O czasopiśmie
Kolegium Redakcyjne
Rada Naukowa
Recenzenci
Kodeks Etyczny
Polityka AI
Wydania Specjalne
Terminy czasopisma
RODO - informacje o przetwarzaniu danych osobowych
Indeksacja
Licencje i dostęp
Archiwum
Dla autorów
Zasady publikacji
Techniczna instrukcja dla autorów
Umowa o udzielenie nieodpłatnej licencji CC BY-SA
Oświadczenie autora o prawach autorskich
Procedura publikacji
Procedura recenzowania
Formularz recenzji .doc
Formularz recenzji .pdf
Kontakt
O czasopiśmie
Kolegium Redakcyjne
Rada Naukowa
Recenzenci
Kodeks Etyczny
Polityka AI
Wydania Specjalne
Terminy czasopisma
RODO - informacje o przetwarzaniu danych osobowych
Indeksacja
Licencje i dostęp
PRACA ORYGINALNA
Etyczne wyzwania sztucznej inteligencji (AI) w medycynie. Analiza na wybranych przykładach
1
Medical University of Gdańsk
Data nadesłania: 10-02-2025
Data ostatniej rewizji: 01-08-2025
Data akceptacji: 11-08-2025
Data publikacji: 31-10-2025
JoMS 2025;63(3):658-678
SŁOWA KLUCZOWE
etyka medycznaetyka sztucznej inteligencjisztuczna inteligencja w onkologiiAI w psychiatriiAI w edukacji medycznej
DZIEDZINY
STRESZCZENIE
Cel pracy:
Celem artykułu jest analiza etycznych wyzwań związanych z wykorzystaniem sztucznej inteligencji (AI) w medycynie. Autorzy koncentrują się na konkretnych przypadkach, aby ukazać, jak technologie oparte na AI mogą generować problemy etyczne w kontekście diagnozy, leczenia i zarządzania danymi pacjentów.
Materiał i metody:
W artykule zastosowano podejście analityczne i opisowe. Autorzy podjęli próbę eksplikacji konkretnych przykładów zastosowania sztucznej inteligencji w medycynie. Analizy przeprowadzono w oparciu o istniejące badania dotyczące etycznych aspektów AI, takich jak prywatność danych, uprzedzenia algorytmiczne i odpowiedzialność za błędy systemów sztucznej inteligencji. W aspektach normatywnych autorzy odnoszą się do zasad bioetyki, aby ocenić wpływ AI na praktykę medyczną.
Wyniki:
Autorzy podkreślają wyzwania związane z ochroną danych pacjentów w systemach sztucznej inteligencji, szczególnie w kontekście przetwarzania danych wrażliwych. Wskazano na ryzyko dyskryminacji wynikające z nieodpowiednio dobranych danych treningowych, co może prowadzić do błędnych diagnoz lub nierównego traktowania pacjentów. Zidentyfikowano problem braku jasności w określeniu odpowiedzialności za błędy popełnione przez systemy sztucznej inteligencji – czy odpowiada za nie lekarz, programista, czy twórca technologii. Autorzy zauważyli, że nadmierne poleganie na AI może osłabić zaufanie pacjenta do lekarza oraz wpłynąć na zmniejszenie empatii w procesie leczenia. Artykuł podkreśla konieczność stworzenia regulacji i wytycznych dotyczących implementacji sztucznej inteligencji w medycynie, aby zminimalizować ryzyko etyczne.
Wnioski:
Na dzień dzisiejszy trudno przewidzieć wszystkie wyzwania etyczne związane ze stosowaniem AI w medycynie. Ten obszar wymaga czujności i krytycznej refleksji.
Celem artykułu jest analiza etycznych wyzwań związanych z wykorzystaniem sztucznej inteligencji (AI) w medycynie. Autorzy koncentrują się na konkretnych przypadkach, aby ukazać, jak technologie oparte na AI mogą generować problemy etyczne w kontekście diagnozy, leczenia i zarządzania danymi pacjentów.
Materiał i metody:
W artykule zastosowano podejście analityczne i opisowe. Autorzy podjęli próbę eksplikacji konkretnych przykładów zastosowania sztucznej inteligencji w medycynie. Analizy przeprowadzono w oparciu o istniejące badania dotyczące etycznych aspektów AI, takich jak prywatność danych, uprzedzenia algorytmiczne i odpowiedzialność za błędy systemów sztucznej inteligencji. W aspektach normatywnych autorzy odnoszą się do zasad bioetyki, aby ocenić wpływ AI na praktykę medyczną.
Wyniki:
Autorzy podkreślają wyzwania związane z ochroną danych pacjentów w systemach sztucznej inteligencji, szczególnie w kontekście przetwarzania danych wrażliwych. Wskazano na ryzyko dyskryminacji wynikające z nieodpowiednio dobranych danych treningowych, co może prowadzić do błędnych diagnoz lub nierównego traktowania pacjentów. Zidentyfikowano problem braku jasności w określeniu odpowiedzialności za błędy popełnione przez systemy sztucznej inteligencji – czy odpowiada za nie lekarz, programista, czy twórca technologii. Autorzy zauważyli, że nadmierne poleganie na AI może osłabić zaufanie pacjenta do lekarza oraz wpłynąć na zmniejszenie empatii w procesie leczenia. Artykuł podkreśla konieczność stworzenia regulacji i wytycznych dotyczących implementacji sztucznej inteligencji w medycynie, aby zminimalizować ryzyko etyczne.
Wnioski:
Na dzień dzisiejszy trudno przewidzieć wszystkie wyzwania etyczne związane ze stosowaniem AI w medycynie. Ten obszar wymaga czujności i krytycznej refleksji.
Licencja
REFERENCJE (63)
1.
Abd-Alrazaq, A., AlSaad, R., Aziz, S., Ahmed, A., Denecke, K., Househ, M., Farooq, F., Sheikh, J. (2023). Wearable Artificial Intelligence for Anxiety and Depression: Scoping Review. Journal of Medical Internet Research, 25, e42672, https://doi.org/10.2196/42672.
2.
Ahmed, A., Aziz, S., Toro, C.T., Alzubaidi, M., Irshaidat, S., Serhan, H.A., Abd-Alrazaq, A.A.A., Househ, M. (2022). Machine learning models to detect anxiety and depression through social media: A scoping review. Computer methods and programs in biomedicine update, 2, 100066, https://doi.org/10.1016/j.cmpb....
3.
Alsharif, F. (2024). Artificial Intelligence in Oncology: Applications, Challenges and Future Frontiers. International Journal of Pharmaceutical Investigation, 14(3), 647–656, https://doi.org/10.5530/ijpi.1....
4.
Ardila, D., Kiraly, A.P., Bharadwaj, S., Choi, B., Reicher, J.J., Peng, L., Tse, D., Etemadi, M., Ye, W., Corrado, G., Naidich, D.P., Shetty, S. (2019).End-to-end lung cancer screening with three-dimensional deep learning on low-dose chest computed tomography. Nature Medicine, 25(6), 954–961. https://doi.org/10.1038/s41591....
5.
Banjar, H., Ranasinghe, D., Brown, F., Adelson, D., Kroger, T., Leclercq, T., White, D., Hughes, T., Chaudhri, N. (2017). Modelling Predictors of Molecular Response to Frontline Imatinib for Patients with Chronic Myeloid Leukaemia, 12(1), e0168947. PLOS ONE, https://doi.org/10.1371/journa....
6.
Baxi, V., Edwards, R., Montalto, M., Saha, S. (2022). Digital pathology and artificial intelligence in translational medicine and clinical practice. Modern Pathology, 35(1), 23–32, https://doi.org/10.1038/s41379....
7.
Blanco-González, A., Cabezón, A., Seco-González, A., Conde-Torres, D., Antelo-Riveiro, P., Piñeiro, Á., Garcia-Fandino, R. (2023). The Role of AI in Drug Discovery: Challenges, Opportunities, and Strategies.Pharmaceuticals, 16(6), 891, https://doi.org/10.3390/ph1606....
8.
Bremer-Hoeve, S., van Vliet, N.I., van Bronswijk, S.C., Huntjens, R.J.C., de Jongh, A., van Dijk, M.K. (2023). Predictors of treatment dropout in patients with posttraumatic stress disorder due to childhood abuse. Front. Psychiatry, 14,1194669, https://doi: 10.3389/fpsyt.2023.1194669.
9.
Brown, C., Story, G. W., Mourão-Miranda, J., Baker, J.T. (2021). Will artificial intelligence eventually replace psychiatrists. The British Journal of Psychiatry, 218(3), 131–134, https://doi.org/10.1192/bjp.20....
10.
Bush, N.E., Armstrong, C.M., Hoyt, T.V. (2019). Smartphone apps for psychological health: A brief state of the science review. Psychological Services, 16(2), 188–195, https://doi.org/10.1037/ser000....
11.
Chałubińska-Jentkiewicz, K. (2024). Prawo do prywatności w czasach nadzoru i sztucznej inteligencji. Themis Polska Nova, 1(15), 71–93, https://doi.org/10.15804/tpn20....
12.
Chan, K.S., Zary, N. (2019). Applications and challenges of implementing artificial intelligence in medical education: integrative review. JMIR Medical Education, 5(1), e13930, https://doi.org/10.2196/13930.
13.
Chandra, S., Mohammadnezhad, M., Ward, P. (2018). Trust and communication in a doctor- patient relationship: a literature review. J Healthc Commun, 03, doi: 10.4172/2472-1654.100146.
14.
Dyrektywa Parlamentu Europejskiego i Rady (UE) 2024/2853 z dnia 23 października 2024 r. w sprawie odpowiedzialności za produkty wadliwe i uchylenia dyrektywy Rady 85/374/EWG. Dz.U. L 2024/2853, tekst jednolity, https://eur-lex.europa.eu/lega... (dostęp: 1.08.2025).
16.
Mobile Apps That Promote Emotion Regulation, Positive Mental Health, and Well-being in the General Population: Systematic Review and Meta-analysis. Ment Health, 8(11), e31170.JMIR, https://doi.org/10.2196/31170.
17.
Elshoeibi, A.M., Badr, A., Elsayed, B., Metwally, O., Elshoeibi, R., Elhadary, M.R., Elshoeibi, A., Attya, M.A., Khadadah, F., Alshurafa, A., Alhuraiji, A., Yassin, M. (2023). Integrating AI and ML in Myelodysplastic Syndrome Diagnosis: State-of-the-Art and Future Prospects. Cancers, 16(1), 65, https://doi.org/10.3390/cancer....
18.
Elyoseph, Z., Levkovich, I., Shinan-Altman, S. (2024). Assessing prognosis in depression: comparing perspectives of AI models, mental health professionals and the general public. Family medicine and community health, 12(Suppl 1), e002583, https://doi.org/10.1136/fmch-2....
19.
Ferrara, E. (2023). Fairness and bias in artificial intelligence: a brief survey of sources, impacts, and mitigation strategies. Science, 6(3), https://doi: 10.3390/sci6010003.
20.
Gardiner, H., Mutebi, N. (2025). AI and mental healthcare: ethical and regulatory considerations, https://post.parliament.uk/res... (dostęp: 1.08.2025).
21.
Hadi, A., Tran, E., Nagarajan, B., Kirpalani, A. (2024). Evaluation of ChatGPT as a diagnostic tool for medical learners and clinicians. Plos One, 19(7), e0307383, https://doi.org/10.1371/journa....
22.
Hoppe, J.M., Auer, M.K., Strüven, A., Massberg, S., Stremmel, C. (2024). ChatGPT With GPT-4 outperforms emergency department physicians in diagnostic accuracy: retrospective analysis. Journal of Medical Internet Research, 26, e56110, https://doi.org/10.2196/56110.
23.
Kanter, G.P., Packel, E.A. (2023). Health care privacy risks of AI chatbots. JAMA, 330(4), 311–312, https://doi.org/10.1001/jama.2....
24.
Kaźmierczyk, P., Kupis, M., Maj, M. (2022). Biała księga AI w praktyce klinicznej. https://aiwzdrowiu.pl/biala-ks... (dostęp: 1.08.2025).
25.
Kheifetz, Y., Scholz, M. (2019). Modeling individual time courses of thrombopoiesis during multi-cyclic chemotherapy. PloS Computational Biology, 15(3), e1006775, https://doi.org/10.1371/journa....
26.
Komisja Etyki Lekarskiej Naczelnej Rady Lekarskiej (2025). AI. Komentarz do znowelizowanego KEL: art. 12. https://nil.org.pl/aktualnosci... (dostęp: 4.02. 2025).
27.
Konstytucja Rzeczypospolitej Polskiej z dnia 2 kwietnia 1997 r., Dz.U. 1997.78.483, tekst jednolity.
28.
Kotter, E., D’Antonoli, T.A., Cuocolo, R., Hierath, M., Huisman, M., Klontzas, M.E., Martí-Bonmatí, L., May, M.S., Neri, E., Nikolaou, K., Santos, D.P.D., Radzina, M., Shelmerdine, S.C., Bellemo, A. (2025). Guiding AI in radiology: ESR’s recommendations for effective implementation of the European AI Act. Insights into Imaging, 16(1), 33, https://doi.org/10.1186/s13244....
29.
Kp Jayatunga, M., Ayers, M., Bruens, L., Jayanth, D., Meier, C. (2024). How successful are AI-discovered drugs in clinical trials? A first analysis and emerging lessons. Drug Discovery Today, 29(6), 104009, https://doi.org/10.1016/j.drud....
30.
Krause, J., Grabsch, H.I., Kloor, M., Jendrusch, M., Echle, A., Buelow, R.D., Boor, P., Luedde, T., Brinker, T.J., Trautwein, C., Pearson, A.T., Quirke, P., Jenniskens, J., Offermans, K., van den Brandt, P.A., Kather, J.N. (2021). Deep learning detects genetic alterations in cancer histology generated by adversarial networks. The Journal of Pathology, 254(1), 70–79, https://doi.org/10.1002/path.5....
31.
Kundu, S. (2021). How will artificial intelligence change medical training. Communications Medicine, 1(1), 8, https://doi.org/10.1038/s43856....
32.
Kwon, M.R., Chang, Y., Ham, S.Y., Cho, Y., Kim, E.Y., Kang, J., Park, E.K., Kim, K.H., Kim, M., Kim, T.S., Lee, H., Kwon, R., Lim, G.Y., Choi, H.R., Choi, J., Kook, S.H., Ryu, S. (2024). Screening mammography performance according to breast density: a comparison between radiologists versus standalone intelligence detection. Breast Cancer Research, 26(1), 68, https://doi.org/10.1186/s13058....
33.
Lejeune, A., Le Glaz, A., Perron, P-A., Sebti, J., Baca-Garcia, E., Walter, M., Lemey, C., Berrouiguet, S. (2022). Artificial intelligence and suicide prevention: A systematic review. European Psychiatry, 65(1), e19, 1–8, https://doi.org/10.1192/j.eurp....
34.
Lekadir, K., Frangi, A.F., Porras, A.R., Glocker, B., Cintas, C., Langlotz, C.P., Weicken, E., Asselbergs, F.W., Prior, F., Collins, G.S., Kaissis, G., Tsakou, G., Buvat, I., Kalpathy-Cramer, J., Mongan, J., Schnabel, J.A., Kushibar, K., Riklund, K., Marias, K., Amugongo, L.M., Fromont, L.A., Maier-Hein, L., Cerdá-Alberich, L., Martí-Bonmatí, L., Cardoso, M.J., Bobowicz, M., Shabani, M., Tsiknakis, M., Zuluaga, M.A., Fritzsche, M., Camacho, M., Linguraru, M.G., Wenzel, M., Bruijne, M.D., Tolsgaard, M.G., Goisauf, M., Abadía, M.C., Papanikolaou, N., Lazrak, N., Pujol, O., Osuala, R., Napel, S., Colantonio, S., Joshi, S., Klein, S., Aussó, S., Rogers, W.A., Salahuddin, Z., Starmans, M.P.A. (2025). FUTURE-AI: international consensus guideline for trustworthy and deployable artificial intelligence in healthcare. bmj, 388, https://doi.org/10.1136/bmj-20....
35.
Li, Y., Xiong, X., Liu, X., Wu, Y., Li, X., Liu, B., Lin, B., Li, Y., Xu, B. (2024). An interpretable deep learning model for detecting BRCA pathogenic variants of breast cancer from hematoxylin and eosin-stained pathological images. PeerJ, 12, e18098, https://doi.org/10.7717/peerj.....
36.
Lin, A., Giuliano, C.J., Palladino, A., John, K.M., Abramowicz, C., Yuan, M.L., Sausville, E.L., Lukow, D.A., Liu, L., Chait, A.R., Galluzzo, Z.C., Tucker, C., Sheltzer, J.M. (2019). Off-target toxicity is a common mechanism of action of cancer drugs undergoing clinical trials. Science Translational Medicine, 11(509), eaaw8412, https://doi.org/10.1126/scitra....
37.
Lipkova, J., Chen, R.J., Chen, B., Lu, M.Y., Barbieri, M., Shao, D., Vaidya, A.J., Chen, C., Zhuang, L., Williamson, D.F.K., Shaban, M., Chen, T.Y., Mahmood, F. (2022). Artificial intelligence for multimodal data integration in oncology. Cancer Cell, 40(10), 10951110, https://doi.org/10.1016/j.ccel....
38.
Mansoor, M.A., Ansari, K.H. (2024). Early Detection of Mental Health Crises through Artifical-Intelligence-Powered Social Media Analysis: A Prospective Observational Study. Journal of Personalized Medicine, 14(9), 958, https://doi.org/10.3390/jpm140....
39.
Marks, M., Haupt, C.E. (2023). AI chatbots, health privacy, and challenges to HIPAA compliance. JAMA, 330(4), 309–310, https://doi.org/10.1001/jama.2....
40.
McCradden, M., Hui, K., Buchman, D.Z. (2023). Evidence, ethics and the promise of artificial intelligence in psychiatry. Journal of Medical Ethics, 49(8), 573–579, https://doi.org/10.1136/jme-20....
41.
Munson, B.P., Chen, M., Bogosian, A., Kreisberg, J.F., Licon, K., Abagyan, R., Kuenzi B.M., Ideker, T. (2024). De novo generation of multi-target compounds using deep generative chemistry. Nature Communications, 15(1), 3636,https://doi.org/10.1038/s41467....
42.
Narayanan, S., Ramakrishnan, R., Durairaj, E., Das, A. (2023). Artificial Intelligence Revolutionizing the Field of Medical Education. Cureus, 15(11), e49604, https://doi.org/10.7759/cureus....
43.
Obradovich, N., Khalsa, S.S., Khan, W.U., Suh, J., Perlis, R.H., Ajilore, O., Paulus, M.P. (2024). Opportunities and risks of large language models in psychiatry. NPP –Digital Psychiatry and Neuroscience, 2(1), 8, https://doi.org/10.1038/s44277....
44.
Owen, D., Lynham, A.J., Smart, S. E., Pardinas, A.F., Camacho Collados, J. (2024). Artificial intelligence for analyzing mental health disorders in social media: a quarter-century narrative review of progress and challenges. Journal of Medical Internet Research, 26, e59225, https://doi.org/10.2196/59225.
45.
Perković, G., Drobnjak, A., Botički, I. (2024). Hallucinations in LLMs: Understanding and addressing challenges. W:47th MIPRO ICT and Electronics Convention (MIPRO), https://doi.10.1109/mipro60963....
46.
Pham, K.T., Nabizadeh, A., Selek, S. (2022). Artificial Intelligence and Chatbots in Psychiatry. The Psychiatric Quarterly, 93(1), 249–253, https://doi.org/10.1007/s11126....
47.
Popa, S.L., Ismaiel, A., Brata, V.D., Turtoi, D.C., Barsan, M., Czako, Z., Pop, C., Muresan, L., Stanculete, M. F., Dumitrascu, D.I. (2024). Artificial Intelligence and medical specialties: support or substitution. Medicine and Pharmacy Reports, 97(4), 409–418, https://doi.org/10.15386/mpr-2....
48.
Rogers, C.R. (1965). The therapeutic relationship: Recent theory and research. Australian Journal of Psychology, 17(2), 95–108, https://psycnet.apa.org/doi/10....
49.
Roos J, Werbart A. (2013). Therapist and relationship factors influencing dropout from individual psychotherapy: A literature review. Psychotherapy Research, 23, 394–418, https://doi: 10.1080/10503307.2013.775528.
50.
Rozporządzenie Parlamentu Europejskiego i Rady (UE) 2024/1689 z dnia 13 czerwca 2024 r. w sprawie ustanowienia zharmonizowanych przepisów dotyczących sztucznej inteligencji oraz zmiany rozporządzeń (WE) nr 300/2008, (UE) nr 167/2013, (UE) nr 168/2013, (UE) 2018/858, (UE) 2018/1139 i (UE) 2019/2144 oraz dyrektyw 2014/90/UE, (UE) 2016/797 i (UE) 2020/1828 (akt w sprawie sztucznej inteligencji). Dz.U. L 2024/1689, tekst jednolity,https://eur-lex.europa.eu/lega... (dostęp: 1.08.2025).
51.
Seitz, L. (2024). Artificial empathy in healthcare chatbots: Does it feel authentic? Computers in Human Behavior. Artificial Humans 2, 100067, https://doi: 10.1016/j.chbah.2024.100067.
52.
Shan, K., Patel, M.A., McCreary, M., Punnen, T.G., Villalobos, F., Tardo, L.M., Okuda, D.T. (2025). Faster and better than a physician? Assessing diagnostic proficiency of ChatGPT in misdiagnosed individuals with neuromyelitis optica spectrum disorder. Journal of the Neurological Sciences, 468, 123360, https://doi.org/10.1016/j.jns.....
53.
Shmatko, A., Ghaffari Laleh, N., Gerstung, M., Kather, J.N. (2022). Artificial intelligence in histopathology: enhancing cancer research and clinical oncology. Nature Cancer, 3(9), 1026–1038, https://doi.org/10.1038/s43018....
54.
Sundar, R., Barr Kumarakulasinghe, N., Huak Chan, Y., Yoshida, K., Yoshikawa, T., Miyagi, Y., Rino, Y., Masuda, M., Guan, J., Sakamoto, J., Tanaka, S., Tan, A.L., Hoppe, M.M., Jeyasekharan, A.D., Ng, C.C.Y., De Simone, M., Grabsch, H.I., Lee, J., Oshima, T., Tsuburaya, A., Tan, P. (2022). Machine-learning model derived gene signature predictive of paclitaxel survival benefit in gastric cancer: results from the randomised phase III SAMIT trial. Gut, 71, 676–685, https://doi.org/10.1136/gutjnl....
55.
Suwała S., Szulc P., Dudek A., Białczyk, A., Koperska, K., Junik, R. (2023). ChatGPT fails the Polish board certification examination in internal medicine: artificial intelligence still has much to learn. Pol Archives Internal Medicine, 133, 16608, https://doi:10.20452/pamw.1660....
56.
Walter, W., Pfarr, N., Meggendorfer, M., Jost, P., Haferlach, T., Weichert, W. (2022). Next-generation diagnostics for precision oncology: Preanalytical considerations, technical challenges, and available technologies. Seminars in cancer biology, 84, 3–15, https://doi.org/10.1016/j.semc....
57.
Wang, L., Chen, X., Zhang, L., Li, L., Huang, Y., Sun, Y., Yuan, X. (2023). Artificial intelligence in clinical decision support systems for oncology. International Journal of Medical Sciences, 20(1), 79–86,https://doi.org/10.7150/ijms.7....
58.
Wang, Y.L., Gao, S., Xiao, Q., Li, C., Grzegorzek, M., Zhang, Y.Y., Li, X.H., Kang, Y., Liu, F.H., Huang, D.H., Gong, T.T., Wu, Q.J. (2024). Role of artificial intelligence in digital pathology for gynecological cancers. Computational and Structural Biotechnology Journal, 24, 205–212, https://doi.org/10.1016/j.csbj....
59.
Wu, N., Phang, J., Park, J., Shen, Y., Huang, Z., Zorin, M., Jastrzebski, S., Fevry, T., Katsnelson, J., Kim, E., Wolfson, S., Parikh, U., Gaddam, S., Lin, L.L.Y., Ho, K., Weinstein, J.D., Reig, B., Gao, Y., Toth, H., Pysarenko, K., Lewin, A., Lee, J., Airola, K., Mema, E., Chung, S., Hwang, E., Samreen, N., Kim, S.G., Heacock, L., Moy, L., Cho, K., Geras, K.J. (2020). Deep Neural Networks Improve Radiologists’ Performance in Breast Cancer Screening. IEEE Transactions on Medical Imaging, 39(4), 1184–1194, https://doi.org/10.1109/TMI.20....
60.
Wu, Y., Mao, K., Dennett, L. i in. (2023). Systematic review of machine learning in PTSD studies for automated diagnosis evaluation. Mental Health Research, 2, 16. npj, https://doi.org/10.1038/s44184....
61.
You, Y., Lai, X., Pan, Y., Zheng, H., Vera, J., Liu, S., Deng, S., Zhang, L. (2022). Artificial intelligence in cancer target identification and drug discovery. Signal Transduction and Targeted Therapy, 7(1), 156, https://doi.org/10.1038/s41392....
62.
Yusuf, A., Pervin, N., Román-González, M. (2024). Generative AI and the future of higher education: a threat to academic integrity or reformation? Evidence from multicultural perspectives. International Journal of Educational Technology in Higher Education, 21, 21, https://doi.org/10.1186/s41239....
63.
Zeng, Q., Klein, C., Caruso, S., Maille, P., Laleh, N.G., Sommacale, D., Laurent, A., Amaddeo, G., Gentien, D., Rapinat, A., Regnault, H., Charpy, C., Nguyen, C.T., Tournigand, C., Brustia, R., Pawlotsky, J.M., Kather, J.N., Maiuri, M.C., Loménie, N., Calderaro, J. (2022). Artificial intelligence predicts immune and inflammatory gene signatures directly from hepatocellular carcinoma histology. Journal of Hepatology, 77(1), 116–127, https://doi.org/10.1016/j.jhep....
Udostępnij
| eISSN: | 2391-789X |
| ISSN: | 1734-2031 |
Przetwarzamy dane osobowe zbierane podczas odwiedzania serwisu. Realizacja funkcji pozyskiwania informacji o użytkownikach i ich zachowaniu odbywa się poprzez dobrowolnie wprowadzone w formularzach informacje oraz zapisywanie w urządzeniach końcowych plików cookies (tzw. ciasteczka). Dane, w tym pliki cookies, wykorzystywane są w celu realizacji usług, zapewnienia wygodnego korzystania ze strony oraz w celu monitorowania ruchu zgodnie z Polityką prywatności. Dane są także zbierane i przetwarzane przez narzędzie Google Analytics (więcej).
Możesz zmienić ustawienia cookies w swojej przeglądarce. Ograniczenie stosowania plików cookies w konfiguracji przeglądarki może wpłynąć na niektóre funkcjonalności dostępne na stronie.
Możesz zmienić ustawienia cookies w swojej przeglądarce. Ograniczenie stosowania plików cookies w konfiguracji przeglądarki może wpłynąć na niektóre funkcjonalności dostępne na stronie.
