logo
دوره 30، شماره 4 - ( 6-1403 )                   جلد 30 شماره 4 صفحات 0-0 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Kashani M, Barzekar S. A Systematic Review of Artificial Intelligence Applications for Education and Support of Diabetic Patients in Wartime and Crisis Settings. Intern Med Today 2024; 30 (4)
URL: http://imtj.gmu.ac.ir/article-1-4107-fa.html
کاشانی مصطفی، برزه‌کار صدیقه. کاربرد هوش مصنوعی در آموزش و پشتیبانی از بیماران دیابتی در زمان جنگ. طب داخلی روز. 1403; 30 (4)

URL: http://imtj.gmu.ac.ir/article-1-4107-fa.html


1- گروه فناوری اطلاعات سلامت، دانشکده علوم پزشکی سیرجان، سیرجان، ایران. ، mostafa.kashani@sirums.ac.ir
2- دانشکده علوم پزشکی سیرجان، سیرجان، ایران
چکیده:   (7 مشاهده)
دیابت که بیش از ۵۰۰ میلیون نفر را در سراسر جهان تحت تأثیر قرار داده است، در زمان جنگ با چالش‌های شدیدی از جمله کمبود انسولین، تخریب زیرساخت‌های مراقبت‌های بهداشتی و افزایش فشار روانی مواجه می‌شود که خطر بروز عوارض حاد و مزمن را تشدید می‌کند. این مرور نظام‌مند که مطابق با دستورالعمل‌های PRISMA انجام شده است، نقش هوش مصنوعی (AI) را در آموزش و پشتیبانی از بیماران دیابتی در شرایط جنگی برای ارائه راهکارهای نوآورانه در مدیریت بیماری و آموزش خودمراقبتی در بحران‌ها ارزیابی می‌کند. یک جستجوی هدفمند در پایگاه‌های PubMed، Scopus، IEEE Xplore و Web of Science (سال‌های ۲۰۱۵ تا ۲۰۲۳) با استفاده از کلیدواژه‌هایی مانند «هوش مصنوعی»، «آموزش دیابت در شرایط جنگی»، «حمایت روانی» و «پزشکی از راه دور» انجام شد. از میان ۱۵۲۳ مقاله، ۲۰ مطالعه با کیفیت بالا بر اساس معیارهای PICO انتخاب و با استفاده از ابزارهای AMSTAR-2، RoB 2 و NOS ارزیابی شدند. داده‌ها به صورت کیفی و کمی ترکیب شدند. نتایج نشان داد که هوش مصنوعی دقت پیش‌بینی گلوکز را تا ۹۷٪ افزایش می‌دهد، HbA1c را به‌طور میانگین ۱٫۵٪ کاهش می‌دهد و خطر هیپوگلیسمی را ۳۱٪ کم می‌کند. ابزارهای آموزشی مبتنی بر هوش مصنوعی، مانند چت‌بات‌های تعاملی و پلتفرم‌های آموزش دیجیتال، آگاهی بیماران و پایبندی به درمان را در شرایط جنگی تا ۲۵٪ بهبود می‌بخشند. جدول ۱ کاربردهای هوش مصنوعی (پیش‌بینی، پایش، آموزش دیجیتال و حمایت روانی) را خلاصه می‌کند، در حالی که جدول ۲ محدودیت‌هایی همچون کمبود داده‌های واقعی از شرایط جنگی و ملاحظات اخلاقی را نشان می‌دهد. سه نمودار میله‌ای دقت مدل، بهبود HbA1c و حوزه‌های کاربرد هوش مصنوعی را ترسیم کردند. با وجود چالش‌های داده‌ای و اخلاقی، هوش مصنوعی دسترسی به آموزش و مراقبت را در مناطق درگیر جنگ متحول می‌کند. تحقیقات آینده باید بر توسعه مدل‌های قوی و فراگیر هوش مصنوعی برای شرایط بحرانی متمرکز شود تا پیامدهای سلامت جهانی را بهبود بخشد و ارائه مراقبت عادلانه در محیط‌های بشردوستانه را تضمین کند.
     
نوع مطالعه: مروری | موضوع مقاله: علوم پايه پزشكي
دریافت: 1404/7/1 | پذیرش: 1405/2/6 | انتشار: 1403/7/8

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.