論文の概要: From Knowledge to Legitimacy: A Philosophical Problem Discovery of AI Implementation Readiness in Public Health Disease Surveillance
- arxiv url: http://arxiv.org/abs/2609.39513v1
- Date: Wed, 30 Sep 2026 11:15:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:27.597294
- Title: From Knowledge to Legitimacy: A Philosophical Problem Discovery of AI Implementation Readiness in Public Health Disease Surveillance
- Title（参考訳）: 知識から合法へ:公衆衛生疾患サーベイランスにおけるAI導入準備の哲学的問題発見
- Abstract要約: 本研究は, テーマ分析と哲学的分析を統合し, 疾患監視におけるAI導入に伴う構造的, 規範的障壁について検討する。
この分析は、実装準備の4つの相互関係の次元を特定する。
本研究は, 疾患監視におけるAI実装を, 同時に社会技術および規範的プロセスとして概念化する理論的枠組みを開発する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Despite being an emerging credible means of using artificial intelligence (AI) for improving disease surveillance via early detection of outbreaks, epidemics prediction and evidence-based decision-making, there continue to be challenges in the use of AI tools in many low- and middle-income countries (LMICs) due to various factors including fragmented health information system, digital inequality, governance problems and institutional incapability. Most of the research conducted so far has concentrated on the efficacy and accuracy of AI in terms of predicting outbreaks, with little focus on other conditions necessary for its deployment. This study adopts a qualitative problem-discovery research design, integrating thematic analysis with philosophical analysis to examine the structural and normative barriers surrounding AI implementation in disease surveillance. The analysis identifies four interrelated dimensions of implementation readiness: epistemic adequacy, distributive justice, ethics of governance, and institutional legitimacy. These dimensions provide a framework for understanding how limitations in knowledge integration, unequal digital infrastructure, privacy and accountability concerns, and deficits in institutional and public trust can constrain the practical adoption of AI-enabled surveillance. Rather than proposing another predictive model, this study develops a theoretical framework that conceptualizes AI implementation in disease surveillance as simultaneously a socio-technical and normative process. The framework provides a foundation for subsequent empirical investigation and offers a structured perspective for designing more context-sensitive, ethically grounded, and institutionally sustainable AI-enabled disease surveillance systems in resource-constrained healthcare settings.
- Abstract（参考訳）: 感染症の早期発見、流行予測、エビデンスに基づく意思決定を通じて、人工知能(AI)による疾病の監視を改善する新たな信頼性の高い手段であるにもかかわらず、断片化された健康情報システム、デジタル不平等、ガバナンス問題、制度的障害など、多くの低所得国(LMIC)におけるAIツールの使用には、引き続き課題がある。
これまで行われた研究のほとんどは、アウトブレイクの予測に関して、AIの有効性と正確性に集中しており、その展開に必要な他の条件にはほとんど焦点を当てていない。
本研究は, 病的監視におけるAI導入に伴う構造的, 規範的障壁を検討するために, 理論的解析と哲学的分析を統合した定性的な問題発見研究設計を採用する。
この分析は、エピステマティック・アデクシー、分配的正義、ガバナンスの倫理、制度的正当性という、実装の即応性の4つの側面を識別する。
これらの次元は、知識統合の制限、不平等なデジタルインフラストラクチャ、プライバシと説明責任の懸念、機関的および公共的信頼の欠陥が、AI対応監視の実践的導入を妨げているかを理解するためのフレームワークを提供する。
本研究は、別の予測モデルを提案するのではなく、疾患監視におけるAI実装を同時に社会技術および規範的プロセスとして概念化する理論的枠組みを開発する。
このフレームワークは、その後の経験的調査の基礎を提供し、より文脈に敏感で倫理的に根ざした、そして制度的に持続可能なAI対応疾患監視システムを、リソースに制約された医療環境で設計するための構造化された視点を提供する。
関連論文リスト
- Responsible Evaluation of AI for Mental Health [72.85175110624736]
メンタルヘルスケアにおけるAIツールの評価に対する現在のアプローチは、断片化されており、臨床実践、社会的コンテキスト、ファーストハンドのユーザエクスペリエンスと不整合である。
本稿では,臨床の健全性,社会的文脈,公平性を統合した学際的枠組みを導入することにより,責任ある評価を再考する。
論文 参考訳（メタデータ） (2026-01-20T12:55:10Z) - AI Deception: Risks, Dynamics, and Controls [153.71048309527225]
このプロジェクトは、AI偽装分野の包括的で最新の概要を提供する。
我々は、動物の偽装の研究からシグナル伝達理論に基づく、AI偽装の正式な定義を同定する。
我々は,AI偽装研究の展望を,偽装発生と偽装処理の2つの主要な構成要素からなる偽装サイクルとして整理する。
論文 参考訳（メタデータ） (2025-11-27T16:56:04Z) - Medical Reasoning in the Era of LLMs: A Systematic Review of Enhancement Techniques and Applications [59.721265428780946]
医学における大きな言語モデル(LLM)は印象的な能力を実現しているが、体系的で透明で検証可能な推論を行う能力に重大なギャップが残っている。
本稿は、この新興分野に関する最初の体系的なレビューを提供する。
本稿では,学習時間戦略とテスト時間メカニズムに分類した推論強化手法の分類法を提案する。
論文 参考訳（メタデータ） (2025-08-01T14:41:31Z) - Ethical AI in the Healthcare Sector: Investigating Key Drivers of Adoption through the Multi-Dimensional Ethical AI Adoption Model (MEAAM) [1.5458951336481048]
本稿では,多次元倫理AI導入モデル(MEAAM)を紹介する。
Ethical AI Fair AI、Responsible AI、Explainable AI、Sustainable AIの4つの基本次元の13の批判的倫理変数を分類する。
これらの倫理的構成が、オペレーショナルAI導入とシステミックAI導入の2つの結果に与える影響を調査する。
論文 参考訳（メタデータ） (2025-05-04T10:40:05Z) - Artificial Intelligence-Driven Clinical Decision Support Systems [5.010570270212569]
この章は、医療で信頼できるAIシステムを作るには、公平さ、説明可能性、プライバシーを慎重に考慮する必要があることを強調している。
AIによる公平な医療提供を保証するという課題は強調され、臨床予測モデルのバイアスを特定し緩和する方法が議論されている。
この議論は、ディープラーニングモデルのデータ漏洩からモデル説明に対する高度な攻撃に至るまで、医療AIシステムのプライバシ脆弱性の分析に進展している。
論文 参考訳（メタデータ） (2025-01-16T16:17:39Z) - Addressing Intersectionality, Explainability, and Ethics in AI-Driven Diagnostics: A Rebuttal and Call for Transdiciplinary Action [0.30693357740321775]
人工知能の医療診断への統合の増大は、その倫理的および実践的な意味を批判的に検証する必要がある。
本稿は、AIによる診断が多様な人口に公平かつ倫理的に役立っていることを保証するために、正確さと公正性、プライバシ、傾きのバランスをとるフレームワークを提案する。
論文 参考訳（メタデータ） (2025-01-15T00:00:01Z) - A Conceptual Algorithm for Applying Ethical Principles of AI to Medical Practice [5.005928809654619]
AIを利用するツールは、複数のドメインにまたがる専門家レベルのパフォーマンスに、ますます一致するか、超えている。
これらのシステムは、人口、人種、社会経済の境界を越えたケア提供の格差を減らすことを約束している。
このようなAIツールの民主化は、ケアコストを削減し、リソース割り当てを最適化し、ケアの質を向上させる。
論文 参考訳（メタデータ） (2023-04-23T04:14:18Z) - Causal Fairness Analysis [68.12191782657437]
意思決定設定における公平性の問題を理解し、モデル化し、潜在的に解決するためのフレームワークを導入します。
我々のアプローチの主な洞察は、観測データに存在する格差の定量化と、基礎となる、しばしば観測されていない、因果的なメカニズムの収集を結びつけることである。
本研究は,文献中の異なる基準間の関係を整理し,説明するための最初の体系的試みであるフェアネスマップにおいて,本研究の成果を左右するものである。
論文 参考訳（メタデータ） (2022-07-23T01:06:34Z) - An interdisciplinary conceptual study of Artificial Intelligence (AI)
for helping benefit-risk assessment practices: Towards a comprehensive
qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。
目的は、AIシステムを評価するための共有概念や相違点を特定することである。
論文 参考訳（メタデータ） (2021-05-07T12:01:31Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。