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:   (242 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.