Ethical Dimensions of Artificial Intelligence Chatbots Use in Rare Disease Diagnosis: A Scoping Review

Auteurs-es

  • Alexia Bélisle Programme en psychologie, Département des Sciences de la Santé, Université du Québec à Rimouski, Rimouski, Québec, Canada https://orcid.org/0009-0005-2386-3532
  • Marie-Océane Lavoie Programme en psychologie, Département des Sciences de la Santé, Université du Québec à Rimouski, Rimouski, Québec, Canada https://orcid.org/0009-0001-7340-3535
  • Frédéric Banville Programme en psychologie, Département des Sciences de la Santé, Université du Québec à Rimouski, Rimouski, Québec, Canada https://orcid.org/0009-0003-6769-7121
  • Hazar Haidar Programme en éthique, Département des lettres et humanités, Université du Québec à Rimouski, Rimouski, Québec, Canada https://orcid.org/0000-0001-5005-0012

DOI :

https://doi.org/10.7202/1126619ar

Mots-clés :

intelligence artificielle, chatbot, maladie rare, diagnostic, questions éthiques

Langue(s) :

Anglais

Résumé

Introduction : Une maladie rare est une affection qui touche un faible pourcentage de la population, caractérisée par sa faible prévalence et son potentiel à entraîner des incapacités chroniques. Les symptômes de ces maladies peuvent se chevaucher avec ceux d’affections plus courantes, ce qui complique le processus diagnostique. De plus, de nombreuses maladies rares sont d’origine génétique, et leur diagnostic nécessite souvent une expertise médicale spécialisée ainsi que des outils diagnostiques avancés, ce qui souligne la nécessité d’approches ciblées en santé. Par conséquent, l’intégration d’outils d’intelligence artificielle (IA), y compris les agents conversationnels (chatbots), représente une opportunité prometteuse pour soutenir les processus diagnostiques en soins de santé. Toutefois, leur utilisation soulève des enjeux éthiques, notamment en matière de protection des données, de confidentialité des patients et de transparence des recommandations générées par l’IA. Objectif : Cette étude explore les enjeux éthiques liés à l’utilisation de chatbots d’IA dans le diagnostic des maladies rares. Méthode : Nous avons réalisé une revue de portée portant sur les enjeux éthiques associés à l’utilisation de chatbots dans le diagnostic des maladies rares, en consultant des bases de données et des listes de références entre le 1er janvier 2010 et le 10 février 2024. Résultats : À la suite du processus de sélection, six études ont été incluses dans la revue. Les données ont été regroupées en quatre thèmes : 1) la confiance envers les chatbots d’IA; 2) l’humanisation/déshumanisation de l’IA; 3) la sécurité des données et leur commercialisation; et 4) les considérations psychométriques. Discussion : Les chatbots d’IA présentent un potentiel prometteur pour le diagnostic des maladies rares, mais des défis subsistent, notamment la rareté des données, la précision diagnostique et la confiance. Il est essentiel de répondre à ces enjeux, en particulier en améliorant la représentativité des données et en renforçant la collaboration avec les professionnels de la santé, afin de permettre une intégration efficace de l’IA dans la pratique clinique. Les recherches futures devraient se concentrer sur la résolution de ces limites afin de garantir que l’IA puisse servir d’outil fiable d’aide à la décision dans le diagnostic des maladies rares.

Références

1. Morris S, Fawcett G, Timoney L, Hughes J. Les dynamiques de l’incapacité : les limitations progressives, récurrentes ou fluctuantes. Statistique Canada; 2019.

2. Veilleux, MP. Rapport du Groupe de travail Québécois sur les maladies rares, ministère de la Santé et des services sociaux. Ministère de la Santé et des services sociaux. 17 Jul 2020.

3. Lambert AOC, Montañez CHT, Martinez MB, Funes-Gallanzi M. A conversational agent for use in the identification of rare diseases. Applications for Future Internet: International Summit. In: Sucar E, Mayora O, Munoz de Cote E, editors. Applications for Future Internet. Lecture Notes of the Institute for Computer Sciences, Social Informatics and Telecommunications Engineering. Cham: Springer; 2017.

4. Hurvitz N, Azmanov H, Kesler A, Ilan Y. Establishing a second-generation artificial intelligence-based system for improving diagnosis, treatment, and monitoring of patients with rare diseases. European Journal of Human Genetics. 2021;29(10):1485-90.

5. Groft SC, Posada M, Taruscio D. Progress, challenges and global approaches to rare diseases. Acta Paediatrica. 2021;110(10): 2711-16.

6. Laumer S, Maier C, Gubler FT. Chatbot acceptance in healthcare: Explaining user adoption of conversational agents for disease diagnosis. In: Proceedings of the 27th European Conference on Information Systems (ECIS), Stockholm & Uppsala, Sweden, June 8-14, 2019.

7. Faviez C, Chen X, Garcelon N, et al. Diagnosis support systems for rare diseases: a scoping review. Orphanet Journal of Rare Diseases. 2020;15:94.

8. Hallyburton A. Diagnostic overshadowing: An evolutionary concept analysis on the misattribution of physical symptoms to pre-existing psychological illnesses. International Journal of Mental Health Nursing. 2022;31(6):1360-72.

9. Lavoie-Moore M. Portrait de l’intelligence artificielle en santé au Québec. Proposition pour un modèle d’innovation au profit des services de soin de santé publics. Institut de recherche et d’informations socioéconomiques. 16 Nov 2023.

10. Stark L, Pylyshyn Z. Artificial Intelligence (AI) in Canada. The Canadian Encyclopedia. 6 Feb 2006 (updated 11 Feb 2026).

11. Couture V, Haidar H. Une santé à toute épreuve? Éthique de l’utilisation de l’intelligence artificielle dans le secteur de la santé. Éthique publique. 2023;25(1):17-30.

12. Bourassa Forcier M. Intégration de l’IA en santé au Québec : enjeux légaux. Ethics, Medicine and Public Health. 2020;15:100598.

13. Devillers L. L’IA affective, de nouvelles avenues pour la santé. Relations. 2020(808):25.

14. You Y, Tsai C-H, Li Y, Ma F, Heron C, Gui X. Beyond self-diagnosis: How a chatbot-based symptom checker should respond. ACM Transactions on Computer-Human Interaction. 2023;30(4):64.

15. Fitzpatrick KK, Darcy A, Vierhile M. Delivering cognitive behavior therapy to young adults with symptoms of depression and anxiety using a fully automated conversational agent (Woebot): a randomized controlled trial. JMIR Mental Health. 2017;4(2):e19.

16. Hirsch MC, Ronicke S, Krusche M, Wagner AD. Rare diseases 2030: how augmented AI will support diagnosis and treatment of rare diseases in the future. Annals of the Rheumatic Diseases. 2020;79(6):740-43.

17. Martineau JT, Godin FR. Tour d’horizon des enjeux éthiques liés à l’IA en santé. Éthique publique. 2023;25(1):7978.

18. Arksey H, O’Malley L. Scoping studies: towards a methodological framework. International Journal of Social Research Methodology. 2005;8(1):19-32.

19. Chaudhary A, Kumar V. Rare diseases: a comprehensive literature review and future directions. Journal of Rare Diseases. 2025;4:33.

20. Hallowell N, Badger S, Sauerbrei A, Nellåker C, Kerasidou A. “I don’t think people are ready to trust these algorithms at face value”: trust and the use of machine learning algorithms in the diagnosis of rare disease. BMC Medical Ethics. 2022;23:112.

21. Rapp A, Curti L, Boldi A. The human side of human-chatbot interaction: A systematic literature review of ten years of research on text-based chatbots. International Journal of Human-Computer Studies. 2021;151:102630.

22. Pereira J, Díaz Ó. Using health chatbots for behavior change: a mapping study. Journal of Medical Systems. 2019;43(5):135.

23. Germain DP, Gruson D, Malcles M, et al. Applying artificial intelligence to rare diseases: a literature review highlighting lessons from Fabry disease. Orphanet Journal of Rare Diseases. 2025;20:186.

24. Rallet A, Rochelandet F. La régulation des données personnelles face au web relationnel: une voie sans issue? Réseaux. 2011(3):17-47.

25. Zeitoun JD, Ravaud P. L’intelligence artificielle et le métier de médecin. Les Tribunes de la santé. 2019(2):31-5.

26. WHO. Ethics and governance of artificial intelligence for health: large multi-modal models. World Health Organization; 2024.

27. Vaidyam AN, Wisniewski H, Halamka JD, Kashavan MS, Torous JB. Chatbots and conversational agents in mental health: a review of the psychiatric landscape. Canadian Journal of Psychiatry. 2019;64(7):456-64.

28. Phillips C, Parkinson A, Namsrai T, et al. Time to diagnosis for a rare disease: managing medical uncertainty. A qualitative study. Orphanet Journal of Rare Diseases. 2024;19:297.

29. Hogue T. Researchers develop AI chatbot to diagnose rare diseases. OSU Today. 11 Apr 2025.

30. Jefferies JL, Spencer AK, Lau HA, et al. A new approach to identifying patients with elevated risk for Fabry disease using a machine learning algorithm. Orphanet Journal of Rare Diseases. 2021;16:518.

© Han Han Li

Téléchargements

Publié

2026-06-22

Comment citer

[1]
Bélisle A, Lavoie M-O, Banville F, Haidar H. Ethical Dimensions of Artificial Intelligence Chatbots Use in Rare Disease Diagnosis: A Scoping Review . Can. J. Bioeth 2026;9:58-66. https://doi.org/10.7202/1126619ar.

Numéro

Vol. 9 No. 3 (2026): Numéro hors-thème

Rubrique

Articles

Licence

© Alexia Bélisle, Marie-Océane Lavoie, Frédéric Banville, Hazar Haidar 2026

Licence Creative Commons

Cette œuvre est sous licence Creative Commons Attribution 4.0 International.

La Revue canadienne de bioéthique applique la Creative Commons Attribution 4.0 International License à toutes ses publications. Les auteurs conserveront leur droit d'auteur sur leur publication et ils pourront, par exemple, réutiliser leur publication, mettre un lien sur leur page d'accueil ou site web institutionnel, ou déposer un fichier PDF dans un dépôt public. Toutefois, les auteurs permettent à quiconque de télécharger, réutiliser, réimprimer, distribuer, ou copier leur publication, tant que les auteurs originaux et les sources sont cités.