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

رفتن به صفحه اصلی

ارائه مجازی مقاله

کد مقاله 1292

عنوان نقش هوش مصنوعی در تشخیص،درمان و مدیریت افسردگی

نویسندگان شهلا رستمی راد - معصومه اسماعیلی - یاسمین طغیانی - نگار سبکتکین

چکیده چکیده مقدمه: افسردگی یکی از شایعترین اختلالات سلامت روان با پیامدهای گسترده فردی، اجتماعی و اقتصادی است. پیشرفتهای هوش مصنوعی فرصتهای جدیدی برای بهبود تشخیص، درمان و مدیریت این اختلال ایجاد کرده است. روشها: مطالعه مرور روایتی با جستجوی نظاممند در پایگاههای Google Scholar و PubMed در بازه 2019 تا 2026 انجام شد. از عملگر ANDبا کلیدواژههای مرتبط استفاده گردید. از 1216 مقاله اولیه، پس از حذف موارد تکراری و نامرتبط، 10 مقاله معیارهای ورود را داشتند. یافتهها: الگوریتمهای یادگیری عمیق توانایی بالایی در تشخیص افسردگی دارند. مدل ترکیبی Att-GRU-decay مبتنی بر Self-Attention و GRU با عامل کاهش زمانی، بهترین عملکرد را با AUC=0.990، AUPRC=0.974، ویژگی 0.999 و حساسیت 0.944 نشان داد. یادگیری بدون نظارت، زیرگونههای افسردگی را شناسایی میکند؛ مطالعه Drysdale چهار زیستگونه با پاسخهای درمانی متفاوت را با fMRI کشف کرد. هوش مصنوعی با تحلیل دادههای بالینی و EHR، درمان شخصیسازیشده ارائه میدهد. فنوتیپسازی دیجیتال و حسگری غیرفعال، پایش پیوسته و از راهدور را بدون مشارکت فعال بیمار ممکن میسازد. بااینحال، چالشهای اساسی شامل حفظ حریم خصوصی، مسائل اخلاقی، سوگیری الگوریتمی، محدودیتهای فنی (نظیر موازنه سوگیری-واریانس)، تفاوتهای فرهنگی-زبانی و فقدان نشانگرهای عینی بیماری، کاربرد بالینی گسترده را با مانع مواجه کرده است. نتیجهگیری: هوش مصنوعی بهعنوان ابزاری مکمل در کنار متخصصان، میتواند دقت تشخیصی، سرعت پردازش و امکان پایش مداوم را ارتقا دهد. اثربخشی آن منوط به رعایت اصول اخلاقی، حفاظت از دادهها و نظارت تخصصی مستمر است. واژگان کلیدی:سیستم هوشمند،افسردگی،اختلال افسردگی،تشخیص،روش های درمانی

فایل ها

فایل پوستر مقاله

محتوای ارائه مجازی مقاله

نظرات