Cilj naše raziskovalne dejavnosti je zmanjšanje vrzeli med umetno inteligenco (UI) in zdravstvom, z namenom izboljšanja izidov pri pacientih, olajšanja dela zdravstvenim delavcem in izboljšanja učinkovitost zdravstvene oskrbe. Naše delo se osredotoča predvsem na uporabo modelov umetne inteligence v zdravstvu s poudarkom na razložljivih napovednih modelih, recimo pri obladovanju kroničnih bolezni kot je sladkorna bolezen ter njihovo integracijo v klinično prakso pri katerih želimo zagotoviti natančnost in razložljivost tako za pacienta kot za zdravstvenega delavca.
V raziskavi Gosak, et al. (2023) smo se tako osredotočili na raziskovanje modelov pri napovedi zapletov, povezanih s sladkorno boleznijo, kot so diabetično stopalo. Ti modeli lahko prispevajo k zgodnjemu prepoznavanju pacientov z visokim tveganjem, kar omogoča preprečevanje in obvladovanje bolezni. Prav tako smo se v eni izmed raziskav osredotočili na pomembnost razložljivosti modelov umetne inteligence in primerjali različne metode lokalne in globalne interpretabilnosti modelov (Kopitar, et al., 2020).
Preučevali smo tudi potencialno vlogo generativne umetne inteligence v zdravstvu. V raziskavi Kocbek, et al. (2022) smo raziskovali učinkovitost umetne inteligence pri generiranju jedrnatih povzetkov znanstvene literature, kjer je bil izpostavljen potencial takšnih povzetkov pri hitrejšem odločanju zdravstvenih delavcev. Prav tako smo preučevali uporabo generativne umetne inteligence in vizualne analitike (Oogen, et al., 2021).
V svojih raziskavah preučujemo tudi vpliv različnih orodij generativne umetne inteligence, kot recimo ChatGPT, pri preoblikovanju izobraževanja v zdravstveni negi, predvsem z vidika večje personalizacije in interaktivnosti za posameznega študenta (Gosak, et al., 2024). V pedagoški proces na vseh treh stopnjah študija vključujemo različna orodja umetne inteligence z namenom obogatitve učnega procesa, večje interaktivnosti učenja in spodbujanje kritičnega mišljenja. Tako študente z uporabo praktičnih primerov seznanjamo z uporabo umetne inteligence v zdravstvu, ter spodbujamo njihovo razumevanje in veščine pri uporabi.
Gosak, L., Pruinelli, L., Topaz, M. and Štiglic, G., 2024. The ChatGPT effect and transforming nursing education with generative AI: discussion paper. Nurse Education in Practice, 75, p.103888.
Gosak, L., Svensek, A., Lorber, M., & Stiglic, G. (2023). Artificial Intelligence based prediction of diabetic foot risk in patients with diabetes: a literature review. Applied Sciences, 13(5), 2823.
Kocbek, P., Gosak, L., Musović, K. and Stiglic, G., 2022, June. Generating Extremely Short Summaries from the Scientific Literature to Support Decisions in Primary Healthcare: A Human Evaluation Study. In International Conference on Artificial Intelligence in Medicine (pp. 373-382). Cham: Springer International Publishing.
Kopitar, L., Cilar, L., Kocbek, P. and Stiglic, G., 2019, June. Local vs. global interpretability of machine learning models in type 2 diabetes mellitus screening. In International Workshop on Knowledge Representation for Health Care (pp. 108-119). Cham: Springer International Publishing.
Ooge, J., Stiglic, G. and Verbert, K., 2022. Explaining artificial intelligence with visual analytics in healthcare. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 12(1), p.e1427.