EmpAIth Assurance Framework (EAF™) (Clinician-Led Governance Model for Behavioral-Health Artificial Intelligence)
原始语言: 英语
国家
美利坚合众国
覆盖范围
國際
实施地点数量
1
主导组织
实施合作伙伴
N/A
健康重点领域
心理健康
初级保健
促进健康
其他
服务
远程保健
应急准备和响应
支持技术
其他
人工智能
标准
XDS - 跨企业文档共享
ATNA - 审计跟踪和节点验证
SNOMED
PII
CDA - 临床文档架构
HL7 v3
ISO 3166
ICD-11
工具
N/A
资金来源
私人基金
商业模式
其他
使用费/按次付费
数据货币化
资助者
N/A
摘要
EmpAIth Assurance Framework (EAF™) 是经 IRB 批准的管理模式,为行为健康领域的人工智能系统设定了可衡量的临床、伦理和监管标准。EAF™ 是在 WCG IRB(CC-2025-001 协议)的监督下开发的,它提供了一个结构化的评分标准和审核方法,用于评估心理健康和社会心理支持中使用的人工智能工具。它与职业道德和数据保护要求保持一致,纳入了 NIST AI RMF(2023 年)和欧盟 AI 法案(2024 年)的指导方针,涉及临床有效性、偏差与公平性、危机检测与响应以及隐私与保密性等十个可审核的治理领域。
通过引入持证临床医生的监督,EAF™ 促进了值得信赖的人环设计,提高了用户安全性、文化响应性和监管准备度。它适合卫生部、研究机构和寻求可靠的、经过临床医生验证的数字心理健康技术的开发商采用。该框架旨在推广一种由临床医生主导、经 IRB 批准的人工智能管理模式,强调行为健康技术的安全性、透明度和问责制,同时在全球范围内培训临床审查员,并使政策与世界卫生组织的人工智能伦理和数字健康标准保持一致。目标人群包括卫生专业人员、成人、青少年和儿童。
关键词
心理健康
人工智能
新生儿健康
数字健康倡议
数字医疗解决方案
出版物
EmpAIth 保证框架 (EAF™):行为健康领域以临床医生为主导的人工智能治理模式见解 - 经验教训
挑战
• 缺乏现成的临床级人工智能审计框架:在实施之初,针对行为健康人工智能的标准化或经过验证的治理工具寥寥无几,这给基准测试以及与全球监管预期保持一致带来了挑战。 • 人工智能系统间的技术差异:行为健康人工智能工具在架构、数据来源和模型成熟度方面存在显著差异,这要求采用可适应的评分逻辑和灵活的评估路径。 • 利益相关方对人工智能治理的了解有限: 许多临床医生、管理人员和决策者对结构化的AI审计流程接触有限,因此需要额外的解释、培训和能力建设。 • 不断演变的监管环境:NIST(美国国家标准与技术研究院)、《欧盟AI法案》及世卫组织指南的快速变化,要求持续更新以确保框架与最新标准保持一致。 • 心理健康相关数据的敏感性:心理和行为数据存在更高的伦理风险,因此在验证过程中必须采取严格的隐私、安全和保密保障措施。
建议
积极影响因素:• 机构审查委员会(IRB)的监督及结构化方法(WCG IRB CC-2025-001)增强了早期用户间的信任、透明度和接受度。• 由临床医生主导的开发工作增强了用户信心,确保了标准与现实世界的医疗护理及安全需求保持一致。• 透明的文档记录和开放科学实践(Zenodo DOI)加速了外部评审和引用,支持了可扩展性和可重复性。 • 与国际标准(NIST AI RMF、欧盟《人工智能法案》、世卫组织指导原则)保持一致,促进了在医疗保健生态系统中的快速整合。建议:• 投资于临床医生和利益相关者的能力建设,以确保在心理和行为健康领域安全、知情地采用人工智能系统。• 维持持续更新的治理流程,以保持与不断演变的国际法规和安全期望的一致性。 • 将 EAF™ 作为可重复使用的审计工具,应用于医院、数字健康项目及全球卫生组织,以加强质量保证。 • 通过为每次审计配以透明的文档、可复现的方法论以及公开可获取的补充材料,促进开放科学实践。 • 优先处理高风险 AI 系统(行为健康、危机检测、弱势群体),以最大化即时安全影响。
建议
使用类似服务的项目
关注类似主题的项目
Projects with similar insights
还有其他问题吗?
iDHA (项目ID)
ykjoan
项目链接
https://empaith.com信息来源
出版報告
数据源链接
https://doi.org/10.5281/zenodo.17489429添加到平台上
2025-11-13
项目编辑
N/A
最后更新者
Alexis Baudin on 2025-11-19
查看次数
55
WHO分类




