سامانه همایش های دانشگاه آزاد اسلامی واحد نجف آباد

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

هوش مصنوعی و یادگیری ماشین برای انتخاب بیمار و پیشبینی پیامد در جراحی چاقی: یک مطالعه مروری

نویسندگان :

احمد اسحاقی حسن آبادی¹ زهرا عالمی² لیلا اکبری³ هانیه کرمی⁴

1- دانشگاه علوم پزشکی اصفهان 2- دانشگاه علوم پزشکی اصفهان 3- دانشگاه علوم پزشکی اصفهان 4- دانشگاه علوم پزشکی اصفهان

کلمات کلیدی :

Artificial Intelligence،Machine Learning،Obesity،Bariatric Surgery،Postoperative Complications

چکیده :

چکیده مقدمه: چاقی یک بحران جهانی است و جراحی چاقی مؤثرترین روش برای کاهش وزن پایدار و بهبود بیماریهای همراه به شمار میرود. هوش مصنوعی و یادگیری ماشین بهطور فزایندهای در تحلیل دادههای سلامت و مدلسازی پیشبینیکننده استفاده میشوند. این مرور روایتی کاربردهای این روشها را در انتخاب بیمار و پیشبینی پیامد در جراحی چاقی بررسی کرد. روشها: این مطالعه بهصورت یک مرور روایی انجام شد. جستجو در پایگاههای PubMed، Web of Science، ScienceDirect، SID و Google Scholar با بهرهگیری از کلیدواژهها و اصطلاحات MeSH مرتبط، در بازه زمانی 2019 تا 2026 صورت گرفت. پس از اعمال معیارهای ورود، 20 مطالعه گزینش شدند و یافتههای آنها بهشکل انتقادی مورد ارزیابی قرار گرفت. یافتهها: کاربردها در سه دسته انتخاب بیمار، پیشبینی پیامد و شناسایی چالشها جای گرفتند. مدلهای مبتنی بر دادههای بالینی، آزمایشگاهی و تصویربرداری، بیماران با شانس موفقیت بالاتر و خطر عوارض کمتر را شناسایی کردند و در پیشبینی کاهش وزن، بهبود بیماریهای همراه و عوارض عملکردی قابل مقایسه یا برتر از روشهای مرسوم داشتند. با این حال، ناهمگونی طراحیها، نمونه کوچک و ناهماهنگی روششناختی، تعمیمپذیری را محدود میکند. نتیجهگیری: هوش مصنوعی و یادگیری ماشین در بهبود انتخاب بیمار و پیشبینی کاهش وزن، بهبود بیماریهای همراه، عوارض و بستری مجدد در جراحی چاقی نویدبخش بودهاند. شواهد کنونی عملکرد قابل مقایسه یا برتر از روشهای سنتی را نشان میدهد؛ اما ناهمگونی، اعتبارسنجی بیرونی محدود و استانداردهای ناکافی گزارشدهی موانع باقیماندهاند. پژوهشهای آینده باید بر دقت روششناختی، اعتبارسنجی بیرونی و کاربردهای نوآورانه متمرکز شوند.