CPATH临床应用的伦理障碍

在大数据和信息化时代，个人健康数据积累在以惊人的指数级增长，这为新的医疗技术和治疗方法的研发带来了极大的方便。也正是因为如此，研究人员对这些健康数据的需求也越来越大，而且可以使用不同来源的大量数据进行组合或是交叉研究。这可以使得不同地域和不同机构的研究人员方便快捷地建立起前所未有的各种新的复杂联系。在CPATH领域，这些关系既包括技术层面，也涉及利益因素。因此，是否公开用于创建算法的医疗和健康数据就成了一个复杂的伦理问题。如果公开DL算法开发所使用的数据，增加算法透明度，可以促进预测结果的可解释性、公开性，并增加对预测结论的接受度和信任度。但是，如果不公开DL算法使用的数据并允许公司创建专用的私有模型，那么，这些不能在公共领域或患者真实世界环境中得到验证的辅助诊断工具是否可以直接应用于临床实践无论是对患者的伦理责任还是官方的监管责任，都具有相当的挑战性。另外，暴露患者的私人数据（如带有可识别的独特基因突变的数字图像）可能会带来侵犯患者隐私的伦理问题。同时，用于CPATH辅助诊断工具的患者数据可能会在不同的商业化开发公司之间带来利益上的纠葛，从而可能引发有关这些医疗和健康数据所有权和知识产权的伦理和法律问题。

在基于AI和ML的计算驱动决策过程的新时代，CPATH已经涉及从临床病史、组学数据、生活环境到个人习惯的海量信息的交互融合。一个DL辅助诊断工具的算法研究和模型建立的团队包括病理医师、病理技术人员、数据科学家、生物信息学家和IT工程人员等众多领域的专家，所有这些都可能会带来数据泄密、遗失甚至是恶性事件的风险和道德问题。在医疗机构、实验室和数据库之间持续进行大规模、敏感的健康数据传输，虽然可以实现更高要求的精准医疗，但同时也增加了安全风险和漏洞。(https://www.daowen.com)

因此，从政策层面需要在医疗AI领域制订完善的医疗机构和个人健康数据使用的管理规范。这个管理规范既要严格保护患者隐私和个人数据安全，又能保证CPATH研究和DL训练所需要的数据能够顺利、安全和规范使用。2018年5月，欧盟GDPR对在科学研究中使用欧盟公民数据的机构添加了一些新的责任约束［295］。GDPR认为健康数据是个人医疗和健康记录中非常敏感的一类特殊数据，如果第三方机构或其他研究人员出于治疗和研究目的获取和使用这些数据，将受到GDPR其中的特殊条款的约束。这一规定既强调了用适当的方法来规范CPATH相关的安全和伦理问题，又为研究和创新提供了有力保障。