dc.contributor.author
Vallverdú, Jordi,
dc.date.accessioned
2024-11-04T08:18:41Z
dc.date.available
2024-11-04T08:18:41Z
dc.identifier
https://ddd.uab.cat/record/298848
dc.identifier
urn:10.33064/32euph4957
dc.identifier
urn:oai:ddd.uab.cat:298848
dc.identifier
urn:oai:egreta.uab.cat:publications/5aeb19f6-bec0-4bd4-be23-78b4babab026
dc.identifier
urn:pure_id:431286010
dc.identifier
urn:articleid:26832518v17n32p88
dc.identifier.uri
https://hdl.handle.net/2072/476932
dc.description.abstract
Este artículo proporciona una exploración exhaustiva del papel transformador de los modelos de inteligencia artificial generativa, específicamente Redes Generativas Antagónicas (GAN) y Autoencoders Variacionales (VAE), en el ámbito del diagnóstico médico. Basándose en la filosofía de la medicina y la epidemiología, el artículo examina las dimensiones técnicas, éticas y filosóficas de la integración de modelos generativos en la atención médica. Un estudio de caso con Emily resalta el crucial apoyo que la inteligencia artificial generativa puede ofrecer en diagnósticos médicos complejos. La discusión se extiende a la aplicación de GAN y VAE en la imagen médica, enfatizando su potencial para mejorar diagnósticos, planificación de tratamientos e investigación médica. El artículo profundiza además en desafíos y controversias, abordando problemas de precisión anatómica, sesgos en datos de entrenamiento, interpretabilidad de imágenes médicas generadas por inteligencia artificial y consideraciones éticas, como el fenómeno de "Dr. Google" y sus implicaciones para el autodiagnóstico, especialmente en el contexto del creciente papel de los modelos de inteligencia artificial generativa en la atención médica. La sección final enfatiza la necesidad de alfabetización en salud, el uso responsable de la información en línea y la toma de decisiones colaborativa entre pacientes y proveedores de atención médica. Abogamos por colaboraciones interdisciplinarias para establecer pautas éticas y garantizar un uso responsable de la inteligencia artificial en la atención médica
dc.description.abstract
This paper provides a comprehensive exploration of the transformative role of generative AI models, specifically Generative Adversarial Networks (GANs) and Variational Autoencoders (VAEs), in the realm of medical diagnosis. Drawing from the philosophy of medicine and epidemiology, the paper examines the technical, ethical, and philosophical dimensions of integrating generative models into healthcare. A case study featuring Emily underscores the pivotal support generative AI can offer in complex medical diagnoses. The discussion extends to the application of GANs and VAEs in medical imaging, emphasizing their potential in improving diagnostics, treatment planning, and medical research. The paper further delves into challenges and controversies, addressing issues of anatomical accuracy, biases in training data, interpretability of AI-generated medical images, and ethical considerations, for example, the phenomenon of "Dr. Google" and its implications for self-diagnosis, particularly in the context of the increasing role of generative AI models in healthcare. The concluding section emphasizes the need for health literacy, responsible use of online information, and collaborative decision-making between patients and healthcare providers. We advocate for interdisciplinary collaborations to establish ethical guidelines and ensure responsible AI use in healthcare.
dc.format
application/pdf
dc.publisher
Universidad Autónoma de Aguascalientes (México). Departamento de Filosofía del Centro de Ciencias Sociales y Humanidades,
dc.relation
Euphyía. Revista de Filosofía ; Vol 17 Num 32 (2023), p. 88-121
dc.rights
Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades.
dc.rights
https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject
Inteligencia artificial generativa
dc.subject
Diagnóstico médico
dc.subject
Autodiagnóstico
dc.subject
Ética en atención médica
dc.subject
McDonalización de la atención médica
dc.subject
Medical Diagnosis
dc.subject
Self-Diagnosis
dc.subject
Healthcare Ethicc
dc.subject
Healthcare's McDonalization
dc.title
"Challenges and Controversies of Generative AI in Medical Diagnosis"
