Journal of Mazandaran University of Medical Sciences

fa شناسایی و اولویت‌بندی چالش‌ها، محرک‌ها و توانمندساز های به‌کارگیری هوش مصنوعی در نظام سلامت Identification and Prioritisation of Barriers, Drivers, and Enablers of Artificial Intelligence Adoption in the Health System هوش مصنوعی Artificial Intelligence پژوهشي-کامل Research(Original) سابقه و هدف: با گسترش فناوری هوش مصنوعی، نظام سلامت با فرصتی تحول‌آفرین برای افزایش کارایی، اثربخشی و عدالت در ارائه خدمات، روبه‌رو شده است. به‌کارگیری این فناوری نوین، ضرورتی راهبردی در سیاست‌گذاری سلامت دیجیتال محسوب می‌شود. پژوهش حاضر با هدف شناسایی و رتبه‌بندی محرک‌ها، توانمندسازها و چالش‌های به‌کارگیری هوش مصنوعی در نظام سلامت، انجام پذیرفت. مواد و روش ‌ها: این مطالعه با رویکرد ترکیبی انجام شد. در گام نخست، با مرور ساختارمند متون، مؤلفه‌های اولیه مرتبط با چالش‌ها، محرک‌ها و توانمندسازهای به‌کارگیری هوش مصنوعی در نظام سلامت استخراج شد. سپس، این مؤلفه‌ها با بهره‌گیری از تکنیک دلفی و براساس نظر خبرگان اعتبارسنجی، اصلاح و تکمیل گردید. در مرحله بعد، مؤلفه‌های نهایی با استفاده از فرایند تحلیل سلسله‌مراتبی گروهی اولویت‌بندی شدند. به‌منظور اجرای مراحل دلفی و تحلیل سلسله‌مراتبی، 18 نفر از ذینفعان حوزه سلامت در بخش کیفی و 15 نفر در بخش کمی با روش نمونه‌گیری هدفمند انتخاب شدند. داده‌ها با استفاده از چک‌لیست خبره‌سنجی در نرم‌افزار SPSS و پرسشنامه ماتریسی در نرم‌افزار Expert Choice جمع‌آوری و تحلیل شد. یافته‌ها: مرور متون منجر به شناسایی 23 مؤلفه اولیه در سه دسته محرک‌ها، توانمندسازها و چالش‌ها شد. پس از چهار دور دلفی، 34 مؤلفه نهایی شامل 11 محرک، 11 توانمندساز و 12 مانع با اجماع بالای خبرگان تأیید گردید. نتایج تحلیل سلسله ‌مراتبی نشان داد که «امکان تبادل داده های(Interoperability) بانا بیمه‌ای و پرونده سلامت»، «وجود برنامه راهبردی سلامت دیجیتال » و «استانداردسازی تبادل داده» مهم‌ترین عوامل مؤثر بر به‌کارگیری هوش مصنوعی در نظام سلامت هستند. استنتاج: پیشرفت الگوریتم‌های هوش مصنوعی در حوزه پزشکی و امکان تبادل داده‌های بیمه‌ای و پرونده سلامت از مهم‌ترین محرک‌ها و توانمندسازهای بومی هستند و می‌توانند در سیاست‌گذاری، برنامه‌ریزی و مداخلات نظام سلامت مورد استفاده قرار گیرند.   Background and purpose: With the rapid expansion of artificial intelligence (AI) technologies, health systems worldwide have an unprecedented opportunity to improve the efficiency, effectiveness, and equity of service delivery. Accordingly, the adoption of AI has become a strategic necessity in digital health policymaking. This study sought to identify and rank the drivers, enablers, and barriers associated with the adoption of AI in the health system. Materials and methods: This mixed-methods study was conducted in multiple phases. First, a structured literature review was undertaken to identify the initial set of drivers, enablers, and barriers relevant to AI adoption within the health system. These components were then validated, refined, and expanded through a Delphi process involving expert opinion. In the final stage, the identified components were prioritised using the group analytic hierarchy process (AHP). Using purposive sampling, 18 stakeholders participated in the qualitative phase, and 15 stakeholders were recruited for the quantitative phase. Data were collected and analysed using an expert evaluation checklist in SPSS and an AHP pairwise comparison questionnaire in Expert Choice software. Results: The systematic review identified 23 initial components across three categories: drivers, enablers, and barriers to AI adoption in the health system. After four Delphi rounds, 34 final components, comprising 11 drivers, 11 enablers, and 12 barriers, were confirmed through a high level of expert consensus. The AHP results identified "the ability to integrate insurance and electronic health record data," "the presence of a strategic digital health plan," and "standardisation of data exchange" as the most important factors influencing AI adoption in the health system. Conclusion: The findings suggested that "advancements in AI algorithms for medicine" and "the ability to integrate insurance and electronic health record data" were among the most important drivers and enablers of AI adoption within the local context and could inform future health system planning, policy development, and implementation strategies.   انقلاب صنعتی چهارم, هوش مصنوعی, نظام سلامت Fourth Industrial Revolution, Artificial Intelligence, Health System 185 198 http://jmums.mazums.ac.ir/browse.php?a_code=A-10-18665-1&slc_lang=fa&sid=1 nasrin valipoursorkhkolaee نسرین ولیپورسرخکلایی nasrin_valipour90@yahoo.com 1003194753284600189671 1003194753284600189671 No MSc in Executive Management, Department of Management, Sari Branch, Islamic Azad University, Sari, Iran کارشناس ارشد مدیریت اجرایی، گروه مدیریت، واحد ساری، دانشگاه آزاد اسلامی، ساری، ایران Farhad Arefinia فرهاد عارفی نیا f.arefinia@mazums.ac.i 1003194753284600189672 1003194753284600189672 No PhD of Medical Informatics. Amol School of Allied Medical Sciences, Mazandaran University of Medical Sciences, Sari, Iran دانشکده پیراپزشکی آمل، دانشگاه علوم پزشکی مازندران، ساری، ایران