„Belt and Road“-Nachrichtennetzwerk

BRNN>>„Belt and Road“-Nachrichtennetzwerk>>BRI-Nachrichten>>Aktuelles

China veröffentlicht Ethik-Richtlinien für KI-gestützte medizinische Bilderstellung

Montag, 31. August 2026 Quelle :

China hat Ethik-Richtlinien für die Forschung im Bereich der medizinischen Bildgebung mit künstlicher Intelligenz (KI) veröffentlicht, die darauf abzielen, die Entwicklung von Algorithmen, die Verifizierung von Tests und die klinische Anwendung dieser Technologie zu regulieren, teilte das Ministerium für Wissenschaft und Technologie am Freitag mit.

Bei der KI-gestützten medizinischen Bildgebung wird KI zur Analyse von CT-, Magnetresonanztomographie- und Ultraschalluntersuchungen eingesetzt, um Ärzten bei der Erkennung von Läsionen zu helfen und die Effizienz in der Diagnostik zu erhöhen. Die Technologie umfasst jedoch große Mengen sensibler Gesundheitsdaten und birgt Risiken wie Verletzung der Privatsphäre, algorithmische Verzerrungen und unklare Zuordnung der Verantwortlichkeit.

Die vom Unterausschuss für Medizinethik des Nationalen Ethikausschusses für Wissenschaft und Technologie herausgegebenen Richtlinien legen sechs zentrale Grundprinzipien fest: die Verbesserung des menschlichen Wohlergehens, die Förderung von Gerechtigkeit, die Achtung der menschlichen Autonomie, der Schutz von Privatsphäre und Datensicherheit, die Gewährleistung von Sicherheit und Kontrollierbarkeit sowie die Stärkung der Transparenz. Die gesundheitlichen Interessen der Patienten haben oberste Priorität, heißt es in den Leitlinien.

Laut den Richtlinien müssen Forscher von Teilnehmern eine informierte Einwilligung einholen. Teilnehmer haben das Recht, ihre Einwilligung jederzeit zu widerrufen.

Die Verantwortung bleibt letztendlich beim Menschen. KI-Ergebnisse dürfen nicht als endgültige Diagnose verwendet werden, und Ärzte behalten gemäß den Richtlinien die endgültige Entscheidungsbefugnis.

Die Richtlinien verbieten eine übertriebene Darstellung der Leistungsfähigkeit von Modellen und unterstreichen die Bedeutung algorithmischer Ausgeglichenheit, um diagnostische Verzerrungen, die durch unausgewogene Trainingsdaten entstehen, zu reduzieren.