آمار

تعداد نشریات54
تعداد شماره‌ها2,534
تعداد مقالات35,954
تعداد مشاهده مقاله15,847,308
تعداد دریافت فایل اصل مقاله7,263,221
قوامی پور سرشکه, محدثه, محمودی, امیررضا. (1404). هوش مصنوعی در پزشکی: ارزیابی اخلاقی تحولات و مسائل. اسلام و مطالعات اجتماعی, 21(2), 44-76. doi: 10.22081/jare.2025.70650.1997
محدثه قوامی پور سرشکه; امیررضا محمودی. "هوش مصنوعی در پزشکی: ارزیابی اخلاقی تحولات و مسائل". اسلام و مطالعات اجتماعی, 21, 2, 1404, 44-76. doi: 10.22081/jare.2025.70650.1997
قوامی پور سرشکه, محدثه, محمودی, امیررضا. (1404). 'هوش مصنوعی در پزشکی: ارزیابی اخلاقی تحولات و مسائل', اسلام و مطالعات اجتماعی, 21(2), pp. 44-76. doi: 10.22081/jare.2025.70650.1997
قوامی پور سرشکه, محدثه, محمودی, امیررضا. هوش مصنوعی در پزشکی: ارزیابی اخلاقی تحولات و مسائل. اسلام و مطالعات اجتماعی, 1404; 21(2): 44-76. doi: 10.22081/jare.2025.70650.1997

هوش مصنوعی در پزشکی: ارزیابی اخلاقی تحولات و مسائل

فصلنامه علمی - پژوهشی مطالعات اخلاق کاربردی
دوره 21، شماره 2 - شماره پیاپی 80، شهریور 1404، صفحه 44-76    اصل مقاله (910.8 K)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22081/jare.2025.70650.1997
نویسندگان
محدثه قوامی پور سرشکه* ؛ امیررضا محمودی
گروه حقوق، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران
تاریخ دریافت: 10 دی 1403،  تاریخ بازنگری: 09 خرداد 1404،  تاریخ پذیرش: 31 اردیبهشت 1404 
چکیده
هوش مصنوعی (AI) به‌عنوان فناوری تحول‌آفرین، تأثیرات عمیقی بر پزشکی معاصر داشته و موجب تغییرات اساسی در فرآیندهای تشخیصی، درمانی و مدیریتی گردیده است. این تحول، ضمن بهبود دقت و کارایی سیستم‌های بهداشتی، مسائل اخلاقی پیچیده‌ای نیز به همراه داشته است.
پرسش‌های اساسی شامل تأثیر AI بر استقلال پزشکان، مسئولیت‌پذیری در خطاهای تشخیصی، حفاظت از حریم خصوصی بیماران و عدالت در دسترسی به فناوری‌های پیشرفته می‌باشد. در این پژوهش، چالش‌های اخلاقی مرتبط با به‌کارگیری AI در حوزه پزشکی بررسی شده است.یافته‌ها نشان می‌دهد علی‌رغم مزایای قابل توجه، نظیر افزایش دقت تشخیص و کاهش خطای انسانی، نگرانی‌های اخلاقی متعددی همچون سوگیری الگوریتمی، تضعیف اعتماد پزشک-بیمار، و خطرات امنیتی مرتبط با داده‌های سلامت وجود دارد.علاوه بر این، ورود AI به حوزه پزشکی موجب تغییرات بنیادین در رابطه پزشک-بیمار شده که ممکن است منجر به "دیجیتالی شدن اعتماد" و کاهش نقش پزشک در تصمیم‌گیری گردد.نتایج بیانگر آن است که برای استفاده اخلاقی از AI، تدوین چارچوب‌های نظارتی دقیق، الگوریتم‌های شفاف، رعایت عدالت در توزیع فناوری، و حفظ حقوق بیماران ضروری است. توسعه این فناوری‌ها باید با مشارکت پزشکان، بیماران و سیاست‌گذاران صورت پذیرد تا از چالش‌های اخلاقی پیشگیری شود
کلیدواژه‌ها
هوش مصنوعی؛ اخلاق پزشکی؛ تشخیص و درمان؛ حریم خصوصی؛ مسئولیت‌پذیری؛ عدالت در سلامت
عنوان مقاله [English]
Artificial Intelligence in Medicine: An Ethical Assessment of Developments and Challenges
نویسندگان [English]
mohadeseh ghavami pour sereshkeh؛ amirreza mahmoudi
Department of Law, Lahijan Branch, Islamic Azad University, Lahijan, Iran
چکیده [English]
Artificial intelligence (AI) as a transformative technology has had a profound impact on contemporary medicine and has led to fundamental changes in diagnostic, therapeutic, and management processes. This transformation, while improving the accuracy and efficiency of health systems, has also brought with it complex ethical issues.Key questions include the impact of AI on physician autonomy, accountability for diagnostic errors, protection of patient privacy, and equity in access to advanced technologies. This study examines the ethical challenges associated with the application of AI in the medical field.Findings show that despite significant benefits, such as increased diagnostic accuracy and reduced human error, there are numerous ethical concerns such as algorithmic bias, weakening of doctor-patient trust, and security risks associated with health data.In addition, the entry of AI into the medical field has led to fundamental changes in the doctor-patient relationship that may lead to the "digitalization of trust" and a reduction in the role of the doctor in decision-making.
The results suggest that for the ethical use of AI, it is essential to develop strict regulatory frameworks, transparent algorithms, observe fairness in the distribution of technology, and protect patients' rights. The development of these technologies should be carried out in partnership with doctors, patients, and policymakers to avoid ethical challenges
کلیدواژه‌ها [English]
Artificial intelligence, medical ethics, diagnosis and treatment, privacy, accountability, justice in health
مراجع
منابع

  1. ابراهیم‌نژاد، پدرام، محمدصادق امیرخانلو و فاطمه شکی (1402)، «کاربردهای هوش مصنوعی در آموزش داروسازی: چالش‌های حقوقی و اخلاقی»، مجلۀ دانشگاه علوم پزشکی مازندران، دوره ۳۳، ش۲۲۷، ص۱۷۴-۱۸۶.
  2. اقتدار، سامره، مریم مسگرزاده و فاطمه‌سارا اپرناک (1402)، «هوش مصنوعی در مراقبت‌های پرستاری و مامایی: راه‌حل جدید یا چالش‌های اخلاقی جدید؟»، پرستاری و مامایی، دوره ۲۱، ش۴، ص۲۷۲-۲۷۶.
  3. صراف‌زاده، شقایق و احسان ابوطالب (1402)، «اهمیت اخلاق در استفاده از هوش مصنوعی در آموزش پزشکی»، پژوهش در آموزش علوم پزشکی، دوره ۱۵، ش۲، ص۱-1۴.
  4. عباسی، محمود و مهرداد تیموری (1402)، «مروری بر چالش‌های اخلاقی و حقوقی کاربرد هوش مصنوعی در نظام سلامت»، اخلاق پزشکی، دوره 17، ش48، ص1-11.
  1. Amiri, M. et al. (2021). “Artificial intelligence in healthcare: Opportunities and challenges in low-income countries”. Global Health Journal, 5(1): 12-18.
  2. Bates, D. W. et al. (2020). “Artificial intelligence in hospital management: Opportunities and challenges”. New England Journal of Medicine, 383(10): 930-938.
  3. Biller-Andorno, N. & Biller, A. (2019). “Algorithm-aided prediction of patient preferences-An ethics sneak peek”. New England Journal of Medicine, 381(15): 1480-1485. https://doi.org/10.1056/NEJMms1904152
  4. Cath, C. et al. (2020). “Artificial intelligence and the ‘good society’: The US, EU, and UK approach”. Science and Public Policy, 47(1): 12-20.
  5. Char, D. S. et al. (2020). “Implementing machine learning in health care-Addressing ethical challenges”. New England Journal of Medicine, 382(11): 100-105.
  6. Cohen, I. G. et al. (2021). “Big data and privacy in healthcare: Ethical implications”. Nature Medicine, 27(2): 308-314.
  7. Deutscher Ethikrat (2017). Big data and health-Data sovereignty as the shaping of informational freedom. Berlin: Deutscher Ethikrat.
  8. Esteva, A. et al. (2021). “Deep learning for dermatological diagnosis: A review”. Lancet Digital Health, 3(1): 65-72.
  9. Ficuciello, F. et al. (2022). “AI-enhanced robotic surgery: Precision and ethics”. IEEE Transactions on Medical Robotics, 4(2): 85-93.
  10. Hartmann, F. (1984). Patient, Arzt und Medizin: Beiträge zur ärztlichen Anthropologie. Berlin: Springer.
  11. Hashizume, M. & Kishida, A. (2022). “Roles of artificial intelligence in surgery in the era of computer-integrated surgery”. Journal of Hepato-Biliary-Pancreatic Sciences, 29(1): 10-19.
  12. Holzinger, A. et al. (2022). “Explainable AI in healthcare: Bridging the trust gap”. Artificial Intelligence in Medicine, 125: 10-18.
  13. Hosny, A. et al. (2018). “Artificial intelligence in radiology”. Nature Reviews Cancer, 18(8): 500-510.
  14. İlkılıç, İ. & Kucur, C. (2019). Hasta mahremiyeti. Ankara: Nobel Akademik Yayıncılık.
  15. Karches, K. E. (2018). “Against the iDoctor: Why artificial intelligence should not replace physician judgment”. Theoretical Medicine and Bioethics, 39(2): 91-110. https://doi.org/10.1007/s11017-018-9446-3
  16. Klang, E. et al. (2021). “AI-based decision support systems in emergency medicine: A retrospective analysis”. Journal of Medical Systems, 45(12): 120-128.
  17. London, A. J. (2022). “Artificial intelligence in medicine: Overcoming or recapitulating structural challenges to improving patient care?”. Cell Reports Medicine, 3(5): 1-8.
  18. Marchetti, M. A. et al. (2018). “Results of the 2016 International Skin Imaging Collaboration International Symposium on Biomedical Imaging challenge: Comparison of the accuracy of computer algorithms to dermatologists for the diagnosis of melanoma from dermoscopic images”. Journal of the American Academy of Dermatology, 78(2): 270-277.e1. https://doi.org/10.1016/j.jaad.2017.08.016
  19. Obermeyer, Z. et al. (2019). “Dissecting racial bias in an algorithm used to manage the health of populations”. Science, 366(6464): 447-453.
  20. Rajkomar, A. et al. (2019). “Ensuring fairness in machine learning to advance health equity”. Annals of Internal Medicine, 171(6): 417-423.
  21. Russell, S. & Norvig, P. (2020). Artificial intelligence: A modern approach. 4th edition. Boston: Pearson.
  22. Shademan, A. et al. (2020). “Autonomous surgery: The role of AI and robotics”. Annals of Surgery, 271(1): 20-25.
  23. Siciliano, B. et al. (2020). “Ethics and liability in AI-driven surgery”. Journal of Robotic Surgery, 14(1): 30-36.
  24. Somashekhar, S. P. et al. (2018). “Watson for Oncology and breast cancer treatment recommendations”. Journal of Clinical Oncology, 36(4): 385-390.
  25. Topol, E. J. (2019). “High-performance medicine: The convergence of human and artificial intelligence”. Nature Medicine, 25(1): 44-56.
  26. Vayena, E. et al. (2022). “Health data governance in the age of artificial intelligence”. Nature Medicine, 28(1): 76-82.
آمار
تعداد مشاهده مقاله: 72
تعداد دریافت فایل اصل مقاله: 71


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب