ডিওন্টোলজি ও কন্ট্রাক্টুয়ালিজম — নিয়ম, অধিকার ও ন্যায্যতা

# হাসপাতালের ICU বেড-বরাদ্দ AI -- তিনটি প্রার্থী নীতি (সিন্থেটিক দৃশ্য)

RULES = [
    ("ability_to_pay",  "চিকিৎসা-সম্পদ বরাদ্দে রোগীর অর্থ পরিশোধের সামর্থ্য/বীমা অবস্থা কখনোই বিবেচনা করা যাবে না।"),
    ("consent_for_data","প্রত্যক্ষ চিকিৎসার উদ্দেশ্যের বাইরে রোগীর সুনির্দিষ্ট সম্মতি ছাড়া তৃতীয়-পক্ষের ব্যক্তিগত ডেটা ব্যবহার করা যাবে না।"),
    ("disclosure",      "অ্যালগরিদম কোনো রোগীর যত্নের সিদ্ধান্তে প্রভাব ফেললে, তা রোগী/পরিবারকে জানাতে হবে।"),
]

policies = {
    "X · খরচ-সচেতন স্কোরিং": {
        "uses_ability_to_pay": True,
        "uses_third_party_data_without_consent": False,
        "discloses_algorithm_use": True,
        "role_outcomes": {
            "উচ্চ-বাঁচার-সম্ভাবনা তরুণ রোগী":  7,
            "নিম্ন-বাঁচার-সম্ভাবনা প্রবীণ রোগী": 3,
            "বীমাহীন রোগী":                    1,
            "সচ্ছল/বীমাকৃত রোগী":               8,
            "হাসপাতাল স্টাফ":                   2,
        },
    },
    "Y · তৃতীয়-পক্ষ ডেটা-সমৃদ্ধ স্কোরিং": {
        "uses_ability_to_pay": False,
        "uses_third_party_data_without_consent": True,
        "discloses_algorithm_use": True,
        "role_outcomes": {
            "উচ্চ-বাঁচার-সম্ভাবনা তরুণ রোগী":     8,
            "নিম্ন-বাঁচার-সম্ভাবনা প্রবীণ রোগী":    4,
            "যার ডেটা সম্মতি ছাড়া ব্যবহৃত হলো":     2,
            "সচ্ছল/বীমাকৃত রোগী":                  5,
            "হাসপাতাল স্টাফ":                      3,
        },
    },
    "Z · শুধু ক্লিনিক্যাল ডেটা + স্বচ্ছ বিজ্ঞপ্তি": {
        "uses_ability_to_pay": False,
        "uses_third_party_data_without_consent": False,
        "discloses_algorithm_use": True,
        "role_outcomes": {
            "উচ্চ-বাঁচার-সম্ভাবনা তরুণ রোগী":  7,
            "নিম্ন-বাঁচার-সম্ভাবনা প্রবীণ রোগী": 5,
            "বীমাহীন রোগী":                    5,
            "সচ্ছল/বীমাকৃত রোগী":               5,
            "হাসপাতাল স্টাফ":                   6,
        },
    },
}

def check_rule_violations(policy):
    violations = []
    if policy["uses_ability_to_pay"]:
        violations.append(RULES[0])
    if policy["uses_third_party_data_without_consent"]:
        violations.append(RULES[1])
    if not policy["discloses_algorithm_use"]:
        violations.append(RULES[2])
    return violations

def maximin(policy):
    outcomes = policy["role_outcomes"]
    worst_role = min(outcomes, key=outcomes.get)
    return worst_role, outcomes[worst_role]

print("=== ধাপ ১ -- ডিওন্টোলজিকাল নিয়ম-পরীক্ষা (বুলিয়ান) ===\n")
permissible = {}
for name, policy in policies.items():
    violations = check_rule_violations(policy)
    is_permissible = len(violations) == 0
    permissible[name] = is_permissible
    print(f"{name}:")
    if violations:
        for rule_id, rule_text in violations:
            print(f"  x লঙ্ঘিত নিয়ম [{rule_id}]: {rule_text}")
        print("  => নিয়মভিত্তিকভাবে অগ্রহণযোগ্য, নিট উপকার যাই হোক না কেন।\n")
    else:
        print("  ok কোনো ইনভায়োলেবল নিয়ম লঙ্ঘিত হয়নি।\n")

print("=== ধাপ ২ -- রলসিয়ান ম্যাক্সিমিন (veil-of-ignorance) ===\n")
maximin_scores = {}
for name, policy in policies.items():
    worst_role, worst_value = maximin(policy)
    maximin_scores[name] = worst_value
    print(f"{name}: সবচেয়ে খারাপ-অবস্থানে থাকা ভূমিকা = \"{worst_role}\" (মান {worst_value})")

best_maximin = max(maximin_scores, key=maximin_scores.get)
print(f"\nম্যাক্সিমিন-পছন্দ (worst-case ভূমিকার ফলাফল সর্বোচ্চ করে এমন নীতি): {best_maximin}")

print("\n=== চূড়ান্ত রায় ===")
for name in policies:
    verdict = "অনুমোদনযোগ্য" if permissible[name] else "প্রত্যাখ্যাত (নিয়ম লঙ্ঘন)"
    print(f"{name}: নিয়ম-পরীক্ষা = {verdict}, worst-case মান = {maximin_scores[name]}")