердце легкое. 2020;49(5):585-91. Эпуб 2020/03/15. doi: 10.1016/j.hrtlng.2020.02.047. PubMed PMID: 32169257.

10. Emery P, Keystone E, Tony HP, Cantagrel A, van Vollenhoven R, Sanchez A, Alecock E, Lee J, Kremer J. Ингибирование рецептора IL-6 с помощью тоцилизумаба улучшает результаты лечения пациентов с ревматоидный артрит, рефрактерный к биологическим препаратам против фактора некроза опухоли: результаты 24-недельного многоцентрового рандомизированного плацебо-контролируемого исследования. Энн Реум Дис. 2008;67(11):1516-23. Эпб 2008/07/16. doi: 10.1136/ard.2008.092932. PubMed PMID: 18625622; PMCID: PMC3811149.

11. Bi X, Su Z, Yan H, Du J, Wang J, Chen L, Peng M, Chen S, Shen B, Li J. Прогнозирование тяжелого течения COVID-19 на основе анализа исходного фибриногена к альбуминовому соотношению и количеству тромбоцитов. Тромбоциты. 2020;31(5):674-9. Эпублик 2020/05/06. дои: 10.1080/09537104.2020.1760230. PubMed PMID: 32367765; PMCID: PMC7212543.

12. Нишимото Н. , Терао К., Мима Т., Накахара Х., Такаги Н., Какехи Т. Механизмы и патологическое значение повышения уровня сывороточного интерлейкина-6 (ИЛ-6) и растворимого рецептора ИЛ-6 после введения анти- Антитело к рецептору IL-6, тоцилизумаб, у пациентов с ревматоидным артритом и болезнью Кастлемана. Кровь. 2008;112(10):3959-64. Эпублик 12.09.2008. doi: 10.1182/blod-2008-05-155846. PubMed PMID: 18784373.

13. Xu X, Han M, Li T, Sun W, Wang D, Fu B, Zhou Y, Zheng X, Yang Y, Li X, Zhang X, Pan A, Wei H. Эффективное лечение тяжелых пациентов с COVID-19, получавших тоцилизумаб. Proc Natl Acad Sci U S A. 2020;117(20):10970-5. Эпублик 2020/05/01. doi: 10.1073/pnas.2005615117. PubMed PMID: 32350134; PMCID: PMC7245089.

14. Хашем А.М., Альгамди Б.С., Альгайси А.А., Альшехри Ф.С., Бухари А., Альфалех М.А., Мемиш З.А. Терапевтическое использование хлорохина и гидроксихлорохина при COVID-19и другие вирусные инфекции: описательный обзор. Travel Med Infect Dis. 2020;35:101735. Эпублик 2020/05/11. doi: 10.1016/j.tmaid.2020.101735. PubMed PMID: 32387694; PMCID: PMC7202851.

15. Вэнь С.И., Се З.В., Ли Ю.П., Дэн С.Л., Чен Х.Т., Цао Ю., Оу Х., Линь В.И., Ли Ф., Цай В.П., Ли Л.Х. [Реальная эффективность и безопасность лопинавира/ритонавира и арбидола при лечении COVID-19: обсервационное когортное исследование]. Чжунхуа Нэй Кэ За Чжи. 2020;59(0):E012. Эпублик 2020/05/11. doi: 10.3760/cma.j.cn112138-20200227-00147. PubMed PMID: 32388937.

16. Luo P, Liu Y, Qiu L, Liu X, Liu D, Li J. Лечение тоцилизумабом при COVID-19: опыт одного центра. J Med Virol. 2020;92(7):814-8. Эпб 2020/04/08. doi: 10.1002/jmv.25801. PubMed PMID: 32253759; PMCID: PMC7262125.

17. Лю К., Фан Ю.Ю., Дэн Ю., Лю В., Ван М.Ф., Ма Д.П., Сяо В., Ван Ю.Н., Чжун М.Х., Ли Ч., Ли Г.К., Лю Х.Г. Клинические характеристики новых случаев коронавируса в больницах третичного уровня в провинции Хубэй. Чин Мед Дж (англ.). 2020;133(9):1025-31. Эпаб 2020/02/12. дои: 10.1097/СМ9.0000000000000744. PubMed PMID: 32044814; PMCID: PMC7147277.

18. Wang D, Hu B, Hu C, Zhu F, Liu X, Zhang J, Wang B, Xiang H, Cheng Z, Xiong Y, Zhao Y, Li Y, Wang X, Peng Z. Клинические характеристики 138 Госпитализированные пациенты с пневмонией, инфицированной новым коронавирусом 2019 года, в Ухане, Китай. ДЖАМА. 2020. Эпублик 2020/02/08. дои: 10.1001/jama.2020.1585. PubMed PMID: 32031570; PMCID: PMC7042881.

Юридическое и этическое рассмотрение искусственного интеллекта в здравоохранении: кто берет на себя ответственность?

Введение

Растущий спрос со стороны пациентов, хронические заболевания и нехватка ресурсов оказывают давление на системы здравоохранения. Одновременно растет использование цифровых медицинских технологий, происходит расширение данных во всех медицинских учреждениях. При правильном использовании медицинские работники могли бы сосредоточиться на причинах болезни и отслеживать успех профилактических мер и вмешательств. В результате политики, законодатели и другие лица, принимающие решения, должны знать об этом. Специалисты по компьютерам и данным, а также клинические предприниматели утверждают, что для того, чтобы это произошло, одним из наиболее важных аспектов реформы здравоохранения будет искусственный интеллект (ИИ), особенно машинное обучение (1). Искусственный интеллект (ИИ) — это термин, используемый в вычислительной технике для описания способности компьютерной программы выполнять задачи, связанные с человеческим интеллектом, такие как рассуждение и обучение. Он также включает такие процессы, как адаптация, сенсорное понимание и взаимодействие. Проще говоря, традиционные вычислительные алгоритмы — это программы, которые следуют набору правил и последовательно выполняют одну и ту же задачу, например, электронный калькулятор: «если это ввод, то это вывод». С другой стороны, система ИИ изучает правила (функции) посредством обучения (вводных) данных. ИИ может изменить здравоохранение, производя новые и важные идеи из огромного количества цифровых данных, созданных во время оказания медицинской помощи (2).

ИИ обычно реализуется как система, состоящая из программного и аппаратного обеспечения. С точки зрения программного обеспечения ИИ в основном связан с алгоритмами. Искусственная нейронная сеть (ИНС) — это концептуальная основа для разработки алгоритмов ИИ. Это модель человеческого мозга, состоящая из взаимосвязанной сети нейронов, соединенных взвешенными коммуникационными каналами. ИИ использует различные алгоритмы для поиска сложных нелинейных корреляций в массивных наборах данных (аналитика). Машины обучаются, исправляя незначительные алгоритмические ошибки (обучение), тем самым повышая точность модели прогнозирования (уверенность) (3, 4).

Использование новых технологий вызывает опасения по поводу возможности того, что они станут новым источником неточностей и утечки данных. В сфере здравоохранения с высоким уровнем риска ошибки могут иметь серьезные последствия для пациента, ставшего жертвой этой ошибки. Это очень важно помнить, поскольку пациенты вступают в контакт с клиницистами в периоды своей жизни, когда они наиболее уязвимы (5). При эффективном использовании такое сотрудничество ИИ и врача может быть эффективным, при этом ИИ используется для обеспечения основанного на фактических данных управления и предоставляет врачу руководство по принятию медицинских решений (AI-Health). Он может предоставлять медицинские предложения в области диагностики, разработки лекарств, эпидемиологии, индивидуального ухода и операционной эффективности. Однако, как отмечают Нгиам и Хор, для интеграции решений ИИ в медицинскую практику требуется надежная система управления для защиты людей от вреда, в том числе от вреда, причиняемого неэтичным поведением (6–17). Этические стандарты в лечении можно проследить до стандартов практикующего врача Гиппократа, на которых коренится идея клятвы Гиппократа (18–24).

Приложения машинного обучения для здравоохранения (ML-HCA), которые рассматривались как заманчивая будущая возможность, стали настоящей клинической реальностью после одобрения Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов (FDA) автономной диагностической системы искусственного интеллекта, основанной на машинном обучении (ML). Эти системы используют алгоритмы, чтобы учиться на больших наборах данных и делать прогнозы без явного программирования (25).

Применение ИИ для исследований в области здравоохранения

Использование данных, созданных для электронных медицинских карт (EHR), является важной областью исследований в области здравоохранения на основе ИИ. Такие данные могут быть трудны в использовании, если базовая система информационных технологий и база данных не предотвращают распространение разнородных или низкокачественных данных. Тем не менее ИИ в электронных медицинских картах можно использовать для научных исследований, повышения качества и оптимизации клинической помощи. Прежде чем пойти по типичному пути научных публикаций, разработки руководств и инструментов клинической поддержки, ИИ, правильно созданный и обученный с достаточным количеством данных, может помочь раскрыть передовой клинический опыт из электронных медицинских карт. Анализируя тенденции клинической практики, полученные из электронных медицинских данных, ИИ также может помочь в разработке новых моделей клинической практики оказания медицинской помощи (26).

Искусственный интеллект в разработке лекарств

Ожидается, что в будущем ИИ упростит и ускорит разработку фармацевтических препаратов. ИИ может превратить поиск лекарств из трудоемкого в капиталоемкий и объемный процесс, используя робототехнику и модели генетических мишеней, лекарств, органов, заболеваний и их развития, фармакокинетики, безопасности и эффективности. Искусственный интеллект (ИИ) можно использовать в процессе открытия и разработки лекарств, чтобы ускорить и сделать его более рентабельным и эффективным. Хотя, как и в случае любого исследования лекарств, идентификация ведущей молекулы не гарантирует разработку безопасной и успешной терапии, ИИ ранее использовался для идентификации потенциальных лекарств против вируса Эбола (26).

Этические вызовы

Продолжаются споры о том, «подходит ли ИИ под существующие правовые категории или следует разработать новую категорию со своими особенностями и последствиями». Применение ИИ в клинической практике имеет огромные перспективы для улучшения здравоохранения, но оно также ставит этические проблемы, которые мы должны решить. Чтобы полностью реализовать потенциал ИИ в здравоохранении, необходимо решить четыре основных этических вопроса: (1) информированное согласие на использование данных, (2) безопасность и прозрачность, (3) алгоритмическая справедливость и предвзятость и (4) конфиденциальность данных. важные факторы для рассмотрения (27). Вопрос о том, можно ли считать системы ИИ законными, является не только юридическим, но и политически спорным (Резолюция Европейского парламента от 16 февраля 2017 г.) (28).

Цель состоит в том, чтобы помочь политикам обеспечить упреждающее решение морально сложных ситуаций, возникающих в результате применения ИИ в медицинских учреждениях (17). Ограничение алгоритмической прозрачности является проблемой, которая доминирует в большинстве юридических дискуссий об искусственном интеллекте. Распространение ИИ в ситуациях высокого риска повысило требования к подотчетной, справедливой и прозрачной разработке и управлению ИИ. Доступность и понятность информации являются двумя наиболее важными аспектами прозрачности. Информацию о функциональности алгоритмов часто намеренно затрудняют получение (29).).

Наша способность проследить вину до производителя или оператора якобы находится под угрозой из-за машин, которые могут работать по неустановленным правилам и изучать новые модели поведения. Предполагаемый «постоянно расширяющийся» разрыв вызывает тревогу, поскольку он угрожает «как моральным устоям общества, так и основам идеи ответственности в законе». Использование ИИ может оставить нас без ответственности за любой нанесенный ущерб. Степень опасности неизвестна, и использование машин серьезно ограничит нашу способность возлагать вину и брать на себя ответственность за принятие решений (30).

Современные подходы к вычислениям могут скрывать мышление за выводом Искусственной Интеллектуальной Системы (АИС), что делает невозможным осмысленное исследование. Следовательно, метод, с помощью которого АИС генерирует свои выходные данные, является «непрозрачным». Процедура, используемая AIS, может быть настолько сложной, что для не имеющего технической подготовки клинического пользователя она эффективно скрыта, но остается простой для понимания специалистом в этой области компьютерных наук (5).

AIS, такие как IBM Watson для онкологии, предназначены для поддержки клинических пользователей и, следовательно, непосредственно влияют на принятие клинических решений. Затем AIS оценит информацию и порекомендует уход за пациентом. Использование ИИ для помощи клиницистам в будущем может изменить процесс принятия клинических решений и, в случае принятия, создать новую динамику заинтересованных сторон. Будущий сценарий использования АИС для помощи клиницистам может революционизировать процесс принятия клинических решений и, если он будет реализован, создать новую парадигму здравоохранения. Клиницисты (включая врачей, медсестер и других медицинских работников) заинтересованы в безопасном внедрении новых технологий в клинических условиях (5).

Масштабы новых ML-HCA с точки зрения того, чего они намереваются достичь, как они могут быть построены и где они могут использоваться, очень широки. ML-HCA варьируются от полностью самостоятельных синтетических прогнозов диабетической ретинопатии в учреждениях первичной медико-санитарной помощи до несамостоятельных прогнозов смерти, ручного охвата и распределения ресурсов (25). Исследователи должны описать, как эти результаты могут быть включены в исследование, наряду с прогнозами. Эта информация необходима для определения стоимости научных испытаний и руководства научными исследованиями (31).

ИИ, применяемый в здравоохранении, должен адаптироваться к постоянно меняющейся среде с частыми сбоями при соблюдении этических принципов для обеспечения благополучия пациентов (24). Тем не менее, простой, ключевой компонент определения защиты любого программного обеспечения для здравоохранения зависит от способности проверить программное обеспечение и определить, почему программное обеспечение может выйти из строя. Например, добавки и физиологические механизмы лекарств или механических устройств сравнимы с техникой для компьютерных программ. С другой стороны, ML-HCA может представлять собой проблему «черного ящика», работа которой не видна оценщикам, врачам или пациентам. Исследователи должны описать, как эти результаты могут быть включены в исследование, наряду с прогнозами. Эта информация помогает оценить стоимость научного исследования и направляет научные исследования (25).

Глобальное законодательство

Резолюция Европейского парламента была основана на исследовании, проведенном по заказу, под контролем и опубликованном отделом политики «Права граждан и конституционные вопросы» в ответ на запрос Комитета Европейского парламента по юридическим вопросам. В отчете подчеркивается критический характер резолюции, призывающей к немедленному созданию законодательного инструмента, регулирующего роботов и ИИ, способного предвидеть и адаптироваться к любым научным открытиям, ожидаемым в среднесрочной перспективе (29).). Различные этические и юридические проблемы, связанные с использованием ИИ в медицинских учреждениях, показаны на рисунке 1.

Рисунок 1 . Различные этические и юридические проблемы, связанные с использованием искусственного интеллекта в здравоохранении.

Зачем нужна ответственность?

При изменении настроек или контекста системы ИИ могут неожиданно и резко выйти из строя. ИИ может мгновенно превратиться из чрезвычайно умного в чрезвычайно наивного. Все системы ИИ будут иметь ограничения, даже если предвзятость ИИ будет контролироваться. Человек, принимающий решения, должен знать об ограничениях системы, и система должна быть спроектирована так, чтобы соответствовать требованиям человека, принимающего решения. Когда медицинская система диагностики и лечения в основном точна, практикующие врачи, которые ее используют, могут стать самодовольными, не в состоянии поддерживать свои навыки или получать удовольствие от своей работы. Кроме того, люди могут принимать результаты системы поддержки принятия решений, не подвергая сомнению свои ограничения. Подобные неудачи будут повторяться и в других областях, таких как уголовное правосудие, где судьи изменяли свои решения на основе оценок риска, которые впоследствии оказались неточными (32).

Использование ИИ без посредничества человека вызывает опасения по поводу уязвимостей в кибербезопасности. Согласно отчету RAND, применение ИИ для наблюдения или кибербезопасности в сфере национальной безопасности создает новый вектор атаки, основанный на уязвимостях «диеты данных». В исследовании также обсуждаются вопросы внутренней безопасности, такие как (растущее) использование правительствами искусственных агентов для наблюдения за гражданами (например, алгоритмы предиктивной полицейской деятельности). Они были отмечены как потенциально угрожающие основным правам граждан. Это вызывает серьезную озабоченность, поскольку они подвергают риску ключевые инфраструктуры, ставя под угрозу жизнь и безопасность людей, а также доступ к ресурсам. Слабые места в кибербезопасности могут представлять серьезную угрозу, поскольку обычно они скрыты и обнаруживаются только после события (после причинения ущерба) (28).

В последние годы наблюдается всплеск осуществимости, дизайна и этичности смертоносных автономных систем оружия (LAWS). Эти машины будут обладать широкой автономией ИИ в сочетании с возможностью убивать и наносить ущерб людям. Хотя эти достижения могут дать значительные преимущества, были подняты различные вопросы, касающиеся морали разработки и внедрения АСОЛД (33).

Проблема смещения выборки в наборах данных, используемых для построения алгоритмов ИИ, является типичным явлением. Как установили Буоламвини и Гебру, в автоматизированном распознавании лиц и связанных с ним наборах данных существует предвзятость, что приводит к более низкой точности распознавания темнокожих людей, особенно женщин. Для машинного обучения требуется огромное количество точек данных, и большинство часто используемых баз данных клинических исследований исходят от отдельных групп населения. В результате, при применении к недостаточно обслуживаемым и, следовательно, вероятно, недопредставленным группам пациентов полученные алгоритмы могут с большей вероятностью потерпеть неудачу (34).

Кто несет ответственность?

В отличие от врачей, технологи не обязаны по закону нести ответственность за свои действия; вместо этого в этом секторе применяются этические принципы практики. Это сравнение резюмирует спор о том, должны ли технологи нести ответственность, если АИС используется в контексте здравоохранения и напрямую влияет на пациентов. Если клиницист не может учесть выходные данные используемой им АИС, он не сможет должным образом обосновать свои действия, если решит использовать эти данные. Это отсутствие подотчетности вызывает обеспокоенность по поводу возможных последствий для безопасности использования непроверенных или непроверенных АИС в клинических условиях. Некоторые сценарии показывают, как непрозрачность влияет на каждую заинтересованную сторону. В таблице 1 показаны необходимые соображения для процедурных и концептуальных изменений, которые необходимо внести для этической экспертизы исследований машинного обучения в здравоохранении. Это действительно сложный аспект технологии. Мы считаем, что для утверждения систем ИИ необходимы новая структура и подход, но практикующие врачи и больницы, использующие их, должны быть обучены и, следовательно, несут полную ответственность за их использование. Медицинские устройства на основе ИИ облегчат принятие решений о проведении лечения и процедур отдельными лицами, а не заменят их целиком. В этом отношении не хватает литературы, и высшие органы, определяющие политику, должны разработать подробную структуру.

Таблица 1 . Рекомендации по этической экспертизе исследований в области машинного обучения в здравоохранении: процедурные и концептуальные изменения (31).

AIS должны быть оценены и проверены, по данным Ассоциации по развитию искусственного интеллекта. Крайне важно установить, протестировать, измерить и оценить надежность, производительность, безопасность и соответствие этическим нормам таких роботов и систем искусственного интеллекта логически и статистически/вероятностно до их внедрения. Если врач решит использовать АИС, проверка и проверка могут помочь ему разумно объяснить свою деятельность. Как упоминалось ранее, клинические правила профессионального поведения не допускают безответственного поведения. Однако было высказано предположение, что непрозрачным может быть не только АИС, и врачи также могут быть непрозрачными. Если AIS нельзя наказать, он не сможет выполнять работу, связанную с уходом за людьми. Руководители пользователей АИС должны ясно дать понять, что врачи не могут уклоняться от ответственности, обвиняя АИС (5).

Assistive ML-HCA предоставляет ресурсы поставщикам медицинских услуг, предоставляя «идеи» для лечения, прогноза или контроля, полагаясь на индивидуальную интерпретацию любых предложений для принятия решений. Автономные ML-HCA предоставляют прямые прогностические и контрольные утверждения без вмешательства врача или любого другого человека. Поскольку предпочтение разработчиком стадии автономии машинного обучения HCA имеет четкие последствия для принятия на себя ответственности, эта стадия автономии должна быть видимой (25). Вместо того, чтобы спрашивать, знали ли они об опасностях и неправильном принятии решений, следует задать вопрос, могут ли они понять и распознать эти риски (35).

Предвзятость при использовании ИИ

Имеющиеся данные свидетельствуют о том, что модели ИИ могут внедрять и использовать человеческие и социальные предубеждения в масштабе. Однако ответственность за это несут не сам алгоритм, а исходные данные. Модели можно обучать на данных, содержащих решения человека, или на данных, отражающих последствия социального или исторического неравенства второго порядка. Кроме того, способ сбора и использования данных также может способствовать предвзятости, а данные, созданные пользователями, могут действовать как петля обратной связи, вызывая предвзятость. Насколько нам известно, нет руководств или установленных стандартов для отчетности и сравнения этих моделей, но будущая работа должна включать это, чтобы направлять исследователей и клиницистов (36, 37).

ИИ выходит за рамки «хорошо иметь» и становится неотъемлемой частью современных цифровых систем. Поскольку мы все больше и больше полагаемся на ИИ для принятия решений, становится абсолютно необходимым обеспечить, чтобы они принимались этично и были свободны от несправедливых предубеждений. Мы видим потребность в ответственных системах искусственного интеллекта, которые были бы прозрачными, объяснимыми и подотчетными. Системы искусственного интеллекта все чаще используются для улучшения путей прохождения пациентов и результатов хирургических операций, тем самым превосходя людей в некоторых областях. Скорее всего, он будет скудным, сосуществует или заменит существующие системы, начиная эру искусственного интеллекта в здравоохранении, и отказ от использования ИИ, возможно, ненаучен и неэтичен (38).

Заключение

ИИ будет все чаще использоваться в здравоохранении и, следовательно, должен нести моральную ответственность. Необходимо избегать смещения данных, используя соответствующие алгоритмы, основанные на непредвзятых данных в реальном времени. Необходимо проводить разнообразные и инклюзивные группы программирования и частые проверки алгоритма, включая его реализацию в системе. Хотя ИИ, возможно, не сможет полностью заменить клиническое суждение, он может помочь клиницистам принимать более обоснованные решения. Если в условиях ограниченных ресурсов отсутствует медицинская компетентность, ИИ можно использовать для проведения скрининга и оценки. В отличие от принятия решений человеком, все суждения ИИ, даже самые быстрые, носят систематический характер, поскольку в них задействованы алгоритмы. В результате, даже если деятельность не имеет правовых последствий (поскольку эффективные правовые рамки еще не разработаны), она всегда приводит к ответственности, но не машины, а людей, которые ее построили, и людей, которые ее используют. . Хотя в использовании ИИ есть моральные дилеммы, он, вероятно, будет скудным, сосуществует или заменит существующие системы, положив начало эпохе искусственного интеллекта в здравоохранении, и отказ от использования ИИ также, возможно, ненаучен и неэтичен.

Вклад авторов

Н.Н., Д.Ш., Б.Х. и Б.С. внесли свой вклад в разработку концепции и дизайна исследования. MS, SI, DSw, SS и KA организовали базу данных. DSw, KA, VP, KS, SS и SI написали первый черновик рукописи. Н.Н., Д.Ш., К.С., Б.Р., В.П., Б.Х. написали разделы рукописи. PC, BR и BS критически рассмотрели и отредактировали рукопись. Все авторы внесли свой вклад в доработку рукописи, прочитали и одобрили представленную версию.

Конфликт интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Примечание издателя

Все претензии, изложенные в этой статье, принадлежат исключительно авторам и не обязательно представляют претензии их дочерних организаций или издателя, редакторов и рецензентов. Любой продукт, который может быть оценен в этой статье, или претензии, которые могут быть сделаны его производителем, не гарантируются и не поддерживаются издателем.

Ссылки

1. Морли Дж., Флориди Л. Этически осознанный подход к ИИ для здравоохранения. SSRN Electron J. (2020) 395: 254–5. doi: 10.2139/ssrn.3830536

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

2. Drukker L, Noble JA, Papageorghiou AT. Введение в искусственный интеллект в ультразвуковой визуализации в акушерстве и гинекологии. УЗИ Акушер Гинек. (2020) 56: 498–505. doi: 10.1002/uog.22122

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

3. Ронг Г., Мендес А., Бу Асси Э., Чжао Б., Саван М. Искусственный интеллект в здравоохранении: обзор и прогнозирование тематических исследований. Машиностроение. (2020) 6: 291–301. doi: 10.1016/j.eng.2019.08.015

CrossRef Full Text | Google Scholar

4. Миллер Д.Д., Браун Э.В. Искусственный интеллект в медицинской практике: вопрос к ответу? Am J Med. (2018) 131:129–33. doi: 10.1016/j.amjmed.2017.10.035

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

5. Смит Х. Клинический ИИ: непрозрачность, подотчетность, ответственность и ответственность. AI соц. (2020) 36: 535–45. дои: 10.1007/s00146-020-01019-6

CrossRef Полный текст | Google Scholar

6. Таддео М. , Флориди Л. Как ИИ может быть силой добра. Наука. (2018) 361:751–2. doi: 10.1126/science.aat5991

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

7. Ариено А., Чан А., Дестоунис С.В. Обзор роли дополненного интеллекта в визуализации груди: от автоматизированной оценки плотности груди до стратификации риска. Am J Рентгенол. (2019) 212: 259–70. дои: 10.2214/AJR.18.20391

Резюме PubMed | Полный текст перекрестной ссылки | Google Scholar

8. De Fauw J, Ledsam JR, Romera-Paredes B, Nikolov S, Tomasev N, Blackwell S, et al. Клинически применимое глубокое обучение для диагностики и направления пациентов с заболеваниями сетчатки. Нац. мед. (2018) 24:1342–50. doi: 10.1038/s41591-018-0107-6

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

9. Кунапули Г., Варгезе Б.А., Ганапати П., Десаи Б., Сен С., Арон М. и др. Инструмент поддержки принятия решений для классификации почечной массы. J Цифровая визуализация. (2018) 31:929–39. doi: 10.1007/s10278-018-0100-0

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

10. Альварес-Мачанкосес О, Фернандес-Мартинес Х.Л. Использование методов искусственного интеллекта для ускорения обнаружения лекарств. Экспертное заключение Препарат Дисков. (2019) 14:769–77. doi: 10.1080/17460441.2019.1621284

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

11. Хэй С.И., Джордж Д.Б., Мойес К.Л., Браунштейн Дж.С. Возможности больших данных для глобального эпиднадзора за инфекционными заболеваниями. PLoS Мед. (2013) 10:e1001413. doi: 10.1371/journal.pmed.1001413

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

12. Бартон С., Четтипалли У., Чжоу И., Цзян З., Линн-Палевски А., Ле С. и др. Оценка алгоритма машинного обучения для прогнозирования сепсиса заблаговременно до 48 часов с использованием шести показателей жизнедеятельности. Comput Biol Med. (2019) 109:79–84. doi: 10.1016/j.compbiomed.2019.04.027

PubMed Abstract | Полный текст перекрестной ссылки | Академия Google

13. Cowie J, Calveley E, Bowers G, Bowers J. Оценка цифровых консультаций и инструментов самопомощи в первичной медико-санитарной помощи: мультиметодическое исследование. Int J Environ Res Общественное здравоохранение. (2018) 15:896. doi: 10.3390/ijerph25050896

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

14. Dudley JT, Listgarten J, Stegle O, Brenner SE, Parts L. Персонализированная медицина: от генотипов, молекулярных фенотипов и количественного самоопределения к улучшенной медицине. Pac Symp Biocomput. (2015) 342–6. doi: 10.1142/9789814644730_0033

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

15. Ван З. Интеграция данных электронной медицинской карты в условиях административной децентрализации медицинского страхования и здравоохранения в Китае: тематическое исследование. Israel J Health Policy Res. (2019) 8:24. doi: 10.1186/s13584-019-0293-9

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

16. Нельсон А., Херрон Д., Рис Г., Начев П. Прогнозирование плановой посещаемости больницы с помощью искусственного интеллекта. npj Цифра Мед. (2019) 2:26. doi: 10.1038/s41746-019-0103-3

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

17. Morley J, Machado CCV, Burr C, Cowls J, Joshi I, Taddeo M, et al. Этика ИИ в здравоохранении: обзор карт. Социально-мед. (2020) 260:113172. doi: 10.1016/j.socscimed.2020.113172

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

18. Прайс Дж., Прайс Д., Уильямс Г., Хоффенберг Р. Изменения в отношении студентов-медиков по мере прохождения ими медицинского курса. J Медицинская этика. (1998) 24:110–7. doi: 10.1136/jme.24.2.110

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

19. Бор М., Манро Д., Керридж И., Повис Д. Отбор студентов-медиков по их нравственной ориентации. Медицинское образование. (2005) 39: 266–75. doi: 10.1111/j.1365-2929.2005.02088.x

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

20. Резлер А.Г., Ламберт П., Обеншайн С.С., Шварц Р.Л., Гибсон Дж.М., Беннахум Д.А. Профессиональные решения и этические ценности у студентов-медиков и юристов. акад. мед. (1990) 65:. doi: 10.1097/00001888-19

00-00030

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

21. Резлер А., Шварц Р., Обеншайн С., Ламберт П., МакЛгибсон Дж., Беннахум Д. Оценка этических решений и ценностей. Медицинское образование . (1992) 26:7–16. doi: 10.1111/j.1365-2923.1992.tb00115.x

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

22. Хеберт П.С., Меслин Э.М., Данн Э.В. Измерение этической чувствительности студентов-медиков: исследование Университета Торонто. J Медицинская этика. (1992) 18:142–7. doi: 10.1136/jme.18.3.142

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

23. Стивен Х. Майлз, клятва Гиппократа и этика медицины (Нью-Йорк: Oxford University Press, 2004), XIV + 208 страниц. Форум HEC. (2005) 17:237–9. doi: 10.1007/s10730-005-2550-2

CrossRef Полный текст | Google Scholar

24. Mirbabaie M, Hofeditz L, Frick NR, Stieglitz S. Искусственный интеллект в больницах: обеспечение статус-кво этических соображений в академических кругах для направления будущих исследований. АИ Соц. (2021). doi: 10.1007/s00146-021-01239-4. [Epub перед печатью].

Резюме PubMed | Полный текст перекрестной ссылки | Google Scholar

25. Char DS, Abràmoff MD, Feudtner C. Определение этических соображений для приложений машинного обучения для здравоохранения. Am J Биоэтика. (2020) 20:7–17. doi: 10.1080/15265161.2020.1819469

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

26. Стивенсон Дж. Кто предлагает руководство по использованию искусственного интеллекта в медицине. 902:59 Форум здоровья JAMA. (2021) 2:e212467. doi: 10.1001/jamahealthforum.2021.2467

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

27. Герке С., Минссен Т., Коэн Г. Этические и юридические проблемы здравоохранения, основанного на искусственном интеллекте. Артиф Интелл Здравоохранение. (2020) 295–336. doi: 10.1016/B978-0-12-818438-7.00012-5

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

28. Родригес Р. Юридические и правозащитные вопросы ИИ: пробелы, проблемы и уязвимости. J Respons Technol. (2020) 4:100005. doi: 10.1016/j.jrt.2020.100005

CrossRef Полный текст | Google Scholar

29. Отчет о предложении постановления Европейского парламента и Совета о защите физических лиц в отношении обработки персональных данных и о свободном перемещении таких данных (Общее положение о защите данных). Европарлевропау. Доступно в Интернете по адресу: https://www.europarl.europa.eu/doceo/document/A-7-2013-0402_EN.html (по состоянию на 3 февраля 2022 г.).

30. Тигард Д.В. Нет разрыва в технической ответственности. Филос Технол. (2020) 34: 589–607. doi: 10.1007/s13347-020-00414-7

CrossRef Полный текст | Google Scholar

31. McCradden MD, Stephenson EA, Anderson JA. Клинические исследования лежат в основе этической интеграции искусственного интеллекта в здравоохранении. Нац. мед. (2020) 26:1325–6. doi: 10.1038/s41591-020-1035-9

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

32. Маннес А. Управление, риск и искусственный интеллект. Журнал АИ. (2020) 41:61–9. doi: 10.1609/aimag.v41i1.5200

Полный текст CrossRef | Google Scholar

33. Тейлор И. Кто несет ответственность за роботов-убийц? Автономное оружие, групповое агентство и военно-промышленный комплекс. J Appl Philos. (2020) 38:320–34. doi: 10.1111/japp.12469

Полный текст CrossRef | Google Scholar

34. Сафдар Н.М., Баня Дж.Д., Мельцер С.К. Этические соображения в искусственном интеллекте. Евро J Радиол. (2020) 122:108768. doi: 10.1016/j.ejrad.2019.108768

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

35. Хенц П. Этическая и юридическая ответственность за искусственный интеллект. Дисков Артиф Интел. (2021) 1:2. doi: 10.1007/s44163-021-00002-4

CrossRef Полный текст | Google Scholar

36. Нельсон Г.С. Предвзятость в искусственном интеллекте. North Carolina Med J. (2019) 80: 220–2. doi: 10.18043/ncm.80.4.220

PubMed Abstract | Полный текст перекрестной ссылки | Академия Google

37. Шах М., Наик Н., Сомани Б.К., Хамид Б.М.З. Искусственный интеллект (ИИ) в урологии: текущее использование и будущие направления: настоящее исследование. Турк Ж Урол. (2020) 46 (Прил. 1): S27–S39. doi: 10.5152/tud.2020.20117

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

38.