مقدمه 
با گسترش روزافزون جمعیت سالمندان و افزایش نیازهای پیچیده سلامتی این گروه، چالش‌های جدیدی در مدیریت بهینه سلامت مطرح شده است [1]. افزایش فشارهای سلامتی، نیاز به پیشگیری از بیماری‌ها، مسائل مربوط به مراقبت از بیماران مزمن و ارتقای کیفیت زندگی سالمندان نیازمند راهکارهای نوآورانه و مؤثر است [2]. مدیریت سلامت سالمندان به مجموعه فعالیت‌ها و استراتژی‌هایی اشاره دارد که با هدف تدبیر و نظارت بر زندگی سالمندان، حفظ و بهبود سطح سلامت آنان، پیشگیری از بیماری‌ها و ارتقای کیفیت زندگی در دوران سالخوردگی انجام می‌شود [3]. این فرایند شامل مداخلات متنوعی از‌جمله مشاوره‌های بهداشتی، نظارت پزشکی، فعالیت‌های ورزشی مناسب، تغذیه سالم و استفاده از فناوری‌های نوین مرتبط با حوزه بهداشت است. هدف اصلی مدیریت سلامت سالمندان، حفظ استقلال آنان و افزایش احساس رفاه و رضایت زندگی در دوران سالخوردگی است [4]. در این زمینه، هوش مصنوعی به‌عنوان یک فناوری پیشرفته، ظرفیت عظیمی برای بهبود خدمات سلامت سالمندان، پیشگیری از بیماری‌های مزمن و افزایش امکانات مراقبت بهداشتی دارد. 
هوش مصنوعی به هوش و توانایی‌های فکری و تصمیم‌گیری که در ماشین‌ها و سیستم‌های کامپیوتری پیاده‌سازی می‌شود، اطلاق می‌شود. این فناوری به ماشین‌ها این امکان را می‌دهد که داده‌ها را تجزیه‌وتحلیل کرده، الگوها را شناسایی کرده و وظایف را با اطلاعات حاصل از تجربیات پیشین انجام دهند [5]. استفاده از هوش مصنوعی در مدیریت سلامت سالمندان به معنای بهینه‌سازی فرایندها و ارائه خدمات بهداشتی با‌توجه‌به نیازها و وضعیت هر فرد است. در این سناریو، هوش مصنوعی به‌عنوان یک ابزار نوین و قدرتمند، نقش بسیار مؤثری در بهبود خدمات بهداشتی، پیشگیری از بیماری‌ها و ارتقای کیفیت زندگی سالمندان ایفا می‌کند [6]. 
برخوردهای نوین هوش مصنوعی در مدیریت سلامت سالمندان شامل استفاده از الگوریتم‌های یادگیری ماشین برای پیش‌بینی بیماری‌های مزمن، تشخیص زودهنگام علائم بیماری و سفارشی‌سازی برنامه‌های درمانی متناسب با نیازهای هر فرد می‌شود [7]. رویکردها باعث پیشگیری از بیماری‌ها، کاهش هزینه‌های درمان و افزایش بهبود قابل‌ملاحظه در کیفیت زندگی سالمندان می‌‌شود. همچنین سیستم‌های هوشمند بهداشتی با بهره‌گیری از حسگرها و دستگاه‌های پوشیدنی، مانند سنسورهای ضربان قلب و نظارت بر فعالیت‌های روزانه، به نظارت فعال و بهبود پیشرفته سلامت سالمندان کمک می‌کنند [8]. از‌طریق پردازش داده‌های این حسگرها، مشاوره‌های بهداشتی اختصاصی و برنامه‌های تنظیمی ارائه می‌شود که باعث افزایش آگاهی فردی و حضور فعال سالمندان در مدیریت خودآموز سلامت می‌شود. هوش مصنوعی در مدیریت سلامت سالمندان، با ارائه پیشنهادها و اطلاعات دقیق در زمینه‌های تغذیه، فعالیت‌های جسمانی و داروها، می‌تواند به فرد سالمند کمک کند تا سلامت خود را بهبود بخشد و پیشگیرانه با بیماری‌های مزمن مواجه شود. همچنین تکنولوژی‌های هوش مصنوعی می‌توانند در مدیریت افراد مبتلا به بیماری‌های مزمن، مثل دیابت یا فشار خون بالا، با ارائه مانیتورینگ دقیق و هوشمندانه کمک کنند [9]. ضمناً در دوران پساهمه‌گیری، هوش مصنوعی در تشخیص و پیشگیری از انتشار بیماری‌ها، به‌ویژه در میان جمعیت سالمند، اهمیت چشمگیری پیدا کرده است. این تکنولوژی می‌تواند با تحلیل داده‌های مربوط به افراد سالمند و شناسایی الگوهای غیرعادی، به‌سرعت واکنش دهد و تدابیر پیشگیرانه اتخاذ کند. هوش مصنوعی همچنین می‌تواند در جنبه‌های مختلف مدیریت مراقبت از سالمندان، از‌جمله نظارت از راه دور، تشخیص سقوط، مدیریت دارو و کمک‌های شناختی مورد استفاده قرار گیرد. این برنامه‌ها نه‌تنها کیفیت مراقبت ارائه‌شده به افراد مسن را بهبود می‌بخشد، بلکه آن‌ها را قادر می‌‌کند استقلال و کهنسالی مستقل خود را حفظ کنند [10]. 
نقش هوش مصنوعی در مدیریت مراقبت از سالمندان با افزایش سن جمعیت جهانی اهمیت فزاینده‌ای پیدا می‌کند. بر‌اساس گزارش سازمان جهانی بهداشت، انتظار می‌رود تعداد افراد 60 سال و بالاتر تا سال 2050 به 2 میلیارد نفر برسد که این رقم در سال 2015 به 900 میلیون نفر رسیده بود. یکی از راه‌حل‌های امیدوارکننده برای این چالش، ادغام فناوری‌های هوش مصنوعی در مدیریت مراقبت از سالمندان است که این پتانسیل را دارد که روش مراقبت از سالمندان را متحول کند [11]. 
سالمندان چالش‌های بیشتری نسبت به افراد دیگر دارند، از جمله افزایش احتمال بروز بیماری‌های مزمن، مانند دیابت، فشار خون بالا و بیماری‌های قلبی. برخی از سالمندان با چالش‌های اقتصادی مواجه هستند که ممکن است تأثیر منفی بر توانایی دسترسی به خدمات بهداشتی داشته باشد [12]. از دست دادن استقلال فیزیکی یا اجتماعی می‌تواند بر سلامت روانی و جسمی سالمندان تأثیر منفی بگذارد. چالش‌های ذهنی مانند فراموشی، کاهش توجه و اختلال در حافظه نقاط ضعف سلامت سالمندان را افزایش می‌دهند [13]. کاهش سطح فعالیت بدنی می‌تواند باعث افزایش وزن، کاهش استقامت و مشکلات مربوط به قلب و عروق شود. تغییرات در مهارت‌های ارتباط اجتماعی و تعاملات ممکن است باعث افزایش احساس تنهایی و افسردگی در سالمندان شود. برخی از سالمندان با دسترسی محدود به خدمات پزشکی یا امکانات بهداشتی مواجه هستند که می‌تواند پیچیدگی‌های بیشتری را به مدیریت سلامت آنان افزوده و چالش‌های جدیدی را ایجاد کند. این موارد و بسیاری موارد دیگر لزوم استفاده از روش‌های و فناوری‌هایی، مانند هوش مصنوعی در بهبود شرایط آن‌ها را ضروری می‌کند [14]. 
در دهه‌های اخیر، با افزایش نگرانی‌ها درباره مشکلات سالمندان، هوش مصنوعی به‌عنوان یک ابزار نوآورانه و قدرتمند، به نقل از پژوهشگران و تصمیم‌گیران، به یک نیاز اساسی تبدیل شده است. مقاله حاضر با موضوع کاربردهای هوش مصنوعی در مدیریت سلامت سالمندان، تلاش دارد دیدگاهی جامع و نوآورانه نسبت به کاربرد هوش مصنوعی در سلامت سالمندان ارائه دهد. این مقاله به تأکید بر ارتقای استقلال، پیشگیری از بیماری‌های مزمن، و ایجاد ارتباط فعال‌تر بین سلامت سالمندان و ارائه‌دهندگان خدمات بهداشتی می‌پردازد. از‌این‌رو، آشنایی با کاربردهای هوش مصنوعی در این زمینه، اجتناب‌ناپذیر و حیاتی به حساب می‌آید تا با ارتقای سیستم‌های بهداشت و بهینه‌سازی خدمات، به بهبود سلامت و رفاه سالمندان در جامعه بیفزاید. این مقاله سعی دارد نقش برجسته هوش مصنوعی در حل چالش‌های سلامت سالمندان را بیان کرده و ارتباط مستقیم آن با بهبود کیفیت زندگی و ارتقای سطح سلامت سالمندان را روشن کند. 
در این راستا، پژوهش‌های مختلفی در حوزه مدیریت سلامت سالمندان انجام شده که حاکی از محدودیت پژوهش در حوزه موضوع این پژوهش است. به نوعی که پژوهش‌ها بیشتر به بررسی تأثیر عوامل مختلف بر سلامت سالمندان پرداخته و پژوهشی که به شناسایی کاربردهای هوش مصنوعی در مدیریت سلامت سالمندان بپردازد بسیار محدود است. همچنین نقش هوش مصنوعی بسیار محدود مورد بررسی قرار گرفته و مدل جامعی در این زمینه ارائه نشده است. بنابراین با‌توجه‌به مشکلات موجود در حوزه سلامت سالمندان و محدودیت‌هایی که توجه و پژوهش‌های این حوزه دارد، این شکاف پژوهشی احساس می‌‌شود و موضوع این پژوهش در راستای پر کردن شکاف‌های پژوهشی این حوزه انتخاب شده و انجام آن جهت آشنایی با کاربردهای استفاده از هوش مصنوعی در مدیریت سلامت سالمندان ضرورت دارد. این مقاله سعی دارد کاربردهایی را مطرح کند که نه‌تنها تحقیقات مدیریت سلامت را پیش ببرد، بلکه توانمندی‌های هوش مصنوعی را به نحوی جهت‌دهی کند که بتوان به چالش‌ها و مسائل پیچیده مدیریت سلامت سالمندان با رویکردهای نوآورانه و کاربردی پاسخ داد. 
بنابراین پژوهش حاضر با هدف شناسایی کاربردهای هوش مصنوعی در مدیریت سلامت سالمندان، به دنبال پر کردن شکاف‌های پژوهشی این حوزه و ارائه راهکارهایی کاربردی به جوامع، سازمان‌ها و مسئولین مربوطه برای توسعه استفاده از این ابزار مهم در مدیریت سلامت سالمندان است. بدین منظور تحقیق حاضر در صدد پاسخ به این پرسش‌ است: کاربردهای هوش مصنوعی در مدیریت سلامت سالمندان کدام‌اند؟

مروری بر مبانی نظری و پیشینه تحقیق
تکنولوژی هوشمند ماهیتا یک وجه شبه‌انسانی دارد؛ زیرا قرار است گفتار و رفتار انسانی را تا حد ممکن شبیه‌سازی کند. بر‌اساس دیدگاه دون آیدی، تکنولوژی‌های پیشرفته (از‌جمله هوش مصنوعی) با الهام از تفکر و گفتار انسان، به جهت تعامل با وی و حتی در مواقعی در جایگاه او عمل می‌کنند. وی به تأثیر تکنولوژی هوشمند بر وضعیت سلامتی انسان‌ها، بخصوص از جنبه روان‌شناختی در جوامع مدرن اشاره می‌کند [15]. هوش مصنوعی با ارتقای فناوری‌های پردازش داده، یادگیری ماشین، و تحلیل الگوها، نقش مهمی در بهبود مراقبت و مدیریت سلامت سالمندان دارد. این فناوری با ارائه راهکارهای هوشمند و نوآورانه، به بهبود کیفیت زندگی افراد سالمند کمک می‌کند [4].
نظارت از راه دور یکی از زمینه‌هایی است که هوش مصنوعی قبلاً تأثیر قابل‌توجهی در آن ایجاد کرده است. با استفاده از حسگرها و دستگاه‌های پوشیدنی، ارائه‌‌دهندگان مراقبت‌های بهداشتی می‌توانند بر علائم حیاتی و فعالیت‌های روزانه افراد مسن در زمان واقعی نظارت کنند. سپس این داده‌ها را می‌توان با الگوریتم‌های هوش مصنوعی برای شناسایی الگوها و روندها تجزیه‌و‌تحلیل کرد و به مراقبان اجازه داد در صورت لزوم به‌طور فعال مداخله کنند [16]. به‌عنوان مثال، اگر ضربان قلب یا فشار خون یک فرد مسن از محدوده طبیعی خود منحرف شود، سیستم هوش مصنوعی می‌تواند به ارائه‌دهندگان مراقبت‌های بهداشتی هشدار دهد که می‌توانند اقدامات لازم را انجام دهند. تشخیص سقوط یکی دیگر از کاربردهای حیاتی هوش مصنوعی در مدیریت مراقبت از سالمندان است. زمین خوردن یکی از دلایل اصلی آسیب و مرگ در میان سالمندان است و تشخیص زودهنگام می‌تواند به‌طور قابل‌توجهی نتایج را بهبود بخشد. سیستم‌های تشخیص سقوط مبتنی بر هوش مصنوعی از سنسورها و دوربین‌ها برای نظارت بر حرکات افراد و شناسایی زمان وقوع سقوط استفاده می‌کنند. سپس این سیستم‌ها می‌توانند به‌طور خودکار به مراقبان یا خدمات اورژانسی هشدار دهند و اطمینان حاصل کنند که کمک در سریع‌ترین زمان ممکن می‌رسد [5]. 
مدیریت دارو یکی از جنبه‌های ضروری مراقبت از سالمندان است، زیرا افراد مسن اغلب داروهای متعددی را برای شرایط مختلف سلامت مصرف می‌کنند [2]. هوش مصنوعی می‌تواند با تجزیه‌و‌تحلیل رژیم دارویی فرد و شناسایی تداخلات یا خطاهای احتمالی به ساده‌سازی این فرایند کمک کند. علاوه‌براین توزیع‌کننده‌های دارویی مجهز به هوش مصنوعی می‌توانند اطمینان حاصل کنند افراد مسن داروهای خود را به‌موقع و در دُزهای صحیح مصرف می‌کنند و خطر عوارض جانبی را کاهش می‌دهند. کمک‌های شناختی حوزه دیگری است که هوش مصنوعی می‌تواند نقش مهمی در مدیریت مراقبت از سالمندان ایفا کند. با افزایش سن جمعیت، انتظار می‌رود شیوع زوال شناختی و زوال عقل افزایش یابد. دستیارهای شناختی مجهز به هوش مصنوعی می‌توانند با ارائه تمرینات ذهنی و فعالیت‌های شخصی که برای تحریک عملکرد مغز طراحی شده‌اند، به افراد مسن کمک کنند تا توانایی‌های شناختی خود را حفظ کنند [11]. 
این سیستم‌های هوش مصنوعی همچنین می‌توانند بر عملکرد شناختی افراد در طول زمان نظارت کنند و به ارائه‌دهندگان مراقبت‌های بهداشتی اجازه می‌دهند پیشرفت را پیگیری کرده و برنامه‌های درمانی را در صورت نیاز تنظیم کنند. در‌حالی‌که مزایای بالقوه هوش مصنوعی در مدیریت مراقبت از سالمندان واضح است، چالش‌ها و ملاحظات اخلاقی نیز وجود دارد که باید مورد توجه قرار گیرد. نگرانی‌های حفظ حریم خصوصی بسیار مهم است، زیرا جمع‌آوری و تجزیه‌و‌تحلیل داده‌های سلامت شخصی می‌تواند تهاجمی باشد. اطمینان از ایمن بودن سیستم‌های هوش مصنوعی و استفاده مسئولانه از داده‌ها برای حفظ اعتماد بین سالمندان، مراقبان آن‌ها و ارائه‌دهندگان مراقبت‌های بهداشتی بسیار مهم است [14]. علاوه‌بر‌این پتانسیل هوش مصنوعی برای جایگزینی مراقبان انسان، نگرانی‌هایی را در‌مورد از دست دادن ارتباط شخصی و همدلی در مراقبت از سالمندان ایجاد می‌کند. در‌حالی‌که هوش مصنوعی بدون شک می‌تواند در بسیاری از جنبه‌های مدیریت مراقبت کمک کند، ضروری است بدانیم تعامل انسانی و شفقت اجزای غیر‌قابل‌جایگزینی مراقبت با‌کیفیت برای سالمندان هستند [3]. 

روش‌ مطالعه
روش تحقیق این مطالعه ازنظر هدﻑ، توسعه‌ای‌کاربردی و ازنظر نحوه گردآوری داده‌ها، کیفی است که با روش پژوهش کتابخانه‌ای، از نوع مطالعات ثانویه و اسنادی و به روش فراترکیب و مبتنی بر مطالعه منابع اطلاعاتی مرتبط با کاربردهای هوش مصنوعی در مدیریت سلامت سالمندان صورت‌ گرفته است. جمعیت مورد‌نظر در این تحقیق، سالمندان هستند. جامعه آماری این پژوهش مجموعه مطالعات داخلی و خارجی صورت‌گرفته در‌زمینه کاربردهای هوش مصنوعی در مدیریت سلامت سالمندان و ابعاد مرتبط با این موضوع است. استراتژی جست‌وجو کلیدواژگان در بخش فارسی بدین شرح است:
 یادگیری ماشین در مدیریت سلامت سالمندان، مدیریت سلامت هوشمند و سیستم‌های سلامت سالمندان است و در بخش انگلیسی بدین قرار است:
“Health Management” OR “Smart health systems” OR “Automation of health systems” OR “Older adults health management” OR “Health Management and Artificial intelligence” OR “Older adults health and Artificial intelligence” OR “Automation and Older adults health”
نحوه انتخاب نمونه به‌صورت هدفمند بود و با جست‌وجوی این کلیدواژه‌ها که در سطور قبل ذکر شده، در پایگاه‌های اطلاعاتی خارجی مانند امرالد، وب‌آو‌ساینس، اشپرینگر، اسکوپوس و داخلی مانند نورمگز، مگیران، سیویلیکا، مرکز پژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک) (پژوهش‌های سال‌های 2000 تا 2023 و 1390 تا 1402 به علت بررسی محتوای جدیدتر) تا حد اشباع نظری انجام شد. در این پژوهش به‌منظور انجام مراحل فراترکیب از روش 7 مرحله‌ای سندلوسکی و باروسو (2007) استفاده شده است [32]. این مراحل شامل این موارد است: 1. تنظیم سؤالات تحقیق، 2. مرور و بررسی ادبیات به‌صورت نظام‌مند، 3. جست‌وجو و انتخاب مقالات مناسب، 4. استخراج نتایج، 5. تجزیه‌و‌تحلیل و تلفیق یافته‌های کیفی، 6. حفظ کنترل کیفیت، 7. ارائه دقیق یافته‌ها. 

مرحله اول
 جهت تنظیم سؤال تحقیق از شاخص‌های مختلفی مانند جامعه مورد‌مطالعه، چه ‌چیزی، چه موقع و چگونگی روش استفاده شده است. در این تحقیق سؤالات به‌صورتی که در جدول شماره 1 آمده‌اند مورد بررسی قرار گرفته‌اند. 



مرحله دوم
در این مرحله مرور نظام‌مندی بر ادبیات پژوهش شکل گرفته است و مهم‌ترین کلیدواژگان در انواع پایگاه‌های علمی و همچنین موتورهای جست‌و‌جوی مختلف جست‌وجو شدند. کلید‌واژه‌هایی که در این تحقیق مورد کنکاش و بررسی قرار گرفتند در جدول شماره 2 گزارش شده‌اند. 



مرحله سوم
 در این مرحله به جست‌وجو، بررسی و در‌نهایت انتخاب مقاله‌های مناسب پرداخته شده است. معیارهای پذیرش و عدم پذیرش مقالات در جدول شماره 3 گزارش شده‌اند.


در ادامه به‌منظور کیفیت روش‌شناختی مطالعات، از ابزار حیاتی CASP برای هر مقاله استفاده شده است. بدین صورت که در این روش مقالات بر‌اساس 10 معیار، از‌جمله اهداف پژوهش، منطق روش، طرح پژوهش، نمونه‌برداری، جمع‌آوری داده‌ها، انعکاس‌پذیری، ملاحظات اخلاقی، دقت در تجزیه‌و‌تحلیل، بیان روش یافته‌ها و همچنین ارزش پژوهش، از ضعیف (1) تا عالی (5) ارزیابی و طبقه‌بندی شدند. تعداد مقالات یافت‌شده اولیه برای انجام فراترکیب 624 عدد بود. برای انتخاب مقاله‌های مناسب بر‌اساس الگوریتم نشان داده شده در تصویر شماره 1، پارامترهای مختلفی، مانند عنوان، چکیده، محتوا و کیفیت روش پژوهش مورد ارزیابی قرار گرفته است. بر‌این‌اساس در‌نهایت 25 مقاله به‌عنوان بهترین و مرتبط‌ترین مطالعات با هدف پژوهشی محققان شناخته شدند و مورد تجزیه‌و‌تحلیل قرار گرفتند.

مرحله چهارم و پنجم
در مرحله چهارم، ابتدا تمامی 25 مقاله نهایی منتخب مطالعه شد و اطلاعات مهم آن‌ها، از‌جمله شاخص‌ها و مفاهیم مربوط به کاربردهای هوش مصنوعی در مدیریت سلامت سالمندان به همراه نام نویسندگان، حوزه موردمطالعه و روش تحقیق گردآوری شد. سپس در مرحله پنجم با کمک روش تحلیل محتوا بر روی مقالات، مقوله‌ها و ابعاد اصلی کاربردهای هوش مصنوعی در مدیریت سلامت سالمندان استخراج شد.
 مرحله ششم و هفتم
 در مرحله ششم، یعنی مرحله حفظ کنترل کیفیت، محققان از ابزار CASP برای ارزیابی کیفیت محتوای مقالات (روایی پژوهش) و از شاخص کاپا برای مقایسه نظرات خود با یک خبره دیگر و کنترل مفاهیم استخراجی (پایایی پژوهش) به‌طور کامل بهره گرفتند. سپس در مرحله هفتم، با اجماع صورت‌گرفته توسط خبرگان و توافق بر سر مؤثرترین کاربردهای هوش مصنوعی در مدیریت سلامت سالمندان به ارائه چارچوب پژوهش پرداخته شد.
تحلیل‌های صورت‌گرفته بر‌اساس روش تحلیل تم و با استفاده از روش 6 مرحله‌ای کلارک و برون (2006)، انجام شده است [33]. جهت کدگذاری مفاهیم مقالات از نرم‌افزار MAXQDA استفاده شده است.

یافته‌ها
پس از انجام غربالگری مقالات، 25 مقاله انتخاب شد و مورد تحلیل قرار گرفته است. در این مرحله از پژوهش، حدود 122 کد مفهومی اولیه از 25 مقاله معرفی‌شده شامل 19 مقاله خارجی و 6 مقاله داخلی شناسایی شد. در جدول شماره 4 مشخصات و یافته‌های تعدادی از مقاله‌های مورد‌بررسی توسط پژوهشگر ارائه شده است.











با‌توجه‌به حجم مقالات و عبارت موجود در آن‌ها، جهت کدگذاری مفاهیم مقالات از نرم‌افزار MAXQDA استفاده شده است. نتایج نهایی تحلیل تم در جدول شماره 5 ذکر شده است.




با‌توجه‌به تحلیل‌های انجام‌شده در‌نهایت 8 کاربرد هوش مصنوعی در مدیریت سلامت سالمندان که حاصل از فراترکیب مطالعات صورت‌‌گرفته بودند شناسایی شدند که در ادامه به آن‌ها اشاره می‌شود

پیش‌بینی و پیشگیری از بیماری‌ها
این مقوله دارای 3 مفهوم الگوریتم‌های پیش‌بینی بر‌اساس تاریخچه سلامت، سیستم‌های هوشمند هشدار بهداشتی و برنامه‌های تشویق‌کننده به فعالیت و سبک زندگی سالم است. در این ارتباط می‌توان گفت هوش مصنوعی می‌تواند با تحلیل وضعیت سلامت سالمندان بر‌اساس داده‌های پزشکی، هشدارها و اطلاعیه‌هایی را برای آن‌ها ارسال کند. همچنین هوش مصنوعی با استفاده از داده‌های پزشکی می‌تواند برنامه‌های تشویقی برای سلامت سالمندان طراحی کند. هوش مصنوعی می‌تواند با تحلیل داده‌های پزشکی و فراهم کردن مدل‌های پیش‌بینی، به پیشگیری از بیماری‌های احتمالی و تعیین خطرات مرتبط با سلامت سالمندان کمک کند. هوش مصنوعی می‌تواند از الگوریتم‌ها و مدل‌های پیشرفته برای تحلیل داده‌های بهداشتی فرد استفاده کند و بر‌اساس این تحلیل، احتمال بروز بیماری‌های مختلف را پیش‌بینی کند. برای مثال، با تحلیل داده‌های آزمایش‌ها، علائم حیاتی و اطلاعات بهداشتی، هوش مصنوعی می‌تواند پیش‌بینی کند که فرد در آینده به یک بیماری خاص ابتلا خواهد شد و اقدامات پیشگیرانه متناسب را توصیه کند.

مدیریت بیماری‌های مزمن
 این مقوله دارای 3 مفهوم برنامه‌های درمانی شخصی‌سازی‌شده، الگوریتم‌های تطابق درمان با وضعیت فرد و سامانه‌های نظارت بر اطلاعات پزشکی در زمان واقعی است. در این ارتباط می‌توان گفت فناوری هوش مصنوعی می‌تواند با در نظر گرفتن ویژگی‌های فردی سالمندان، برنامه‌های درمانی تخصصی برای وی طراحی کند. همچنین می‌توان با استفاده از هوش مصنوعی الگوریتم‌های تطابق درمان با وضعیت سلامتی هر سالمند را طراحی کرد. هوش مصنوعی متناسب با اطلاعات پزشکی فرد، برنامه‌های درمانی شخصی را پیشنهاد و مانیتور کرده و به بهبود مدیریت بیماری‌های چون دیابت یا فشار خون کمک می‌کند. سیستم‌های هوش مصنوعی می‌توانند به مدیریت بیماری‌های مزمن کمک کنند. از الگوریتم‌های یادگیری ماشین برای پیش‌بینی تغییرات در وضعیت سلامت، تنظیم برنامه‌های درمانی سفارشی و مانیتورینگ مداوم استفاده می‌شود. این سیستم‌ها می‌توانند هشدار دهند، توصیه‌های درمانی ارائه کنند و وضعیت بیمار را به پزشکان اطلاع‌رسانی کنند.


ساماندهی و ترتیب‌بندی داروها
 این مقوله دارای 3 مفهوم سیستم‌های هوشمند مدیریت دارو، برنامه‌های یادآوری مصرف دارو به‌صورت زمان‌بندی‌شده و سامانه‌های ارتباط با داروخانه جهت تسهیل دریافت دارو است. در این خصوص می‌توان گفت سیستم‌های هوش مصنوعی می‌توانند بر‌اساس ویژگی‌های فرد، داروها را بهینه‌تر مرتب کنند و در مصرف آن‌ها هماهنگی بهتری ایجاد کنند. هوش مصنوعی در ساماندهی و ترتیب‌بندی داروها نقش مهمی دارد. با استفاده از سیستم‌های هوش مصنوعی، می‌توان بر‌اساس نیازها و برنامه درمانی فرد، زمان مصرف داروها را بهینه کرد. علاوه‌بر‌این اطلاعات دقیق در‌مورد تداخلات دارویی و اثرات جانبی ممکن است توسط الگوریتم‌های هوش مصنوعی ارائه شود.

نظارت خانگی هوشمند
 این مقوله دارای 3 مفهوم سیستم‌های هوشمند هشدار در مواقع اضطراری، برنامه‌های تحلیل رفتار و فعالیت فرد و ارتباط با سیستم‌های امداد و نجات برای واکنش به مواقع اضطراری است. در این خصوص می‌توان گفت سیستم‌های هوشمند در منزل سالمندان، مانند سنسورهای مانیتورینگ سلامت، به ارائه داده‌های زنده از وضعیت آن‌ها کمک کرده و در صورت نیاز به کمک فوری نیز اقدام می‌کنند. سیستم‌های نظارت خانگی هوشمند با استفاده از حسگرها و دستگاه‌های هوشمند می‌توانند بر وضعیت سلامت و فعالیت‌های روزانه سالمندان نظارت کنند. هوش مصنوعی در تحلیل داده‌های حاصل از این حسگرها می‌تواند به تشخیص مسائل بهداشتی و نظارت بر تغییرات وضعیت سلامت فرد کمک کند.

ارتباط با پزشکان به‌صورت مجازی
 این مقوله دارای 2 مفهوم سامانه‌های تله‌پزشکی و مشاوره آنلاین و الگوریتم‌های امنیتی برای حفاظت اطلاعات پزشکی است. در این خصوص می‌توان گفت سرویس‌های مشاوره آنلاین با استفاده از هوش مصنوعی، امکان ارتباط فوری با پزشکان را برای سالمندان فراهم می‌کنند. هوش مصنوعی می‌تواند ارتباط مستقیم و مجازی با پزشکان را تسهیل کند. سامانه‌های گفت‌وگو و مشاوره آنلاین با استفاده از الگوریتم‌های هوش مصنوعی می‌توانند به سؤالات سالمندان پاسخ دهند و راهنمایی‌های بهداشتی و پزشکی ارائه کنند.

سیستم‌های کمکی به خودرو
 این مقوله نیز دارای 3 مفهوم فناوری‌های کمکی برای رانندگی ایمن، سیستم‌های نظارت بر وضعیت سلامت راننده و حسگرهای خودرو برای شناسایی مشکلات فیزیکی فرد است. در این خصوص می‌توان گفت هوش مصنوعی می‌تواند در توسعه سیستم‌های کمکی به رانندگی کمک کند تا سفرهای سالمندان بیشترین ایمنی را داشته باشند. هوش مصنوعی می‌تواند در سیستم‌های کمکی به خودروها برای شناسایی مشکلات فیزیکی فرد به کار گرفته شود. به‌عنوان مثال، حسگرها می‌توانند وضعیت سلامت راننده را نظارت کرده و در صورت لزوم هشدارهای مرتبط با سلامت اعلام کنند.

مدیریت خدمات بهداشتی
 این مقوله دارای 2 مفهوم الگوریتم‌های ترتیب‌بندی خدمات بهداشتی بر‌اساس اولویت‌ها و برنامه‌های هوشمند تعیین زمان ویزیت‌های پزشکی است. در این خصوص می‌توان گفت سامانه‌های هوش مصنوعی می‌توانند برنامه‌ریزی و تنظیم خدمات بهداشتی، مانند نظافت منزل یا خدمات پرستاری موردنیاز سالمندان را مدیریت کنند. هوش مصنوعی در مدیریت خدمات بهداشتی می‌تواند نقش مهمی ایفا کند. از الگوریتم‌ها برای برنامه‌ریزی و ارتقای خدمات بهداشتی بر‌اساس نیازها و اولویت‌ها استفاده می‌شود. همچنین می‌تواند به تدبیر مؤثرتر در ارائه خدمات بهداشتی برای سالمندان کمک کند.

پشتیبانی روانی
این مقوله دارای 2 مفهوم سیستم‌های مشاوره و پشتیبانی روانی و الگوریتم‌های تشخیص و مدیریت مشکلات روانی است. در این خصوص می‌توان گفت سامانه‌های هوش مصنوعی می‌توانند با ارائه خدمات روان‌شناختی، به سالمندان در مواجهه با تنهایی، افسردگی و استرس کمک کنند. سامانه‌های هوش مصنوعی می‌توانند در ارائه پشتیبانی روانی به سالمندان نقش داشته باشند. الگوریتم‌ها و برنامه‌های مبتنی بر هوش مصنوعی می‌توانند به مدیریت استرس، ارائه آموزش‌های روانی و حتی ارتباط با تیم‌های حمایتی مجازی کمک کنند.
نحوه تحلیل و پیکره‌بندی عوامل شناسایی‌شده، با‌توجه‌به مطالب مذکور و تحلیل نرم‌افزاری و پس از مشورت با خبرگان، 42 شاخص (کد گزینشی) شناسایی‌شده در کاربردهای هوش مصنوعی در مدیریت سلامت سالمندان، در قالب 21 مفهوم (زمینه) و 8 بُعد اصلی (مقوله) دسته‌بندی شدند. همچنین در تصویر شماره 2، نتایج نهایی روش فراترکیب به‌صورت مدل ارائه شده است.

بحث
تعداد افراد 60 ساله و بالاتر در فاصله زمانی میان سال‌های 2015 و 2050 میلادی افزایش خواهد یافت و به 2 میلیارد نفر خواهد رسید؛ در‌واقع از12 درصد به 22 درصد از جمعیت کل جهان می‌رسد و سالمندی جمعیت با سرعت بیشتری نسبت به گذشته رخ خواهد داد. همچنین روند بیماری‌ها و مشکلات سالمندان حاکی از روند افزایشی تهدیدات سلامت سالمندان در عصر حاضر است. بنابراین توجه به این موضوع و یافتن روش‌هایی برای مدیریت سلامت سالمندان بیش‌از‌پیش اهمیت یافته است. علی‌رغم اهمیت این موضوع، توجه کمی به آن شده و کمتر ابزارهایی، مانند هوش مصنوعی که می‌تواند در این زمینه بسیار کارا باشد، مورد استفاده قرار گرفته است و تنها پیشرفت‌های اندکی در این زمینه اتفاق افتاده است. بررسی پژوهش‌های گذشته در این زمینه حاکی از آن است که پژوهش‌های کمی نیز در این زمینه انجام شده و مطالعات موجود در‌زمینه هوش مصنوعی در حوزه‌هایی متفاوت با سلامت و بهداشت بوده است و در ایران نیز این مطالعات بسیار محدود بوده است. بنابراین پژوهش حاضر با هدف تبیین کاربردهای هوش مصنوعی در مدیریت سلامت سالمندان انجام شده است. 
بر‌اساس نتایج، در بررسی اولیه در پایگاه‌های اطلاعاتی داخلی و خارجی، 624 پژوهش یافت شدند. سپس 239 مورد تفکیک شدند. پس از بررسی عناوین، 82 پژوهش و پس از مرور چکیده‌ها، درنهایت 25 پژوهش انتخاب شدند که از‌نظر کیفیت و محتوا نیز مناسب بوده‌اند. سپس فرایند کدگذاری آغاز شد. بر‌اساس نتایج، درمجموع 8 مقوله اصلی، 21 مفهوم و 42 شاخص شناسایی و طبقه‌بندی شدند. نتایج استفاده از شاخص کاپا برای تأیید اعتبار عوامل شناسایی‌شده در این تحقیق، 0/75 و حاکی از این بود که تمامی عوامل شناسایی‌شده در این تحقیق از عوامل مؤثر محسوب می‌شوند. 
یافته‌های این پژوهش با برخی پژوهش‌های گذشته همخوانی دارد. همدانچی و همکاران به مطالعه هوش مصنوعی و سالمندی پرداختند و دریافتند که هوش مصنوعی می‌تواند به‌عنوان یک تسهیلگر در سلامت روان سالمندان مفید واقع شود. همچنین آن‌ها بیان کردند هوش مصنوعی می‌تواند بسیاری از مشکلات ارتباطی بین سالمندان و پزشکان را مرتفع کند [1]. شیوانی و همکاران در مطالعه خود بیان کردند هوش مصنوعی برای افراد مسن ممکن است تشخیص زودهنگام، مراقبت طبقه‌بندی‌شده و هماهنگی مراقبت را بهبود بخشد. همچنین هوش مصنوعی این پتانسیل را دارد که تجربه بیمار را در سیستم مراقبت‌های بهداشتی بهبود بخشد، به افراد مسن اجازه می‌دهد برای مدت طولانی‌تری در خانه زندگی کنند، امکان مراقبت طبقه‌بندی‌شده و افزایش دسترسی به‌موقع به خدمات بهداشتی و مراقبت اجتماعی را فراهم می‌کند [34].
 بخشدما و همکاران به بررسی هوش مصنوعی در مراقبت‌های بهداشتی سالمندان پرداختند. در این مطالعه 5 نقش از فناوری‌های هوش مصنوعی شناسایی شد: درمانگران توان‌بخشی، حامیان عاطفی، تسهیل‌کننده‌های اجتماعی، سرپرستان و مروج‌شناختی. نتایج نشان داد تأثیر فناوری‌های هوش مصنوعی بر مراقبت‌های بهداشتی سالمندان امیدوارکننده است و فناوری‌های هوش مصنوعی می‌توانند نیازهای مراقبتی برآورده‌نشده سالمندان را برآورده کنند و پتانسیل زیادی در توسعه بیشتر آن در این زمینه نشان دهند. همچنین بهبود سیستم هوشمند مدیریت دارویی را نیز از پیامدهای کاربردی استفاده از هوش مصنوعی بیان کردند [2].
 لی و همکاران به بررسی تحول دیجیتالی مبتنی بر هوش مصنوعی در‌زمینه مراقبت‌های بهداشتی سالمندان پرداختند. نتایج مطالعه آن‌ها نشان داد چندین حوزه مراقبت‌های بهداشتی سالمندان سیستم‌ها و سناریوهای مجهز به هوش مصنوعی را توسعه و پیاده‌سازی کرده‌اند. همچنین نشان دادند فناوری هوش مصنوعی تأثیر مثبت قابل‌توجهی بر حوزه مراقبت‌های بهداشتی سالمندان دارد و منجر به پیشرفت‌های قابل‌توجهی در این زمینه می‌شود [5]. لی نیز در مطالعه‌ای بیان کرد فناوری نوین و تکنولوژی‌های هوشمند در کیفیت زندگی سالمندان تأثیرگذاری مثبتی دارند. آن‌ها بیان کرده‌اند که مهم‌ترین پیامد استفاده از تکنولوژی‌های هوشمند مثل هوش مصنوعی در بین سالمندان، هشدارهای به‌موقع در زمینه‌های بهداشتی و دارویی است [9].
 فلامرزی و همکاران در مطالعه خود نیز بیان کردند هوش مصنوعی می‌تواند سبک زندگی سالمی را برای سالمندان محیا کند. آن‌ها در مطالعه خود بیان کردند هوش مصنوعی می‌تواند بیماری‌های مضمن سالمندان را مدیریت کند [13]. پورکودی در مطالعه خود بیان کرده است حمایت از سالمندان و تشویق آن‌ها به سالم زیستن و آگاهی بخشیدن نسبت به هشدارهای مراقبتی مهم‌ترین پیامدهای استفاده از هوش مصنوعی در بین سالمندان است [6].

نتیجه‌گیری نهایی
با‌توجه‌به یافته‌های پژوهش می‌توان گفت هوش مصنوعی به‌عنوان یک فناوری نوآورانه، در مدیریت سلامت سالمندان تأثیرات بسزایی داشته و می‌تواند به بهبود کیفیت زندگی این گروه از جامعه کمک کند. سیستم‌های هوش مصنوعی می‌توانند از الگوریتم‌های یادگیری ماشین برای تجزیه‌و‌تحلیل داده‌های پزشکی سالمندان استفاده کنند و به تشخیص زودهنگام بیماری‌ها و پیش‌بینی وضعیت سلامت کمک کنند. استفاده از هوش مصنوعی در تعیین فاکتورهای خطر برای بیماری‌های مزمن، طراحی برنامه‌های پیشگیری مختص به هر فرد و مدیریت بهینه بیماری‌های مزمن تأثیر بسزایی دارد. مسئولین و سازمان‌های مربوطه می‌بایست با تعیین برنامه‌‌ها و چشم‌انداز دقیق و درست به استفاده از تکنولوژی‌های نوین هوش مصنوعی در مدیریت سلامت سالمندان توجه بیشتری کنند. براساس نتایج این مطالعه، در‌زمینه اجرای مؤلفه‌ها و کاربردهای شناسایی‌شده از مدل در حوزه اجرایی تعدادی پیشنهاد کاربردی ارائه می‌‌‌‌شود: 
پیشنهاد می‌شود سامانه‌های هوش مصنوعی برای پایش دائمی و خودکار وضعیت سلامت سالمندان استفاده شوند. این سامانه‌ها می‌توانند به‌صورت هوشمند نشان‌دهنده تغییرات در شاخص‌های حیاتی و وضعیت بیماری‌ها باشند و در صورت لزوم به پزشک یا خدمات بهداشتی اطلاع دهند.
ارتقای تکنولوژی ربات‌ها و دستگاه‌های هوشمند برای ارائه مراقبت فیزیکی به سالمندان. ربات‌ها می‌توانند در انجام وظایف روزمره، کمک به تمرینات فیزیکی و حتی ارائه همراهی روانی برای سالمندان مؤثر باشند.
توسعه سیستم‌های پیش‌بینی بیماری بر‌اساس داده‌های جمع‌آوری‌شده از سابقه سلامت سالمندان. این سیستم‌ها می‌توانند الگوریتم‌های پیش‌بینی بهبود و پیشگیری از بیماری‌ها را ارائه دهند.
توسعه اپلیکیشن‌های بهداشتی شخصی با استفاده از هوش مصنوعی که به سالمندان امکان مدیریت سلامت شخصی و دریافت راهنمایی‌های سلامتی مناسب را می‌دهند.
توجه به امنیت داده‌های سلامت سالمندان و توسعه راهکارهای حفاظت از حریم شخصی در سامانه‌های هوش مصنوعی.
ارتقای همکاری بین سیستم‌های هوش مصنوعی و پزشکان، پرستاران و سایر اعضای کادر درمانی به‌منظور ارتقای اثربخشی مدیریت سلامت سالمندان.
توسعه سیستم‌های آموزشی و اطلاع‌رسانی برای سالمندان با استفاده از هوش مصنوعی به‌منظور افزایش آگاهی و بهره‌وری در مدیریت سلامت شخصی آنان.
توسعه اپلیکیشن‌ها و سامانه‌های هوش مصنوعی جهت تسهیل ارتباط اجتماعی سالمندان، ترویج فعالیت‌های گروهی و ارائه فرصت‌های اجتماعی برخط.
گسترش استفاده از هوش مصنوعی در تصمیم‌گیری‌های پزشکی بر‌اساس داده‌های بالینی و سابقه پزشکی سالمندان.
در‌نهایت پیشنهادهایی که جهت توسعه این حوزه برای پژوهش‌های آتی می‌توان ارائه کرد عبارت‌اند از: بررسی راهبردهای اجرایی برای عملی کردن کاربردهای شناسایی‌شده در مدل پژوهش، بررسی و شناسایی ابزارهای هوش مصنوعی مورد‌استفاده در حوزه مدیریت سلامت سالمندان، اولویت‌بندی حوزه‌های موردنیاز توجه حوزه سلامت سالمندان در کشور. همچنین ازجمله محدودیت‌های این پژوهش می‌توان به محدودیت منابع نظری و تجربی مرتبط با موضوع پژوهش اشاره کرد که باعث بسنده کردن به اطلاعات شناسایی‌شده می‌شود.

ملاحظات اخلاقی
پیروی از اصول اخلاق پژوهش
به دلیل ماهیت مطالعه حاضر، نیازی به اخذ مجوز از کمیته اخلاق نبود، اما مطابق کدهای 31 گانه اخلاق در پژوهش، موارد مرتبط با این مطالعه رعایت شد.

حامی مالی
این پژوهش هیچ‌گونه کمک مالی از سازمانی‌های دولتی، خصوصی و غیرانتفاعی دریافت نکرده است.

مشارکت نویسندگان
همه نویسندگان به‌طور یکسان در مفهوم و طراحی مطالعه، جمع‌آوری و تجزیه‌وتحلیل داده‌ها، تفسیر نتایج و تهیه پیش‌نویس مقاله مشارکت داشتند.

تعارض منافع
بنابر اظهار نویسندگان این مقاله تعارض منافع ندارد.
 

References

1. Hamedanchi A, Nafei A, Hamzezadeh H, Lakpour M, Rezaie F. [Artificial intelligence and ageing (Persian)]. Journal of Gerontology. 20233; 8 (2):80-5.‎ [DOI:10.22034/JOGE.8.2.80]
2. Ma B, Yang J, Wong FKY, Wong AKC, Ma T, Meng J, et al. Artificial intelligence in elderly healthcare: A scoping review. Ageing Research Reviews. 2023; 83:101808. [DOI:10.1016/j.arr.2022.101808] [PMID]
3. Ho A. Are we ready for artificial intelligence health monitoring in elder care? BMC Geriatrics. 2020; 20(1):358. [DOI:10.1186/s12877-020-01764-9] [PMID]
4. Yan L. Application method of environmental protection building elements based on artificial intelligence technology in the field of urban planning and design. Advances in Multimedia. 2022; 4:1-11. [DOI:10.1155/2022/8994088]
5. Lee CH, Wang C, Fan X, Li F, Chen CH. Artificial intelligence-enabled digital transformation in elderly healthcare field: Scoping review. Advanced Engineering Informatics. 2023; 55:101874. [DOI:10.1016/j.aei.2023.101874]
6. Porkodi S, Kesavaraja D. Healthcare robots enabled with IoT and artificial intelligence for elderly patients. In: Porkodi S, Kesavaraja D, Dubey AK, Kumar A, Kumar SR, Gayathri N, Das P, editors. AI and IoT-Based Intelligent Automation in Robotics. Texas: Scrivener Publishing LLC; 2021. [Link]
7. Yoshany N, Seyed Khameshi SS, Rezaei M, Baqian N, Karimian Kakolaki Z. [Relationship between quality of life and using smart phones in the elderly (Persian)]. J Educ Community Health. 2019; 6(4):247-55. [DOI:10.29252/jech.6.4.247]
8. Safdari R, Shams Abadi A R, Pahlevany Nejad S. [Improve health of the elderly people with m-health and technology (Persian)]. Salmand: Iranian Journal of Ageing. 2018; 13(3):288-99.‎ [DOI:10.32598/sija.13.3.288]
9. Li X. Evaluation and analysis of elderly mental health based on artificial intelligence. Occupational Therapy International. 2023; 2023:7077568. [DOI:10.1155/2023/7077568] [PMID]
10. Awotunde JB, Ajagbe SA, Florez H. Internet of Things with Wearable Devices and Artificial Intelligence for Elderly Uninterrupted Healthcare Monitoring Systems. In: Florez H, Gomez H, editors. Applied Informatics. ICAI 2022. Communications in Computer and Information Science, 1643. Cham: Springer; 2022. [DOI:10.1007/978-3-031-19647-8_20]
11. Ganesh D, Seshadri G, Sokkanarayanan S, Rajan S, Sathiyanarayanan M. Iot-based google duplex artificial intelligence solution for elderly care. Paper presented at: 2019 International Conference on contemporary Computing and Informatics (IC3I). 12-14 December 2019; Singapore. [DOI:10.1109/IC3I46837.2019.9055551]
12. Abedi S, Hamidi F, Sanayi MR. [Design a fuzzy artificial intelligence system in the selection of health technology in the futuristic process (Persian)]. Journal of Management Future Research. 32(128):28-40. [Link]
13. Falamarzi F, Shaker H, Pourzad M. [Using new medical technology in the process of improving the life of the elderly(Persian)]. Paper presented at: 5th congress of Student Research Committee of Rafsanjan University of Medical Sciences. 4 December 2019;  Rafsanjan, Iran. [Link]

14. Dilip G, Guttula R, Rajeyyagari S, Pandey RR, Bora A, R Kshirsagar P, et al. Artificial intelligence-based smart comrade robot for elders healthcare with strait rescue system. Journal of Healthcare Engineering. 2022; 2022:9904870. [DOI:10.1155/2022/9904870] [PMID]
15. Ihde D. Technology and the lifeworld: From garden to earth. Indiana: Indiana University Press; 1990. [Link]
16. Wang, L. L., Jia, L. Q., Chu, F. Q., & Li, M. X. (2021). Design of home care system for rural elderly based on artificial intelligence. Paper presented at: International Conference on Computer Big Data and Artificial Intelligence (ICCBDAI 2020). 24-25 October 2020, Changsha, China. [DOI:10.1088/1742-6596/1757/1/012057]
17. Zhavoronkov A, Mamoshina P, Vanhaelen Q, Scheibye-Knudsen M, Moskalev A, Aliper A. Artificial intelligence for aging and longevity research: Recent advances and perspectives. Ageing Research Reviews. 2019; 49:49-66. [DOI:10.1016/j.arr.2018.11.003] [PMID]
18. Fritz RL, Dermody G. A nurse-driven method for developing artificial intelligence in "smart" homes for aging-in-place. Nursing Outlook. 2019; 67(2):140-53. [DOI:10.1016/j.outlook.2018.11.004][PMID]
19. Chowdhury M, Cervantes EG, Chan WY, Seitz DP. Use of machine learning and artificial intelligence methods in geriatric mental health research involving electronic health record or administrative claims data: A systematic review. Frontiers in Psychiatry. 2021; 12:738466. [DOI:10.3389/fpsyt.2021.738466] [PMID]
20. Rubeis G. The disruptive power of Artificial Intelligence. Ethical aspects of gerontechnology in elderly care.Archives of Gerontology and Geriatrics. 202; 91:104186. [DOI:10.1016/j.archger.2020.104186] [PMID]
21. Graham SA, Lee EE, Jeste DV, Van Patten R, Twamley EW, Nebeker C, et al. Artificial intelligence approaches to predicting and detecting cognitive decline in older adults: A conceptual review. Psychiatry Research. 2020; 284:112732. [DOI:10.1016/j.psychres.2019.112732]
22. Sapci, A. H., & Sapci, H. A. (2019). Innovative assisted living tools, remote monitoring technologies, artificial intelligence-driven solutions, and robotic systems for aging societies: Systematic review. JMIR Aging, 2(2), e15429. [DOI:10.2196/15429] [PMID]
23. Sumit K, Prapti Sh, Megha K. AI -Based health management system for elderly people. Paper presented at: 2024 2nd International Conference on Disruptive Technologies (ICDT).  15-16 March 2024; Greater Noida, India. [DOI:10.1109/ICDT61202.2024.10488983]
24. Ahmed MU, Barua S, Begum S. Artificial Intelligence, Machine Learning and Reasoning in Health Informatics-Case Studies. In: Ahad MAR, Ahmed MU, editors. Signal Processing Techniques for Computational Health Informatics. Intelligent Systems Reference Library, vol 192. Cham: Springer; 2021. [Link]
25. Chen M, Decary M. Artificial intelligence in healthcare: An essential guide for health leaders. Healthc Manage Forum. 2020; 33(1):10-18. [DOI:10.1177/0840470419873123] [PMID]
26. Wu C, Xu H, Bai D, Chen X, Gao J, Jiang X. Public perceptions on the application of artificial intelligence in healthcare: A qualitative meta-synthesis. BMJ Open. 2023; 13(1):e066322.   [DOI:10.1136/bmjopen-2022-066322] [PMID]

27. Qian K, Zhang Z, Yamamoto Y, Schuller BW. Artificial intelligence internet of things for the elderly: From assisted living to health-care monitoring. IEEE Signal Processing Magazine. 2021;  38(4). [DOI:10.1109/MSP.2021.3057298]
28. Liu PR, Lu L, Zhang JY, Huo TT, Liu SX, Ye ZW. Application of artificial intelligence in medicine: An overview. Current Medical Science. 2021; 41(6):1105-15. [DOI:10.1007/s11596-021-2474-3] [PMID]
29. Briganti G, Le Moine O. Artificial intelligence in medicine: Today and tomorrow. Frontiers in Medicine. 2020; 7:27. [DOI:10.3389/fmed.2020.00027] [PMID]
30. Kazemi E, Mehrabi N, hajipurtalebi A. [An overview of the artificial intelligence applications in identifying and combating the Covid-19 Pandemic (Persian)]. Paramedical Sciences and Military Health. 2021; 16(3):52-65. [Link]
31. Saduqi F, Sheikh Taheri A, Mohseni H. [Application of Artificial Intelligence Systems in Medical Decisions: Benefits and Challenges (Persian)]. Health Information Management. 2018; 8(3):23-39. [Link]
32. Sandelowski M, Barroso J. Handbook for synthesizing qualitative research. New York: Springer Publishing Company; 2007. [Link]
33. Braun V, Clarke V. Using thematic analysis in psychology. Qualitative Research in Psychology. 2006; 3(2):77-101. [Link]
34. Shiwani T, Relton S, Evans R, Kale A, Heaven A, Clegg A, et al. New Horizons in artificial intelligence in the healthcare of older people. Age and Ageing. 2023; 52(12):afad219. d [DOI:10.1093/ageing/afad219] [PMID]