Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Frames for Explainable Healthcare AI
0
Zitationen
2
Autoren
2026
Jahr
Abstract
Denne artikel undersøger de teknologiske rammer, som politikere, sundhedsprofessionelle samt udviklere af kunstig intelligens (AI) anvender til at forstå centrale etiske spørgsmål om anvendelsen af AI i sundhedsvæsenet. Vi fokuserer specifikt på forklarlighed, altså evnen til at kunne forklare og forstå et AI-systems beslutning, som centralt etisk aspekt. Vi argumenterer for, at de tre aktørers teknologiske rammer om forklarlig sundheds-AI er inkongruente, hvorfor aktørerne har individuelle forståelse af, hvad forklarlig sundheds-AI skal bidrage med. Sådan inkongruens vanskeliggør forklarlig sundheds-AI’s rolle i klinisk praksis, eksempelvis når klinikere ikke formår at modarbejde bias i AI-modeller. På baggrund af dette foreslår vi anvendelsen af empirisk etik som en tilgang, der kan tage højde for de forskellige normative mål i henholdsvis sundhedsprofessionelles, politikeres og AI-udvikleres omsorgspraksisser. Vi konkluderer, at empirisk etik kan bidrage til at skabe større kongruens imellem de teknologiske rammer for forklarlighed og dermed fremme etisk acceptabel sundheds-AI.
Ähnliche Arbeiten
Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI
2019 · 8.303 Zit.
Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead
2019 · 8.155 Zit.
High-performance medicine: the convergence of human and artificial intelligence
2018 · 7.555 Zit.
Proceedings of the 19th International Joint Conference on Artificial Intelligence
2005 · 5.776 Zit.
Peeking Inside the Black-Box: A Survey on Explainable Artificial Intelligence (XAI)
2018 · 5.453 Zit.