Технический потенциал AI-визуализации

Исследование, опубликованное в журнале Discover Artificial Intelligence и возглавленное Бангой Камал Басу, показывает, что алгоритмы глубокого обучения достигают диагностической точности, сравнимой с экспертами-радиологами при обнаружении опухолей, выявлении аномалий и классификации заболеваний. Автоматическая сегментация изображений и прогнозирование диагноза способны сократить время подготовки отчётов, которое в poorly resourced facilities actualmente может занимать дни, до нескольких часов. Для страны с заметными городско-сельскими различиями, ограниченной инфраструктурой и дефицитом специалистов такая технология представляет реальную возможность расширить доступ к экспертному уровню диагностики для населения, ранее лишённого таких услуг.

Регуляторные пробелы и риски

Анализ правовой базы Бангладеш выявляет, что основные цифровые законы — Закон об информационных и коммуникационных технологиях 2006 года и Закон о цифровой безопасности 2018 года — были разработаны для борьбы с киберпреступностью и цифровыми правонарушениями, а не для регулирования алгоритмического принятия решений в клинической среде. В исследовании отсутствуют чёткие statutory положения, governing использование пациентских данных для обучения систем ИИ, распределения ответственности при ошибочном диагнозе, основанном на алгоритме, и обеспечения требований прозрачности для выводов, полученных из непрозрачных вычислений. Всемирная организация здравоохранения определяет ИИ в здравоохранении как использование алгоритмов и программного обеспечения для приближения к человеческому познанию при анализе и интерпретации сложных медицинских данных, но без соответствующего нормативного框架 эта потенциальная выгода остаётся нереализованной и сопряжена с рисками для пациентов и поставщиков услуг.