نقش سیستم های پشتیبان تصمیم گیری هوشمند در ارتقای اثربخشی و کارایی نظام سلامت: از تشخیص بالینی تا سیاست گذاری کلان

هدف: مقاله به بررسی نقش سیستم های پشتیبان تصمیم گیری هوشمند در ارتقای اثربخشی و کارایی نظام سلامت از تشخیص بالینی تا سیاست گذاری کلان پرداخته است. روش پژوهش: این مطالعه از نوع مروری نقلی بود که با جستجو در پایگاه های استنادی بین المللی طی سال های ۱۹۷۰ تا ۲۰۲۵ انجام شد. از میان حدود ۱۳۸ منبع مورد بررسی، ۵۴ اثر مرتبط انتخاب و با روش تحلیل توصیفی و محتوایی، کاربردها، چالش ها و راهکارهای توسعه بومی سیستم های پشتیبان تصمیم گیری هوشمند بررسی شد. یافته ها: پژوهش نشان داد سیستم های پشتیبان تصمیم گیری هوشمند با بهره گیری از هوش مصنوعی و تحلیل داده های بزرگ، نقش مهمی در بهبود کارایی نظام سلامت دارند. در سطح بالینی، سامانه هایی مانند MYCIN و DXplain دقت تشخیص و درمان را افزایش می دهند. در سطح مدیریتی، ابزارهایی نظیر DeepMind Health و InferRead موجب بهینه سازی فرآیندهای بیمارستانی می شوند. در سطح کلان، Watson Health و CarePredict در تحلیل کلان داده ها و تصمیم سازی سیاستی نقش دارند. نتیجه گیری: چالش هایی چون محرمانگی داده ها، تفسیرپذیری الگوریتم ها و نبود داده های بومی مانع توسعه این سیستم هاست. بومی سازی الگوریتم ها، یکپارچه سازی با پرونده الکترونیک سلامت و ارتقای سواد داده ای متخصصان از راهکارهای کلیدی هستند. استقرار این سامانه ها مسیر گذار از درمان محوری به سلامت محوری و تحقق نظام سلامت هوشمند و کارآمد را هموار می سازد.

کلیدواژه ها:

سیستم های پشتیبان تصمیم گیری هوشمند ، سیاست گذاری سلامت ، مدیریت نظام سلامت ، هوش مصنوعی