هوش مصنوعی در دوقلوهای دیجیتال سلامت: یک مرور حوزه ای از کاربردها و چالش های پیاده سازی

مقدمه: ادغام هوش مصنوعی با فناوری دوقلوی دیجیتال، ظرفیت های جدیدی در تشخیص، پیش بینی، شخصی سازی درمان و مدیریت بیمارستانی ایجاد کرده است. با وجود رشد سریع پژوهش ها، پراکندگی شواهد و نبود تصویر جامع از کاربردها و چالش های پیاده سازی، برنامه ریزی برای استقرار این فناوری را با دشواری مواجه کرده است. این مطالعه با هدف شناسایی و دسته بندی کاربردهای هوش مصنوعی در دوقلوهای دیجیتال سلامت و بررسی چالش های پیاده سازی آنها انجام شد. روش ها: این مطالعه یک مرور حوزه ای با پیروی از چارچوب PRISMA-ScR بود. جستجوی نظام مند در پایگاه های PubMed، Web of Science، Scopus و ProQuest و همچنین پایگاه های فارسی SID و Magiran در بازه زمانی ۲۰۲۰ تا ۲۰۲۶ انجام شد. پس از غربالگری عنوان، چکیده و متن کامل، ۶۵ مطالعه واجد شرایط وارد تحلیل شدند. یافته ها با استفاده از روش تحلیل تماتیک شش مرحله ای براون و کلارک سنتز شدند. یافته ها: کاربردها در چهار تم اصلی بالینی و فردمحور، تصمیم گیری و درمان، مدیریتی و عملیاتی و سایر کاربردها دسته بندی شدند. بیشترین فراوانی به ترتیب مربوط به زیرتم های پایش و مدل سازی پویا (۲۱.۵٪)، درمان شخصی سازی شده (۲۱.۵٪) و پیش بینی وضعیت بیمار (۲۰٪) بود. چالش های پیاده سازی در پنج تم اصلی شامل چالش های داده و یکپارچه سازی، فنی و زیرساختی، اعتمادپذیری و اعتبارسنجی هوش مصنوعی، امنیت و اخلاق، و انسانی و سازمانی شناسایی شدند. نتیجه گیری: این مرور نشان داد که شکاف اصلی در این حوزه، نه کمبود کاربردهای بالقوه، بلکه فاصله میان توسعه نمونه های اثبات مفهوم و استقرار پایدار در محیط های واقعی سلامت است. پژوهش های آینده باید بر اعتبارسنجی چندمرکزی، یکپارچه سازی با زیرساخت های واقعی و توسعه مدل های کاربرمحور متمرکز شوند.

کلیدواژه ها:

دوقلوی دیجیتال ، هوش مصنوعی ، مراقبت سلامت ، یادگیری ماشین ، پزشکی شخصی سازی شده