Archive
M. Seis Dijkstra1,2, E. Siebrand3, S. Dorrestijn4, EL Salomón5, MF Renéman2, FG Oosterveld1, R. Soer1,6, DP bruto7, H. J. Bieleman1
1Universidad Saxion de Ciencias Aplicadas, Facultad de Salud, Enschede, Países Bajos, 2Universidad de Groningen, Departamento de Medicina de Rehabilitación, Centro Médico Universitario de Groningen, Groningen, Países Bajos, 3Universidad Saxion de Ciencias Aplicadas, Grupo de Investigación Ética y Tecnología, Enschede, Países Bajos, 4Universidad Saxion de Ciencias Aplicadas, Grupo de Investigación Ética y Tecnología, Enschede, Países Bajos, 5Universidad Saxion de Ciencias Aplicadas, Escuela de Inteligencia Ambiental, Enschede, Países Bajos, 6Universidad de Groningen, Centro Médico Universitario de Groningen, Centro del Dolor, Groningen, Países Bajos, 7Universidad de Alberta, Departamento de Fisioterapia, Alberta, Canadá
Antecedentes: Los algoritmos informáticos y el aprendizaje automático (ML) se integrarán en el apoyo a las decisiones clínicas dentro de la fisioterapia. Esto cambiará la interacción entre los terapeutas y sus clientes, con consecuencias desconocidas.
Finalidad: El objetivo de este estudio fue explorar las consideraciones éticas y las posibles consecuencias del uso de herramientas de soporte de decisiones (DST) basadas en ML. Utilizamos un ejemplo en el contexto de la fisioterapia ocupacional.
Métodos: Realizamos una deliberación ética. Esto fue respaldado por una revisión bibliográfica narrativa de publicaciones sobre ML y DST en salud ocupacional y por una evaluación del impacto potencial de ML-DST de acuerdo con los marcos de la ética médica y la filosofía de la tecnología. Introducimos un escenario clínico hipotético en fisioterapia ocupacional para reflexionar sobre los principios éticos biomédicos: respeto a la autonomía, beneficencia, no maleficencia y justicia. La reflexión estuvo guiada por la Product Impact Tool, una herramienta de evaluación en ética y filosofía de la tecnología.
Resultados: El respeto por la autonomía se ve afectado por la incertidumbre acerca de qué consecuencias futuras está consintiendo el trabajador como resultado de la naturaleza fluctuante de los ML-DST y la evidencia de validez utilizada para informar al trabajador. Se influye en un proceso de asesoramiento benéfico porque los tres elementos de la práctica basada en la evidencia se ven afectados por el uso de un ML-DST. El principio de no maleficencia se ve desafiado por el equilibrio entre los beneficios a nivel de grupo y el daño individual, la vulnerabilidad del trabajador en el contexto ocupacional y la posibilidad de que la función se deslice (la ampliación gradual del uso de una tecnología o sistema más allá del finalidad para la que se destinó originalmente). La justicia puede estar facultada cuando el ML-DST es válido, pero la elaboración de perfiles y la discriminación son riesgos potenciales.
Conclusión (es): Se han descrito las implicaciones de las consideraciones éticas para el diseño socialmente responsable de ML-DST. Se proporcionaron tres recomendaciones para minimizar los efectos adversos no deseados del desarrollo y la implementación de ML-DST. Las recomendaciones incluyen:
1) alentar la participación multidisciplinaria en el desarrollo y capacitación de ML-DST para un diseño responsable y válido con riesgos mínimos;
2) evaluación formal por parte de los Comités Éticos de Investigación en Salud de los riesgos potenciales con respecto a la privacidad y los problemas de custodia, así como la discriminación y el avance de funciones; y
3) capacitar a los fisioterapeutas en métodos, validez y alcance de las ML-DST para respaldar la práctica basada en la evidencia.
1) alentar la participación multidisciplinaria en el desarrollo y capacitación de ML-DST para un diseño responsable y válido con riesgos mínimos;
2) evaluación formal por parte de los Comités Éticos de Investigación en Salud de los riesgos potenciales con respecto a la privacidad y los problemas de custodia, así como la discriminación y el avance de funciones; y
3) capacitar a los fisioterapeutas en métodos, validez y alcance de las ML-DST para respaldar la práctica basada en la evidencia.
Trascendencia: En un nivel micro, las consideraciones éticas y el conocimiento de ML-DTS se han implementado en el programa educativo de fisioterapeutas y estudiantes de tecnología de la información en Enschede, Países Bajos. En el nivel meso, las implicaciones están siendo consideradas por un equipo multidisciplinario que desarrolla un ML-DST en salud ocupacional. A nivel macro, el estudio se publica internacionalmente para enfatizar la importancia de los aspectos éticos para el diseño responsable, la educación de los proveedores de atención médica y el uso de ML-DST en fisioterapia y otras disciplinas.
Financiamiento, agradecimientos: Financiamiento: Organización Holandesa para la Investigación Científica (NWO) (023.011.076) y Universidad Saxion de Ciencias Aplicadas en los Países Bajos.
Keywords: Algoritmos, Ética, Práctica basada en evidencia
Tema: Tecnología innovadora: gestión de la información, big data e inteligencia artificial.
¿Este trabajo requirió aprobación ética? No
Institución: Centro Médico Universitario de Groningen
Comité: Consejo de Ética del Centro Médico Universitario de Groningen en los Países Bajos
Motivo: Este estudio es parte de un proyecto de doctorado. En este estudio en particular no participaron sujetos humanos.
Todos los autores, afiliaciones y resúmenes han sido publicados tal como fueron enviados.
