Ieguvumi:
- Izpratne par to, ka veselības dati ir īpašas kvalitātes dati, un anonimizācijas, uzglabāšanas un kopīgošanas noteikumi KVKK/tiesību aktu darbības jomā
- Spēja izstrādāt ētikas principus (taisnīgums, caurspīdīgums, atbildība) un korporatīvās pārvaldības politiku mākslīgā intelekta izmantošanā
- Spēja izveidot pārvaldības sistēmu, kurā mākslīgā intelekta izlaide neaizstāj vadības un klīniskos lēmumus, un atbildība un galīgais apstiprinājums vienmēr paliek cilvēkam.
Visā šajā modulī mēs izmantojām AI kā paātrinātāju visās darbības jomās, sākot no tikšanās līdz gultām, no prognozēšanas līdz ieņēmumiem, no kvalitātes līdz krājumiem. Taču pār visiem šiem spēcīgajiem lietojumiem ir jumts: datu privātums, atbilstība normatīvajiem aktiem un ētika. Bez šī regulējuma katrs jūsu paātrinātais bizness ir arī palielināts risks. Šī pēdējā vienība apvieno izkliedētos noteikumus vienotā pārvaldības sistēmā. Pārvaldība ir vadības sistēma, kas nosaka, kas ko var darīt iestādē un saskaņā ar kādiem noteikumiem un kā darbojas atbildība un kontrole. Izteiksim vēlreiz galveno principu, visskaidrāk: AI izvade neaizstāj vadības un klīniskos lēmumus; Atbildība un galīgais apstiprinājums vienmēr gulstas uz cilvēku.
Kāpēc veselības dati ir privāti?
Veselības dati nav parasti dati. Tirkijā KVKK (Personas datu aizsardzības likums) uzskata, ka veselības dati ir "īpaša rakstura personas dati"; Tas nozīmē visaugstāko aizsardzības līmeni. Tā ekvivalents Eiropā ir GDPR. Ja tiek atklāta pacienta diagnoze, ārstēšana, protokola numurs, radīsies neatgriezenisks kaitējums: stigmatizācija, diskriminācija, uzticības zaudēšana. Tāpēc ir daži pamatnoteikumi. Anonimizācija ir visas personas identificējošas informācijas noņemšana (vārds, ID, protokols, reta diagnoze + vecums + atrašanās vietas kombinācija) no datiem. Datu minimizēšana ir darbs ar vismazāko datu apjomu, kas veiks šo darbu. Mērķa ierobežojums nozīmē datu izmantošanu tikai tam mērķim, kuram tie tika vākti. Saglabāšanas ierobežojums nav datu glabāšana ilgāk, nekā nepieciešams.
Pacientu datu ielīmēšana publiskā AI rīkā nozīmē datu nosūtīšanu uz ārēju serveri un ir nopietns pārkāpums. Pareizā pieeja: padariet datus anonīmus, ja iespējams, izvēlieties rīkus ar korporatīvajiem un datu apstrādes līgumiem (kas neizmanto jūsu datus modeļu apmācībai) un izveidojiet rakstisku politiku, kurā rīkā datus var ievietot. Atcerieties: kad mazi gabaliņi sanāk kopā, cilvēku var definēt no jauna; Kamēr "68 gadus veca sieviete" ir drošībā, "68 gadus veca sieviete no ciema X, ar retu slimību Y" vairs nav anonīma.
Ētika un pilnīga pārvaldība
Labas AI pārvaldības pamatā ir trīs ētikas principi. Taisnība ir tāda, ka AI sistemātiski nenostāda neizdevīgākā stāvoklī pacientu grupu (vecāka gadagājuma cilvēki, zemi ienākumi, lauku iedzīvotāji); Piemērs tam bija neierašanās rezultāta neizmantošana izslēgšanai. Caurspīdība nozīmē spēju izskaidrot, uz ko lēmums ir balstīts; Priekšroka tiek dota ieteikumam ar redzamu pamatojumu, nevis "melnās kastes" ieteikumam. Atbildība nozīmē, ka pie katra lēmuma ir atbildīga persona; “AI teica tā” nav aizsardzība.
Tas, kas šos principus īsteno, ir pārvaldības politika. Laba politika definē: kādi dati var nonākt kādā transportlīdzeklī (datu klasifikācija); anonimizācijas noteikumi; cilvēku apstiprināšanas punkti katram darbam (kurš ko paraksta); pārskatatbildība un revīzijas izsekojamība (kurš, kad ko izdarīja — izsekojamības ieraksts); un ētikas principiem. Šī politika apvieno visus “cilvēki izlemj” paziņojumus, ko mēs redzējām visā modulī, vienā institucionālajā sistēmā.
Uzmanību: teikums "AI ieteica, es īstenoju" nav atbildības nodošana. Juridiski un ētiski atbildība paliek tai personai, kura pieņem un īsteno ierosinājumu. Pārvaldība tieši šo atbildību padara redzamu un izsekojamu.
trīs mini futrāļi
1. gadījums — atkārtotas identifikācijas risks. Viena nodaļa dalījās ar "anonīmu" gadījuma kopsavilkumu: "Vienīgais sirds transplantācijas pacients mūsu pilsētā, 34 gadus vecs vīrietis, tika izrakstīts pagājušajā mēnesī." Šajā teikumā nebija lietvārda, bet kombinācija unikāli aprakstīja šo personu. Kvalitātes speciālists pret to iebilda; Retu iezīmju kombinācija izjauc anonimitāti. Kopsavilkums tika pārrakstīts, noņemot aprakstošās detaļas un to vispārinot.
2. gadījums — izsekojamības ieraksta vērtība. Kādā slimnīcā ar AI sagatavotajā vadības ziņojumā norādītais numurs izrādījās nepareizs, un vadībai tika nosūtīta nepareiza informācija. Revīzijas laikā jautājums "no kurienes radies šis numurs, kas to apstiprināja?" tika jautāts. Tā kā organizācijas pārvaldības politika nosaka katrai mākslīgā intelekta izvadei ierakstu "avots + verificētājs + datums", uzreiz bija redzams, ka kļūda radās, ja verifikācijas darbība tika izlaista. Izsekošanas ieraksts izmantots procesa labošanai, nevis noziedznieku meklēšanai.
3. gadījums — politika novērš krīzi. Jauns darbinieks gatavojās augšupielādēt savu izrakstīšanas sarakstu publiskā AI rīkā. Iestādes skaidrā politika noteica, ka "atvērtajā rīkā neietilpst faili, kas satur pacienta identifikāciju, tie vispirms tiek anonimizēti un tiek izmantots tikai apstiprinātais institucionālais rīks." Darbinieks atcerējās politiku, anonimizēja datus un izmantoja apstiprināto rīku. Rakstiskā pārvaldība novērsa individuālu kļūdu kā institucionālu refleksu.
Četras kopējamas veidnes
1) Datu klasifikācijas politikas projekts:
Jūsu loma: veselības aprūpes iestādes informācijas drošības/kvalitātes speciālista palīgs. Izveidojiet mūsu iestādes klasifikācijas tabulu "Kādi dati var tikt ievadīti AI": Sarkans (nekad: pacienta ID, ID, protokols), Dzeltens (anonimizēts), Zaļš (bezmaksas: publisks, bezpersonisks). Uzrakstiet piemērus un noteikumus katrai klasei. Norādiet, ka šis ir projekts un juridiskajai/atbilstības nodaļai tas ir jāapstiprina.
2) Anonimizācijas kontrolsaraksts:
Sagatavojiet anonimizācijas kontrolsarakstu, ko izpildīšu pirms jebkādu datu sniegšanas AI: vai vārds/TC/protokola izvade, vai reto funkciju kombinācija (vecums+atrašanās vieta+reta diagnoze) identificē personu, vai ir kāda nevajadzīga vieta, vai tas ir uzņēmuma apstiprināts rīks. Ļaujiet katram vienumam atzīmēt jā/nē.
3) Cilvēku apstiprināšanas punktu karte:
Izveidojiet tabulu "kurš apstiprina" šādām AI izmantošanas jomām (pārskats, pieprasījuma prognoze, gultas prioritāte, norēķinu kods, maiņu grafiks): riska līmenis un obligātā cilvēka apstiprināšanas iestāde katrā jomā. Uzsveriet nepieciešamību pēc klīniskā un administratīvā dubultā apstiprinājuma augsta riska zonās.
4) AI izvades izsekošanas ierakstīšanas veidne:
Uzrakstiet pēdu žurnāla veidni, kas jāaizpilda katrai AI izvadei: datums, izmantotais rīks, ievadīto datu klase (anonīmi), izvades kopsavilkums, persona, kas apstiprināja, vadītājs, kurš apstiprināja, lēmums. Norādiet, ka tas ir paredzēts revīzijai un pārskatatbildībai.
Vāja uzvedne / spēcīga uzvedne
Vāja uzvedne:
Nododiet mūsu pacientu datus AI un lieciet tos analizēt.
Anonimizācija, transportlīdzekļa drošība, bez apstiprinājuma un bez pēdu ierakstīšanas; Tieša KVKK pārkāpuma risks.
Spēcīga uzvedne:
Izstrādājiet AI pārvaldības politiku mūsu organizācijai: (1) datu klasifikācija (sarkana/dzeltena/zaļa), (2) anonimizācijas noteikumi, (3) cilvēku apstiprināšanas punkti katram lietošanas gadījumam, (4) pēdu reģistrēšana un audits, (5) godīguma/pārredzamības/atbildības principi. Norādiet, ka šis ir projekts un tam ir nepieciešams juridisks/atbilstības apstiprinājums.
Pārvaldības elements
Kas nodrošina
piemērs
Datu klasifikācija
Nosaka, ko var ievadīt
ID = nekad
Anonimizācija
Aizsargā cilvēku
Uznirst vārda/reta kombinācija
cilvēku apstiprināšanas punkti
Definē atbildību
Veiciet dubultu pārbaudi augsta riska gadījumā
sasniegumu rekords
Pārbaudāmība
Avots + pārbaudītājs + datums
Ētikas principi
Godīgi, caurspīdīgi, atbildīgi
Izmantojot punktu skaitu izslēgšanai
Biežas kļūdas
- Identificējamu datu kopīgošana, domājot, ka tie ir "anonīmi". Reta īpašību kombinācija atdod cilvēku.
- Izmantojot neapstiprinātu rīku. Dati tiek nosūtīti uz izbraukuma serveri.
- Atbildības uzlikšana AI. "AI teica" nav juridiska aizsardzība.
- Neveicot uzskaiti. Ja rodas kļūda, jūs nevarat parādīt avotu un verifikāciju.
- Politikas rakstīšana un neīstenošana. Noteikums uz papīra neaizsargā, ja vien tas nav reflekss.
Padoms: vainagojiet savu pārvaldības politiku ar “zelta likumu” sarakstu, kas iekļaujas vienā lapā un ir pietiekami vienkārši, lai ikviens to varētu iegaumēt: neievadiet ID, anonimizējiet, neizmantojiet apstiprinātu transportlīdzekli, pārbaudiet, cilvēka parakstu. Neviens nelasa garo politiku; Ikviens atceras piecu likumu.
Rezumējot
AI darbības jauda ir droša tikai stingrā privātuma, tiesību aktu un ētikas regulējumā. Veselības dati ir īpašas kvalitātes dati; Anonimizācija, datu minimizēšana un apstiprināts rīks ir ļoti svarīgi. laba pārvaldība; Tas apvieno datu klasifikāciju, anonimizāciju, cilvēku apstiprināšanas punktus, izsekojamības reģistrēšanu un ētikas principus (taisnīgumu, pārredzamību, atbildību) vienā sistēmā. Tāda ir šī moduļa viena teikuma būtība: AI paātrina, cilvēks izlemj un uzņemas atbildību. Nepārbaudīta AI izvade ir tikpat riskanta kā neparakstīts vadības lēmums.
Lietojumprogrammas uzdevums
Sagatavojiet vienas lapas pārvaldības politikas projektu savai organizācijai, izmantojot veidnes “AI izvades ieraksta ieraksts” un “datu klasifikācija”. Iekļaujiet "zelta likuma" sarakstu ar vismaz pieciem vienumiem. Pēc tam izvēlieties lietošanas jomu, ko apguvāt visā modulī (piemēram, gultas prioritāte vai norēķinu kods) un ierakstiet 5 vienībās, kuras apstiprināšanas un verifikācijas darbības šajā jomā ir jāveic šai politikai.
kontrolsaraksts
- [ ] Vai veselības dati ir klasificēti kā īpaši un vai esmu piemērojis anonimizācijas noteikumus?
- [ ] Vai esmu pārbaudījis atkārtotas identifikācijas risku, izmantojot retu funkciju kombināciju?
- [ ] Vai esmu definējis cilvēka apstiprinājuma punktu katram lietošanas gadījumam?
- [ ] Vai man jāreģistrē AI izvadi (avots/verifikators/datums)?
- [ ] Vai polisē esmu ierakstījis, ka atbildība un galīgais apstiprinājums vienmēr ir pašam cilvēkam?
Moduļa eksāmens
1. Slimnīcas vadītājs tieši īsteno mākslīgā intelekta radīto gultu sadalījuma ieteikumu bez klīniska novērtējuma. Kāda ir galvenā kļūda šajā pieejā?
- A) mākslīgā intelekta rezultātu pārveidošana lēmumā, nepakļaujot to klīniskajai piemērotībai un administratīvai pārbaudei; Ignorējot, ka atbildība gulstas uz cilvēkiem ✔
- B) Ir stingri aizliegts izmantot mākslīgo intelektu gultas pārvaldībā
- C) Mākslīgais intelekts vienmēr parāda gultu skaitu vairāk, nekā tas patiesībā ir
- D) Ieteikums nav parādīts tabulā
Apraksts: mākslīgais intelekts sniedz statistikas ieteikumu; Tomēr gultu sadalījums un izrakstīšanas prioritāte ir atkarīga no pacienta klīniskā stāvokļa, un galīgais lēmums ir ārsta/medmāsas apstiprinājuma un atbildīgajam vadītājam. Nepārbaudīta izvade ir kā neparakstīts lēmums.
2. Kura no šīm metodēm ir vispiemērotākā, ievadot pacienta datus publiski pieejamā mākslīgā intelekta rīkā?
- A) Ielīmējiet pacienta vārdu un protokola numuru, kā paredzēts ātrumam
- B) Noņemiet identifikācijas informāciju un anonimizējiet datus un, ja iespējams, izmantojiet korporatīvo, līgumā noslēgtu rīku ✔
- C) Paslēpiet tikai pacienta vārdu un atstājiet TR ID numuru
- D) Pirms datu kopīgošanas pietiek ar pacienta mutisku atļauju.
Paskaidrojums: Veselības dati ir īpaši personas dati. Identitātes informācija, piemēram, nosaukums, TR ID, protokola numurs, ir jānoņem, dati ir jāanonimizē, un, ja iespējams, priekšroka jādod korporatīvajiem datu apstrādes rīkiem, ar kuriem noslēgts līgums.
3. Kāds ir mākslīgā intelekta radītā riska rādītāja vispiemērotākais izmantojums, lai prognozētu neierašanos?
- A) Atteikšanās no tikšanās augsta riska pacientiem
- B) Ignorējiet punktu skaitu un piemērojiet to pašu procedūru visiem pacientiem
- C) Taisnīgu, piekļuvi saglabājošu pasākumu plānošana, piemēram, atgādinājumu steiga un virsrezervācija ✔
- D) Pastāvīga augsta riska pacientu iekļaušana melnajā sarakstā
Paskaidrojums. Riska rādītājs ir varbūtības novērtējums; Tas būtu jāizmanto, lai vadītu godīgas iejaukšanās, piemēram, atgādinājumu blīvumu, virsrezervāciju un piekļuves atvieglošanu, nevis pacienta noraidīšanu. Pacientu piekļuves tiesības ir jāaizsargā.
4. Kāds ir galvenais iemesls, lai pieprasījuma prognozēšanā strādātu ar ticamības intervāliem un scenārijiem, nevis ar vienu mākslīgā intelekta doto skaitli?
- A) Intervāla uzrādīšana padara pārskatu garāku
- B) Jo mākslīgais intelekts nevar radīt atsevišķus skaitļus
- C) Jo ticamības intervāls vienmēr precīzi sniedz patieso vērtību
- D) Tā kā prognoze ir saistīta ar nenoteiktību, ir nepieciešams veikt elastīgu plānošanu atbilstoši scenārijiem un pārvaldīt riskus ✔
Paskaidrojums. Prognoze ir balstīta uz vēsturiskiem datiem un ir saistīta ar nenoteiktību. Plānošana saskaņā ar diapazonu, nevis vienu punktu, ļauj jums būt gatavam zema/augsta pieprasījuma scenārijiem un elastīgi pārvaldīt jaudu.
5. Kāds ir viskritiskākais risks, ja AI iesaka norēķinu kodus ieņēmumu ciklā?
- A) Mākslīgais intelekts izveido nederīgu vai nepareizu kodu, piedāvā to tekoši un ievada rēķinā bez pārbaudes ✔
- B) Mākslīgais intelekts ļoti lēni ražo kodus
- C) SGK vienmēr automātiski pieņem koda ieteikumu
- D) Kodus var izveidot tikai angļu valodā
Paskaidrojums: Mākslīgais intelekts var raiti ieteikt kodu, kas patiesībā neeksistē vai ir nepareizs (halucinācijas). Kodēšana un norēķini tiek regulēti; Katrs kods ir jāpārbauda pilnvarotam ekspertam ar derīgiem darījumu sarakstiem un atmaksas noteikumiem.
6. Kvalitātes indikatora informācijas panelī AI pēkšņu indikatora kritumu interpretē kā “uzlabojumu”. Kas būtu jādara vadītājam?
- A) Komentāra iesniegšana tieši direktoru padomei
- B) Izpētiet, vai izmaiņas var būt saistītas ar datu kvalitāti, definīcijas izmaiņām vai mērķa novirzi, un pārbaudiet cēloņsakarību ✔
- C) Noņemiet indikatoru no informācijas paneļa
- D) Uzticēties mākslīgajam intelektam un neveikt nekādas pārbaudes
Paskaidrojums: indikatora izmaiņas var izraisīt datu kvalitātes problēma, definīcijas izmaiņas vai spēles. Administratoram ir jāpārbauda komentāra cēloņsakarība un datu avots.
7. Kāda ir visizplatītākā kļūda, analizējot pacientu apmierinātības brīvā teksta atgriezenisko saiti ar mākslīgo intelektu?
- A) Tekstu sadalīšana tēmās
- B) Atsauksmju anonimizācija
- C) Automātiskās emociju etiķetes un parauga vispārināšana visiem pacientiem, tos neapstiprinot ✔
- D) Prioritāšu noteikšana sūdzībām
Paskaidrojums: automātiskā emociju iezīmēšana var radīt ironiju, noliegumu un nepareizi izlasītu kontekstu; Turklāt tikai autoru viedokļos ir izlases aizspriedumi. Nedrīkst veikt vispārinājumus, nepārbaudot rezultātus ar paraugu ņemšanu un nolasīšanu.
8. Kāds ir galvenais ABC analīzes mērķis krājumu pārvaldībā?
- A) Visu priekšmetu sakārtošana alfabētiskā secībā
- B) Skaitot tikai zāles, kas satur A vitamīnu
- C) Produktu, kuriem beidzies derīguma termiņš, iznīcināšana
- D) Noliktavas preču klasificēšana pēc vērtības/kritiskuma līmeņa un kontroles prioritātes novirzīšana uz vissvarīgākajām precēm ✔
Paskaidrojums: ABC analīze krājumu vienības vērtības/kritiskuma izteiksmē klasificē kā A (augsta), B (vidēja), C (zema); tādējādi vadības uzmanība un kontroles biežums tiek koncentrēts uz vissvarīgākajiem jautājumiem.
9. Ko nozīmē jēdziens “šaurā vieta” procesa uzlabošanā?
- A) Solis ar šaurāko ietilpību un visas plūsmas ātrumu ierobežojošs ✔
- B) Procesa ātrākais darbības posms
- C) Vienība, kurā strādā visvairāk darbinieku
- D) Posms, kurā pacienti ir visvairāk apmierināti
Apraksts: Sašaurinājums ir posms ar šaurāko ietilpību, kas nosaka visa procesa ātrumu. Uzlabošanas centieniem vispirms jākoncentrējas uz vājo vietu; uzlabojumi citur nepaātrina kopējo plūsmu.
10. Kas vadītājam jāpārbauda pirms mākslīgā intelekta radītā grafika piemērošanas maiņu plānošanā?
- A) Neatkarīgi no tā, vai diagramma ir drukāta krāsaini
- B) Darba tiesību ievērošana, atpūtas periodi, klīniskā kompetence un tiesiskuma noteikumi ✔
- C) Cik sekundes mākslīgajam intelektam nepieciešams, lai izveidotu diagrammu?
- D) vai grafiks ir labvēlīgs augstākajiem darbiniekiem
Apraksts: Diagramma; Tam jāatbilst darba tiesību normām (maksimālais darba laiks, atpūta), darbinieku tiesībām, klīniskajai kompetencei un taisnīgumam. AI var sagatavot melnrakstu, kas pārkāpj šos noteikumus; Galīgo apstiprinājumu sniedz vadītājs.
11. Kurš no šiem izsaka pareizo mākslīgā intelekta izmantošanas robežu veselības aprūpes vadībā?
- A) Mākslīgais intelekts var automātiski pieņemt visus vadības lēmumus
- B) Mākslīgo intelektu var izmantot tikai teksta rakstīšanā, nevis skaitliskā analīzē
- C) mākslīgais intelekts ir palīgs un lēmumu atbalsta instruments; Atbildība un kritisko lēmumu galīgā apstiprināšana gulstas uz cilvēkiem ✔
- D) Mākslīgais intelekts var pieņemt lēmumus par atmaksu bez cilvēka apstiprinājuma
Apraksts: mākslīgā intelekta palīgs, melnrakstu ģenerators un lēmumu atbalsta rīks. Atbildība un galīgā lēmumu pieņemšana, kas ietekmē resursu piešķiršanu, klīnisko prioritāšu noteikšanu un pacientu drošību, vienmēr gulstas uz kompetento speciālistu un atbildīgo vadītāju.
12. Kāpēc vidējā uzturēšanās ilguma (LOS) rādītāja samazināšanās vien nav pietiekams pierādījums “veiksmei”?
- A) Tā kā uzturēšanās ilgumu nekad nevar izmērīt
- B) Tā kā uzturēšanās ilgumu var aprēķināt tikai mākslīgais intelekts
- C) Tā kā uzturēšanās ilgums vispār neattiecas uz atlīdzību.
- D) Ja samazinājums rodas, palielinoties agrīnai izrakstīšanai un atpakaļuzņemšanai, pacienta drošība var tikt traucēta, un tas jāinterpretē kopā ar attiecīgajiem rādītājiem ✔
Paskaidrojums: Samazināts uzturēšanās laiks var liecināt par labu resursu izmantošanu; Tomēr, ja palielinās agrīnas izrakstīšanas un atpakaļuzņemšanas skaits, pacienta drošība var tikt traucēta. Rādītājs jāinterpretē kopā ar citiem saistītiem rādītājiem.
13. Kāds ir pieprasījuma prognozēšanas statuss, pamatojoties uz vēsturiskiem datiem pēkšņu traucējumu, piemēram, epidēmijas vai katastrofas, gadījumā?
- A) Prognoze pārstāj būt noteicošā; Ekspertu spriedums un reāllaika uzraudzība uzņemas vadību ✔
- B) Prognozes, kas balstītas uz vēsturiskajiem datiem, kļūst visuzticamākās šajās situācijās
- C) Prognoze automātiski labojas, nav nepieciešama iejaukšanās
- D) Šajos gadījumos plānošana ir pilnībā jāpārtrauc
Apraksts: AI prognozēšana ir balstīta uz pagātnes modeļiem. Strukturālos pārtraukumos, piemēram, epidēmijas, katastrofas vai likumdošanas izmaiņas, pagātnes dati pārstāj būt noteicošie; ekspertu spriedums un reāllaika uzraudzība uzņemas vadību.
14. Kurš no tālāk norādītajiem ir jāiekļauj korporatīvajā AI pārvaldības politikā?
- A) Tikai kāda zīmola mākslīgā intelekta rīks tiks iegādāts?
- B) Datu klasifikācija, anonimizācija, cilvēku apstiprināšanas punkti, atbildība/audita ieraksts un ētikas principi ✔
- C) Noteikums, ka tikai vadītāji var izmantot mākslīgo intelektu
- D) Raksts, kas ļauj mākslīgajam intelektam visus lēmumus pieņemt vienam
Apraksts: Pareiza pārvaldība; Tas nosaka, kuri dati var tikt iekļauti kādā rīkā, anonimizācijas noteikumi, cilvēku apstiprināšanas punkti, atbildības un audita ieraksti, ētikas principi (taisnīgums, pārredzamība, atbildība).