زمینه و هدف: تحول دیجیتال در نظام‌های سلامت، به‌ویژه با گسترش کاربردهای هوش مصنوعی، ابعاد مدیریتی و مالی سازمان‌های درمانی را نیز تحت تأثیر قرار داده است. در حالی که تمرکز اولیه پژوهش‌ها بر کاربردهای بالینی AI بوده، نقش آن در مدیریت مالی، حسابداری، چرخه درآمد و تصمیم‌گیری استراتژیک کمتر به‌صورت نظام‌مند بررسی شده است. هدف این مطالعه، مرور سیستماتیک شواهد علمی درباره کاربردهای هوش مصنوعی در مدیریت مالی و حسابداری سیستم‌های سلامت و تحلیل مزایا، چالش‌ها و پیامدهای اجرایی آن است. روش‌ها: این پژوهش به‌صورت مرور سیستماتیک و با پیروی از دستورالعمل‌های PRISMA انجام شد. جستجوی جامع در پایگاه‌های PubMed، MEDLINE، Scopus، Web of Science، ScienceDirect، SpringerLink، Wiley، MDPI، Taylor & Francis، Semantic Scholar، ResearchGate و SSRN برای مقالات منتشرشده بین سال‌های 2015 تا فوریه 2026 صورت گرفت. کلیدواژه‌ها شامل ترکیبی از artificial intelligence، machine learning، AI، financial management، accounting و healthcare و ... بود. معیارهای ورود شامل مطالعات انگلیسی‌زبان دارای متن کامل با تمرکز بر کاربرد AI در مدیریت مالی و حسابداری سلامت بود. داده‌ها به‌صورت سیستماتیک استخراج و با رویکرد تحلیل کیفی و موضوعی طبقه‌بندی شدند. یافته‌ها: در مجموع 37 مطالعه وارد تحلیل نهایی شدند. نتایج نشان داد کاربردهای هوش مصنوعی در مدیریت مالی سلامت عمدتاً در حوزه‌های زیر متمرکز است: بهینه‌سازی فرآیندهای مالی و حسابداری از طریق خودکارسازی عملیات، کاهش خطا و افزایش شفافیت؛پیش‌بینی و تحلیل مالی شامل برآورد هزینه‌ها، پیش‌بینی جریان نقدی و ارزیابی تنش مالی؛ کشف تقلب و ناهنجاری‌های مالی با استفاده از الگوریتم‌های یادگیری ماشین؛ حمایت از تصمیم‌گیری استراتژیک از طریق داشبوردهای تحلیلی و مدل‌سازی سناریوهای بودجه‌ای؛ و تحلیل ریسک و مدیریت بحران مالی. شواهد نشان داد مدل‌های مبتنی بر AI در بسیاری از مطالعات نسبت به روش‌های آماری سنتی دقت پیش‌بینی بالاتری داشته‌اند و موجب بهبود کارایی، کاهش هزینه‌ها و تقویت پایداری مالی شده‌اند. با این حال، چالش‌هایی همچون کیفیت و یکپارچگی داده‌ها، امنیت و حریم خصوصی، هزینه‌های زیرساختی، مقاومت سازمانی، محدودیت‌های قانونی و خطر سوگیری الگوریتمی به‌عنوان موانع کلیدی شناسایی شدند. بحث: کاربرد هوش مصنوعی در مدیریت مالی سلامت، ظرفیت قابل‌توجهی برای ارتقای تصمیم‌گیری داده‌محور، افزایش شفافیت و بهینه‌سازی تخصیص منابع دارد. با این وجود، موفقیت پیاده‌سازی آن مستلزم حاکمیت داده قوی، استانداردسازی اطلاعات، زیرساخت امنیتی پیشرفته، آموزش نیروی انسانی و چارچوب‌های حقوقی و اخلاقی شفاف است. بدون توجه همزمان به این ابعاد، مزایای بالقوه AI ممکن است با ریسک‌های عملیاتی و اجتماعی همراه شود. نتیجه‌گیری: هوش مصنوعی می‌تواند به‌عنوان یک ابزار تحول‌آفرین در مدیریت مالی و حسابداری نظام سلامت عمل کند و به بهبود کارایی، کنترل هزینه، افزایش شفافیت و پایداری مالی سازمان‌های درمانی منجر شود. با این حال، بهره‌برداری مؤثر و پایدار از این فناوری نیازمند رویکردی چندبعدی شامل تقویت زیرساخت‌های داده، مدیریت تغییر سازمانی، نظارت اخلاقی و سیاست‌گذاری هوشمندانه است. پژوهش‌های آینده باید بر ارزیابی تجربی اثربخشی اقتصادی، تحلیل بازگشت سرمایه و توسعه چارچوب‌های حکمرانی AI در مالی سلامت تمرکز کنند.

هوش مصنوعی؛ یادگیری ماشین؛ مدیریت مالی سلامت؛ حسابداری بیمارستانی؛ چرخه درآمد؛ پیش‌بینی مالی؛ کشف تقلب؛ تحلیل ریسک مالی؛ تصمیم‌گیری استراتژیک؛ شفافیت مالی؛ حاکمیت داده؛ نظام سلامت.