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 …
