ΝΕΕΣ ΤΕΧΝΟΛΟΓΙΕΣ ΣΤΗΝ ΥΓΕΙΑ

Welcome Address

Chrysanthi Sardeli

Associate Professor, Department of Medicine, AUTh,
Conference Organising Committee President

Καλημέρα σε όλους σας! Σας ευχαριστώ θερμά για την παρουσία σας εδώ σήμερα τόσο νωρίς το πρωί! Θα μου επιτρέψετε, λόγω της θέσης μου ως προέδρου της οργανωτικής επιτροπής του διήμερου διεθνούς συνεδρίου με τίτλο «Νέες Τεχνολογίες στην Υγεία: Ιατρικά, Νομικά και Ηθικά Ζητήματα» που ξεκινάει σήμερα το πρωί, να σας καλωσορίσω και να απευθύνω έναν σύντομο χαιρετισμό στα αγγλικά.

Esteemed Guests, Distinguished Speakers and Session Chairmen and Chairwomen, Dear Congress Delegates, Ladies and Gentlemen,

it is my great pleasure and distinct honor to be welcoming all of you in Thessaloniki to this International Conference focusing on the introduction of New Technologies in Healthcare and the Medical, Legal and Ethical Issues that arise from this incredible paradigm shift civilization is experiencing. The reason for choosing this theme is the major changes the world around us is undergoing, as humankind is witnessing yet another industrial revolution and a new reality is emerging.

The Fourth Industrial Revolution represents a fundamental change in the way we live, work and relate to one another. It is a new chapter in human development, enabled by extraordinary technological advances, commensurate with those of the first, second and third industrial revolutions. These advances are merging the physical, digital and biological worlds in ways that create both huge promise and potential peril for humanity. The speed, breadth and depth of this revolution is forcing us to rethink how we learn, how we interact with each other and even what it means to be human. The Fourth Industrial Revolution is about more than just technology-driven change, it is an opportunity to help everyone, including leaders, policy-makers and people from all income groups and nations, to harness converging technologies in order to create an inclusive, human-centered future. The real opportunity is to look beyond technology, and find ways to give the greatest number of people the ability to positively impact their families, organizations and communities, while safeguarding core human values and morality, especially in the field of healthcare.

This Conference, the 4th organized by the Laboratory for the Study of Medical Law and Bioethics of the Aristotle University of Thessaloniki in a little more than 2 years’ time, aims to familiarize the delegates with the new technologies and to introduce them to the many pitfalls and potential medical, legal and ethical problems associated with this fundamental change in how healthcare professionals are delivering services to their patients.

The Medical Chamber and the Bar Association of Thessaloniki are joining today the Laboratory as co-organizers. I would like to take this opportunity to personally thank Dr. Nikolaos Nitsas, chairman of the Medical Chamber of Thessaloniki and Dr. Efstathios Koutsohinas, chairman of the Bar Association of Thessaloniki, as well as their staff and associates, for helping co-organize this conference and for steadfastly supporting the goals and activities of the Laboratory since its establishment in January 2016.

I also wish to acknowledge the tremendous effort and tireless work that Prof. Elli Kastanidou, the Dean of the Faculty of Law and Director of the Laboratory, Associate Prof. Efi Tziva and our junior associates put in during the last 12 months, an effort that made organizing this conference possible.

Furthermore, I want to express my sincere gratitude to our distinguished speakers and session chairmen and chairwomen for accepting our invitation to participate in this conference and for generously sharing with us their knowledge and expertise on subjects that are relatively unknown to many of us.

Special thanks are reserved for Prof. Dr. Jochen Taupitz of the University of Mannheim. Since the establishment of the Laboratory he has been a valued collaborator of our group, a staunch supporter of our activities and has traveled each time without complaint to participate in them and share with us his deep understanding of and expertise on medical law and bioethics, despite him being one of the leading experts in the world in this field and us being such a new and relatively unknown research group. So thank you very much Sir for your support and mentoring and let me wish you every success and especially good health in this new chapter of your life, beginning with your recent retirement!

Last but not least, I want to thank all the Conference Delegates and attendees present here today for registering, for submitting their work and for joining us in this hall. I hope you will find the talks planned inspiring and rewarding and hopefully, you will take part to the discussions following each session. Thank you all, welcome to Thessaloniki and this Conference!

Xαιρετισμός

Ελισάβετ Συμεωνίδου-Καστανίδου

Καθηγήτρια, Νομική Σχολή, ΑΠΘ, Κοσμήτορας Νομικής Σχολής ΑΠΘ, Διευθύντρια Εργαστηρίου Μελέτης Ιατρικού Δικαίου και Βιοηθικής της Νομικής Σχολής ΑΠΘ

Κυρίες και κύριοι, φίλες και φίλοι,

Εκ μέρους της οργανωτικής επιτροπής του συνεδρίου και του Εργαστηρίου Μελέτης Ιατρικού Δικαίου και Βιοηθικής, θα ήθελα να ευχαριστήσω αρχικά όλους τους εκλεκτούς εισηγητές που ταξίδεψαν από το εξωτερικό για να είναι σήμερα μαζί μας. Θέλω επίσης να ευχαριστήσω τους Έλληνες συναδέλφους, και κυρίως όσους έρχονται από την Αθήνα και την Κύπρο, για τη συμμετοχή τους. Τέλος, να ευχαριστήσω όλους εσάς για την παρουσία σας, που έχει ξεπεράσει κάθε προσδοκία μας.

Το εργαστήριό μας από την πρώτη στιγμή της ίδρυσής του πριν από ένα χρόνο έθεσε ως κεντρικό άξονα των προσπαθειών του την ανάδειξη του πανεπιστημίου μας σε ένα κέντρο ΑΡΙΣΤΕΙΑΣ για θέματα ιατρικού δικαίου και βιοηθικής, αλλά και την ανάδειξη της πόλης μας σε πόλο έλξης για την ανάπτυξη ενός ανοικτού επιστημονικού διαλόγου στα θέματα αυτά.

Στο πλαίσιο αυτό εντάσσονται τόσο τα σεμινάρια που οργανώνουμε κάθε χρόνο όσο και το θερινό Σχολείο που διεξάγεται φέτος για δεύτερη χρονιά, με συμμετοχή ενός πολύ μεγάλου αριθμού νέων επιστημόνων από όλη την Ευρώπη.

Στο ίδιο αυτό πλαίσιο εντάσσεται και το Διεθνές Συνέδριο που συνδιοργανώνουμε με τον Ιατρικό και τον Δικηγορικό Σύλλογο της πόλης μας, και ελπίζουμε ότι θα οργανώνεται σε σταθερή βάση κάθε δύο χρόνια. Θέλω να ευχαριστήσω ιδιαίτερα τον Πρόεδρο του Ιατρικού Συλλόγου Θεσσαλονίκης που από την πρώτη στιγμή μοιράστηκε το όραμά μας. Τέλος, να ευχαριστήσω όλους τους νέους και πολύ αξιόλογους επιστήμονες του εργαστηρίου – τις κυρίες Μ. Μηλαπίδου, Π. Κηπουρίδου, Μ. Βασιλείου και Θ. Χορταρά, καθώς και τον κύριο Α. Τσαλίδη. Χωρίς τη δική τους άοκνη προσπάθεια δε θα ήταν εφικτή η διοργάνωση του συνεδρίου.

Τα προβλήματα που θα μας απασχολήσουν αυτές τις μέρες είναι πολλά και ιδιαίτερα επίκαιρα. Θα ασχοληθούμε με τα ιατρικά και νομικά ζητήματα που ανακύπτουν από την προσφορά ή ζήτηση υπηρεσιών ή βιολογικού υλικού μέσω διαδικτύου, τις εμπορικές πρακτικές στο πλαίσιο της παροχής υπηρεσιών υγείας μέσω του διαδικτύου και των μέσων κοινωνικής δικτύωσης, τα ιατρικά

και νομικά ζητήματα σχετικά με το ηλεκτρονικό εμπόριο φαρμάκων, τις δυνατότητες που παρέχει η τηλεϊατρική, αλλά και τα νομικά και ιατρικά ζητήματα που γεννά η εφαρμογή της, τους κινδύνους που περικλείει η ηλεκτρονική διαχείριση των ιατρικών δεδομένων και τους δικαιϊκούς κανόνες που έχουν τεθεί για τη ρύθμισή της, τον ρόλο του διαδικτύου στην άσκηση της ιατρικής και την ανάδειξη της σύγκρουσης συμφερόντων και τέλος θα ασχοληθούμε με τις δυσφημιστικές ενέργειες σε βάρος ιατρών μέσω διαδικτύου και τη νομική τους αξιολόγηση. Η παρουσία τόσων αξιόλογων ομιλητών από την Ελλάδα και από άλλες χώρες αποτελεί εγγύηση για την ποιότητα των εισηγήσεων και της συζήτησης που θα ακολουθήσει.

Σας ευχαριστώ και πάλι.

Xαιρετισμός

Ευστάθιος Κουτσοχήνας

Πρόεδρος Δικηγορικού Συλλόγου Θεσσαλονίκης

Αξιότιμοι κυρίες και κύριοι καλησπέρα σας!

Ο Δικηγορικός Σύλλογος Θεσσαλονίκης αναγνωρίζοντας την ανάγκη για κοινό στοχασμό πάνω στα σύγχρονα προβλήματα, που απασχολούν την ανθρωπότητα, συνδιοργανώνει με το Εργαστήριο Μελέτης Ιατρικού Δικαίου και Βιοηθικής του ΑΠΘ και τον Ιατρικό Σύλλογο Θεσσαλονίκης το διεθνές συνέδριο με θέμα «Nέες τεχνολογίες στην υγεία: ιατρικά, νομικά και ηθικά ζητήματα». Ευελπιστούμε ότι με την προώθηση της διαδικασίας του ανοιχτού επιστημονικού διαλόγου οι εποικοδομητικές προτάσεις, οι απόψεις και τα σχόλια, που θα κατατεθούν στα πλαίσια των συνεδριών και των εισηγήσεων των εκλεκτών ομιλητών, θα τύχουν επεξεργασίας και θα ληφθούν υπόψη προκειμένου να πραγματοποιηθούν οι επιδιωκόμενοι στόχοι του συνεδρίου και να δρομολογηθούν συντονισμένες θέσεις και δράσεις πάντα προς όφελος του κοινωνικού συνόλου.

Κανείς δεν μπορεί να αμφισβητήσει ότι έχουν επέλθει ραγδαίες εξελίξεις στον τρόπο που επικοινωνούμε, συμπεριφερόμαστε, εργαζόμαστε και ζούμε λόγω του υψηλού επιπέδου της τεχνολογίας που έχει επιτευχθεί τον 21ο αιώνα. Έτσι και στην υγεία η εξέλιξη των τεχνολογικών εφαρμογών είναι εδώ και είναι αλματώδης.

Η σύνδεση της γνώσης με τη δράση είναι μία από τις μεγαλύτερες προκλήσεις του παγκόσμιου συστήματος υγείας. Αυτή η σύνδεση επιτυγχάνεται συχνά μέσω καινοτομιών, οι οποίες συνήθως ξεκινούν με τη βασική έρευνα που στη συνέχεια μεταφράζεται σε νέες τεχνολογίες υγείας. Εφόσον με κατάλληλη στρατηγική προωθείται η ισότητα στην υγεία, τότε κρίνεται θεμιτό αλλά και αναγκαίο η παγκόσμια γνώση να προσαρμοστεί στα δεδομένα της κάθε χώρας.

Ερευνάται, ωστόσο, αν οποιαδήποτε μορφή ιατρικής τεχνολογίας αποτελεί εργαλείο που επιτρέπει στους καταναλωτές-ασθενείς να κάνουν τις σχετικές αλλαγές για την υγεία τους με βάση την ποιότητα, την άνεση και το κόστος.

Η τεχνολογία αναμφισβήτητα κατευθύνει την ιατρική και την χειρουργική σε καινοτόμες λύσεις που δεν μπορούμε να φανταστούμε. Έχουμε ακούσει για την ευρεία χρήση ρομποτικής χειρουργικής, την τεχνητή νοημοσύνη, την τρισδιάστατη εκτύπωση τεχνητών μελών και την χρήση big-data για εξατομικευμένες θεραπευτικές λύσεις. Η δυνατότητα διασύνδεσης των νοσοκομείων, ιατρών,

ασθενοφόρων, ασθενών και ιατρικών συσκευών για την πραγματοποίηση περίθαλψης σε άμεσο χρόνο και χώρο, είναι πολύ πιο κοντά από ότι φανταζόμαστε.

Οι νέες τεχνολογίες, μετά βεβαιότητας, δημιουργούν προκλήσεις σχετικά με τους γνωστούς παραδοσιακούς τρόπους διεξαγωγής διαφόρων διαδικασιών. Είναι, επίσης, κοινά παραδεκτό ότι παρέχουν «μέσα» για τη βελτίωση της αποτελεσματικότητας, της ευελιξίας και της άνεσης για όλα τα εμπλεκόμενα μέρη. Αναντίρρητα, η αξιοποίηση των νέων τεχνολογιών με στόχο μια χρηστή, διαφανή, υπεύθυνη, αποτελεσματική και ποιοτική παροχή υπηρεσιών ικανοποιούν το κριτήριο του δημοσίου συμφέροντος.

Βεβαίως, θα πρέπει να μας προβληματίσει η υπό διαμόρφωση πραγματικότητα της εισαγωγής εφαρμογών τεχνητής νοημοσύνης στην παροχή ιατρικών υπηρεσιών, γεγονός που οφείλεται επίσης στη ραγδαία τεχνολογική ανάπτυξη. Η προοπτική αυτή αναμφίβολα θα επηρεάσει το περιβάλλον εργασίας πολλών κλάδων αλλά και τα ποιοτικά χαρακτηριστικά του συστήματος υγείας. Όπως, όμως, υποστηρίζει όλος ο νομικός κόσμος ότι η δικαστική απόφαση και οι δικηγορικές υπηρεσίες δεν μπορεί και δεν πρέπει να είναι προϊόν μηχανικής ή αυτόματης διεργασίας, έτσι κι οι ιατρικές τεχνολογικές υπηρεσίες δεν μπορεί και δεν πρέπει να παρέχονται αποκλειστικά από ηλεκτρονικές μηχανές, οι οποίες μόνο «βοήθεια» προς την ανθρώπινη νοημοσύνη θα πρέπει να παρέχουν. Τα δεδομένα για την υγεία πρέπει να αντιμετωπίζονται με προσοχή, με διαφάνεια και με δίκαιο τρόπο, έτσι ώστε η αποτελεσματικότητα να μη λειτουργεί εις βάρος της εμπιστοσύνης. Να μην ξεπεραστούν, δηλαδή, εκείνα τα όρια που θα απομονώσουν και θα βλάψουν το ηθικό του ασθενούς. Για αιώνες, οι κοινές αρετές της αμοιβαίας εμπιστοσύνης, της δικαιοσύνης και της ισότητας, αποδείχθηκαν ακρογωνιαίοι λίθοι για την επιβίωση οποιουδήποτε συστήματος λογικής. Χωρίς εσωτερική λογική συνοχή, τα συστήματα τεχνητής νοημοσύνης υστερούν σε λογοδοσία και ανθεκτικότητα – δύο κρίσιμους συντελεστές για την ύπαρξη εμπιστοσύνης σε μια κοινωνία. 

Κάποιοι λένε ότι η τεχνητή νοημοσύνη θα βοηθήσει τους ανθρώπους να ζήσουν για πάντα, άλλοι λένε ότι θα καταστρέψει την ανθρωπότητα. Η υπερβολή περιβάλλει όλα τα πράγματα γύρω από την Τεχνητή Νοημοσύνη, όμως αυτές οι τεχνολογίες έχουν μπει σε κάθε πτυχή της ζωής μας, συμπεριλαμβανομένης και της υγειονομικής περίθαλψης, οπότε είναι σημαντικό να αποφασίσουμε ως προς το τι είναι εφικτό και πού ελλοχεύουν κίνδυνοι.

Κυρίες και κύριοι, κατά τη διάρκεια μιας οποιασδήποτε μέρας, χωρίς να το συνειδητοποιούμε, παίρνουμε ένα σωρό αποφάσεις ηθικού χαρακτήρα. Εννοείται πως οι αποφάσεις που λαμβάνουμε υπακούουν σε πρότυπα υψηλότερης ηθικής στάθμης από τη στατιστική ακρίβεια. Το θέμα βέβαια είναι να μην αλλάζει κανείς ηθικό σύστημα κάθε φορά που περνάει τα σύνορα, αφού η τεχνική αλληλεξάρτηση

όλων των τόπων του πλανήτη μας είναι δεδομένη και ο άνθρωπος δεν πρέπει να μένει ανυπεράσπιστος μπροστά στα επιτεύγματά του. Γιατί όπως είπε ο σερ Άρθουρ Τσαρλς Κλαρκ, Άγγλος συγγραφέας επιστημονικής φαντασίας: «Υπερεκτιμούμε την τεχνολογία βραχυπρόθεσμα και υποτιμούμε την τεχνολογία μακροπρόθεσμα».

Σας ευχαριστώ

1η ΣΥΝΕΔΡΙΑ

Τεχνητή νοημοσύνη και οι εφαρμογές της
στον χώρο της υγείας

Προεδρία

Νικόλαος Μπιτζιλέκης, Καθηγητής, Νομική Σχολή, ΑΠΘ

Artificial Intelligence and its applications
in the field of medicine

Chrysanthi Sardeli

Associate Professor, Department of Medicine, AUTh

Conflict of Interest

• None relevant to this talk.

Artificial intelligence (AI) aims to mimic human cognitive functions

• A range of techniques allow computers to perform tasks typically thought to require human reasoning and problem-solving skills

• That paradigm shift, powered by an increasing availability of healthcare data and rapid progress of analytics techniques, aims to:

– improve patient care,

– address the shortage of qualified healthcare professionals,

– improve process efficiency.

Artificial Intelligence is meant as a tool

• It is designed to complement, not replace, a doctor’s best judgment.

• It cannot improve surgical or other medical performance.

• It is depended on the user, the data and the algorithm used.

AI applications in Healthcare

Use cases of AI applications in Healthcare

• Automated Report Generation.

• Biomarker Discovery.

• Clustering and Phenotype Discovery.

• Computational Drug Discovery and Drug Effectiveness.

• Converting Paperwork into Digital Data.

• Counterfeit Drug Analysis.

• Digital Pathology.

• Face Recognition.

• Genomic Data Mapping and Analysis for Personalized Healthcare and Precision Medicine.

• Hospital Patient Management System.

• Market Intelligence for Scientific Research.

• Medical Diagnosis Assistance.

• Medical Image Analysis.

• Medical Treatment Recommendation.

• Medication Compliance for Clinical Trials and General Usage.

• Methods for Monitoring Vitals.

• Mining, Processing, and Making Sense of Clinical Notes.

• Patient Data Processing.

• Portable and Low-Cost Ultrasound Device.

• Predicting Illness and Patient Outcomes.

• Text Classification and Mining for Biomedical Literature.

• Healthcare VDAs.

Workflow and administrative tasks

Data gathering, combination & analysis

• Medicine generates vast amounts of data that are currently exceeding our capacity to process and use them. Machine Learning, an AI technology, can use these data to build algorithms that allow computer-based systems to use these data to generate models for meaningful interpretation and potential clinical use.

• Increased computational power helps analyze larger quantities of data faster and with a higher degree of accuracy.

• Voice-to-text transcriptions can help order tests, prescribe medications and write chart notes.

• Algorithms can standardize assessment and treatment according to up-to-date guidelines, raising minimum standards and reducing unwarranted variation.

Connecting Patients and Physicians

• The use of telemedicine can improve access to healthcare, providing advice locally and in real- time to patients or clinicians located away from major cities and highly specialized medical facilities.

• Virtual Nursing Assistants can provide medical advice when one has common ailments or complaints but also allows one to schedule an appointment with a doctor or a specialist, instead of searching for causes of the symptoms that one is suffering from.

• Sensely’s “Molly”.

Electronic Health Records

• EHRs haven't completely replaced paper yet, and even though their use is pervasive, receptionists, medical assistants and doctors must do a lot of manual entry.

• Voice recognition capabilities are replacing keyboards.

• AI is being used to identify pre-symptomatic patterns in electronic healthcare records (EHRs) so more and earlier alerts can be sent to healthcare providers regarding for example antibiotic resistance or medical emergencies like sepsis.

Medical Diagnosis

Analyzing severity of symptoms

• Video-based image recognition capabilities will likely supplement EHRs in the future because it provides additional insight into patients' conditions that AI is capable of analyzing, but humans may miss.

• For example, image analysis systems can tell when a patient is lying about pain, which may indicate opiate-seeking behavior.

Antibiotic Resistance

• Researchers use machine learning (an AI technique) to identify genes that cause antibiotic resistance in bacteria.

• Pervasive use of antibiotics is resulting in antibiotics-resistant bacteria that kills 70,000 people per year globally.

Surgery & other forms of treatment

IBM, Watson for oncology

Passed United States medical license examination in 2012.

16.BIT, Automatic calculation of bone age using computer software

Intuitive Surgical, The DaVinci Surgical System

Auris Health-Hansen Medical, The Monarch Platform, the Magellan & Sensei Robotic Systems

HoloSurgical, ARAI System

Robokind, Milo

• The robots are used to assist with common treatments, cognitive-behavior theory (CBT) and applied behavioral analysis (ABA), and target three skills: joint attention, imitation, and turn taking.

• Robots get children with autism

• to make eye-contact,

• to make mistakes they can learn from,

• robots make simpler facial expressions that are easier to read by autistic children.

Neurorehabilitation

• Exoskeleton type robots (Armeo®Spring, Armeo®Power, and Myomo®)

• End-effector type robots (InMotion™, Burt®, Kinarm™, REAplan®)

Computational Drug Discovery

Clinical Trials

Berg, Interrogative Biology® & bAIcis®

The Traditional Drug Development Process hypotheses generating data

• Rigid process for understanding a disease pathway mechanism yet culminates with broad toxicity and efficacy estimates.

• Relies on tools that churn existing data and don't improve productivity.

• Treats a specific problem with little implication for the broader biological system.

• Capital intensive and binary business model.

• Broad treatments with little precision.

The New Discovery and Development Process

data generating hypotheses

• Platform identifies novel targets, phenotype and clinical correlates.

• Capacity for identifying safer treatments.

• Improved outcomes with declining costs.

• Generates network effects of lower incremental therapy costs.

• Requires a robust and diverse set of human sample, high-quality data, leading technology, and top talent.

Health & wellness

Google, DeepMind

• Google’s DeepMind Health AI software is being used by hospitals all over the world to help move patients from testing to treatment more efficiently.

• The DeepMind Health program notifies doctors when a patient’s health deteriorates and can even help in the diagnosis of ailments by combing its massive dataset for comparable symptoms. By collecting symptoms of a patient and inputting them into the DeepMind platform, doctors can diagnose quickly and more effectively.

Smart Devices

Wearables

• A wearable device may allow for constant monitoring of a patient and also allow for the ability to notice changes that may be less distinguishable by humans, earlier than usually.

• Diagnostic/Monitoring

• Activity Monitors/Trackers.

• Smartwatches.

• Smart-clothing.

• Others (biosensors, blood pressure monitors, glucose monitoring systems).

• Therapeutic

• Wearable Defibrillators.

• Drug Delivery Devices (Injectors, Patches).

• Pain Management Devices (TENS, EMS).

• Hearing Aids.

Implantable defibrillators

• An implantable defibrillator is a device that monitors the heart rhythms of patients at risk of a sudden heart attack. The device also administers a shock if necessary.

Σελ. 21

STMicroelectronics, The Body Gateway

• mHealth Platform for Wearable Devices.

Cybersecurity/Fraud Detection

Cybersecurity

• Beyond fraudulent activity, the litany of data breaches, such as Wanna Cry or Petya, over the past few years has made cyber security a major concern for health care organizations.

• Health care breaches are estimated to cost organizations $380 per patient record.

• Using AI to monitor and detect abnormal interactions with proprietary data could create $2 billion in annual savings by reducing health record breaches.

WhiteHatAI Centaur for claims/for opioids

• Errors and fraud are a similarly expensive problem for health care organizations and also for insurers.

• Fraud detection has traditionally relied on a combination of computerized (rules-based) and manual reviews of medical claims. It’s a time-consuming process that hinges on being able to quickly spot anomalies after the incident occurs in order to intervene.

• Health insurers are experimenting with AI-supported data mining, coupled with AI - based neural networks (which mimic the processes of the human brain, but much more quickly) to search Medicare claims for patterns associated with medical reimbursement fraud.

Will patients be safe or safer?

• Proponents argue machines don’t get tired, don’t allow emotion to influence their judgement, make decisions faster and can be programmed to learn more readily than humans.

• Opponents say human judgement is a fundamental component of clinical activity and the ability to take a holistic approach to patient care is the essence of what it means to be a doctor.

The 6Rs – or how AI can learn from Clinical Pharmacology?

• Right Drug.

• Right Patient.

• Right Route.

• Right Dosage.

• Right Duration.

• Right Documentation.

• Relevant and well-defined clinical question first.

• Right data (ie, representative and of good quality).

• Ratio between number of patients and their variables should fit the AI method.

• Relationship between data and ground truth should be as direct and causal as possible.

• Regulatory ready, enabling validation.

• Right AI method.

Ethical Issues (to name but a few!)

• The widespread introduction of new AI healthcare technology will help some patients but expose others to unforeseen risks . What is the threshold for safety on this scale – how many people must be helped for one that might be harmed? How does this compare to the standards to which a human clinician is held?

• Who will be responsible for harm caused by AI mistakes – the computer programmer, the tech company, the regulator or the clinician?

• Should a doctor have an automatic right to over-rule a machine’s diagnosis or decision? Should the reverse apply equally?

Thank you for your attention!