سامانه همایش های دانشگاه آزاد اسلامی واحد نجف آباد

صفحه اصلی / اولین همایش بین المللی تحول خدمات سلامت: تلفیق مراقبت، درمان، بازتوانی و امیدبخشی

نقش الگوریتمهای یادگیری ماشین در بهبود آموزش و تصمیمگیری بالینی علوم پزشکی: یک مطالعه مروری روایتی

نویسندگان :

مریم باقری¹ الهه کرمی²

1- دانشگاه علوم پزشکی اصفهان 2- دانشگاه علوم پزشکی اصفهان

کلمات کلیدی :

هوش مصنوعی،یادگیری ماشین،آموزش علوم پزشکی،تصمیمگیری بالینی،مطالعات مداخلهای

چکیده :

مقدمه: گسترش هوش مصنوعی و یادگیری ماشین بهطور فزایندهای آموزش و تصمیمگیری بالینی در علوم پزشکی را تحت تأثیر قرار داده است. شواهد نشان میدهد این فناوریها میتوانند مهارتهای بالینی، استدلال تشخیصی و کیفیت مراقبت را بهبود بخشند، با این حال اثربخشی و قابلیت تعمیم مداخلات مبتنی بر آنها همچنان نیازمند بررسی نظاممند است. هدف این مطالعه، مرور روایتی مطالعات مداخلهای مرتبط با کاربرد عملی هوش مصنوعی و یادگیری ماشین در آموزش و تصمیمگیری بالینی علوم پزشکی طی سالهای 2020 تا 2025 بود. روش کار: این پژوهش بهصورت مرور روایتی با رویکردی نظاممند انجام شد. جستوجوی ساختاریافته در پایگاههای PubMed، ProQuest و Web of Science برای مقالات منتشرشده بین سالهای 2020 تا 2025 صورت گرفت. کلیدواژهها با استفاده از ترکیب عبارات MeSH و کلیدواژههای آزاد شامل هوش مصنوعی، یادگیری ماشین، آموزش بالینی و تصمیمگیری بالینی تنظیم شدند. از مجموع 78 مقاله بازیابیشده، پس از حذف موارد تکراری و غربالگری عنوان، چکیده و متن کامل، 8 مطالعه مداخلهای که بهطور مستقیم از الگوریتمهای پیشرفته هوش مصنوعی در محیطهای آموزشی یا بالینی استفاده کرده بودند، وارد تحلیل نهایی شدند. معیارهای ورود شامل پیادهسازی عملی فناوری، گزارش پیامدهای آموزشی یا بالینی و استفاده از طراحیهای مداخلهای بود. استخراج دادهها بر اساس نوع مداخله، جمعیت هدف، ابزارهای هوش مصنوعی و پیامدهای کلیدی انجام شد. نتایج: نتایج مرور 8 مطالعه نشان داد استفاده از مدلهای زبانی عمیق، شبکههای عصبی و سیستمهای تصمیمیار هوشمند موجب بهبود معنادار یادگیری عمیق، ارتقای استدلال بالینی و افزایش دقت تشخیصی شده است. مداخلات آموزشی مبتنی بر هوش مصنوعی منجر به بهبود عملکرد آزمونی و کاهش سوگیریهای انسانی در ارزیابی مهارتها گردید. در حوزه تصمیمگیری بالینی، کاربرد الگوریتمهای پردازش زبان طبیعی و درخت تصمیم باعث افزایش یکنواختی تصمیمات تشخیصی و درمانی شد. نتیجهگیری: یافتهها نشان میدهد هوش مصنوعی و یادگیری ماشین میتوانند بهعنوان مکملی راهبردی در آموزش و تصمیمگیری بالینی ایفای نقش کنند. ادغام پایدار این فناوریها مستلزم توسعه چارچوبهای اخلاقی، ارتقای سواد دیجیتال و انجام مطالعات طولی آیندهنگر است.