سامانه همایش های دانشگاه آزاد اسلامی واحد نجف آباد

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

کاربرد هوش مصنوعی و یادگیری ماشین در پیشبینی و مدیریت بیماری دیابت

نویسندگان :

جاوید دادگری¹

1- دانشگاه علوم پزشکی ارتش

کلمات کلیدی :

هوش مصنوعی،یادگیری ماشین،دیابت ملیتوس،یادگیری عمیق،رتینوپاتی دیابتی،سیستم های تزریق انسولین

چکیده :

کاربرد هوش مصنوعی و یادگیری ماشین در پیشبینی و مدیریت بیماری دیابت جاوید دادگری1 1. دانشجوی کارشناسی پرستاری، دانشگاه علوم پزشکی ارتش جمهوری اسلامی ایران (آجا)، تهران، ایران Email: javiddadgari573@gmail.com چکیده مقدمه: دیابت ملیتوس یکی از شایعترین بیماریهای مزمن متابولیک در جهان است؛ بر اساس ویرایش یازدهم اطلس دیابت فدراسیون بینالمللی دیابت، در سال 2024 حدود 589 میلیون بزرگسال (یک نفر از هر نه نفر) به این بیماری مبتلا بودهاند و این رقم تا سال 2050 به 853 میلیون نفر خواهد رسید [1]. در سالهای اخیر، هوش مصنوعی و یادگیری ماشین بهعنوان ابزارهایی نوظهور برای پیشبینی خطر ابتلا، تشخیص زودهنگام عوارض و مدیریت روزمرهی گلوکز خون مطرح شدهاند. هدف این مطالعهی مروری، جمعبندی شواهد جدید دربارهی کاربرد این فناوریها در پیشبینی و مدیریت دیابت است. روشها: این مقاله بهصورت مروری روایتی و با جستوجو در پایگاههای PubMed، Scopus، Frontiers و Google Scholar با کلیدواژههای هوش مصنوعی، یادگیری ماشین، یادگیری عمیق و دیابت، با تأکید بر منابع منتشرشده طی سالهای 2024 تا 2026 تهیه شده است. یافتهها: مدلهای یادگیری ماشین نظیر جنگل تصادفی، ماشین بردار پشتیبان و بهویژه روشهای تقویت گرادیان دقت بالایی در پیشبینی خطر دیابت نوع دو نشان دادهاند [2]. سامانههای مبتنی بر یادگیری عمیق برای غربالگری رتینوپاتی دیابتی، حساسیتی در حدود 87 تا 94 درصد و ویژگی 90 تا 94 درصد داشته و برخی از آنها مجوز سازمان غذا و داروی آمریکا را دریافت کردهاند [3]. در حوزهی مدیریت بیماری، سامانههای پانکراس مصنوعی حلقهبسته با ترکیب پایش مداوم گلوکز و الگوریتمهای هوشمند، کنترل گلایسمیک را بهبود بخشیدهاند [4]، و هوش مصنوعی مولد نیز در حال ورود به آموزش و مراقبت شخصیسازیشدهی بیماران دیابتی است [5]. نتیجهگیری: هوش مصنوعی و یادگیری ماشین ظرفیت بالایی برای ارتقای پیشبینی، تشخیص زودهنگام و مدیریت روزمرهی دیابت دارند، اما اعتبارسنجی بالینی گستردهتر، توجه به حریم خصوصی دادهها و آموزش کادر درمانی از جمله پرستاران، برای بهرهبرداری مؤثر از این فناوریها ضروری است. واژگان کلیدی: هوش مصنوعی، یادگیری ماشین، دیابت ملیتوس، یادگیری عمیق، رتینوپاتی دیابتی، سیستمهای تزریق انسولین