Dirbtinio intelekto vaidmuo sveikatos priežiūros srityje: darbuotojų vertinimas, lūkesčiai ir iššūkiai
Žemaitytė, Justina |
Nepaisant sparčios dirbtinio intelekto (DI) technologijų plėtros sveikatos priežiūros srityje, vis dar trūksta išsamių tyrimų, atskleidžiančių, kaip sveikatos priežiūros darbuotojai vertina šias technologijas ir kokių lūkesčių bei iššūkių jie įžvelgia praktiniu jų taikymo aspektu. Baigiamojo darbo metu atliktas tyrimas siekia užpildyti šią spragą, kiek darbuotojai pasitiki DI sprendimais, kokią vertę jiems suteikia ir kokius pokyčius darbe ar profesiniame identitete šios technologijos gali lemti. Tyrimo objektas - Sveikatos priežiūros darbuotojų vertinimas, lūkesčiai ir iššūkiai, susiję su dirbtinio intelekto taikymu sveikatos priežiūros įstaigose. Baigiamojo darbo tikslas - Įvertinti sveikatos priežiūros darbuotojų, dirbančių sveikatos priežiūros įstaigose, požiūrį į dirbtinio intelekto technologijų taikymą, atskleidžiant pagrindinius darbuotojų lūkesčius ir galimus iššūkius praktikoje. Teorinėje darbo dalyje analizuojama mokslinė literatūra, siekiant išskirti pagrindines DI taikymo sveikatos priežiūros srityje galimybes ir rizikas, kartu įvertinant sveikatos priežiūros darbuotojų požiūrių įvairovę. Tyrimo metodai - naratyvinė literatūros analizė bei pusiau struktūruotas interviu (kokybinis tyrimo metodas) Empirinėje tyrimo dalyje buvo siekiama atskleisti viešajame ir privačiajame sektoriuose dirbančių sveikatos priežiūros specialistų lūkesčius ir iššūkius, susijusius su DI integravimu į klinikinius ir administracinius procesus bei parengti rekomendacijas efektyviam DI diegimui ir naudojimui sveikatos priežiūros įstaigose, atsižvelgiant į darbuotojų vertinimą, lūkesčius bei nustatytus iššūkius. Tyrimo rezultatai rodo, kad klinikinėje praktikoje dirbtinis intelektas (DI) daugiau siejamas su vaizdų analize, vaistų dozavimu bei paciento būklės stebėsena, laukiama didesnio diagnostikos tikslumo, tačiau akcentuojamas poreikis žmogiškajam ryšiui. Administracijoje didžiausią potencialą respondentai mato grafikų sudarymo, eilių ir finansų valdymo automatizavime, didžiausiais barjerais įvardija IT infrastruktūrą ir personalo pasirengimą. Bendri iššūkiai tiek klinikinėje praktikoje, tiek administracijoje, įvardijami kaip duomenų privatumas (BDAR), atsakomybės paskirstymas ir skaidrumo trūkumas algoritmų veikime. Šio tyrimo darbo įžvalgos aktualios sveikatos priežiūros įstaigoms, politikos formuotojams ir DI kūrėjams, rengiant strategijas efektyviam ir etiškam DI integravimui.
Despite the rapid development of artificial intelligence (AI) technologies in healthcare, there is still a lack of comprehensive research that reveals how healthcare professionals evaluate these technologies and what expectations and challenges they perceive in their practical application. The study conducted for this thesis seeks to fill that gap by examining how much staff trust AI solutions, what value they derive from them, and what changes these technologies may bring to their work or professional identity. Object of the research – Healthcare workers’ evaluations, expectations and challenges related to the application of AI in healthcare institutions. Aim of the thesis – To assess the attitudes of healthcare employees working in healthcare institutions toward the application of AI technologies, identifying the main expectations and possible practical challenges. In the theoretical section, scientific literature is analysed to highlight the main opportunities and risks of applying AI in healthcare, while also considering the diversity of healthcare professionals’ perspectives. Research methods – A narrative literature review and semi-structured interviews (qualitative method). The empirical part sought to reveal the expectations and challenges faced by healthcare specialists in the public and private sectors when integrating AI into clinical and administrative processes, and to prepare recommendations for the effective implementation and use of AI in healthcare institutions, taking into account staff assessments, expectations and identified challenges. Research results show that in clinical practice AI is mainly associated with image analysis, drug dosing and patient monitoring; higher diagnostic accuracy is expected, but the need for human interaction is emphasised. In administration, respondents see the greatest potential in automating scheduling, queue and financial management, while IT infrastructure and staff preparedness are considered the biggest barriers. Common challenges in both clinical practice and administration include data privacy (GDPR), allocation of responsibility and a lack of algorithmic transparency. The insights from this study are relevant to healthcare institutions, policy-makers and AI developers when drawing up strategies for effective and ethical AI integration.