Intelligenza artificiale in medicina: alcune risposte – significative, ma parziali – offerte dal codice di deontologia medica (in materia di non discriminazione, consenso informato e relazione di cura)

Autori

  • Paolo Zuddas

DOI:

https://doi.org/10.32091/RIID0166

Parole chiave:

AI medica, Bias, Black-box, Relazione medico-paziente

Abstract

L’analisi proposta è tesa a valutare l’impatto prodotto dall’impiego di sistemi di intelligenza artificiale in medicina in relazione ad alcuni profili di primario rilievo nella pratica medica. In particolare, si intende evidenziare come il ricorso a sistemi di AI medica: aumenti il rischio di operare discriminazioni nell’erogazione delle prestazioni sanitarie, in conseguenza dell’impiego, nell’addestramento dei sistemi di machine learning, di dati distorti e di dati incompleti; ponga in crisi l’istituto del consenso informato, stante la necessità di fornire informazioni complete concernenti anche le logiche di funzionamento dei sistemi informatici eventualmente coinvolti nell’attività diagnostica o terapeutica, a fronte delle note forme di opacità dei sistemi di AI; trasformi progressivamente il rapporto di cura, con ricadute destinate ad incidere sia sulla natura delle valutazioni cliniche sia sul ruolo del medico, chiamato ad operare sempre più come intermediario tra il paziente e il sistema informatico. Muovendo da queste premesse, sarà valutata l’adeguatezza delle soluzioni alle questioni evocate che possono essere offerte dal Codice di deontologia medica attualmente in vigore.

Biografia autore

  • Paolo Zuddas

    Professore associato di Diritto costituzionale e pubblico presso l’Università dell’Insubria

Dowloads

Pubblicato

2024-08-09

Fascicolo

Sezione

Studi e ricerche

Come citare

[1]
Zuddas, P. 2024. Intelligenza artificiale in medicina: alcune risposte – significative, ma parziali – offerte dal codice di deontologia medica (in materia di non discriminazione, consenso informato e relazione di cura). Rivista italiana di informatica e diritto. 6, 2 (Aug. 2024), 579–606. DOI:https://doi.org/10.32091/RIID0166.