Sikkerhed

Sikkerhed & Dataetik

Hos Carelog tager vi sikkerhed og dataetik meget alvorligt. Her kan du læse om hvordan vi overholder 9 centrale fund for AI i sundhedssektoren.

Hvordan vi beskytter vores brugere

Vores system integrerer en række sikkerhedsforanstaltninger og protokoller for at sikre, at personoplysninger og sundhedsoplysninger håndteres med den højeste sikkerhed.

9 Centrale Fund fra Projekt

Baseret på retningslinjer fra Data Etisk Råd

Sikkerhed & Dataetik

Hvordan vi beskytter vores brugere

Transskription i realtid

Automatisk sletning af data

Dine data

Åbenhed omkring sikkerheden

9 Centrale Fund fra Projekt

Fund 1: Dataetik er allerede en del af praksis

Fund 2: AI implementeres ud fra mange forskellige motiver

Fund 3: AI giver mest værdi, når det kobles til et klart behov

Fund 4: Data- og modelvalg er afgørende

Fund 5: Det er komplekst og ressourcetungt at lave ansvarlig AI

Fund 6: Samtykke kan være vanskeligt i praksis

Fund 7: Usikkerhed og fejl er centrale temaer i arbejdet med AI

Fund 8: Ønsket om skalering

Fund 9: Der er behov for tværfaglig sparring

Sikkerhed & Dataetik

Hvordan vi beskytter vores brugere

Transskription i realtid

Transskription i realtid

Automatisk sletning af data

Automatisk sletning af data

Dine data

Dine data

Åbenhed omkring sikkerheden

Åbenhed omkring sikkerheden

9 Centrale Fund fra Projekt

Fund 1: Dataetik er allerede en del af praksisEtiske overvejelser er en grundsten i sundhedsprofessionelles arbejde og præger mange beslutninger – også når det gælder brugen af AI.

Fund 1: Dataetik er allerede en del af praksis

Fund 2: AI implementeres ud fra mange forskellige motiverEffektivisering er langt fra den eneste drivkraft. Motivationerne spænder fra faglig nysgerrighed og innovation over organisatorisk modernisering til ønsket om at forbedre sundheden for patienter og borgere.

Fund 2: AI implementeres ud fra mange forskellige motiver

Fund 3: AI giver mest værdi, når det kobles til et klart behovAI har stort potentiale, når det anvendes til at løse et konkret problem. I nogle tilfælde sker implementeringen imidlertid, før behovet er klart defineret.

Fund 3: AI giver mest værdi, når det kobles til et klart behov

Fund 4: Data- og modelvalg er afgørendeUdviklingen af meningsfulde AI-løsninger afhænger i høj grad af valget af data og modeller.

Fund 4: Data- og modelvalg er afgørende

Fund 5: Det er komplekst og ressourcetungt at lave ansvarlig AIDet er ofte en stor opgave at navigere i kravene til udvikling, godkendelse, mærkning og dokumentation.

Fund 5: Det er komplekst og ressourcetungt at lave ansvarlig AI

Fund 6: Samtykke kan være vanskeligt i praksisNår AI bliver integreret i sundhedsfaglige arbejdsgange, kan det være vanskeligt at indhente individuelt informeret samtykke til anvendelsen af teknologien.

Fund 6: Samtykke kan være vanskeligt i praksis

Fund 7: Usikkerhed og fejl er centrale temaer i arbejdet med AIDer er stor opmærksomhed på, hvordan fejl og usikkerhed håndteres i AI-systemer.

Fund 7: Usikkerhed og fejl er centrale temaer i arbejdet med AI

Fund 8: Ønsket om skaleringFlere aktører ønsker, at deres AI-løsninger kan skaleres og skabe værdi bredt i sundheds- og velfærdssektoren.

Fund 8: Ønsket om skalering

Fund 9: Der er behov for tværfaglig sparringTværfaglig sparring er nødvendig for at kunne lykkes med at udvikle succesfulde og robuste AI-løsninger.

Fund 9: Der er behov for tværfaglig sparring