کاربرد هوش مصنوعی در تجویز برنامه ورزشی برای بیماران
الموضوعات :
غلامحسن جعفرزاده
1
,
مهدی مشایخی
2
1 - دانشگاه صنعتی خاتم الانبیاء بهبهان، بهبهان،ایران.
2 - دانشجوی مهندسی کامپیوتر دانشگاه صنعتی خاتم الانبیاء بهبهان، بهبهان، ایران.
الکلمات المفتاحية: هوش مصنوعی, برنامه ورزشی, بیمار.,
ملخص المقالة :
مقدمه و هدف: با توجه به گسترش استفاده از هوش مصنوعی در حوزه‌های مختلف، به ویژه در مراقبت‌های بهداشتی و ورزش، بررسی اینکه چگونه این فناوری می‌تواند در طراحی برنامه‌های ورزشی دقیق‌تر و پیش‌بینی خطرات احتمالی مؤثر باشد، از اهمیت بالایی برخوردار است. پژوهش حاضر به موضوع بررسی کاربرد هوش مصنوعی در تجویز برنامه ورزشی برای درمان بیماران پرداخته است.
روش شناسی پژوهش: در این پژوهش از رویکرد بازبینی و تحقیق ، با روش پژوهش کتابخانه ای استفاده شده است، که با مطالعه و بررسی مقالات ، منابع کتابخانه ای و آنلاین در سايت گوگل اسكولار، سامانه گنج و موارد مشابه انجام شده است.
یافته ها: نتایج بدست آمده نشان داده است که در کاربرد هوش مصنوعی برای تجویز برنامه ورزشی به منظور درمان بیماران، طراحی برنامه ورزشی باید با دقت و بر اساس نیازهای فردی بیماران انجام شود. این برنامه‌ها می‌توانند شامل تمرینات خاصی باشند که با توجه به شرایط جسمانی، سابقه پزشکی و اهداف بیمار تنظیم می‌شوند. استفاده از داده‌های متنوع و جامع، مانند اطلاعات پزشکی، نتایج آزمایش‌ها و حتی داده‌های مربوط به فعالیت‌های روزانه، به مدل‌های هوش مصنوعی کمک می‌کند تا الگوهای خاصی را شناسایی کرده و پیشنهادات دقیقی ارائه دهند.
بحث ونتيجه گيري: ایمن بودن برنامه‌های ورزشی پیشنهادی از اهمیت بالایی برخوردار است. الگوریتم‌ها باید به گونه‌ای طراحی شوند که ریسک آسیب‌دیدگی را به حداقل برسانند و برنامه‌ها را بر اساس وضعیت سلامت بیمار به‌روزرسانی کنند. این امر نیازمند ارزیابی‌های دقیق و مداوم از پیشرفت بیمار و پاسخ به تمرینات است. در این راستا، چالش‌های متعددی وجود دارد. یکی از این چالش‌ها مربوط به جمع‌آوری و تحلیل داده‌های معتبر است. همچنین، مسائل اخلاقی نظیر حریم خصوصی اطلاعات بیماران و مسئولیت در قبال اشتباهات احتمالی مدل‌ها نیز باید مدنظر قرار گیرد. این چالش‌ها نیاز به توجه و بررسی دقیق دارند تا بتوان به نتایج مؤثر و ایمن در تجویز برنامه‌های ورزشی دست یافت.
1. Rooh-al-Amin, & Rezaei Manesh. (2023). The role of artificial intelligence in sports. The 6th International Conference on Management, Humanities and Behavioral Sciences in Iran and the Islamic World.
2. • Wilson, B., Hoffman, J., & Morgenstern, J. (2017). Predictive inequity in object detection [Working paper]. https://arxiv.org/pdf/1902.11097.pdf
3. • Angwin, J., Larson, J., Mattu, S., & Kirchner, L. (2016, May 23). Machine bias: There’s software used across the country to predict future criminals. And it’s biased against Blacks. ProPublica. https://www.propublica.org/article/machine-bias-risk-assessments-in-criminal-sentencing
4. • Kosinski, M., Stillwell, D., & Graepel, T. (2020). Private traits and attributes are predictable from digital records of human behavior. Proceedings of the National Academy of Sciences of the United States of America, 110(15), 5802–5805. https://doi.org/10.1073/pnas.1218772110
5. • Suwajanakorn, S., Seitz, S. M., & Kemelmacher-Shlizerman, I. (2017). Synthesizing Obama: Learning lip sync from audio [Conference paper]. https://grail.cs.washington.edu/projects/AudioToObama/siggraph17_obama.pdf
6. • Burrell, J. (2016). How the machine ‘thinks’: Understanding opacity in machine learning algorithms. Big Data & Society, 3(1), 1–12. https://doi.org/10.1177/2053951715622512
7. • Haenssle, H. A., Fink, C., Schneiderbauer, R., Toberer, F., Buhl, T., Blum, A., ... & Uhlmann, L. (2018). Man against machine: Diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma recognition in comparison to 58 dermatologists. Annals of Oncology, 29(8), 1836–1842. https://doi.org/10.1093/annonc/mdy166
8. • Markoff, J. (2011, March 4). Armies of expensive lawyers, replaced by cheaper software. The New York Times. https://www.nytimes.com/2011/03/05/science/05legal.html
9. • Kaplan, A. M., & Haenlein, M. (2022). The fairyland of Second Life: About virtual social worlds and how to use them. Business Horizons, 52(6), 563–572. https://doi.org/10.1016/j.bushor.2022.05.005
10. • The Economist. (2016, December 17). China invents the digital totalitarian state. The Economist. https://www.economist.com/briefing/2016/12/17/china-invents-the-digitaltotalitarian-state
11. • The New York Times. (2019, May 14). San Francisco bans facial recognition technology. The New York Times. https://www.nytimes.com/2019/05/14/us/facial-recognition-ban-sanfrancisco.html
12. • Rizzo, A. S., & Koenig, S. T. (2017). Virtual reality and cognitive rehabilitation. In K. S. Hale & K. M. Stanney (Eds.), Handbook of virtual environments: Design, implementation, and applications (2nd ed., pp. xxx–xxx). CRC Press.
13. • Barton, C. J., & Morrissey, D. (2017). The use of artificial intelligence in sport science and rehabilitation. Journal of Sports Sciences, 35(5), 400–409. https://doi.org/10.1080/02640414.2016.1183807
14. • Le, T. K., & Lee, T. K. (2022). Artificial intelligence applications in sports medicine. Sports Health, 14(4), 346–355. https://doi.org/10.1177/19417381221097111
15. • Jain, S. H., & Powers, B. W. (2020). AI and clinical decision support: The intersection of health and technology. Journal of Clinical Informatics, 6(2), 45–50.
