به گزارش ایلنا به نقل از وبدا، دکتر «ناهید ابولپور»، عضو هیات علمی گروه هوش مصنوعی دانشگاه علوم پزشکی شیراز، با اشاره به مفهوم تابآوری در بحران از منظر فناوری و هوش مصنوعی، اظهار کرد: تابآوری فناورانه در نظام سلامت تنها به معنای مقاومت در برابر بحران و بازگشت به شرایط پیشین نیست، بلکه توانایی پیشبینی، سازگاری، بازیابی و یادگیری از بحران و حرکت به سمت شرایط بهتر را نیز شامل میشود.
وی افزود: در این رویکرد، سیستمهای دادهمحور و هوشمند میتوانند با تحلیل اطلاعات و ارائه شواهد بهموقع، زمینه تصمیمگیری مبتنی بر داده را در شرایطی که مدیران با عدمقطعیت و اطلاعات ناقص مواجه هستند، فراهم کنند.
ابولپور با بیان اینکه هوش مصنوعی میتواند در مراحل مختلف چرخه بحران مورد استفاده قرار گیرد، گفت: در مرحله پیشبینی، این فناوری با تحلیل دادههای اقلیمی، اپیدمیولوژیک، تصاویر ماهوارهای و حتی الگوهای موجود در شبکههای اجتماعی، قادر است نشانههای هشداردهنده را شناسایی و سناریوهای احتمالی بحران را پیشبینی کند.
او ادامه داد: در زمان وقوع بحران نیز هوش مصنوعی میتواند در تریاژ هوشمند بیماران، تخصیص پویای منابع، مدیریت موجودی دارو و تجهیزات، شناسایی تختهای خالی و برنامهریزی نیروی انسانی به مدیران و کادر درمان کمک کند.
عضو هیات علمی دانشگاه علوم پزشکی شیراز همچنین مدیریت اطلاعات نادرست، ارزیابی سریع خسارتها و ارائه خدمات حمایتی و روانی را از دیگر ظرفیتهای هوش مصنوعی در مرحله کنترل پیامدهای بحران عنوان کرد.
ابولپور با اشاره به اهمیت دسترسی مدیران به اطلاعات دقیق و بهروز در شرایط بحرانی، اظهار کرد: ایجاد داشبوردهای یکپارچه فرماندهی میتواند اطلاعاتی مانند ظرفیت تختهای بیمارستانی، موجودی دارو و تجهیزات، موقعیت آمبولانسها و وضعیت منابع حیاتی را به صورت لحظهای در اختیار مدیران قرار دهد و از شکلگیری «کوری اطلاعاتی» در زمان بحران جلوگیری کند.
وی اضافه کرد: هوش مصنوعی همچنین میتواند با تحلیل دادههای موجود، پیامدهای احتمالی تصمیمهای مختلف را پیشبینی کرده و گزینههای مناسبتر را برای تصمیمگیری در اختیار مدیران قرار دهد؛ البته پیشبینیهای هوش مصنوعی قطعی نیست و باید در کنار قضاوت انسانی و سناریوهای جایگزین مورد استفاده قرار گیرد.
این عضو هیات علمی با اشاره به ظرفیت هوش مصنوعی در پیشبینی فشارهای احتمالی بر نظام سلامت، بیان کرد: با تحلیل دادههای مربوط به بیماریها، الگوهای مراجعه بیماران و ظرفیت مراکز درمانی میتوان نیاز آینده به تختهای مراقبت ویژه، تجهیزات و نیروی انسانی را برآورد کرد و پیش از رسیدن بحران به نقطه اوج، اقدامات لازم را انجام داد.
او گفت: پیشبینی بلایا و اپیدمیها، شناسایی تغییرات الگوهای بیماری و بررسی برخی نشانههای اجتماعی و اقتصادی از دیگر حوزههایی است که میتوان از ظرفیت تحلیل داده و هوش مصنوعی در آنها بهره گرفت.
ابولپور، بیمارستانها را یکی از مهمترین مراکز نیازمند تابآوری در زمان بحران دانست و افزود: هوش مصنوعی میتواند در مدیریت هوشمند انرژی و آب، آموزش هیبرید و آفلاین کارکنان و دانشجویان و همچنین پایش وضعیت نیروی انسانی مورد استفاده قرار گیرد.
او ادامه داد: سامانههای هوشمند میتوانند با تحلیل شاخصهایی مانند افزایش غیبت، تغییر عملکرد و نشانههای خستگی، کارکنانی را که در معرض فرسودگی قرار دارند شناسایی و برای مداخله حمایتی، مانند استراحت، مشاوره یا تغییر شیفت، هشدار ایجاد کنند.
عضو هیئت علمی دانشگاه علوم پزشکی شیراز با اشاره به شرایط جنگ، بلایای طبیعی و اختلال در زیرساختها، گفت: در چنین شرایطی، تریاژ هوشمند، مدیریت غیرمتمرکز دارو و تجهیزات، ارائه خدمات سلامت روان در مقیاس گسترده، آموزش از راه دور و پایش بیماران با استفاده از حسگرها میتواند ظرفیت نظام سلامت را برای پاسخگویی به نیازهای جمعیت افزایش دهد.
وی افزود: ایجاد سامانههای توزیع دارو با قابلیت فعالیت آفلاین، امکان ادامه خدمترسانی حتی در شرایط اختلال اینترنت را فراهم میکند و شبکههای غیرمتمرکز نیز میتوانند با توجه به نیاز مناطق مختلف، مسیرهای جایگزین برای توزیع منابع را پیشنهاد دهند.
ابولپور با اشاره به تأثیر بحرانها بر سلامت روان افراد، اظهار کرد: ابزارهای هوش مصنوعی میتوانند برای غربالگری اولیه علائم اضطراب، افسردگی و اختلال استرس پس از سانحه مورد استفاده قرار گیرند و در صورت طراحی و اعتبارسنجی مناسب، افراد نیازمند خدمات تخصصی را برای دریافت مداخله انسانی هدایت کنند.
وی ادامه داد: چتباتها و پلتفرمهای هوشمند نیز میتوانند در ارائه برخی خدمات اولیه روانشناختی، آموزش مهارتهای مقابلهای و هدایت افراد به سطح مناسب خدمات نقش داشته باشند؛ با این حال، این فناوریها جایگزین متخصصان سلامت روان نیستند و باید در چارچوبهای علمی و نظارت تخصصی مورد استفاده قرار گیرند.
او انتشار شایعات و اطلاعات نادرست را یکی از چالشهای مهم زمان بحران دانست و گفت: هوش مصنوعی میتواند الگوهای انتشار اطلاعات را در شبکههای اجتماعی تحلیل، روایتهای در حال گسترش را شناسایی و محتوای تحریککننده یا گمراهکننده را مورد بررسی قرار دهد.
ابولپور افزود: تولید سریع پاسخهای مستند و قابل اعتماد بر اساس منابع معتبر نیز میتواند به اطلاعرسانی صحیح و کاهش اضطراب و سردرگمی عمومی کمک کند. وی با تأکید بر اینکه تابآوری فناورانه را نمیتوان در زمان وقوع بحران ایجاد کرد، اظهار کرد: سامانههای بیمارستانی، اورژانس، آزمایشگاه، داروخانه، مدیریت تخت، خدمات اجتماعی و سلامت روان باید پیش از وقوع بحران به شکل مناسب به یکدیگر متصل و امکان تبادل داده میان آنها فراهم شود.
عضو هیات علمی دانشگاه علوم پزشکی شیراز ادامه داد: عاملهای هوشمند میتوانند به صورت مستمر سلامت و دسترسپذیری سامانهها، کیفیت دادهها و ارتباط میان سرویسها را بررسی کرده و در صورت بروز اختلال، محل مشکل را شناسایی و هشدار لازم را صادر کنند.
ابولپور همچنین آزمایش و شبیهسازی سناریوهای بحرانی را ضروری دانست و گفت: میتوان پیش از وقوع بحران، سناریوهایی مانند افزایش ناگهانی تعداد مصدومان، کمبود دارو، افزایش بار سامانهها یا قطع ارتباط یک مرکز را شبیهسازی کرد تا نقاط ضعف زیرساختهای خدماتی شناسایی و برطرف شوند.
وی در ادامه با اشاره به نقش سامانههای هوشمند درمانی، گفت: اگر اطلاعات پزشکی بیماران پیش از بحران به صورت دیجیتال و ساختاریافته ثبت شده باشد، دستیاران هوش مصنوعی میتوانند به پزشک در دسترسی سریع به سوابق بیماری، داروهای مصرفی، حساسیتها، جراحیهای قبلی، بیماریهای زمینهای و نتایج مهم آزمایشها کمک کنند.
او افزود: این قابلیت در شرایطی که تعداد مصدومان افزایش مییابد، زمان بررسی پروندهها را کاهش داده و امکان تصمیمگیری سریعتر و دقیقتر را فراهم میکند.
ابولپور همچنین پایش مستمر علائم حیاتی را از دیگر کاربردهای این فناوری برشمرد و گفت: سامانههای هوشمند میتوانند دادههای حاصل از مانیتورها و حسگرها را به صورت مستمر تحلیل و تغییرات غیرطبیعی مانند افت اکسیژن یا تغییرات فشار خون را شناسایی کرده و به کادر درمان هشدار دهند.
وی خاطرنشان کرد: دستیاران تشخیصی همچنین میتوانند با تحلیل تصاویر پزشکی، نتایج آزمایشها و اطلاعات بالینی، به ارزیابی سریعتر بیماران کمک کنند و چتباتها نیز با ارائه راهنماییهای از پیش تأییدشده و هدایت بیماران به سطح مناسب خدمات، بخشی از بار کاری کادر درمان را کاهش دهند.
عضو هیات علمی دانشگاه علوم پزشکی شیراز در پایان تأکید کرد: سرمایهگذاری بر زیرساختهای هوشمند، استانداردسازی دادهها، اتصال سامانههای سلامت و آموزش نیروی انسانی باید پیش از وقوع بحران انجام شود تا فناوری در زمان بحران، به جای یک ابزار آزمایشی، به بخشی از زیرساخت آماده و قابل اتکای نظام سلامت تبدیل شود.