شناسایی پیش نیاز ها و چالش های به کارگیری هوش مصنوعی در مدیریت نظام سلامت ایران
Identify the Prerequisites and Challenges of Using Artificial Intelligence in Management of Health System in Iran
مجریان: فرامرز پوراصغر
خلاصه روش اجرا: این طرح پژوهشی یک مطالعه کیفی می باشد که در گام نخست روش کار با انجام جستجو و بررسی متون به شیوه Scoping Reviews با هدف شناسایی "الگوهای بکار رفته برای راه اندازی هوش مصنوعی و چالش های پیش روی آن در مدیریت نظام سلامت " می باشد. جستجو از بین مقالات منتشر شده در پایگاه های داده بومی و بین المللی صورت خواهد گرفت. در گام دوم روش انجام بصورت کیفی و از طریق برگزاری جلسات بحث گروه متمرکز (focus group) با حضور مدیران ارشد شاغل در دانشگاه علوم پزشکی تبریز بعنوان نمونه ای از جامعه مدیران نظام سلامت ایران خواهد بود، تا انتظارات این مدیران از بکارگیری هوش مصنوعی در مدیریت نظام سلامت گردآوری شود. روش تحلیل مورد استفاده تحلیل محتوا خواهد بود. گام سوم به منظور شناسایی این چالش ها و راه کارهای احتمالی برای پیشگیری یا برطرف کردن چالش ها طراحی می شود. روش انجام این گام بصورت کیفی و از طریق برگزاری جلسات بحث گروه متمرکز (focus group) با حضور این مدیران ارشد شاغل در دانشگاه علوم پزشکی تبریز می باشد، تا دیدگاه مدیران در خصوص چالش های احتمالی استفاده از هوش مصنوعی و روش های ممکن برای کاستن از این چالش ها گردآوری شود، خواهد بود. روش تحلیل مورد استفاده تحلیل محتوا خواهد بود.
اطلاعات کلی طرح 
| مرحله جاری طرح | خاتمه قرارداد و اجرا |
| کد طرح | 69842 |
| عنوان فارسی طرح | شناسایی پیش نیاز ها و چالش های به کارگیری هوش مصنوعی در مدیریت نظام سلامت ایران |
| عنوان لاتین طرح | Identify the Prerequisites and Challenges of Using Artificial Intelligence in Management of Health System in Iran |
| نوع طرح | طرح - پایان نامه |
| اولویت طرح | اصلاحات در نظام سلامت |
| نوع مطالعه | مطالعات مدیریت سیستم سلامت |
| تحقیق در نظام سلامت | بلی |
| آیا طرح پایاننامه دانشجویی است؟ | بله |
| مقطع پایان نامه | کارشناسی ارشد |
| مدت اجرا - ماه | 10 |
| نوآوری و ضرورت انجام تحقیق | هوش مصنوعی در صنعت توانسته است موفقیت های چشمگیری به همراه داشته باشد. موفقیت های شرکت هایی مانندGoogle, Amazon, Teslaکه پیشتازان بکارگیری هوش مصنوعی هستند بر کسی پوشیده نیست. نظام سلامت نیز می تواند با بهره گیری از چنین فنآوری در ارتقای کیفیت مراقبت های بهداشتی درمانی، مدیریت بهینه و کارآمد نظام سلامت، توزیع مناسب خدمات گام بردارد. شناسایی پیش نیاز ها و چالش ها می تواند در تسریع روند بکار گیری این فنآوری و ادغام آن در فرآیندهای مدیریتی نظام سلامت بسیار موثر باشد. همچنین می تواند تجربیات سایر کشورها در دستیابی به اهداف خود از استفاده از این فنآوری را نشان داده و مواردی که در آن موفق نشده اند را مشخص نماید تا از وقوع آن در نظام سلامت ایران پیشگیری شود. |
| اهداف اختصاصی | شناسایی پیش نیاز ها و گام های لازم برای راه اندازی و استفاده از هوش مصنوعی و همچنین چالش های فراروی آن در مدیریت نظام سلامت -شناسایی انتظارات مدیران از بکارگیری هوش مصنوعی در مدیریت نظام سلامت ایران -شناسایی پیش نیاز ها و چالش های بکارگیری هوش مصنوعی در نظام سلامت ایران |
| چکیده انگلیسی طرح | This research project is a qualitative study that in the first step is the method of searching and reviewing texts by scoping reviews with the aim of identifying "patterns used to launch artificial intelligence and the challenges it faces in managing the health system." Searches will be made from articles published in local and international databases. In the second step, the method will be done qualitatively and by holding focus group discussion sessions with the presence of senior managers working at Tabriz University of Medical Sciences as an example of the community of managers of the Iranian health system, to the expectations of these managers to use artificial intelligence in Collect health system management. The analysis method used will be content analysis. The third step is designed to identify these challenges and possible solutions to prevent or address them. The method of performing this step is qualitative and through holding focus group discussion sessions with the presence of these senior managers working in Tabriz University of Medical Sciences, to the managers' views on the possible challenges of using artificial intelligence and possible methods to reduce From these challenges to be collected, will be. The analysis method used will be content analysis. |
| کلمات کلیدی | تصمیم گیری تعریف نظری : فرآیند قضاوت فکری انتخابی هنگامی که با چندین گزینه پیچیده متشکل از چندین متغیر ارائه می شود و معمولاً یک دوره عمل یا یک ایده را تعریف می کند(MeSH). تعریف عملی : تصمیم گیری عبارت است از انتخاب یک راه از میان راه های مختلف و در حقیقـت انتخـاب بهتـرین راه برای نیل به اهداف. تصمیم گیری را میتوان به عنوان فرآیندی تعریف کـرد کـه شـامل تعریـف مسئله، ارزیابی راه حل ها، اتخاذ تصمیم، اجرای تصمیم و ارزیابی است(23). هوش مصنوعی تعریف نظری : تئوری و توسعه سیستم های کامپیوتری که وظایفی را انجام می دهند که معمولاً به هوش انسانی نیاز دارند. چنین وظایفی ممکن است شامل تشخیص گفتار، یادگیری، ادراک بصری، محاسبات ریاضی، استدلال، حل مسئله، تصمیم گیری و ترجمه زبان باشد(MeSH). تعریف عملی : توانایی سیستم برای تفسیر صحیح دادههای خارجی، یادگیری از این دادهها و استفاده از آن یادگیریها برای دستیابی به اهداف و وظایف خاص از طریق سازگاری انعطافپذیر(24). یادگیری ماشینی تعریف نظری : نوعی از هوش مصنوعی که رایانه ها را قادر می سازد تا به طور مستقل یادگیری را در هنگام قرار گرفتن در معرض داده های جدید آغاز و اجرا کنند(MeSH). تعریف عملی : یادگیری ماشینی اصطلاح گسترده ای است که چندین استراتژی تحلیلی را با هم جمع می کند که هدف آنها توسعه الگوریتم هایی برای استخراج اطلاعات از داده ها برای توضیح، طبقه بندی یا پیش بینی است(4). سیستم های خبره تعریف نظری : برنامه های کامپیوتری مبتنی بر دانش توسعه یافته از مشاوره با کارشناسان در مورد یک مشکل، و پردازش و یا رسمیت بخشیدن به این دانش با استفاده از این برنامه ها به گونه ای که ممکن است مشکلات حل شوند(MeSH). تعریف نظری و عملی با هم مطابقت دارند. یادگیری عمیق تعریف نظری : روشهای یادگیری ماشینی تحت نظارت یا بدون نظارت که از لایههای متعدد نمایش دادههای تولید شده توسط تبدیلهای غیرخطی، بهجای الگوریتمهای تک وظیفه ای، برای ساخت و آموزش مدلهای شبکه عصبی استفاده میکنند(MeSH). تعریف نظری و عملی با هم مطابقت دارند. شبکه عصبی مصنوعی تعریف نظری : شبکههای عصبی رایانهای که اغلب پرسپترون یا مدلهای ارتباطی چندلایه نامیده میشوند، از واحدهای نورون مانند تشکیل شدهاند. یک گروه همگن از واحدها یک لایه را تشکیل می دهند. این شبکه ها در تشخیص الگو، تطبیق پذیری، انجام وظایف با مثال و تصمیم گیری مناسب می باشند(MeSH). تعریف نظری و عملی با هم مطابقت دارند. |
| ذینفعان نتایج طرح | اگر پروژه ما بتواند راه رسیدن به اجرای موفق هوش مصنوعی را هموار سازد چه کسانی سود می برند: الف- کسانی که قرار است هوش مصنوعی را برای ایران طراحی نمایند (مهندسان نرم افزار که قرار است الگوریتم ها را مطابق با ساختار نظام سلامت و انتظارات مدیران طراحی کنند). ب- مدیران که بدانند چه مشکلاتی ممکن است در اجرا با آن مواجه شوند و چگونه از آن بهره گرفته یا از آن پیشگیری کنند. پ- بیماران و خدمت گیرندگان از نظام سلامـت: اگر پروژه ما منظر به زمینه سازی برای راه اندازی موفق شود نظام سلامتی خواهد بود که منطبق با شواهد است و قادر خواهد بود مدیران را در توزیع عادلانه امکانات یاری کند و همه خدمت گیرندگان از این خدمات بهره بگیرند. |
اطلاعات مجری و همکاران
| نام و نامخانوادگی | سمت در طرح |
|---|---|
| فرامرز پوراصغر | استاد راهنمای اول (آموزشی ) |
| عباس سرخی | دانشجوی مالک پایان نامه |
اطلاعات تفضیلی
| حوزه خبر | خبر |
|---|---|
| رسانه ها و مردم | عنوان خبر متن خبر |
| متخصصان و پژوهشگران | عنوان خبر متن خبر |
| سیاستگذاران درمانی | عنوان خبر مهمترین پیش نیازهای بکارگیری هوش مصنوعی در نظام سلامت وجود داده های قابل اعتماد، تدوین قوانین اخلاقی و آموزش مدیران بودند.متن خبر فن آوری هوش مصنوعی به سرعت در تمام مراحل زندگی در حال گسترش می باشد و نظام سلامت از این روند مستثنی نیست. پژوهش حاضر نشان می دهد که برای راه اندازی هوش مصنوعی ابتدا بایستی پیش نیازهای این فن آوری تامین گردند. از بین این پیش نیاز ها می توان به تهیه و فراهم کردن دسترس به رایانههای با قابلیت پردازش دادههای حجیم و پیچیده برای اجرای الگوریتمهای هوش مصنوعی، جمعآوری و مدیریت دادههای با کیفیت بالا، ایجاد پایگاههای داده ای استاندارد به منظور تولید نتایج قابل اعتماد، تدوین قوانین اخلاقی، حریم خصوصی و امنیت دادهها، برگزاری دوره های آموزشی ویژه مدیران نظام سلامت در زمینه استفاده از فناوریهای هوش مصنوعی (شامل آشنایی با این فن آوری، شیوه تحلیل دادهها و درک خروجیهای هوش مصنوعی) و نهایتاپایش و ارزیابی مستمر به منظور شناسایی و رفع سریع مشکلات هوش مصنوعی اشاره کرد. اما همانند همه تغییرات، ورود هوش مصنوعی به نظام سلامت با چالش هایی مواجه خواهد شد که از آن جمله می توان به مقاومت مدیران به استفاده از این فن آوری، ترس از جایگزین شدن توسط هوش مصنوعی و عدم اعتماد به برون دادها و توصیه های هوش مصنوعی اشاره کرد. |
| سیاستگذاران پژوهشی | عنوان خبر متن خبر |
| لینک (URL) مقاله انگلیسی مرتبط منتشر شده 1 |
