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

رفتن به صفحه اصلی

ارائه مجازی مقاله

کد مقاله 1688

عنوان هوش مصنوعی تفسیرپذیر در پیشگیری و شناسایی خطاهای دارویی: مروری روایتی بر فرصتها، چالشها و ملاحظات ایمنی بیمار

نویسندگان آیدا ابراهیمی - فریدخت یزدانی

چکیده مقدمه: خطاهای دارویی از علل آسیب قابل پیشگیری در مراقبت سلامت هستند و میتوانند در مراحل تجویز، انتقال، آمادهسازی، تجویز و پایش رخ دهند. هوش مصنوعی (AI) با تحلیل دادههای بالینی و شناسایی الگوهای پرخطر، ظرفیت پشتیبانی از ایمنی دارویی را دارد؛ بااینحال، ابهام مدلهای جعبهسیاه میتواند اعتماد و بازبینی بالینی را دشوار کند. هوش مصنوعی تفسیرپذیر (XAI) با ارائه توضیح درباره عوامل مؤثر بر خروجی مدل، میتواند تعامل انسان و الگوریتم را تقویت کند(1-5). روشها: این مطالعه یک مرور روایتی انتقادی از شواهد منتشرشده بین سالهای 2021 تا 2026 درباره کاربرد AI و XAI در پیشگیری و شناسایی خطاهای دارویی بود. جستجوی هدفمند در پایگاههای علمی معتبر و اسناد سازمانهای بینالمللی با تمرکز بر مفاهیم AI، XAI، ایمنی دارویی، خطاهای دارویی و پشتیبانی تصمیمگیری بالینی انجام شد. منابع بر اساس ارتباط موضوعی، اعتبار، تازگی و قابلیت کاربرد انتخاب و یافتهها در محورهای کاربرد، تفسیرپذیری، تعامل انسان-AI و حکمرانی سنتز شدند. یافتهها: شواهد نشان داد AI میتواند در اعتبارسنجی نسخه، شناسایی تداخلها، اولویتبندی هشدارها و تشخیص موقعیتهای پرخطر مفید باشد. بااینحال، شواهد مستقیم درباره اثر مستقل XAI بر کاهش خطاهای دارویی محدود است. توضیحات میتوانند بازبینی تصمیم را تسهیل کنند، اما توضیح نامناسب، سوگیری داده، تغییر عملکرد مدل، خستگی هشدار و اتوماسیونباوری ممکن است خطر ایجاد کنند. نتیجهگیری: XAI باید بهعنوان بخشی از یک سامانه ایمنی انسانمحور به کار رود، نه جایگزین قضاوت حرفهای. اعتبارسنجی بالینی، ارزیابی پیامدهای ایمنی، پایش مستمر، آموزش کاربران و حکمرانی شفاف داده و الگوریتم برای استقرار ایمن آن ضروری است.

فایل ها

فایل پوستر مقاله

محتوای ارائه مجازی مقاله

نظرات