The Role of Artificial Intelligence and Machine Learning in the Future of Pediatric Nursing: A Review of the Application of AI in Early Disease Diagnosis and Prediction of Treatment Outcomes in Children پرستاری

مقدمه: ادغام هوش مصنوعی (AI) و یادگیری ماشین (ML) پتانسیل بالایی در زمینه پزشکی به ویژه تشخیص و مدیریت بیماری های مزمن در کودکان و نوجوانان نشان داده است این بررسی سیستماتیک به منظور تحلیل جامع و سنتز تحقیقات در مورد کاربرد AI برای نظارت، هدایت و کمک به بیماران pediatric با بیماری های مزمن انجام شده است با توجه به افزایش شیوع بیماری های مزمن مانند دیابت، آسم و بیماری های کلیوی در کودکان AI می تواند ابزارهای نوینی برای بهبود مراقبت های شخصی سازی شده پیش بینی نتایج و حمایت از تصمیم گیری های بالینی ارائه دهد. این مطالعه بر روندهای نوظهور تمرکز دارد تا چشم اندازی برای آینده پژوهی در پرستاری کودکان فراهم کند. روش کار این بررسی سیستماتیک بر اساس راهنمای PRISMA انجام شد. جستجو در پنج پایگاه الکترونیکی اصلی Medline, Scopus, PsycINFO, ACM, Web of Science شناسایی مقالات مرتبط صورت گرفت. مطالعات اصلی، چکیده های کنفرانس و مطالعاتی که بر کاربردهای AI در مراقبت از بیماری های مزمن pediatric تمرکز داشتند آورده شدند. معیارهای ورود شامل مطالعات منتشر شده از سال ۲۰۱۵ تا ۲۰۲۵ با تمرکز بر کودکان و نوجوانان (۱۸-۰ سال) بود. دو پژوهشگر مستقل داده ها را استخراج کرده و اختلافات را از طریق بحث حل کردند. داده های استخراج شده شامل روش AI، طراحی، مطالعه، جمعیت، مداخله و نتایج اصلی بود. ارزیابی کیفیت مطالعات با ابزارهای استاندارد مانند AMSTAR ۲ انجام شد. در نهایت ۳۱ مطالعه واجد شرایط بودند که عمدتا بر داده های retrospective تکیه داشتند. یافته ها: کاربردهای AI متنوع بودند و شامل طبقه بندی بیماری مانند بیماری کلیوی مزمن با دقت (۹۲) پیش بینی نتایج مانند تاخیر در کاهش کراتینین پس از پیوند کلیه و حمایت تصمیم گیری مانند رعایت راهنماهای آسم می شدند. AI در تحلیل سلامت روانی مانند استفاده از نمونه برداری صوتی یا داده های رسانه های اجتماعی برای پیش بینی نتایج درمانی عملکرد خوبی نشان داد. ابزارهای مبتنی بر AI مانند اپلیکیشن های انسولین برای دیابت نوع ۱ و روبات های humanoid برای مدیریت دیابت پذیرش بالایی در میان کاربران داشتند. اکثر مدل ها بر داده های retrospective آزمایش شدند و عملکرد بالایی گزارش کردند اما مطالعات prospective محدود بودند. نتیجه گیری: هر چند AI پتانسیل بالایی در مراقبت از بیماری های مزمن کودکان دارد اکثر مطالعات پروژه های تحقیقاتی کوچک مقیاس هستند. نیاز به پیاده سازی های بالینی prospective برای اعتبارسنجی اثر بخشی در دنیای واقعی وجود دارد. ملاحظات اخلاقی، تاثیرات فرهنگی و نگرش ذی نفعان باید در تحقیقات آینده ادغام شوند. این بررسی نشان می دهد که AI می تواند نقش حمایتی مهمی در پرستاری کودکان ایفا کند اما نیازمند توسعه بیشتر است.

کلیدواژه ها:

هوش مصنوعی ، یادگیری ماشین ، کودکان و نوجوانان ، بیمار مزمن ، پرستاری کودکان ، مدیریت بیماری های مزمن