شناسايي و رتبه‌بندي ريسك‌هاي استفاده از سيستم‌هاي هوش مصنوعي در مديريت پسماندهاي بيمارستاني با استفاده از رويكرد تصميم‌گيري چند شاخصه (مطالعه موردي: بيمارستان‌هاي دانشگاه علوم پزشكي زاهدان)

زمينه و هدف: يكي از كاربردهاي اصلي هوش مصنوعي در حوزه مديريت بهينه پسماندهاي بيمارستاني است كه به پيش‌‎بيني حجم و نوع پسماندها مي‌‎پردازد. هدف اين مطالعه، شناسايي و رتبه‌‎بندي ريسك‌‎هاي استفاده از سيستم‌‎هاي هوش مصنوعي در مديريت پسماندهاي بيمارستاني با استفاده از رويكرد تصميم‌‎گيري چند شاخصه مي‌‎باشد.مواد و روش‌‎ها: اين مطالعه از نوع توصيفي و مقطعي است كه در سال 1402 در دو بيمارستان علي ابن ابيطالب و خاتم‌‎الانبياء شهرستان زاهدان صورت گرفته است. تعداد 10 نفر از پرسنل اين دو بيمارستان به عنوان اعضاي خبره پنل دلفي انتخاب گرديدند كه به منظور وزن‌‎دهي ريسك‌‎ها از روش آنتروپي شانون و جهت رتبه‌‎بندي ريسك‌‎ها از روش تاپسيس استفاده گرديد.نتايج: در اين مطالعه به‌منظور تعيين ميزان اتفاق‌نظر ميان اعضاي پنل دلفي، از ضريب هماهنگي كندال استفاده شد. نتيجه ضريب كندال براي مرحله اول، دوم و سوم دلفي به ترتيب برابر با 6.3، 7.1 و 7.3 بود. وزن‌‎دهي شاخص‌‎ها با استفاده از مراحل روش آنتروپي شانون و بر اساس سه شاخص شدت تأثير (0.3)، احتمال وقوع (0.4) و احتمال كشف (0.32) انجام پذيرفت. سپس جهت رتبه‌‎بندي ريسك‌‎هاي شناسايي‌‎شده بر اساس روش تاپسيس مهم‌‎ترين ريسك‌‎ها به ترتيب زيرساخت‌‎هاي لازم (0.847)، نياز به داده‌‎هاي دقيق و كامل (0.751) و بودجه (0.749) بودند.نتيجه‌‎گيري: مديران مراكز بهداشتي و درماني با استفاده از روش‌‎هاي تصميم‌‎گيري چند شاخصه قادر خواهند بود تا به شناسايي و رتبه‌‎بندي ريسك‌‎هاي استفاده از سيستم‌‎هاي هوش مصنوعي در مديريت پسماندهاي بيمارستاني بپردازند و با توجه ‌به اولويت‌‎ها، جهت تقويت مديريت پسماندها بپردازند.