數(shù)字醫(yī)療須應對哪些倫理挑戰(zhàn)

來源：《中國科學報》 (2019-05-13 第5版 醫(yī)藥健康)

數(shù)字技術的指數(shù)級增長推動了第四次工業(yè)革命。毫無疑問，數(shù)字技術將驅(qū)動醫(yī)療衛(wèi)生的變革，并具有提升全球人口生命質(zhì)量的潛能。當下數(shù)字醫(yī)療的發(fā)展已經(jīng)遠超倫理和規(guī)制框架的發(fā)展，而后者是確保技術合理使用的重要基石。

為此，我們需要在對數(shù)字醫(yī)療技術本身進行深入了解的基礎上，討論其應用中所引發(fā)的倫理學問題，并結(jié)合現(xiàn)有框架完善對數(shù)字醫(yī)療的治理，引導數(shù)字醫(yī)療有序發(fā)展和合理應用。結(jié)合現(xiàn)有對數(shù)字醫(yī)療的研究，筆者梳理出當下數(shù)字醫(yī)療應用中的6項倫理學挑戰(zhàn)。

**，隱私問題。數(shù)據(jù)的指數(shù)級增長、數(shù)字關聯(lián)機會的增多，使得數(shù)據(jù)完全匿名化已成為幻想，保護隱私無疑將成為一項復雜的挑戰(zhàn)。例如，保險公司可以通過大數(shù)據(jù)和數(shù)據(jù)關聯(lián)獲得個人隱私信息，評估個體的健康風險，以此提高保額或拒保。在以商業(yè)保險為主的國家中或在大力推廣商業(yè)保險的政策之下，這將會對人群造成巨大的潛在負面影響。

第二，數(shù)據(jù)安全。數(shù)據(jù)安全是與隱私有關的另一項倫理挑戰(zhàn)?；颊叩牟v資料在黑市的價格并不低于信用卡信息，數(shù)據(jù)泄露和索要贖金的黑客攻擊逐漸增加。2016年非營利性醫(yī)療組織MedStar Health所屬的10家醫(yī)院遭受勒索軟件攻擊，電子病歷系統(tǒng)和郵件系統(tǒng)完全癱瘓，對方要求醫(yī)院支付比特幣以恢復這些系統(tǒng)，其間，一些癌癥患者的放療被迫中斷。我們不難想象數(shù)據(jù)安全對于個人、機構(gòu)和國家的重要性。因此，必須通過立法、政策和技術手段來確保數(shù)據(jù)安全。

第三，知情同意。數(shù)字醫(yī)療可能會削弱個人自主性，削弱個人對數(shù)據(jù)的控制。一些醫(yī)療健康類軟件的用戶協(xié)議長達數(shù)十頁，協(xié)議的“簽署”成為使用該軟件的必要條件。用戶獨立閱讀協(xié)議并理解其中的關鍵信息似乎是不現(xiàn)實的，且協(xié)議制定的出發(fā)點更多是出于企業(yè)的自身利益，而非患者的利益。如果這些軟件是某些患者的必備軟件，如病情監(jiān)測，對自愿同意構(gòu)成的壓力必將增加。此外，當數(shù)據(jù)收集和存儲用于研發(fā)時，難以預知未來所有的使用場景和目的，因此不太可能通過明確充分的知情同意獲得個人信息。個人是否有權(quán)利僅使用軟件，而拒絕企業(yè)/醫(yī)療機構(gòu)將自己的信息用于研發(fā)是目前爭論的焦點問題之一。

第四，責任認定。自動數(shù)據(jù)挖掘和機器學習在臨床和公共衛(wèi)生決策上的應用逐漸增加，如AI臨床輔助診斷、治療決策、手術機器人以及疫情監(jiān)測和預測等，這些應用使責任認定成為數(shù)字醫(yī)療中極為重要的倫理和法律問題。當前這些技術更多是作為人類的輔助工具，但總有一天它能夠脫離人類監(jiān)控開展獨立工作。這些AI技術的發(fā)展可能會提升疾病治療和預防的效果，但與此同時，醫(yī)務人員干預AI決策的能力將被削弱。當出現(xiàn)問題時，如誤診或錯誤判斷疫情時，追究個體醫(yī)務人員或公共衛(wèi)生工作者的責任將更加復雜。

第五，信任。信任是所有利益攸關方從數(shù)據(jù)醫(yī)療中獲益的基礎。公眾信任對于健康醫(yī)療數(shù)據(jù)的使用至關重要。值得信賴的數(shù)字醫(yī)療不只是需要隱私保護，除此之外還應包括透明、負責、利益分享以及數(shù)據(jù)所有權(quán)和數(shù)據(jù)控制等要素。企業(yè)、醫(yī)療機構(gòu)和政府必須意識到，贏取公眾信任必定要從多方面進行努力。

第六，公平問題。盡管數(shù)字醫(yī)療在一定程度上能降低醫(yī)療成本，但與此同時也可能加劇個體之間的不平等。數(shù)字醫(yī)療中不少功能都需要通過智能手機或可穿戴設備實現(xiàn)，但對于偏遠地區(qū)或低收入人群，他們可能難以承受這些智能設備的價格，或缺少使用這些設備的指導，而這些都會影響他們能否從數(shù)字醫(yī)療的發(fā)展中受益。并且，當數(shù)字醫(yī)療技術代替某些現(xiàn)有醫(yī)療過程時，這種可及性的問題也許會加劇，對該人群的健康造成更深遠的負面影響。此外，無論是算法設計者有意無意引入的偏見，抑或是機器學習過程中獲得的偏見，都可能引發(fā)算法歧視，降低脆弱人群的醫(yī)療可及性，增加醫(yī)療的不公平性。

總體而言，當前我們對數(shù)字醫(yī)療領域中倫理和治理問題的研究還遠遠不夠，還需要有更多的利益攸關者參與到對這些問題的討論之中，促進數(shù)字醫(yī)療倫理框架和治理框架的形成和完善，引導技術的合理發(fā)展，提升個體和人群健康。