en سلامت همراه در مدیریت مراقبت‌های مزمن: عصری جدید با ظهور هوش مصنوعی مولد تخصصي Special كاربردي Applicable <div style="text-align: justify;"><span style="font-size:16px;"><span style="font-family:IRANyekan;"><b><span lang="FA">زمینه و هدف:</span></b><b> </b><span lang="AR-SA">برخلاف مدل‌های تمایزی هوش مصنوعی، مدل‌های مولد توانایی خلق نمونه‌ها و پاسخ‌های خلاقانه را دارند که این ویژگی می‌تواند آغازگر دوره‌های جدید در زمینه سلامت همراه باشد و بطور قابل‌توجهی قابلیت‌های مدیریت بیماری‌های مزمن را ارتقاء دهد. هدف این پژوهش بررسی تأثیر ظهور هوش مصنوعی مولد در حوزه سلامت همراه با تمرکز بر وضعیت کنونی و چالش‌های موجود است</span><span lang="FA">.</span><br> <b><span lang="FA">روش &shy;ها:</span></b> <span lang="AR-SA">پژوهش </span><span lang="FA">حاضر بصورت مطالعه</span><span lang="AR-SA"> مروری نقلی با جستجو در</span> <span lang="AR-SA">پایگاه‌های اطلاعاتی </span>PubMed<span lang="AR-SA">، </span>Scopus<span lang="AR-SA"> و </span>GoogleScholar در بازه زمانی سال‌های ۲۰۱۹ الی ۲۰۲۴ میلادی و با استفاده از ترکیب واژه‌های مرتبط با سه مفهوم سلامت همراه، بیماری‌های مزمن و هوش مصنوعی مولد مطابق با استانداردهای جستجو برای هر پایگاه داده <span lang="FA">انجام شد. </span><span lang="AR-SA">معیارهای ورود در این مطالعه شامل مقالاتی به زبان انگلیسی، با جمعیت هدف افراد بالای </span><span lang="FA">۱۸</span><span lang="AR-SA"> سال و تمرکز بر بررسی عملکرد هوش مصنوعی مولد در مدیریت بیماری‌های مزمن در حوزه سلامت همراه بود</span><span lang="FA">.</span><span lang="AR-SA"><span style="font-family:"B Mitra""></span></span><br> <b><span lang="FA">نتایج:</span></b><span lang="FA"> از مجموع ۱۲۶۸ مقاله یافت شده، ۳۹ مقاله مرتبط انتخاب و تحلیل شدند. نتایج نشان می‌دهد که ادغام هوش مصنوعی مولد در سلامت همراه به تشخیص زودهنگام بیماری کمک کرده و بیماران را با ابزارهای خودمدیریتی پیشرفته و دسترسی بهتر به منابع بهداشتی توانمند ساخته است. همچنین، این رویکردها مزایایی همچون مقرون به صرفه بودن، کاهش هزینه‌های مراقبتی و افزایش دسترسی به خدمات سلامت، به ویژه در جمعیت‌های محروم، دارند. با این وجود، چالش‌هایی نظیر نگرانی‌های مربوط به حریم خصوصی داده‌ها، سوگیری الگوریتمی، عدالت در توزیع مزایا، مسائل اخلاقی و پیچیدگی‌های فناوری نیز وجود دارد.</span><br> <b><span dir="RTL" lang="FA">نتیجه&shy; گیری:</span></b> <span dir="RTL" lang="AR-SA">هوش مصنوعی مولد در سلامت همراه برای بهبود مدیریت بیماری‌های مزمن اهمیت بالایی دارد و نیازمند پژوهش‌های مستمر و همکاری نزدیک بین ارائه‌دهندگان خدمات بهداشتی، فناوران و نهادهای نظارتی است. ارتقاء کیفیت مراقبت و سلامت بیماران منوط به رفع چالش‌ها و موانع موجود پیشرو است.</span></span></span><span style="font-size:11pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span style="line-height:115%"><span style="font-family:Calibri,sans-serif"><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%"></span></span></span></span></span></span></span></div> <div style="text-align: justify;"><span style="line-height:2;"><span style="font-size:16px;"><span style="font-family:Times New Roman;"><span style="unicode-bidi:embed"><b><i>Background & Aim:</i></b><b> </b>Unlike discriminative artificial intelligence models, generative models possess the ability to create novel instances and creative responses. This unique feature could herald a new era in mobile health, significantly enhancing the capabilities for chronic disease management. The aim of this study is to examine the impact of the emergence of generative AI in the field of mobile health, focusing on the current status and associated challenges.</span><br> <span style="unicode-bidi:embed"><b><i>Methods</i>:</b> This narrative review was conducted through a search of PubMed, Scopus, and Google Scholar databases for the years 2019&ndash;2024. A combination of keywords related to three main concepts&mdash;mobile health, chronic diseases, and generative artificial intelligence&mdash;was used according to each database&rsquo;s search standards. Inclusion criteria consisted of English-language articles focused on adults (aged 18 and above) and studies addressing the role of generative AI in managing chronic diseases within mobile health applications<span lang="EN">.</span><span style="line-height:115%"></span></span><br> <span style="unicode-bidi:embed"><b><i>Results</i>: </b>Out of 1,268 initially identified articles, 39 relevant studies were selected and analyzed. The findings indicated that integrating generative AI into mobile health facilitates early disease diagnosis and empowers patients with advanced self-management tools and improved access to health resources. Moreover, such approaches are cost-effective, reduce healthcare expenses, and increase accessibility, particularly among underserved populations. However, challenges remain, including concerns about data privacy, algorithmic bias, equity in benefit distribution, ethical issues, and technological complexity.<b><span style="line-height:115%"></span></b></span><br> <b><i>Conclusion</i>:</b> Generative artificial intelligence holds great potential for improving chronic disease management through mobile health technologies. Continued research and close collaboration among healthcare providers, technology experts, and regulatory organizations are essential. Enhancing care quality and patient health depends on addressing existing challenges and overcoming current barriers<span lang="EN">.</span></span></span></span></div> سلامت همراه, فناوری‌های همراه, هوش مصنوعی, هوش مصنوعی مولد, مدیریت بیماری مزمن Mobile health, mobile Technology, Artificial Intelligence, Generative artificial intelligence, Chronic disease management 78 92 http://jms.thums.ac.ir/browse.php?a_code=A-10-2033-1&slc_lang=en&sid=1 Mohammad Hosseiniravandi محمد حسینی‌روندی hosseiniravandi.m@gmail.com 100319475328460015712 100319475328460015712 No Department of Health Information Technology, School of Allied Medical Sciences, Torbat Heydariyeh University of Medical Sciences, Torbat Heydariyeh, Iran گروه فناوری اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تربت‌حیدریه، تربت‌حیدریه، ایران Mostafa Sheykhotayefeh مصطفی شیخ‌الطایفه sheykhotayefeh@gmail.com 100319475328460015713 100319475328460015713 No Department of Health Information Technology, School of Allied Medical Sciences, Torbat Heydariyeh University of Medical Sciences, Torbat Heydariyeh, Iran گروه فناوری اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تربت‌حیدریه، تربت‌حیدریه، ایران Taleb Khodaveisi طالب خداویسی t.khodaveisi@gmail.com 100319475328460015714 100319475328460015714 Yes Department of Health Information Technology, School of Allied Medical Sciences, Hamadan University of Medical Sciences, Hamadan, Iran گروه فناوری اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی همدان، همدان، ایران