FROM JOINT TO DIFFERENTIATED LIABILITY: REFORMING UKRAINIAN MEDICAL LAW IN LIGHT OF THE EU AI ACT AND THE ESTONIAN EXPERIENCE
1. Introduction. – 2. Methodology. – 3. The Crisis of Traditional Liability Models in Medical AI Disputes. – 3.1. The Transformation of Medical Decision-Making in AI-Assisted Systems. – 3.2. The Black Box Effect and the Problem of Causation. – 3.3. Procedural Asymmetry and Access to Justice. – 3.4. The Emergence of the Principle of Human Oversight in Contemporary Judicial Practice. – 4. The EU AI Act and the Emergence of a Differentiated Liability Model in Medical AI. – 4.1. The Risk-Based Approach of the EU AI Act. – 4.2. The Estonian Model of Digital Accountability and Human Oversight. – 4.3. The Significance of the European Approach for Ukraine. – 5. A Differentiated Liability Framework for Ukraine. – 5.1. The Inadequacy of Traditional Joint Liability in Medical AI Disputes. – 5.2. The Principle of Allocating Liability Through Control Over Risk. – 5.3. Legal Gaps in Ukrainian Medical Law Concerning AI-Assisted Medical Decision-Making. – 5.4. A Proposed Model of Differentiated Liability for Ukraine. – 5.5. Human Oversight as a Legal Duty in the Field of Medical AI. – 5.6. Logging, Explainability, and Digital Evidence in Medical AI Disputes. – 6. Conclusions.
Abstract
Background: The growing use of high-risk artificial intelligence (AI) systems in healthcare challenges traditional models of medical liability, particularly where clinical decisions emerge from interactions among healthcare professionals, healthcare institutions, software providers, and algorithmic systems. In such circumstances, establishing causation and allocating responsibility becomes significantly more complex because of algorithmic opacity, distributed decision-making, and the involvement of multiple actors with different degrees of control over AI-related risks.
Method: This study employs doctrinal and comparative legal methods to examine the transformation of liability models in the context of AI-assisted medical decision-making. The analysis is based on Ukrainian civil and medical law, Regulation (EU) 2024/1689 ‘the EU Artificial Intelligence Act’ (EU AI Act), standards of access to justice under Article 6 of the European Convention on Human Rights, and the Estonian model of digital healthcare governance and accountability.
Results and Conclusions: The study demonstrates that traditional models of joint liability are increasingly inadequate for disputes involving high-risk medical AI systems because they fail to distinguish between actors exercising different degrees of control over algorithmic risk. It further demonstrates that the EU AI Act provides both a normative and conceptual foundation for a differentiated liability framework based on functional responsibility, human oversight, and risk governance. The article pays particular attention to the procedural significance of explainability, logging, and traceability as mechanisms that support causation assessment, access to evidence, and effective judicial review. The Estonian experience illustrates how digital accountability infrastructure, supported by clear institutional responsibilities and legal regulation, can strengthen oversight of AI-assisted medical decision-making. The article identifies key legislative gaps in Ukrainian medical law on AI-assisted healthcare. It proposes practical reform directions, including a differentiated liability model based on control over algorithmic risk. It concludes that this approach provides a more coherent and legally predictable framework for allocating responsibility in AI-assisted healthcare than traditional models of collective liability and aligns with emerging European approaches to AI governance and liability.
About Authors
Volodymyr Kapustnyk*
Dr. Sc. (Law), Associate Professor, Professor of the Department of Forensic Medicine, Medical Law named after Honoured Professor M.S. Bokarius, Kharkiv National Medical University, Kharkiv, Ukraine
https://orcid.org/0000-0003-0733-4233
Corresponding author, responsible for Conceptualisation, Methodology, Formal Analysis, Investigation, Legal Analysis, Writing – Original Draft Preparation, Writing – Review & Editing.
Volodymyr Kurylo
PhD in Law, Judge, Novobavarskyi District Court of Kharkiv, Ukraine
kurylo-volodymyr@ukr.net
https://orcid.org/0009-0002-8032-6387
Co-author, responsible for Methodology, Formal Analysis, Legal Analysis, Writing – Review & Editing, Supervision.
Competing interests: No competing interests were disclosed.
Disclaimer: The authors declare that their opinions and views expressed in this manuscript are free of the influence of any organisations.
Funding and APC Statement
The authors received no specific grant or external funding for the research and publication of this article. Consequently, the publisher partially waived the APC (50%) in accordance with the AJEE Charges Policy for authors from Lower-Middle-Income countries (as per World Bank classification). The authors and/or their institutions covered the remaining balance.
Copyright: © 2026 Volodymyr Kapustnyk, Volodymyr Kurylo. This is an open-access article distributed under the terms of the Creative Commons Attribution License (CC BY 4.0), which permits unrestricted use, distribution, and reproduction in any medium, provided the original author and source are credited.
Editors
Managing Editor – Mag. Bohdana Zahrebelna. English Editor – Robert Reddin. Ukrainian Editor – Liliia Hartman.
References
1. Atkinson K, Bench-Capon T and Bollegala D, ‘Explanation in AI and Law: Past, Present and Future’ (2020) 289 Artificial Intelligence 103387 <https://doi.org/10.1016/j.artint.2020.103387> accessed 18 July 2026
2. Bellogín A and others, ‘The EU AI Act and the Wager on Trustworthy AI’ (2024) 67(12) Communications of the ACM 58 <https://doi.org/10.1145/3665322> accessed 18 July 2026
3. Bernstein MH and others, ‘Randomized Study of the Impact of AI on Perceived Legal Liability for Radiologists’ (2025) 2(6) NEJM AI <https://doi.org/10.1056/AIoa2400785> accessed 18 July 2026
4. De Bruyne J and Ooms W, ‘Tort Liability and Artificial Intelligence: Some Challenges and (Regulatory) Responses’ in Smuha NA (ed), The Cambridge Handbook of the Law, Ethics and Policy of Artificial Intelligence (CUP 2025) 158 <http://doi.org/10.1017/9781009367783.011> accessed 18 July 2026
5. Fraser H and Bello y Villarino JM, ‘Acceptable Risks in Europe’s Proposed AI Act: Reasonableness and Other Principles for Deciding How Much Risk Management is Enough’ (2024) 15(2) European Journal of Risk Regulation 431 <https://doi.org/10.1017/err.2023.57> accessed 18 July 2026
6. Göksal Şİ, Solarte Vasquez MC and Chochia A, ‘The EU AI Act’s Alignment within the European Union’s Regulatory Framework on Artificial Intelligence’ (2024) 24(2) International and Comparative Law Review 25 <https://doi.org/10.2478/iclr-2024-0017> accessed 18 July 2026
7. Holzinger A, Zatloukal K and Müller H, ‘Is Human Oversight to AI Systems Still Possible?’ (2025) 85 New Biotechnology 59 <https://doi.org/10.1016/j.nbt.2024.12.003> accessed 18 July 2026
8. Jin Q and others, ‘Hidden Flaws Behind Expert-Level Accuracy of Multimodal GPT-4 Vision in Medicine’ (2024) 7 npj Digital Medicine 190 <https://doi.org/10.1038/s41746-024-01185-7> accessed 18 July 2026
9. Joshi G and others, ‘FDA-Approved Artificial Intelligence and Machine Learning (AI/ML)-Enabled Medical Devices: An Updated Landscape’ (2024) 13(3) Electronics 498 <https://doi.org/10.3390/electronics13030498> accessed 18 July 2026
10. Jovchevski P, Buijsman S and Neerincx M, ‘What Is Wrong with Automation Bias?’ (2026) 39 Philosophy & Technology 84 <https://doi.org/10.1007/s13347-026-01090-9> accessed 18 July 2026
11. Kaladharan S, Manayath D and Gopalakrishnan R, ‘Regulatory Challenges in AI/ML-Enabled Medical Devices: A Scoping Review and Conceptual Framework’ (2024) 18(4) Journal of Medical Devices 040801 <https://doi.org/10.1115/1.4066280> accessed 18 July 2026
12. Kasekamp K and others, ‘Estonia: Health System Review 2023’ (2023) 25(5) Health Systems in Transition 1 <https://eurohealthobservatory.who.int/publications/i/estonia-health-system-review-2023> accessed 18 July 2026
13. Kiejnich-Kruk K, ‘The AI Act: Challenges for Justice and Democracy in the Deployment of AI-Based Systems’ (2026) 31(1) Białostockie Studia Prawnicze 115 <https://doi.org/10.15290/bsp.2026.31.01.07> accessed 18 July 2026
14. Kinchin N, ‘“Voiceless”: The Procedural Gap in Algorithmic Justice’ (2024) 32 International Journal of Law and Information Technology eaae024 <https://doi.org/10.1093/ijlit/eaae024> accessed 18 July 2026
15. Kücking F and others, ‘Automation Bias in AI-Decision Support: Results from an Empirical Study’ in Röhrig R and others (eds), German Medical Data Sciences 2024: Health - Thinking, Researching and Acting Together (IOS Press 2024) 298 <https://doi.org/10.3233/shti240871> accessed 18 July 2026
16. Makauskaite-Samuole G, ‘Transparency in the Labyrinths of the EU AI Act: Smart or Disbalanced?’ (2025) 8(2) Access to Justice in Eastern Europe 38 <https://doi.org/10.33327/AJEE-18-8.2-a000105> accessed 18 July 2026
17. Milani L and others, ‘The Estonian Biobank’s Journey from Biobanking to Personalized Medicine’ (2025) 16 Nature Communications 3270 <https://doi.org/10.1038/s41467-025-58465-3> accessed 18 July 2026
18. Noë A, Bouhouita-Guermech S and Zawati MH, ‘The Right to Explanation in AI: In a Lonely Place’ (2025) 27 Journal of Medical Internet Research e64482 <https://doi.org/10.2196/64482> accessed 18 July 2026
19. Richmond KM and others, ‘Explainable AI and Law: An Evidential Survey’ (2024) 3(1) Digital Society 1 <https://doi.org/10.1007/s44206-023-00081-z> accessed 18 July 2026
20. Shumway DO and Hartman HJ, ‘Medical Malpractice Liability in Large Language Model Artificial Intelligence: Legal Review and Policy Recommendations’ (2024) 124(7) Journal of Osteopathic Medicine 287 <https://doi.org/10.1515/jom-2023-0229> accessed 18 July 2026
21. Söderlund K, ‘High-Risk AI Transparency? On Qualified Transparency Mandates for Oversight Bodies under the EU AI Act’ (2025) 2025 Technology and Regulation 97 <https://doi.org/10.71265/6bedar76> accessed 18 July 2026
22. Söderlund K and Larsson S, ‘Enforcement Design Patterns in EU Law: An Analysis of the AI Act’ (2024) 3 Digital Society 41 <https://doi.org/10.1007/s44206-024-00129-8> accessed 18 July 2026
23. Ueda D and others, ‘Legal Liability of Physicians and New Governance in the AI Era’ (2026) 44 Japanese Journal of Radiology 1316 <https://doi.org/10.1007/s11604-026-01997-5> accessed 18 July 2026
24. Varošanec I, ‘On the Path to the Future: Mapping the Notion of Transparency in the EU Regulatory Framework for AI’ (2022) 36(2) International Review of Law, Computers & Technology 95 <https://doi.org/10.1080/13600869.2022.2060471> accessed 18 July 2026
25. Wojtczak S and Księżak S, ‘Causation in Civil Law and the Problems of Transparency in AI’ (2021) 29(4) European Review of Private Law 561 <https://doi.org/10.54648/erpl2021030> accessed 18 July 2026
26. Zhu L and others, ‘Designing Meaningful Human Oversight in AI’ (2026) 6 AI and Ethics 286 <https://doi.org/10.1007/s43681-026-01147-7> accessed 18 July 2026
Reviews for article
Add a Review
АНОТАЦІЯ УКРАЇНСЬКОЮ МОВОЮ
Дослідницька стаття
ВІД СОЛІДАРНОЇ ДО ДИФЕРЕНЦІЙОВАНОЇ ВІДПОВІДАЛЬНОСТІ: РЕФОРМУВАННЯ МЕДИЧНОГО ПРАВА УКРАЇНИ З УРАХУВАННЯМ АКТА ЄС ПРО ШТУЧНИЙ ІНТЕЛЕКТ ТА ДОСВІДУ ЕСТОНІЇ
Володимир Капустник*, Володимир Курило
АНОТАЦІЯ
Передумови. Зростання масштабів застосування високоризикових систем штучного інтелекту (ШІ) у сфері охорони здоров’я створює нові виклики традиційним моделям юридичної відповідальності у медицині, зокрема у випадках, коли клінічні рішення формуються внаслідок взаємодії медичних працівників, закладів охорони здоров’я, постачальників програмного забезпечення та алгоритмічних систем. За таких умов встановлення причинно-наслідкового зв’язку та розподіл юридичної відповідальності істотно ускладнюється через непрозорість алгоритмічних процесів, розподілений характер ухвалення рішень та залучення багатьох суб’єктів із різним ступенем контролю над ризиками, пов’язаними із ШІ.
Методи. У дослідженні застосовано доктринальний та порівняльно-правовий методи для аналізу трансформації моделей юридичної відповідальності в контексті ухвалення медичних рішень із застосуванням ШІ. Дослідження ґрунтується на нормах цивільного та медичного законодавства України, положеннях Регламенту (ЄС) 2024/1689 «Акт про штучний інтелект» (Акт ЄС про ШІ), стандартах забезпечення права на доступ до правосуддя відповідно до статті 6 Конвенції про захист прав людини і основоположних свобод, а також на естонській моделі цифрового врядування та підзвітності у сфері охорони здоров’я.
Результати та висновки. Доведено, що традиційні моделі солідарної відповідальності стають дедалі менш придатними для вирішення спорів щодо застосування високоризикових медичних систем ШІ, оскільки вони не розмежовують суб’єктів за критерієм здійснення фактичного контролю над алгоритмічним ризиком. Обґрунтовано, що Акт ЄС про ШІ забезпечує нормативне й концептуальне підґрунтя для запровадження диференційованої моделі відповідальності, заснованої на засадах функціональної відповідальності, людського нагляду та ризик-орієнтованого управління. Особливу увагу приділено процесуальному значенню пояснюваності (explainability), логування (протоколювання подій) та простежуваності як механізмів, які сприяють встановленню причинного зв’язку, забезпеченню доступу до доказів і здійсненню дієвого судового контролю. Досвід Естонії демонструє, як інфраструктура цифрової підзвітності, підкріплена чітким розподілом інституційних обов’язків та належним нормативно-правовим регулюванням, може сприяти посиленню нагляду за процесом ухвалення медичних рішень із застосуванням ШІ. Виявлено ключові законодавчі прогалини медичного права України у сфері застосування ШІ та запропоновано практичні напрями реформування, включно з моделлю диференційованої відповідальності за критерієм контролю над алгоритмічним ризиком. Зроблено висновок, що такий підхід формує більш послідовну та юридично передбачувану основу для розподілу відповідальності в охороні здоров’я, ніж класичні конструкції колективної відповідальності, та гармонізується з актуальними європейськими підходами до регулювання ШІ та юридичної відповідальності.
Ключові слова: штучний інтелект, ШІ в медичній сфері, медична відповідальність, солідарна відповідальність, диференційована відповідальність, людський нагляд, пояснюваність, простежуваність, логування (протоколювання), доступ до правосуддя, стаття 6 ЄКПЛ, алгоритмічна підзвітність, цифрові докази, медичне право.
Publication history
-
DETAILS FOR PUBLICATION
Date of submission: 01 Jun 2026
Date of acceptance: 24 Jul 2026
Online First Publication: 30 Sep 2026
Publication: Nov 2026
Was the manuscript fast-tracked? - No
Number of reviewer reports submitted in the first round: 4 reports
Number of revision rounds: 3 rounds with major revisions
Technical tools used in the editorial process
Plagiarism checks - Turnitin from iThenticate
https://www.turnitin.com/products/ithenticate/
Scholastica for Peer Review
https://scholasticahq.com/law-reviews
Paperpal for Academic Editing & Proofreading
https://paperpal.com/
AI DISCLOSURE STATEMENT
The authors prepared the manuscript. They only used AI tools for spelling, grammar, and
stylistic refinement. No generative AI was used to produce original content, research
ideas, or analysis.
How to cite it?
-
Kapustnyk V and Kurylo V, ‘From Joint to Differentiated Liability: Reforming Ukrainian Medical Law in Light of the EU AI Act and the Estonian Experience’ (2026) 9(4) Access to Justice in Eastern Europe <https://doi.org/10.33327/AJEE-18-9.4-a0002009>
