PubMed چکیده/رکورد

Artificial Intelligence-Based Chatbots in Genetic Counseling Practice: Current Uptake, Utilization, and Perspectives.

استودیوی صوتی مقاله

پخش حرفه‌ای فارسی و انگلیسی

در حال بررسی نسخه‌های صوتی ذخیره‌شده…

صوت تولیدشده با هوش مصنوعی است. برای کاربرد علمی یا درمانی، متن و منبع اصلی را بررسی کنید.
خواندن هوشمند فارسی و انگلیسی در حال آماده‌سازی صداهای مرورگر…
تنظیم صدای طبیعی و سرعت

صداهایی که در نامشان «Natural»، «Neural» یا «Online» دیده می‌شود معمولاً طبیعی‌ترند. انتخاب صدا به صداهای نصب‌شده در ویندوز و مرورگر شما بستگی دارد.

چکیده اصلی

AI-driven chatbots have been utilized in healthcare to automate administrative tasks, improve patient education, and expand access to medical information; however, their role in genetic counseling remains underexplored. To investigate the adoption, perceptions, and potential utility of AI-based chatbots in genetic counseling practice, 217 genetic counselors and genetic counseling students from across North America were surveyed regarding chatbot usage, confidence in their application, and perceived benefits and limitations. While most participants (166/217; 76.5%) reported using general AI chatbots outside of clinical settings, far fewer (18/204; 8.8%) reported using or recommending clinical genetics chatbots in clinical practice. For those that used clinical genetics chatbots, the primary purpose was for communication with at-risk family members (11/18; 61.1%) and patient education (10/18; 55.6%). Confidence in chatbot technology varied, with highest confidence in gathering family history information (81/199; 40.7%) and lowest confidence in their ability to disclose variants of uncertain significance or positive genetic testing results (5/199; 2.5%). The greatest perceived benefits included reducing repetitive tasks (165/195, 84.6%) and allowing for time for other tasks (141/195; 72.3%), while major concerns revolved around patient comprehension (167/195; 85.6%) and having accurate, up-to-date information (145/195; 74.4%). Despite some concern about AI replacing human counselors, most participants reported they felt there was potential for chatbots to enhance workflow efficiency (128/195; 65.6%) if properly integrated and regulated. Limited AI training was identified as a barrier to adoption (16/195; 8.2% received training), highlighting a need for structured education on AI applications in genetic counseling. These findings suggest that AI chatbots hold promise as supplementary tools, but significant challenges must be addressed before widespread implementation in genetic counseling practice.

نتیجه فارسی

این مطالعه بر استفاده از ربات‌های گفتگوی هوش مصنوعی توسط مشاوران ژنتیک و دانشجویان در آمریکای شمالی تمرکز دارد. اکثر شرکت‌کنندگان از ربات‌های عمومی در خارج از محیط بالینی استفاده می‌کنند، اما استفاده از ربات‌های ژنتیک بالینی بسیار کمتر است. نگرانی‌های اصلی شامل درک بیمار و دقت اطلاعات است. آموزش محدود هوش مصنوعی مانع پذیرش می‌شود.

  • اکثر شرکت‌کنندگان از ربات‌های گفتگوی عمومی هوش مصنوعی در خارج از محیط بالینی استفاده می‌کنند.
  • استفاده از ربات‌های گفتگوی ژنتیک بالینی در عمل بالینی کمتر است.
  • اعتماد به تکنولوژی ربات‌های گفتگویی در جمع‌آوری اطلاعات سابقه خانوادگی بالاتر است.
  • نگرانی‌های اصلی شامل درک بیمار و دقت اطلاعات است.
  • آموزش محدود هوش مصنوعی مانع پذیرش می‌شود.

ترجمه فارسی چکیده

ربات‌های گفتگوی مبتنی بر هوش مصنوعی در مراقبت‌های بهداشتی برای خودکارسازی وظایف اداری، بهبود آموزش بیمار و گسترش دسترسی به اطلاعات پزشکی استفاده شده‌اند، اما نقش آن‌ها در مشاوره ژنتیک هنوز کمتر بررسی شده است. برای بررسی پذیرش، دیدگاه‌ها و کاربرد بالقوه ربات‌های گفتگوی مبتنی بر هوش مصنوعی در عمل مشاوره ژنتیک، ۲۱۷ مشاور ژنتیک و دانشجویان از سراسر آمریکای شمالی درباره استفاده از ربات‌های گفتگویی، اعتماد به کاربرد آن‌ها و مزایا و محدودیت‌های感知ی مورد پرسش قرار گرفتند. در حالی که اکثر شرکت‌کنندگان (۱۶۶/۲۱۷؛ ۷۶.۵٪) گزارش دادند که از ربات‌های گفتگوی عمومی هوش مصنوعی در خارج از محیط‌های بالینی استفاده می‌کنند، بسیار کمتر (۱۸/۲۰۴؛ ۸.۸٪) از ربات‌های گفتگوی ژنتیک بالینی در عمل بالینی استفاده یا توصیه می‌کردند. برای کسانی که از ربات‌های گفتگوی ژنتیک بالینی استفاده می‌کردند، هدف اصلی ارتباط با اعضای خانواده در معرض خطر (۱۱/۱۸؛ ۶۱.۱٪) و آموزش بیمار (۱۰/۱۸؛ ۵۵.۶٪) بود. اعتماد به تکنولوژی ربات‌های گفتگویی متغیر بود، با بالاترین اعتماد در جمع‌آوری اطلاعات سابقه خانوادگی (۸۱/۱۹۹؛ ۴۰.۷٪) و پایین‌ترین اعتماد در توانایی افشای تغییرات ناشناخته معنی یا نتایج مثبت تست ژنتیک (۵/۱۹۹؛ ۲.۵٪). بزرگترین مزایای感知 شده شامل کاهش وظایف تکراری (۱۶۵/۱۹۵، ۸۴.۶٪) و امکان زمان برای سایر وظایف (۱۴۱/۱۹۵؛ ۷۲.۳٪) بود، در حالی که نگرانی‌های اصلی حول محور درک بیمار (۱۶۷/۱۹۵؛ ۸۵.۶٪) و داشتن اطلاعات دقیق و به‌روز (۱۴۵/۱۹۵؛ ۷۴.۴٪) بود. با وجود برخی نگرانی در مورد جایگزینی هوش مصنوعی با مشاوران انسانی، اکثر شرکت‌کنندگان گزارش دادند که احساس می‌کنند اگر به درستی ادغام و تنظیم شوند، ربات‌های گفتگویی پتانسیل افزایش کارایی جریان کار (۱۲۸/۱۹۵؛ ۶۵.۶٪) دارند. آموزش محدود هوش مصنوعی به عنوان یک مانع برای پذیرش شناسایی شد (۱۶/۱۹۵؛ ۸.۲٪ آموزش دریافت کرده‌اند)، که نشان‌دهنده نیاز به آموزش ساختاریافته در مورد کاربردهای هوش مصنوعی در مشاوره ژنتیک است. این یافته‌ها نشان می‌دهد که ربات‌های گفتگوی هوش مصنوعی پتانسیل ابزارهای کمکی را دارند، اما چالش‌های قابل توجهی باید قبل از پیاده‌سازی گسترده در عمل مشاوره ژنتیک حل شود.

روش پژوهش

این مطالعه یک پرسشنامه را برای ۲۱۷ مشاور ژنتیک و دانشجویان در سراسر آمریکای شمالی انجام داد.

محدودیت‌ها

محدودیت‌ها در متن گزارش نشده‌اند.

استخراج ساختاریافته از متن منبع

نمای PICO و پیامدها

جمعیت
۲۱۷ مشاور ژنتیک و دانشجویان ژنتیک در سراسر آمریکای شمالی.
مداخله/مواجهه
ربات‌های گفتگوی مبتنی بر هوش مصنوعی (عمومی و بالینی).
مقایسه
مقایسه استفاده و اعتماد به ربات‌های گفتگوی عمومی و بالینی.
حجم نمونه
۲۱۷ شرکت‌کننده (برای استفاده از ربات‌های گفتگوی بالینی: ۱۸ شرکت‌کننده).

متن کامل اصلی

متن در JumpToDate ذخیره نشده است.

برای بررسی دسترسی کتابخانه‌ای یا خرید، رکورد اصلی را باز کنید.

رفتن به منبع اصلی

کلیدواژه‌ها

artificial intelligence (AI)chatbotsclinical geneticsgenetic counselor
در همین زیرشاخه

مقاله‌های مرتبط

PubMed2027

A Standardized Protocol for Generating iPSC-Derived Human Microglia for Functional Genomic Assays.

Human induced pluripotent stem cell (iPSC)-derived microglia (iMG) provide an in vitro experimental system for studying human microglial biology, neuroinflammation, and genetic risk mechanisms associated with neurological disease. This chapter describes a standardized, scalable, and reproducible protocol for the differentiation of human iPSCs into functional microglia-like cells, with particular emphasis on applications in transcriptio…

PubMed2027

CRISPR/Cas Systems: Biological Basis and Genome Editing Applications.

Clustered regularly interspaced short palindromic repeats (CRISPR) and associated (Cas) systems have revolutionized the field of genome engineering by providing versatile, efficient, and programmable tools for precise genetic manipulation. Originally identified as an adaptive immune mechanism in prokaryotes, CRISPR/Cas systems have been extensively repurposed for a wide range of applications across molecular biology, biotechnology, and…

PubMed2027

Enrichment of Arabidopsis Plasma Membrane Proteins by Sequential Differential Centrifugation.

The plasma membrane (PM) is the primary interface between plant cells and their environment, and its resident proteins mediate key processes such as extracellular signal perception and downstream cellular reprogramming. Yet, PM proteins are typically underrepresented in total protein extracts, and existing enrichment strategies are often laborious and require extensive optimization. Here, a simple and robust workflow is described for e…

PubMed2027

Epitope Tagging and Coimmunoprecipitation to Identify Viral Protein Interactors.

Affinity purification-mass spectrometry (AP-MS) is a powerful proteomic approach for dissecting the interaction network between virus and host. Traditional AP-MS employs overexpression of viral proteins as baits to enrich host interactors. However, overexpressed viral proteins may mislocalize to inappropriate cellular compartments and trigger endoplasmic reticulum stress by overwhelming the protein-folding machinery, which leads to fal…