هوش مصنوعی در توسعه ابزارهای تشخیصی بدون تهاجم: مرور سیستماتیک بر نوآوری های دهه اخیر

مقدمه و هدف: هوش مصنوعی (AI) طی سال های اخیر به یکی از مهم ترین فناوری های تحول آفرین در حوزه سلامت تبدیل شده است. به ویژه در زمینه توسعه ابزارهای تشخیصی غیرتهاجمی، هوش مصنوعی با بهره گیری از الگوریتم های پیشرفته یادگیری عمیق و یادگیری ماشین، امکان تحلیل دقیق تر و سریع تر داده های پزشکی را فراهم کرده است. هدف از این مطالعه، بررسی و تحلیل جامع کاربردهای هوش مصنوعی در روش های تشخیص غیرتهاجمی و ارزیابی عملکرد این فناوری در بهبود دقت و سرعت تشخیص بیماری ها است. روش جستجو: بر اساس راهنمای PRISMA، جستجوی نظام مند در پایگاه های PubMed، Scopus، Web of Science و IEEE Xplore برای مقالات منتشرشده بین ۲۰۱۴ تا آوریل ۲۰۲۵ انجام شد. از ۴۵۵ مقاله، پس از حذف موارد تکراری و بررسی معیارهای ورود و خروج، ۳۳ مقاله با کیفیت بر اساس چک لیست CASP وارد تحلیل مضمون محور شدند. معیارهای اصلی انتخاب مقالات شامل دقت، حساسیت، ویژگی و قابلیت کاربرد بالینی بود. نتایج: هوش مصنوعی توانسته است در تحلیل تصاویر پزشکی مانند MRI، CT اسکن و رادیولوژی، دقت تشخیص را به طور چشمگیری افزایش دهد. الگوریتم های یادگیری عمیق قادرند ناهنجاری های ظریف را که ممکن است از دید انسان پنهان بماند، شناسایی کنند. همچنین، AI در تحلیل سیگنال های زیستی مانند ECG و EEG و تلفیق داده های بالینی و تصویری، به تشخیص جامع تر و دقیق تر کمک کرده است. فناوری های نوظهور و سیستم های تله مدیسین مبتنی بر AI، افق های جدیدی در تشخیص غیرتهاجمی گشوده اند. با این حال، چالش هایی مانند تنوع داده ها، شفافیت مدل ها و یکپارچگی در سیستم های بالینی همچنان وجود دارد. نتیجه گیری: هوش مصنوعی به عنوان ابزاری قدرتمند در توسعه روش های تشخیص غیرتهاجمی، دقت و سرعت تشخیص را بهبود بخشیده است. برای تسریع پذیرش این فناوری در مراقبت های بالینی، لازم است تحقیقات بیشتری در زمینه اعتبارسنجی گسترده، افزایش قابلیت توضیح پذیری مدل ها و تسهیل ادغام آن ها در سیستم های درمانی انجام شود

Keywords:

هوش مصنوعی , تشخیص غیرتهاجمی , یادگیری ماشین , تصویربرداری پزشکی