مرکز تحقیقات مراقبت‌های پرستاری، پژوهشکده علوم بالینی، دانشکده پرستاری، دانشگاه علوم پزشکی بقیه‌الله (عج)، تهران ایران ، Amirvahedian63@gmail.com
چکیده: (73 مشاهده)
زمینه و هدف: بخش مراقبت‌های ویژه به عنوان یکی از بحرانی‌ترین بخش‌های بیمارستان نیازمند تصمیم‌گیری‌های سریع و دقیق بر اساس حجم عظیمی از داده‌ها است. هوش مصنوعی با ارائه ابزارهای نوین تحلیلی نقش فزاینده‌ای در بهبود فرآیندهای تشخیصی، درمانی و مدیریتی در این بخش ایفا می‌کند. هدف اصلی این مقاله مروری ارائه یک دسته‌بندی نظام‌مند از انواع هوش مصنوعی و مدل های تخصصی مرتبط با هر یک با تمرکز بر کاربردهای آنها در حوزه مراقبت‌های ویژه است. این دسته‌بندی به منظور تسهیل درک بهتر و کاربردی‌تر این فناوری در حوزه مراقبت‌های ویژه ارائه می‌شود. روش‌ها:این مطالعه مروری مطابق با استانداردهای مقالات مروری نریتیو طراحی و اجرا شد. فرایند پژوهش در چهار مرحله اصلی انجام گرفت. ابتدا جستجوی جامع منابع علمی در پایگاه‌های داده معتبر شامل PubMed، Scopus، Web of Science و IEEE Xplore صورت گرفت. کلیدواژه‌های جستجو ترکیبی از اصطلاحات مرتبط با هوش مصنوعی، مراقبت‌های ویژه، یادگیری ماشین، تشخیص زودهنگام و مدیریت منابع در بخش مراقبت‌های ویژه و معادل‌های انگلیسی آنها بود. بازه زمانی جستجو شامل مقالات منتشرشده از سال ۲۰۱۰ تا ۲۰۲۴ بود. در مرحله دوم، معیارهای انتخاب و حذف مطالعات تعیین شد؛ مطالعات هم‌گروهی، کارآزمایی‌های بالینی، متاآنالیزها و مقالات مروری با تمرکز بر کاربردهای هوش مصنوعی در بخش مراقبت‌های ویژه در مطالعه گنجانده شدند و مطالعات حیوانی، گزارش‌های موردی غیرسیستماتیک و مقالات بدون دسترسی به متن کامل حذف شدند. سپس در مرحله استخراج و تحلیل داده‌ها، اطلاعات کلیدی هر مطالعه شامل نوع رویکرد هوش مصنوعی (نمادین، یادگیری ماشین، یادگیری عمیق، سیستم‌های فازی)، مدل‌های تخصصی مورد استفاده (شبکه‌های عصبی، ماشین بردار پشتیبان، درخت تصمیم)، حوزه کاربرد (تشخیص، پیش‌بینی خطر، مدیریت درمان) و معیارهای اثربخشی (دقت، حساسیت، بهبود نتایج بالینی) استخراج و تحلیل شد. در مرحله چهارم، چارچوب تحلیلی بر اساس دو محور اصلی تدوین شد: دسته‌بندی رویکردهای هوش مصنوعی بر اساس قابلیت شامل سیستم‌های قاعده‌محور (هوش مصنوعی نمادین) و سیستم‌های داده‌محور (یادگیری عمیق) و دسته‌بندی مبتنی بر عملکرد شامل کاربردهای تشخیصی (مانند تحلیل تصاویر رادیولوژی)، پیش‌بینی (مدل‌های ریسک) و تصمیم‌گیری (بهینه‌سازی پروتکل‌های درمانی). همچنین، مدل‌های تخصصی بر اساس شواهد کاربردپذیری در بخش مراقبت‌های ویژه ارزیابی شدند، از جمله کاربرد شبکه‌های عصبی کانولوشنی در تحلیل داده‌های فیزیولوژیک و سیستم‌های فازی در مدیریت منابع. در نهایت، یافته‌ها در قالب ماتریس مقایسه‌ای با محورهای نوع مدل، حوزه عملکرد و سطح شواهد سازماندهی و همپوشانی‌های بین‌رشته‌ای مانند تلفیق یادگیری تقویتی با سیستم‌های پشتیبانی تصمیم بالینی شناسایی شد. یافته‌ها:نتایج این مطالعه مروری نشان می‌دهد که هوش مصنوعی در مراقبت‌های ویژه شامل رویکردهای متنوعی از جمله هوش مصنوعی نمادین، یادگیری ماشین (شامل یادگیری نظارت‌شده، بدون نظارت و تقویتی)، یادگیری عمیق، هوش مصنوعی تکاملی، سیستم‌های فازی و هوش ازدحامی است. هر یک از این رویکردها با بهره‌گیری از مدل‌های تخصصی خاص قابلیت‌های منحصر به فردی را در زمینه‌هایی مانند تشخیص زودهنگام بیماری‌ها، پیش‌بینی خطر، بهینه‌سازی درمان و مدیریت منابع ارائه می‌دهند. نتیجه‌گیری:در حالی که دسته‌بندی ارائه شده می‌تواند به درک بهتر کاربردهای هوش مصنوعی در مراقبت‌های ویژه کمک کند، لازم است توجه شود که این دسته‌بندی‌ها لزوماً مرزهای کاملاً مشخصی ندارند و همپوشانی‌هایی بین رویکردهای مختلف وجود دارد. انتخاب رویکرد مناسب هوش مصنوعی و مدل‌های مرتبط بستگی به ویژگی‌های خاص مسئله و داده‌های موجود دارد. با این حال با شناخت دقیق از انواع هوش مصنوعی و مدل‌های تخصصی مرتبط، متخصصان مراقبت‌های ویژه می‌توانند گامی مؤثر در بهبود کیفیت مراقبت و ارتقای سلامت بیماران بردارند. تلاقی هوش مصنوعی و بخش مراقبت‌های ویژه افق‌های جدیدی را در ارتقای سلامت بیماران و بهبود نتایج درمانی فراهم می‌سازد. هوش مصنوعی با طیف گسترده‌ی رویکردها و تکنیک‌ها، پتانسیل دگرگون‌کننده‌ای در مراقبت‌های ویژه دارد. شناخت عمیق این رویکردها متخصصان را قادر می‌سازد تا روش‌های بهینه‌ای را برای ارتقای سلامت بیماران انتخاب کنند. همگرایی هوش مصنوعی و مراقبت‌های ویژه آینده پزشکی را متحول می‌سازد. توسعه مسئولانه مستلزم توجه به چالش‌های اخلاقی و تضمین استفاده‌ی عادلانه از این فناوری است.
Arabfard M, Maher-Sultan H, vahedian-azimi A. AI Taxonomy and Statistical Paradigms in Intensive Care: Transforming Diagnosis, Management, and Outcomes: Invited Review Paper. jccnursing 2025; 17 (4) :66-80 URL: http://jccnursing.com/article-1-811-fa.html
عرب فرد مسعود، Maher-Sultan Hosny، واحدیان عظیمی امیر. دسته‌بندی هوش مصنوعی و مدل‌های تخصصی مرتبط در مراقبت‌های ویژه: تحول در تشخیص، مدیریت و نتایج درمانی: مقاله مروری دعوت‌شده. پرستاری مراقبت ویژه. 1403; 17 (4) :66-80
