<span lang="FA">الگوی راهبردی کاهش خطاهای حرفه ای پزشکی با هوش مصنوعی

خطاهای حرفه ای پزشکی چالشی جدی در نظام سلامت جهانی است که سالانه میلیون ها آسیب، مرگ و هزینه های اقتصادی سنگین ایجاد می کند. در بیمارستان های وابسته به دانشگاه علوم پزشکی کرمانشاه، این خطاها (تشخیصی، دارویی و جراحی) به دلیل کمبود متخصص، فشار کاری شدید، محدودیت های زیرساختی و ضعف فرهنگ گزارش دهی تشدید شده اند. هوش مصنوعی (AI) با قابلیت پردازش داده های حجیم و پشتیبانی از تصمیم گیری بالینی، راه حلی نوین برای کاهش این خطاها ارائه می دهد.این پژوهش کاربردی-کیفی در سال ۱۴۰۴، بر اساس نظریه داده بنیاد استراوس و کوربین (۱۹۹۸) انجام شد تا الگویی راهبردی برای ادغام AI در کاهش خطاهای پزشکی طراحی شود. جامعه شامل پزشکان، داروسازان و مدیران بود؛ ۱۵ نفر (۸ پزشک، ۴ داروساز و ۳ مدیر) با نمونه گیری هدفمند و گلوله برفی تا اشباع نظری انتخاب شدند.داده ها از مصاحبه های نیمه ساختاریافته عمیق و مرور پیشینه جمع آوری و با MAXQDA۱۱ در مراحل کدگذاری باز، محوری و انتخابی تحلیل شد؛ روایی و پایایی تایید گردید. مدل پارادایمی، پدیده محوری «کاهش راهبردی خطاهای حرفه ای پزشکی با هوش مصنوعی» را نشان می دهد. شرایط علی: خطاهای زودهنگام (ضعف پیش بینی) و دیرهنگام (عوامل انسانی)؛ شرایط زمینه ای: عوامل مدیریتی، فرهنگی و انسانی؛ شرایط مداخله گر: نقص نظارت، ضعف اجرایی، محدودیت قانونی و پیچیدگی فنی.راهبردها بر توسعه زیرساخت، آموزش پرسنل، سیاست گذاری و استقرار سیستم های پشتیبان تصمیم گیری تمرکز دارد. پیامدها: کاهش خطاها، افزایش کارایی، ارتقای کیفیت خدمات و رضایت بیماران.مدل چارچوبی جامع برای مدیریت ریسک با AI فراهم می کند و موانع را به فرصت تبدیل می نماید. سیاست گذاران باید با سرمایه گذاری در زیرساخت، آموزش و مقررات، پذیرش AI را تسریع کنند تا نظام سلامت ایران به استانداردهای جهانی نزدیک شود.

کلیدواژه ها:

عوامل راهبردی ، خطاهای حرفه ای ، هوش مصنوعی ، نظریه داده بنیاد ، بیمارستان های علوم پزشکی