همایش آروین البرز EAB JOURNAL 1 4 2026 03 01 کاربردهای هوش مصنوعی در مدیریت مالی و حسابداری سیستم‌های سلامت و درمان: یک مقاله مروری کاربردهای هوش مصنوعی در مدیریت مالی و حسابداری سیستم‌های سلامت و درمان: یک مقاله مروری 137 157 10.22051/jera.2021.31891.2698 FA محمد هادی دانشجوی کارشناسی ارشد، گروه حسابداری، واحدیزد، دانشگاه آزاداسلامی، یزد، ایران محمدطاهر مرکز تحقیقات مراقبت های پرستاری و مامایی، پژوهشکده بیماری های غیر واگیر، دانشکده پرستاری و مامایی، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی شهید صدوقی، یزد، ایران 2026 03 01 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. 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. /downloadfilepdf/14716