فهرست نشریات علمی دسترسی آزاد ایران

مقدمه: تشخیص زودهنگام بیماری کووید-19 نقش مهمی در کاهش مرگ و میر بیماران دارد. با توجه به توانمندی‌های هوش مصنوعی، این فناوری می‌تواند به‌عنوان یکی از روش‌های مؤثر در تشخیص بیماری کووید-19 مورد استفاده قرار گیرد. این مطالعه مروری نظامند با هدف بررسی عملکرد هوش مصنوعی در این حوزه انجام شده است. روش بررسی: با استفاده از ترکیب کلیدواژه‌های مرتبط، تمامی مقالات مربوط به کاربرد هوش مصنوعی در تشخیص بیماری کووید-19 از پایگاه‌های داده پابمد، اسکوپوس و وب او ساینس استخراج شدند. این مقالات از جنبه‌های مختلفی از جمله نوع داده، نوع الگوریتم، پارامترهای ارزیابی، ارائه قوانین بالینی، و ارزیابی بالینی الگوریتم‌ها مورد بررسی قرار گرفتند. سپس با استفاده از مقالات مروری و متاآنالیز، مشخص شد که این الگوریتم‌ها تا چه حد در گایدلاین‌های بالینی مورد استفاده قرار گرفته‌اند. یافته‌ها: بررسی 143 مقاله‌ وارد شده به مطالعه نشان داد که داده‌های ورودی این مقالات به سه دسته رکوردهای اطلاعاتی، تصاویر بالینی، و پردازش صدا تقسیم می‌شوند. بیش از 96 درصد از این الگوریتم‌ها به‌عنوان الگوریتم‌های جعبه سیاه شناخته می‌شوند و فاقد ارزیابی بالینی توسط متخصصان حوزه بالین هستند. با این حال، میانگین عملکرد تمامی الگوریتم‌ها بالای 90 درصد گزارش شده است. همچنین، از بررسی 451 مقاله مروری و متاآنالیز در این مطالعه مشخص شد که هیچ‌یک از الگوریتم‌ها در چارچوب بالینی مورد بررسی قرار نگرفته‌اند و تنها عملکرد الگوریتم‌ها ارزیابی شده است نتیجه‌گیری: مرور مقالات نشان داد هوش مصنوعی در تشخیص کووید-19 عملکرد مطلوبی دارد، اما چالش‌هایی مانند عدم توضیح‌پذیری مدل‌ها، وابستگی به داده‌های آموزشی و نبود ارزیابی‌های بالینی گسترده وجود دارد. توسعه الگوریتم‌های جعبه سفید و بهینه‌سازی مدل‌ها برای پذیرش بالینی ضروری است.