Sikker og fair kunstig intelligens i sundhedsvæsenet

Denne references egen.

Niveauer

1. Bevidsthed

Du kan:

• forklare, hvordan en model kan skade patienter, for eksempel gennem skævhed, drift eller overdreven tillid til dens output
• forklare, hvorfor modeller skal valideres på den befolkning, de skal bruges til

2. Arbejdende

Du kan:

• måle en models præstation for forskellige patientgrupper og rapportere forskelle
• dokumentere en models tilsigtede brug, træningsdata og kendte begrænsninger, for eksempel i et modelkort
• bidrage med evidens om en model til en klinisk sikkerhedsbegrundelse

3. Erfaren

Du kan:

• planlægge validering, vurdering af skævhed og løbende overvågning af en model sammen med kliniske kolleger
• afgøre, hvornår en model skal trænes om, begrænses eller trækkes tilbage
• rådgive teams om, hvornår en model kan være reguleret som medicinsk udstyr, og hvilken evidens den kræver

4. Ekspert

Du kan:

• fastlægge organisationens standarder for kvalitetssikring og overvågning af kunstig intelligens i plejen
• lede kvalitetssikringen af modeller med høj risiko før og efter ibrugtagning
• repræsentere organisationen over for tilsynsmyndigheder og partnere i spørgsmål om sikker og fair kunstig intelligens

Nærmeste kompetencer i ESCO

• principles of artificial intelligence (bredt match)
• data ethics (bredt match)

Contains ESCO v1.2.1 data (https://esco.ec.europa.eu/). © European Union. Reuse authorised under Commission Decision 2011/833/EU.

Rolleniveauer, der forventer denne kompetence