НЕЙРОННІ МЕРЕЖІ ТА ЧАТ-БОТИ, ПЕРСПЕКТИВИ ЇХ ЗАСТОСУВАННЯ У ФІЗИЧНІЙ ТЕРАПІЇ В УКРАЇНІ

Автор(и)

  • І. М. Салайда Тернопільський національний медичний університет імені І. Я. Горбачевського МОЗ України, Тернопіль, Україна https://orcid.org/0000-0003-4330-0575

DOI:

https://doi.org/10.11603/1811-2471.2025.v.i2.15323

Ключові слова:

військовики, нейромережі, чат-боти, фізична терпія, штучний інтелект

Анотація

РЕЗЮМЕ. Мета – проаналізувати можливості впровадження штучного інтелекту, нейронних мереж та чат-ботів у фізичну терапію та як вони сприятимуть покращенню результатів лікування та фізичної реабілітації військовиків і цивільного сегмента населення України в умовах сьогодення.

Матеріал і методи. У роботі використано бібліосемантичний метод та методи контент- та структурно-логічного аналізу.

Результати. Реалізація та просування технологій штучного інтелекту в сфері медицини на сьогоднішній день є одним із головних трендів у системі охорони здоров’я, що змінюють сучасну світову медицину. ШІ активно використовують у розробці нових лікарських препаратів, підвищенні якості медичної діагностики, лікування та фізичної реабілітації потерпілих, для поліпшення якості догляду за пацієнтами та медичних послуг в цілому. ШІ здатен істотно мінімізувати витрати у сфері охорони здоров’я. У осяжній перспективі можливості штучного інтелекту практично безмежні.

Висновки. 1. Унаслідок захворювань і ушкоджень різного генезу та локалізації у потерпілих виникають зміни в фізичному та психічному стані різного ступеня важкості, спостерігаються морфологічні та функціональні порушення різного характеру, наростання специфічної особистісної дисгармонії, порушення адаптивних механізмів організму. У зв’язку з формуванням у постраждалих поєднаної патології зростає потреба в удосконаленні комплексної допомоги та впровадженні нових методик лікування та фізичної реабілітації. Наразі актуальним є створення комплексних високоефективних програм фізичної, медичної та психологічної реабілітації постраждалих із застосуванням інноваційних технологій.

  1. Багатовекторність завдань потребує ефективного впровадження новітніх реабілітаційних методик у процес відновлення потерпілих, в тому числі нейромереж та чат-ботів, які довели свою спроможність скоротити терміни одужання з більш якісним пролонгованим ефектом при застосуванні у фізичній реабілітації. Світовий досвід використання цих методів заслуговує на ширше впровадження в клінічну практику наших медичних закладів як один із інструментів відновлення здоров’я військових та цивільних осіб, що постраждали в результаті воєнних дій на теренах України.

Посилання

Popadyukha YuA. Suchasni kompleksy, systemy ta prystroyi reabilitatsiynykh tekhnolohiy: navch. posib [Modern complexes, systems, and devices of rehabilitation technologies: Educational manual]. Kyiv: Center for Educational Literature; 2018. Ukrainian.

Popadyukha YuA. Suchasni komp'yuteryzovani kompleksy ta systemy u tekhnolohiyakh fizychnoyi reabilitatsiyi: navch. posib. [Modern computerized complexes and systems in physical rehabilitation technologies: Educational manual]. Kyiv: Center for Educational Literature; 2018. Ukrainian.

Vykhlyayev YuM. Reabilitatsiyni tekhnolohiyi i tekhnichni zasoby dlya vidnovlennya dlya lyudey z obmezhenymy fizychnymy mozhlyvostyamy: navch. posib. [Rehabilitation technologies and technical means for recovery for people with limited physical abilities: Educational manual]. National Technical University of Ukraine "Kyiv Polytechnic Institute". Vinnytsia: Rohalska I.O; 2012. Ukrainian.

Kukhtyk TV. Tekhnichni zasoby u fizychniy reabilitatsiyi: Opornyy navchal'no-metodychnyy interaktyvnyy kompleks [Technical means in physical rehabilitation: Reference educational-methodical interactive complex]. Kramatorsk: DITM MNTU named after Yu. Bugai; 2010. Ukrainian.

Amisha, Paras Malik, Monika Pathania, Vyas Kumar Rathaur. Overview of artificial intelligence in medicine. J Family Med Prim Care. 2019;8(7):2328-2331. DOI: 10. 4103/jfmpc.jfmpc_440_19. DOI: https://doi.org/10.4103/jfmpc.jfmpc_440_19

McCall HC, Richardson CG, Helgadottir FD, Chen FS. Evaluating a web-based social anxiety intervention: A randomized controlled trial among university students? J Med Internet Res. 2018;20:e91 DOI: 10.2196/jmir. 8630 DOI: https://doi.org/10.2196/jmir.8630

Labovitz DL, Shafner L, Reyes Gil M, Virmani D, Hanina A. Using artificial intelligence to reduce the risk of nonadherence in patients on anticoagulation therapy. Stroke. 2017;48:1416-9. DOI: https://doi.org/10.1161/STROKEAHA.116.016281

Anahtar MN, Yang JH, Kanjilal S. Applications of machine learning to the problem of antimicrobial resistance: an emerging model for translational research. J. Clin. Microbiol. 2021;59(7):e0126020. DOI: 10.1128/JCM.01260-20. DOI: https://doi.org/10.1128/JCM.01260-20

Benjamins JW, Hendriks T, Knuuti J et al. A primer in artificial intelligence in cardiovascular medicine. Neth. Heart. J. 2019;27(9):392–402. DOI: 10.1007/s12471-019-1286-6. DOI: https://doi.org/10.1007/s12471-019-1286-6

Kamphuis B. Universiteiten kunnen belangstelling voor kunstmatige intelligentie niet aan. Ned. Omroep. Sticht. 2018. URL: nos.nl/artikel/2241732-universiteiten-kunnen-belangstelling-voor-kunstmatige-intelligentie-niet-aan.html.

Mervis J. MIT to use $350 million gift to bolster computer sciences. Science. 2018. URL: http://www.science.org/content/article/mit-use-350-million-gift-bolster-computer-sciences. DOI: https://doi.org/10.1126/science.aav7395

Nikkei Staff Writers. Japan plans 10 "AI hospitals" to ease doctor shortages. Tokyo: Nikkei Asia; 2018. Available from: https://asia.nikkei.com/Politics/Japan-plans-10-AI-hospitals-to-ease-doctor-shortages

Jiang F, Jiang Y, Zhi H, et al. Artificial intelligence in healthcare: past, present and future. Stroke Vasc Neurol. 2017;2(4):230–243. DOI:10.1136/svn-2017-000101. DOI: https://doi.org/10.1136/svn-2017-000101

Aung YYM, Wong DCS, Ting DSW. The promise of artificial intelligence: a review of the opportunities and challenges of artificial intelligence in healthcare. Br Med Bull. 2021;139(1):4–15. DOI:10.1093/bmb/ldab016. DOI: https://doi.org/10.1093/bmb/ldab016

Balyen L, Peto T. Promising artificial intelligence–machine learning–deep learning algorithms in ophthalmology. Asia Pac J Ophthalmol (Phila). 2019;8(3):264–272. DOI:10.22608/APO.2018479. DOI: https://doi.org/10.22608/APO.2018479

Juarez-Orozco LE, Knol RJJ, Sanchez-Catasus CA, et al. Machine learning in the integration of simple variables for identifying patients with myocardial ischemia. J Nucl Cardiol. 2020;27(1):147–155. DOI: 10.1007/s12350-018-1304-x. DOI: https://doi.org/10.1007/s12350-018-1304-x

Chen J, See K. Artificial intelligence for COVID-19: rapid review. J Med Internet Res. 2020;22:e21476. DOI: 10.2196/21476. DOI: https://doi.org/10.2196/21476

Saeed U, Shah SY, Ahmad J, et al. Machine learning empowered COVID-19 patient monitoring using non-contact sensing: an extensive review. J Pharm Anal. 2022;12(2):193–204. DOI: 10.1016/j.jpha.2021.12.006. DOI: https://doi.org/10.1016/j.jpha.2021.12.006

Ostaschenko TM, Kozak ND, Kozak DO. Coordination aspects of pharmacovigilance system adjustment in terms of the global COVID-19 pandemic. Ukr J Mil Med. 2021;2(4):161–165. DOI: 10.46847/ujmm.2021.4(2)-161. DOI: https://doi.org/10.46847/ujmm.2021.4(2)-161

Haymond S, McCudden C. Rise of the machines: artificial intelligence and the clinical laboratory. J Appl Lab Med. 2021;6(6):1640–1654. DOI: 10.1093/jalm/jfab075. DOI: https://doi.org/10.1093/jalm/jfab075

Paranjape K, Schinkel M, Hammer RD, et al. The value of artificial intelligence in laboratory medicine. Am J Clin Pathol. 2021;155(6):823–831. DOI: 10.1093/ajcp/aqaa170. DOI: https://doi.org/10.1093/ajcp/aqaa170

Dogan MV, Grumbach IM, Michaelson JJ, et al. Integrated genetic and epigenetic prediction of coronary heart disease in the Framingham Heart Study. PLoS One. 2018;13:e0190549. DOI:10.1371/journal.pone.0190549. DOI: https://doi.org/10.1371/journal.pone.0190549

Hui AT, Alvandi LM, Eleswarapu AS, et al. Artificial intelligence in modern orthopaedics: current and future applications. JBJS Rev. 2022;10(10). DOI: 10.2106/JBJS.RVW.22.00086. DOI: https://doi.org/10.2106/JBJS.RVW.22.00086

Federer SJ, Jones GG. Artificial intelligence in orthopaedics: A scoping review. PLoS One. 2021; 16(11):e0260471. DOI: 10.1371/journal.pone.0260471. DOI: https://doi.org/10.1371/journal.pone.0260471

Saygılı A, Albayrak S. An efficient and fast computer-aided method for fully automated diagnosis of meniscal tears from magnetic resonance images. Artif. Intell. Med., 2019;97:118–130. DOI: 10.1016/j.artmed.2018. 11.008. DOI: https://doi.org/10.1016/j.artmed.2018.11.008

Carballido-Gamio J, Yu A, Wang L et al. Hip fracture discrimination based on statistical multi-parametric modeling (SMPM). Ann. Biomed. Eng., 2019;47(11):2199–2212. DOI: 10.1007/s10439-019-02298-x. DOI: https://doi.org/10.1007/s10439-019-02298-x

##submission.downloads##

Опубліковано

2025-06-04

Як цитувати

Салайда, І. М. (2025). НЕЙРОННІ МЕРЕЖІ ТА ЧАТ-БОТИ, ПЕРСПЕКТИВИ ЇХ ЗАСТОСУВАННЯ У ФІЗИЧНІЙ ТЕРАПІЇ В УКРАЇНІ. Здобутки клінічної і експериментальної медицини, (2), 174–180. https://doi.org/10.11603/1811-2471.2025.v.i2.15323

Номер

Розділ

Погляд на проблему