ЦИТИСЭ
ISSN 2409-7616
ЦИТИСЭ № 3(37) 2023
Педагогические науки
Скачать

Забелин Д.А., Антипкина Л.В., Плащевая Е.В.

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В СЕСТРИНСКОМ УХОДЕ: ПРАКТИКА ОБУЧЕНИЯ

УДК 378:004.8:614.253.52

DOI: http://doi.org/10.15350/2409-7616.2023.3.04

Забелин Д.А.1 (Астрахань, Россия) — Link23487@mail.ru, Антипкина Л.В.2 (Астрахань, Россия) — Lar.astu2023@gmail.com, Плащевая Е.В.3 (Благовещенск, Россия) — elena-plashhevaja@rambler.ru

1Астраханский государственный медицинский университет

2Астраханский государственный технический университет

3Амурская государственная медицинская академия

Аннотация. Искусственный интеллект и его составные элементы, далее именуемые технологиями ИИ, стремительно развиваются с конца 2010-х годов, и ожидается, что эта тенденция сохранится в будущем. ИИ связан с компьютерными системами, которые имитируют человеческий интеллект (т.е. способны обучаться, используя предоставленную информацию, принимать стратегические, управленческие решения). Ожидается, что в ближайшем будущем эта технология станет незаменимой в нашей жизни. ИИ оказывает влияние на различные сферы. В медицине использование ИИ в клинических приложениях неуклонно растет. Выделяя такую ветвь применения искусственного интеллекта в сестринском деле можно увидеть, что его использование поможет облегчить работы медицинским сестрам в принятии клинических решений в возникающих сложных ситуациях при уходе за больными, или же задачах, удаленных от непосредственного взаимодействия с пациентами. Можно наблюдать рост исследований и разработок приложений ИИ для помощи в работе медсестёр, но при этом отсутствует обширный обзор, осветивший доказательную базу перспектив применения ИИ в сестринском уходе. Кроме того, понимая значимость обучения будущих медицинских сестер, нами констатирован факт отсутствия курсов/дисциплин/мастер-классов для студентов медицинских колледжей и практикующих медицинских сестер. Для реализации поставленной цели мы воспользовались механизмом, описанным рекомендациях PRISMA для систематических обзоров и мета-анализов. В нашем исследовании мы сосредоточились на трех ключевых, с нашей точки зрения, вопросах в применении ИИ при подготовке медсестёр. Анализ научно-исследовательской литературы позволили выделить содержание обучения медицинских сестер применению ИИ в сестринском уходе.

Ключевые слова: сестринский уход, искусственный интеллект, обучение медицинских сестер.

Список источников:

  1. Hamet P., Tremblay J. Artificial intelligence in medicine // Journal Metabolism. 2017. Vol. 69. P. 36-40. DOI: https://doi.org/10.1016/j.metabol.2017.01.011
  2. Милкова Э.Г. Искусственный интеллект в здравоохранении: к чему приведет цифровизация? // Инновации и инвестиции. 2021. №4. С. 353-356. URL: https://www.elibrary.ru/item.asp?id=45723222
  3. Tan G.F.L., Du T., Liu J.S. Automated lung ultrasound image assessment using artificial intelligence to identify fluid overload in dialysis patients // BMC Nephrol. 2022. Vol. 23, е410. DOI: https://doi.org/10.1186/s12882-022-03044-7
  4. Secinaro S., Calandra D., Secinaro A. The role of artificial intelligence in healthcare: a structured literature review // BMC Med Inform Decis Mak. 2021. Vol.  125. DOI:  https://doi.org/10.1186/s12911-021-01488-9 
  5. Wagner G., Raymond L., Paré G. Understanding Prospective Physicians’ Intention to Use Artificial Intelligence in Their Future Medical Practice: Configurational Analysis // JMIR Med Educ. 2023. Vol.  9. e45631. DOI: https://doi.org/10.2196/45631 
  6. Иванчук О.В., Плащевая Е.В., Нурмухамбетова С.А. Искусственный интеллект в системе здравоохранения: проблемы готовности и обучения // ЦИТИСЭ. 2022. №. 3. С. 225-237. DOI: http://doi.org/10.15350/2409-7616.2022.3.20
  7. Pakdemirli E., Perception of artificial intelligence (AI) among radiologists // Acta Radiol Open Journal. 2019. Vol.  8(9). е2058460119878662. DOI: https://doi.org/10.1177/2058460119878662
  8. Park C.J., Yi P.H., Siegel E.L. Medical student perspectives on the impact of artificial intelligence on the practice of medicine // Curr Probl Diagn Radiol. 2021. Vol. 50, Issue 5. P.614-619. DOI: https://doi.org/10.1067/j.cpradiol.2020.06.011
  9. Buchanan C., Howitt M.L., Wilson R. Nursing in the Age of Artificial Intelligence: Protocol for a Scoping Review // JMIR Res Protoc. 2020. Vol. 9(4). e17490. DOI: https://doi.org/10.2196/1749
  10. Abbott M.B., Shaw Nurse Virtual Avatars: Roles of Nurses and New Care Concepts // Online J Issues Nurs. 2016.  Vol.  21(3). P.7. DOI: 10.3912/OJIN.Vol21No03PPT39,05
  11. McMurray J., Strudwick G., Forchuk C. The Importance of Trust in the Adoption and Use of Intelligent Assistive Technology by Older Adults to Support Aging in Place: Scoping Review Protocol // JMIR Res Protoc. 2017. Vol. 26(11). e218. DOI: https://doi.org/10.2196/resprot 
  12. Moher D., Liberati A., Tetzlaff J., Suitable submission items for system reviews and meta-analyses: PRISMA // PLoS Med. 2009. Vol.  6(7). e1000097 DOI: https://doi.org/10.1371/journal.pmed.1000097
  13. Aziz O., Musngi M., Park E.J. A comparison of accuracy of fall detection algorithms (threshold-based vs. machine learning) using waist-mounted tri-axial accelerometer signals from a comprehensive set of falls and non-fall trials // Med Biol Eng Comput. 2017. Vol. 55(1). P.45-55 DOI: https://doi.org/10.1007/s11517-016-1504-y
  14. Li X., Tian D., Li W. Artificial intelligence-assisted reduction in patients’ waiting time for outpatient process: a retrospective cohort study // BMC Health Serv Res. 2021. Vol. 21. P.237. DOI: https://doi.org/10.1186/s12913-021-06248-z 
  15. Cramer E.M., Seneviratne M.G., Sharifi H. Predicting the Incidence of Pressure Ulcers in the Intensive Care Unit Using Machine Learning // EGEMS (Wash DC). 2019. Vol. 7(1). P.49. DOI: https://doi.org/10.5334/egems.307
  16. Xie W., Yang X., Cao X. Effects of a comprehensive reservation service for non-emergency registration on appointment registration rate, patient waiting time, patient satisfaction and outpatient volume in a tertiary hospital in China // BMC Health Serv Res. 2019. Vol. 19(1). P.782. DOI: https://doi.org/10.1186/s12913-019-4652-6 
  17. Klute B., Homb A., Chen W. Predicting outpatient appointment demand using machine learning and traditional methods // J Med Syst. 2019. Vol. 43(9). P.288. DOI: https://doi.org/10.1007/s10916-019-1418-y
  18. Xiong G.L., Bayen E., Nickels S. Real-time video detection of falls in dementia care facility and reduced emergency care // Am J Manag Care. 2019. Vol. 25(7). P. 314-315. PMID: 3131850220.
  19. Tang V., Siu P.K., Choy K.L. An adaptive clinical decision support system for serving the elderly with chronic diseases in healthcare industry // Expert Syst 2019. Vol. 36(2). e12369.
  20. Peirce A.G., Elie S., George A. Knowledge development, technology and questions of nursing ethics // Nurs Ethics. 2020. Vol. 27(1). P. 77-87. DOI: https://doi.org/10.1177/0969733019840752
  21. Car J., Sheikh A., Wicks P. Beyond the hype of big data and artificial intelligence: building foundations for knowledge and wisdom // BMC Med. 2019. Vol. 17(1). P. 143. DOI: https://doi.org/10.1186/s12916-019-1382-x
  22. Wangmo T., Lipps M., Kressig R.W. Ethical concerns with the use of intelligent assistive technology: findings from a qualitative study with professional stakeholders // BMC Med Ethics. 2019. Vol. 20(1). P. 98.
  23. Seibert K., Domhoff D., Bruch D. Application Scenarios for Artificial Intelligence in Nursing Care: Rapid Review // J Med Internet Res. 2021. Vol. 23(11). e26522. DOI: https://doi.org/10.2196/26522 
  24. Alam M.A.U., Heching A., Palmarini N. Scaling Longitudinal Functional Health Assessment in Multi-Inhabitant Smarthome // IEEE 39th International Conference on Distributed Computing Systems (ICDCS). 2019, P. 2206-2216. DOI: https://doi.org/10.1109/ICDCS.2019.00217 
  25. Poncette A., Mosch L., Spies C. Improvements in patient monitoring in the intensive care unit: survey study // J Med Internet Res. 2020  Vol. 22(6). e19091 DOI: https://doi.org/10.2196/19091 
  26. Lum M.V., Cheung M.Y.S., Harris D.R. A scoping review of polypharmacy interventions in patients with stroke, heart disease and diabetes // Int J Clin Pharm. 2020. Vol. 42, P. 378-392. DOI: https://doi.org/10.1007/s11096-020-01028-x

Библиографическая ссылка: Забелин Д.А., Антипкина Л.В., Плащевая Е.В. Искусственный интеллект в сестринском уходе: практика обучения // ЦИТИСЭ. 2023. № 3. C. 40-53. DOI: http://doi.org/10.15350/2409-7616.2023.3.04

ЦИТИСЭ © 2024
ЭЛ № ФС 77 - 59069 / ISSN 2409-7616