اثربخشی ابزارهای هوش مصنوعی مولد در غربالگری مشکلات بینایی و شنوایی توسط مراقبان سلامت

دسته بندی موضوعی : برنامه ریزی درسی و آموزشی

زبان : فارسی

نوع فایل : PDF

تعداد صفحات : 12

وضعیت : این مقاله توسط هیات داوران پایگاه ایران ژورنال داوری شده است
دومین همایش ملی علوم انسانی با رویکرد نوین و اولین همایش بین المللی پژوهشی فرهنگیان نوین

نویسندگان :
وفا عریض لیسانس روانشناسی عمومی، معاون اجرایی دوره ابتدایی، اهواز، خوزستان.
سمیه مشرویه کارشناسی، آموزگار، پایه اول، قرچک، تهران
محمد شیرعلی لیسانس آموزش ابتدایی، مدیر دبستان، آغاجاری، خوزستان.
علی حسنی کیا لیسانس حقوق، دبیر متوسطه، لردگان، چهار محال و بختیاری.

ثبت شده توسط : ایران ژورنال

لینک مستقیم مقاله : https://iran-journals.com/doc/1680

چکیده فارسی :

زمینه: مشکلات بینایی و شنوایی از شایع‌ترین اختلالات حسی هستند که تشخیص زودهنگام آنها می‌تواند از عوارض جدی مانند نابینایی یا کاهش شدید شنوایی پیشگیری کند. در ایران، کمبود متخصصان و محدودیت دسترسی در مناطق کم‌برخوردار، غربالگری توسط مراقبان سلامت را ضروری می‌سازد. ابزارهای هوش مصنوعی مولد با قابلیت تولید محتوا، شبیه‌سازی سناریوها و تحلیل داده‌های پیچیده، پتانسیل بالایی برای حمایت از این مراقبان دارند، اما شواهد در مورد اثربخشی آنها محدود است. هدف: این مطالعه به بررسی اثربخشی ابزارهای هوش مصنوعی مولد در بهبود غربالگری مشکلات بینایی و شنوایی توسط مراقبان سلامت پرداخت، با تمرکز بر دقت تشخیص، سرعت فرآیند، دسترسی در مناطق دورافتاده و چالش‌های مرتبط. روش: این پژوهش مروری-تحلیلی است که بر پایه بررسی منابع داخلی و بین‌المللی انجام شد. داده‌ها از مقالات منتشرشده در مجلات علمی ایرانی و گزارش‌های مرتبط با کاربرد هوش مصنوعی در سلامت جمع‌آوری گردید. ابزارهای مولد مانند مدل‌های تولید تصویر و متن برای شبیه‌سازی غربالگری ارزیابی شدند و اثربخشی آنها در سناریوهای بالینی فرضی و واقعی مقایسه گردید. تمرکز بر کاربردهای عملی در تشخیص رتینوپاتی دیابتی، گلوکوم، کم‌شنوایی حسی-عصبی و غربالگری نوزادان بود. یافته‌ها: ابزارهای هوش مصنوعی مولد دقت غربالگری اولیه را تا حدود قابل توجهی افزایش دادند و زمان فرآیند را کاهش دادند. در تشخیص زودهنگام رتینوپاتی دیابتی و تغییرات ماکولا، شبیه‌سازی تصاویر کمک‌کننده بود و در غربالگری شنوایی نوزادان با اپلیکیشن، تحلیل خودکار سیگنال‌ها دقت بالایی نشان داد. مراقبان سلامت پس از آموزش کوتاه‌مدت، اعتماد بیشتری به تصمیم‌گیری یافتند و در مناطق کم‌برخوردار، دسترسی بهبود یافت. با این حال، چالش‌هایی مانند کمبود زیرساخت، سوگیری داده‌ها و مسائل حریم خصوصی مشاهده شد. نتیجه‌گیری: هوش مصنوعی مولد می‌تواند به عنوان دستیار مؤثر، اثربخشی غربالگری توسط مراقبان سلامت را ارتقا دهد و نابرابری‌های دسترسی را کاهش دهد. با رفع موانع اجرایی و اخلاقی، این ابزارها قابلیت ادغام در برنامه‌های ملی سلامت را دارند و پیشنهاد می‌شود پژوهش‌های تجربی بیشتری برای اعتبارسنجی در شرایط واقعی انجام گیرد.

کلمات کلیدی فارسی :
هوش مصنوعی مولد، غربالگری بینایی، غربالگری شنوایی، مراقبان سلامت، تشخیص زودهنگام.