Transforming medicine: a critical analysis of the main ethical challenges in the integration of artificial intelligence in evidence-based medicine and personalized medicine

Abstract

Since the late last century, evidence-based medicine (EBM) has become the gold standard in clinical practice, medical training, and health policy development. However,

limitations have been identified, leading to the exploration and development of emerging models, including precision medicine (or personalized medicine). Artificial intelligence (AI) has the potential to significantly transform both EBM and personalized medicine. This paper analyses the ethical considerations posed by the use of AI within the framework of EBM and personalized medicine. The issues of bias and their relationship to the principle of equity, the possibility of discrimination, and transparency and explainability closely associated with the opacity of the algorithmic black box will be analysed first. Subsequently, the problems related to data privacy and security, as well as the responsibility surrounding AI-driven decisions and professional autonomy, will be discussed. Finally, the issues linked to equity in access, informed consent, and the ethical use of genetic information will be examined.Keywords: Evidence-Based Medicine. Personalized Medicine. Artificial Intelligence. BioethicsDesde fines del siglo pasado, la medicina basada en la evidencia (MBE) se ha convertido en el estándar de oro en la práctica clínica, la formación médica y la elaboración de políticas de salud. Sin embargo, se han identificado limitaciones, lo que ha llevado a la exploración y desarrollo de modelos emergentes,entre ellos la medicina de precisión (o medicina personalizada).La inteligencia artificial (IA) tiene el potencial de transformar significativamente tanto la MBE como la medicina personalizada. En este trabajo se analizan las consideraciones éticas que plantea el empleo de la IA en el marco de la MBE y la medicina personalizada. Se analizarán especialmente los problemas de sesgos y su relación con el principio de equidad y la posibilidad de discriminación, la transparencia y explicabilidad en estrecha asociación con la opacidad de la caja negra algorítmica. Posteriormente se analizarán los problemas referidos a la privacidad y seguridad de los datos y la responsabilidad en torno a las decisiones impulsadas por la IA y la autonomía profesional. Finalmente se analizarán los problemas vinculados con la equidad en el acceso,el consentimiento informado y el uso ético de la información genética.Si bien se opta por una mirada que analiza los diferentes problemas de manera aislada, claramente se pueden plantear interrelaciones entre ellos. Por otra parte, es importante destacar a esta altura que algunos problemas que se podrían identificar en relación con el tema en estudio no se han desarrollado en virtud de la extensión de este trabajo.