AI-Assisted Genetic Diagnosis and Its Ethical, Legal and Social Implications: A Scoping Review
Deze scoping review brengt het huidige landschap van ethische, juridische en sociale implicaties (ELSI) bij AI-ondersteunde genetische diagnose in kaart, waarbij wordt onthuld dat de meeste bestaande wetenschappelijke literatuur nalaat de unieke intersectie van AI en genomica te adresseren, wat daarmee de dringende behoefte aan genetisch specifieke governance-kaders en eerlijkheidsaudits onderstreept.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Stel je een toekomst voor waarin een computerprogramma naar iemands genetische code kan kijken en het risico op het ontwikkelen van bepaalde ziekten kan voorspellen, of artsen kan helpen begrijpen waarom een patiënt een zeldzame aandoening heeft. Dit is de belofte van kunstmatige intelligentie in genetische diagnostiek. Echter, menselijk DNA is niet alleen een lijst met gezondheidsfeiten over één persoon. Het is een gedeeld familie-erfstuk. De genetische code van één persoon onthult informatie over hun ouders, hun broers en zussen, en zelfs over hun kinderen die nog niet geboren zijn. Het verbindt hen ook met een grotere groep mensen die een gemeenschappelijke afkomst delen. Daarom passen de regels die gelden voor reguliere medische gegevens niet volledig op genetische gegevens. Wanneer een computer een fout maakt of wanneer een geheim uitlekt, werken de gevolgen door naar familieleden en hele gemeenschappen, niet alleen naar het individu. Terwijl deze krachtige instrumenten sneller en goedkoper worden, strijden wetenschappers en ethici om de specifieke gevaren en verantwoordelijkheden te begrijpen die gepaard gaan met het gebruik ervan op onze meest persoonlijke biologische informatie.
Een nieuwe studie door onderzoekers van de Harbin Medical University en de Harbin Vocational College of Science and Technology werpt een nauwkeurig licht op hoe wetenschappers momenteel over deze kwesties denken. Het team voerde een brede zoektocht uit in de wetenschappelijke literatuur om te zien wat er is geschreven over de ethische, juridische en sociale problemen van het gebruik van kunstmatige intelligentie voor genetische diagnostiek. Ze waren niet op zoek naar een eenvoudige lijst van voor- en nadelen, maar eerder naar een kaart van het gehele veld om te ontdekken waar het denken sterk is en waar onderdelen ontbreken. De onderzoekers doorzochten duizenden records uit belangrijke wetenschappelijke databases, waarbij ze zich concentreerden op de specifieke intersectie waar computeralgoritmen de menselijke genetica en ethische zorgen ontmoeten. Na het verwijderen van dubbele vermeldingen, screenden ze 981 unieke records. Ze vonden dat 186 van deze artikelen relevant genoeg waren om in detail te bestuderen, terwijl de overgrote meerderheid — 795 records — werd uitgesloten omdat ze niet alle drie de gebieden tegelijkertijd adresseerden.
De onderzoekers ontdekten dat de meeste bestaande discussies in een van de twee categorieën vallen. Sommige artikelen behandelen genetische diagnostiek als simpelweg een ander type medische technologie, waarbij algemene regels over computerethiek worden toegepast die de unieke aard van DNA negeren. Anderen behandelen het als een probleem van genetica alleen, waarbij oude regels over genetische privacy worden toegepast die negeren hoe moderne computerleringsprocessen werken. De studie vond dat het cruciale middengebied, waar de specifieke gevaren van AI en genetica overlappen, grotendeels leeg is. Sterker nog, de gegevens toonden aan dat 81 procent van de records die de onderzoekers vonden, deze intersectie niet correct adresseerde. Ze zochten naar een gesprek dat het algoritme, het genoom en de ethische implicaties combineerde, maar ze vonden vooral twee aparte gesprekken die parallel liepen.
Om de 186 artikelen die dit onderwerp wel behandelden begrijpelijk te maken, hebben de onderzoekers de bevindingen onderverdeeld in zes hoofdthema's. Het eerste thema gaat over verwarring en duidelijkheid. Omdat genetische gegevens zo complex zijn, is het moeilijk om aan een patiënt uit te leggen waarom een computer een specifieke voorspelling heeft gedaan. De studie suggereert dat huidige methoden voor het uitleggen van deze beslissingen vaak een vals gevoel van begrip creëren, waardoor patiënten het gevoel krijgen dat ze meer weten dan ze in werkelijkheid doen. Het tweede thema heeft betrekking op verantwoordelijkheid. Als een computer een fout maakt die schade toebrengt aan de familie van een patiënt, is het onduidelijk wie de schuld draagt. Huidige regels wijzen niet duidelijk verantwoordelijkheid toe voor schade die zich verspreidt naar familieleden of toekomstige generaties. Het derde thema richt zich op privacy. De meeste privacywetten beschermen het individu, maar genetische gegevens kunnen geheimen over een hele groep mensen onthullen. De studie merkt op dat er zeer weinig discussie is over hoe men deze groepen kan beschermen tegen stigmatisering of schade.
Het vierde thema betreft eerlijkheid. De computerprogramma's die worden gebruikt voor genetische diagnostiek, worden getraind op gegevens die voornamelijk afkomstig zijn van mensen met een Europese afkomst. Dit betekent dat de instrumenten mogelijk minder goed werken voor mensen met andere achtergronden, terwijl er weinig studies zijn die deze fouten specifiek voor verschillende populaties meten. Het vijfde thema gaat over toestemming. Mensen tekenen meestal een eenmalige toestemmingsverklaring om hun DNA te laten testen, maar genetische kennis verandert in de loop van de tijd. Naarmate computers nieuwe dingen leren, kunnen ze oude gegevens opnieuw analyseren en nieuwe risico's ontdekken. De studie wijst erop dat we geen goede systemen hebben om opnieuw toestemming te vragen wanneer deze nieuwe bevindingen verschijnen. Het laatste thema gaat over regels en wetten. Overheden creëren nieuwe regelgeving, maar behandelen kunstmatige intelligentie en genetische gegevens vaak als aparte kwesties. De studie betoogt dat we regels nodig hebben die begrijpen hoe deze twee velden samenwerken.
De onderzoekers concluderen dat het vakgebied momenteel een kader mist dat specifiek is gebouwd voor de unieke aard van genetische AI. Ze beargumenteren dat we niet simpelweg regels uit de algemene geneeskunde of algemene genetica kunnen nemen en op deze nieuwe technologie kunnen plakken. In plaats daarvan hebben we een nieuwe aanpak nodig die erkent dat verantwoordelijkheid, privacy en eerlijkheid anders werken wanneer een machine onze familiegeschiedenis interpreteert. Deze studie dient als een kaart die precies laat zien waar de hiaten zitten, zodat toekomstig onderzoek en wetgeving deze kunnen opvullen. De auteurs zijn van plan om twee volgende papers te publiceren die een nieuwe manier van denken over verantwoordelijkheid zullen voorstellen en deze ideeën zullen toepassen op specifieke richtlijnen die in China worden ontwikkeld. Door de blinde vlekken in het huidige denken te identificeren, beoogt dit werk ervoor te zorgen dat we, terwijl we kunstmatige intelligentie gebruiken om onze genetische code te lezen, dit doen op een manier die individuen, families en gemeenschappen beschermt.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.