Τεχνητή νοημοσύνη στη διαχείρηση ροής ασθενών και στη μέιωσητ του χρόνου αναμονής στα τμήματα επειγόντων περιστατικών: συστηματική βιβλιογραφική ανασκόπηση

Η παρούσα μεταπτυχιακή διπλωματική εργασία εξετάζει συστηματικά τον ρόλο της τεχνητής νοημοσύνης στη διαχείριση της ροής ασθενών και στη μείωση του χρόνου αναμονής στα Τμήματα Επειγόντων Περιστατικών. Η συμφόρηση στα ΤΕΠ αποτελεί ένα από τα σημαντικότερα λειτουργικά και κλινικά προβλήματα των σύγχρονων συστημάτων υγείας, καθώς συνδέεται με καθυστερήσεις στη διαλογή, παρατεταμένη διάρκεια παραμονής, αυξημένο φόρτο εργασίας του προσωπικού, επιβάρυνση των νοσοκομειακών πόρων και δυνητικά δυσμενείς εκβάσεις για τους ασθενείς. Σκοπός της εργασίας είναι να αποτιμηθεί κατά πόσο οι εφαρμογές τεχνητής νοημοσύνης και μηχανικής μάθησης μπορούν να συμβάλουν στη βελτίωση της αποδοτικότητας των ΤΕΠ, ιδίως μέσω της πρόβλεψης προσελεύσεων, της υποστήριξης της διαλογής, της πρόβλεψης εισαγωγών, της εκτίμησης της διάρκειας παραμονής και της βέλτιστης κατανομής πόρων. Η μεθοδολογία βασίστηκε στις κατευθυντήριες οδηγίες PRISMA για τη διεξαγωγή συστηματικών βιβλιογραφικών ανασκοπήσεων. Η ανασκόπηση οργανώθηκε γύρω από το πλαίσιο PICO/PICOS, με πληθυσμό τους ασθενείς των ΤΕΠ, παρέμβαση τις εφαρμογές τεχνητής νοημοσύνης, σύγκριση τα συμβατικά μοντέλα διαχείρισης και κύρια αποτελέσματα τον χρόνο αναμονής, τη διάρκεια παραμονής, τη ροή ασθενών, την ακρίβεια πρόβλεψης και την οικονομική αποδοτικότητα. Από 2.724 αρχικές εγγραφές, μετά την αφαίρεση των διπλοτύπων (1.833 εγγραφές προς έλεγχο) και την αξιολόγηση επιλεξιμότητας, συμπεριλήφθηκαν τελικά 47 μελέτες στη σύνθεση, ενώ 229 πλήρη κείμενα αποκλείστηκαν κατά το στάδιο της επιλεξιμότητας με τεκμηριωμένους λόγους. Τα ευρήματα δείχνουν ότι οι εφαρμογές τεχνητής νοημοσύνης παρουσιάζουνσημαντικές δυνατότητες βελτίωσης της λειτουργικής απόδοσης των ΤΕΠ, ιδιαίτερα σε τομείς όπως η προγνωστική ανάλυση, η αυτοματοποιημένη ταξινόμηση κινδύνου και η υποστήριξη διοικητικών αποφάσεων. Ωστόσο, η διαθέσιμη τεκμηρίωση παραμένει άνιση, καθώς μεγάλο μέρος των μελετών είναι αναδρομικό, με περιορισμένη εξωτερική επικύρωση και περιορισμένα δεδομένα πραγματικής κλινικής εφαρμογής. Η ανάλυση κόστους-αποτελεσματικότητας ανέδειξε ότι η τεχνητή νοημοσύνη μπορεί δυνητικά να μειώσει λειτουργικά κόστη, να βελτιώσει τη χρήση ανθρώπινων και υλικών πόρων και να περιορίσει τις συνέπειες της συμφόρησης. Παράλληλα, όμως, απαιτείται προσεκτική αποτίμηση των αρχικών δαπανών εγκατάστασης, της εκπαίδευσης προσωπικού, της διαλειτουργικότητας με πληροφοριακά συστήματα και της συνεχούς συντήρησης των μοντέλων. Συμπερασματικά, η τεχνητή νοημοσύνη δεν αποτελεί αυτόνομη λύση για τα προβλήματα των ΤΕΠ, αλλά μπορεί να λειτουργήσει ως ισχυρό εργαλείο υποστήριξης αποφάσεων, εφόσον ενταχθεί σε ένα κατάλληλο οργανωτικό, ηθικό, τεχνολογικό και κανονιστικό πλαίσιο.

Authors dc:creator

• Χαραλαμπάκης Αντώνιος
• Charalampakis Antonios

• Επιστήμες Υγείας
• Health Sciences

Language dc:language

Ελληνικά, Greek

Identifier

uoadl:5424507

OAI record oai:identifier

https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A5424507