استفاده از هوش مصنوعی در برونکوسکوپی یک مطالعه مروری

سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 71

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CMPS01_078

تاریخ نمایه سازی: 17 خرداد 1405

چکیده مقاله:

زمینه با پیشرفت های اخیر در حوزه هوش مصنوعی (AI) بسیاری از روش های تشخیصی و درمانی پزشکی دستخوش تغییرات چشمگیری شده اند برونکوسکوپی به عنوان یکی از ابزارهای کلیدی در تشخیص ضایعات تنفسی و سرطان ریه با بهره گیری از هوش مصنوعی به دقت و کارآمدی بیشتری دست یافته است. این مرور به بررسی و تحلیل مطالعات موجود در این زمینه می پردازد تا تاثیر هوش مصنوعی بر فرآیندهای برونکوسکوپی را ارزیابی و مطالعه کند. مواد و روش ها در این مرور سیستماتیک جستجوی گسترده با کلیدواژه های مرتبط برونکوسکوپی، هوش مصنوعی در پایگاه های بین المللی PubMed/Medline, Web of Science Core Collection, Scopus، موتور جستجوگر Google Scholar و پایگاه های ملی Irandoc, Magiran, SID صورت گرفت در جستجوی اولیه ۴۵ مطالعه بدست آمد. معیارهای ورود مطالعات انتشار یافته به زبان فارسی، انگلیسی و دسترسی رایگان به متن کامل مقاله بودند ادبیات خاکستری خارج شد پس از حذف موارد تکراری و نقد با ابزارهای مربوطه، نهایتا ۹ مطالعه تجزیه و تحلیل شد. ملاحظات اخلاقی و عدم سوگیری در مراحل انتخاب، استخراج، تحلیل و طبقه بندی شواهد رعایت شد و چکیده طبق PRISMA گزارش شد. یافته ها مطالعات مختلف درباره برونکوسکوپی نشان می دهند که استفاده از هوش مصنوعی (AI) می تواند در بهبود فرآیند تشخیص و درمان ضایعات تنفسی و سرطان ریه موثر باشد مدل جدید ROSE AI با استفاده از شبکه عصبی، کانولوشن دقت و حساسیتی مشابه سیتوپاتولوژیست های جوان نشان داده است و می تواند به تشخیص بهتر و مدیریت درمانی بیماران کمک کند آموزش برونکوسکوپی با راهنمایی هوش مصنوعی و واقعیت افزوده (AL-AR) منجر به عملکرد سریع تر و کارآمدتر در بین حرفه ای های بهداشتی می شود بدون کاهش دقت یا افزایش بار روانی، همچنین ناوبری برونکوسکوپی مجازی (VBN) دقت و موفقیت بیشتری نسبت به ناوبری الکترومغناطیسی (ENB) نشان داده است. سیستم ROSE AI در تشخیص سلول های بدخیم ریه و تحلیل آسیب شناسی سرطان سلول کوچک ریه تحت برونکوسکوپی فیبرواپتیک نیز عملکرد خوبی داشته است به طور کلی این مطالعات پتانسیل بالای هوش مصنوعی در بهبود تشخیص و مدیریت درمانی ضایعات تنفسی و سرطان ریه را تایید می کنند. نتیجه گیری: نتایج نشان می دهند که هوش مصنوعی در برونکوسکوپی، دقت، سرعت و کارایی را افزایش می دهد. مدل های مبتنی بر هوش مصنوعی مانند ROSE AI می توانند در تشخیص و مدیریت درمانی ضایعات تنفسی و سرطان ریه به طور قابل توجهی موثر باشند و عملکرد بهتری نسبت به روش های سنتی داشته باشند.

نویسندگان

فاطمه بنائی

کمیته تحقیقات دانشجویی دانشگاه علوم پزشکی، اراک، اراک ایران