Αυτοματοποιημένη ψηφιοποίηση και διαχείριση ιατρικού ιστορικού με τη χρήση τεχνητής νοημοσύνης
Automated digitization and management of medical history using Artificial Intelligence

Προβολή/ Άνοιγμα
Λέξεις κλειδιά
Ηλεκτρονικός ιατρικός φάκελος ; EHRΠερίληψη
Η παρούσα εργασία εξετάζει την ανάπτυξη εφαρμογών βασισμένων σε ευφυή συστήματα για την
υποστήριξη της ψηφιακής διαχείρισης ιατρικών πληροφοριών και την ενίσχυση της ανεξάρτητης
διαβίωσης ατόμων με ανάγκες υγειονομικής παρακολούθησης. Η αξιοποίηση των σύγχρονων
τεχνολογιών στον τομέα της υγείας έχει δημιουργήσει νέες δυνατότητες για την παρακολούθηση της
κατάστασης των ασθενών, την ταχύτερη λήψη αποφάσεων και τη βελτίωση της ποιότητας των
παρεχόμενων υπηρεσιών.
Η συνεχής εξέλιξη των πληροφοριακών συστημάτων και των εφαρμογών τεχνητής νοημοσύνης έχει
επηρεάσει ουσιαστικά τον χώρο της βιοϊατρικής και της υγειονομικής περίθαλψης. Μέσω των
τεχνολογιών αυτών καθίσταται δυνατή η αποτελεσματικότερη διαχείριση ιατρικών δεδομένων, η
έγκαιρη ανίχνευση πιθανών προβλημάτων υγείας και η ενίσχυση της αυτονομίας ατόμων με
περιορισμένη δυνατότητα μετακίνησης ή ανάγκη συνεχούς παρακολούθησης.
Στο πλαίσιο της παρούσας διπλωματικής εργασίας αναπτύχθηκε μία διαδικτυακή εφαρμογή
πολλαπλών χρηστών, η οποία επικεντρώνεται στην ψηφιοποίηση και τη δημιουργία ηλεκτρονικού
ιατρικού φακέλου μέσω της χρήσης τεχνητής νοημοσύνης. Η εφαρμογή επιτρέπει στους ασθενείς να
ανεβάζουν ιατρικά έγγραφα, όπως διαγνώσεις, εξετάσεις και συνταγές σε μορφή PDF ή εικόνας. Τα
έγγραφα αναλύονται αυτόματα από μοντέλο τεχνητής νοημοσύνης, το οποίο εξάγει τις
σημαντικότερες ιατρικές πληροφορίες και δημιουργεί δομημένο ιατρικό ιστορικό. Παράλληλα, ο
ασθενής διατηρεί τον πλήρη έλεγχο των προσωπικών του δεδομένων και μπορεί να κοινοποιεί το
ιατρικό ιστορικό του σε εξουσιοδοτημένους ιατρούς, οι οποίοι έχουν πρόσβαση αποκλειστικά για
προβολή των πληροφοριών.
Για την υλοποίηση της εφαρμογής χρησιμοποιήθηκαν οι τεχνολογίες Spring Boot, Vaadin και SQL
Server, ενώ για την αναπαράσταση των ιατρικών δεδομένων αξιοποιήθηκαν τα διεθνή πρότυπα HL7
FHIR και οι κωδικοποιήσεις LOINC και SNOMED CT, με στόχο τη διαλειτουργικότητα και τη
συμβατότητα με σύγχρονα πληροφοριακά συστήματα υγείας. Επιπλέον, ενσωματώθηκαν
μηχανισμοί αυθεντικοποίησης χρηστών, ελέγχου πρόσβασης και ασφαλούς διαχείρισης προσωπικών
δεδομένων. Τα αποτελέσματα της εργασίας δείχνουν ότι η αξιοποίηση τεχνικών τεχνητής
νοημοσύνης μπορεί να αυτοματοποιήσει αποτελεσματικά τη διαδικασία δημιουργίας ηλεκτρονικού
ιατρικού φακέλου από ετερογενή ιατρικά έγγραφα, διευκολύνοντας την ασφαλή διαχείριση και
ανταλλαγή ιατρικών πληροφοριών μεταξύ ασθενών και επαγγελματιών υγείας.


