مقاله مروری نظام مند
مدیریت اطلاعات سلامت
مهدی محرابی؛ آزاده آبکار؛ امین گلاب پور؛ محمد امین شایگان
چکیده
**مقدمه:** تشخیص زودهنگام کووید-19 نقش مهمی در کاهش مرگ‌ومیر بیماران دارد. هوش مصنوعی با قابلیت تحلیل حجم بالای داده‌های پزشکی، می‌تواند به تشخیص سریع‌تر و دقیق‌تر این بیماری کمک کند. این مطالعه با هدف بررسی عملکرد مدل‌های هوش مصنوعی در تشخیص کووید-19 انجام شده است.
**متد:** با جستجوی سیستماتیک در پایگاه‌های داده پابمد، اسکوپوس و WOS، ...
بیشتر
**مقدمه:** تشخیص زودهنگام کووید-19 نقش مهمی در کاهش مرگ‌ومیر بیماران دارد. هوش مصنوعی با قابلیت تحلیل حجم بالای داده‌های پزشکی، می‌تواند به تشخیص سریع‌تر و دقیق‌تر این بیماری کمک کند. این مطالعه با هدف بررسی عملکرد مدل‌های هوش مصنوعی در تشخیص کووید-19 انجام شده است.
**متد:** با جستجوی سیستماتیک در پایگاه‌های داده پابمد، اسکوپوس و WOS، 143 مقاله مرتبط استخراج شد. مقالات بر اساس نوع داده‌های ورودی، الگوریتم‌های مورداستفاده، معیارهای ارزیابی عملکرد، میزان ارائه قوانین بالینی و تأیید این الگوریتم‌ها توسط متخصصان بررسی شدند. همچنین، 451 مقاله مروری و متاآنالیز تحلیل شد تا میزان پذیرش این الگوریتم‌ها در گایدلاین‌های بالینی مشخص شود.
**نتایج:** داده‌های ورودی مقالات شامل رکوردهای اطلاعاتی، تصاویر پزشکی و پردازش صدا بودند. بیش از 96 درصد الگوریتم‌های مورداستفاده، جعبه سیاه بوده و فاقد ارزیابی بالینی توسط متخصصان هستند. باوجوداین، عملکرد آن‌ها به‌طور میانگین بالای 90 درصد گزارش شده است. بررسی مقالات مروری و متاآنالیز نشان داد که هیچ‌یک از الگوریتم‌ها در چارچوب بالینی مورد ارزیابی رسمی قرار نگرفته‌اند و تنها عملکرد آن‌ها روی داده‌های موجود بررسی شده است.
**نتیجه‌گیری:** مرور مطالعات نشان داد که هوش مصنوعی در تشخیص کووید-19 عملکرد بالایی دارد اما محدودیت‌هایی مانند عدم توضیح‌پذیری، وابستگی به داده‌های آموزشی و فقدان ارزیابی بالینی مانع پذیرش گسترده آن در سیستم‌های پزشکی شده است. توسعه مدل‌های جعبه سفید و انجام مطالعات بالینی گسترده برای اطمینان از کارایی و پذیرش این الگوریتم‌ها ضروری است.
