ЗАМАНБАП МААЛЫМАТТЫК ТЕХНОЛОГИЯЛАРДЫ ЖАНА ЖАСАЛМА ИНТЕЛЛЕКТ ТУТУМДАРЫН САЛАМАТТЫК САКТОО ТАРМАГЫНДА КОЛДОНУУ, CHATGPT МИСАЛЫНДА: АРТЫКЧЫЛЫКТАРЫ ЖАНА ЫКТЫМАЛ КОРКУНУЧТАРЫ
DOI:
https://doi.org/10.52754/16948742_1(6)_12-2025Ачкыч сөздөр:
маалыматтык технологиялар, жасалма интеллект, ChatGPT, саламаттыкты сактоо, медициналык тиркемелер, адамдын тамактануусуАннотация
Заманбап маалыматтык технологиялардын (МТ) жана жасалма интеллект (ЖИ) тутумдарынын саламаттыкты сактоо тармагына тез интеграцияланышы жаңы мүмкүнчүлүктөрдү жана көйгөйлөрдү жаратты. Бул изилдөө Chat Generative Pre-Trained Transformer (ChatGPT) технологиясын саламаттыкты сактоодо, тактап айтканда, медициналык билим берүүдө, нутрициологияда, ооруларды дарылоону башкарууда жана клиникалык чечимдерди негиздөөдө колдонуу мүмкүнчүлүктөрүн изилдөө максатында жүргүзүлгөн. Автор алдыңкы медициналык журналдардагы жана SCOPUS, PubMed жана РИНЦ маалымат базаларындагы, макалаларды изилдеди. Изилдөөнүн жыйынтыгы ЖИди медициналык тармакта колдонуунун чектөөлөрү бар экендигин көрсөттү, көбүнчө бул маалыматтарды коопсуз пайдалануу маселелерине байланыштуу. Изилденген сандык маалыматтар ChatGPTдин ооруларды аныктоодо, түзүлгөн тамактануу пландарында азык заттардын жетиштүүлүгүн камсыздоодо жана ар кандай медициналык сценарийлерде так иштөө көрсөткүчтөрүнүн жогору экенин далилдеди. Бирок, колдонуучулардын кабылдоосу, тажрыйба жана этикалык суроолор сыяктуу майда сапаттык аспектилер эске алынбай калышы мүмкүн. ЖИни ишке ашырууда маалыматтардын сапатына жана алардын түшүндүрмөсүнө басым жасоо керек. Жасалма интеллект технологияларынын узак мөөнөттүү таасирин баалоо зарыл. ChatGPT саламаттыкты сактоодо келечектүү технология экенин көрсөтүп турат, бирок медициналык колдонуу үчүн атайын окууну талап кылат.
Библиографиялык шилтемелер
Adi Lahat, Sharif, K., Narmin Zoabi, Yonatan Shneor Patt, Sharif, Y., Fisher, L., Shani, U., Mohamad Arow, Levin, R., & Klang, E. (2024). Assessing Generative Pretrained Transformers (GPT) in Clinical Decision-Making: Comparative Analysis of GPT-3.5 and GPT-4. Journal of Medical Internet Research, (26), e54571–e54571. DOI: https://doi.org/10.2196/54571
Ashish Sarraju, Bruemmer, D., Van, E. H., Cho, L., Rodriguez, F., & Laffin, L. J. (2023). Appropriateness of Cardiovascular Disease Prevention Recommendations Obtained From a Popular Online Chat-Based Artificial Intelligence Model. JAMA, (329(10)), 842–842. DOI: https://doi.org/10.1001/jama.2023.1044
Ayoub, M., Ballout, A. A., Zayek, R. A., & Ayoub, N. F. (2023). Mind + Machine: ChatGPT as a Basic Clinical Decisions Support Tool. Cureus, (15(8)). DOI: https://doi.org/10.7759/cureus.43690
Bays, H. E., Fitch, A., Cuda, S., Rickey, E., Hablutzel, J., Coy, R., & Censani, M. (2023). Artificial intelligence and obesity management: An Obesity Medicine Association (OMA) Clinical Practice Statement (CPS) 2023. Obesity Pillars, (6), 100065. DOI: https://doi.org/10.1016/j.obpill.2023.100065
Dave, T., Athaluri, S. A., & Singh, S. (2023). ChatGPT in medicine: an overview of its applications, advantages, limitations, future prospects, and ethical considerations. Frontiers in Artificial Intelligence, (6), 1169595. DOI: https://doi.org/10.3389/frai.2023.1169595
Fergus, S., Botha, M., & Ostovar, M. (2023). Evaluating Academic Answers Generated Using ChatGPT. Journal of Chemical Education, (100(4)), 1672–1675. DOI: https://doi.org/10.1021/acs.jchemed.3c00087
Garcia, M. B. (2023). ChatGPT as a Virtual Dietitian: Exploring Its Potential as a Tool for Improving Nutrition Knowledge. Applied System Innovation, (6(5)), 96–96. DOI: https://doi.org/10.3390/asi6050096
Gilson, A., Safranek, C. W., Huang, T., Socrates, V., Chi, L., Taylor, R. A., & Chartash, D. (2023). How Does ChatGPT Perform on the United States Medical Licensing Examination? The Implications of Large Language Models for Medical Education and Knowledge Assessment. JMIR Medical Education, (9(9)), e45312. DOI: https://doi.org/10.2196/45312
Hieronimus, B., Hammann, S., & Podszun, M. C. (2024). Can the AI tools ChatGPT and Bard generate energy, macro- and micro-nutrient sufficient meal plans for different dietary patterns? Nutrition Research, (128), 105–114. DOI: https://doi.org/10.1016/j.nutres.2024.07.002
Курманалиева, А. О. (2025). Билим берүүдө жасалма интеллект. Жасалма интеллекттин инструменттери (нейрон тармактары), (2(1)), 386–392. DOI: https://doi.org/10.33514/BK-1694-7711-2024-2(1)-386-392
Lee, J., Yoo, I.-S., Kim, J.-H., Won Tae Kim, Hyun Jeong Jeon, Yoo, H.-S., Jae Gwang Shin, Kim, G.-H., Hwang, S., Park, S., & Kim, Y.-J. (2024). Development of AI-generated medical responses using the ChatGPT for cancer patients. Computer Methods and Programs in Biomedicine, (254), 108302–108302. DOI: https://doi.org/10.1016/j.cmpb.2024.108302
Manickam, P., Mariappan, S. A., Murugesan, S. M., Hansda, S., Kaushik, A., Shinde, R., & Thipperudraswamy, S. P. (2022). Artificial Intelligence (AI) and Internet of Medical Things (IoMT) Assisted Biomedical Systems for Intelligent Healthcare. Biosensors, (12(8)), 562. DOI: https://doi.org/10.3390/bios12080562
Mijwel, M. M. (2015). History of Artificial Intelligence. (3 (special issue)), 1–8. DOI: https://doi.org/10.13140/RG.2.2.16418.15046
Moritz, S., Bernd Romeike, Christoph Stosch, & Tolks, D. (2023). Generative AI (gAI) in medical education: Chat-GPT and co. PubMed, (40(4)), Doc54–Doc54. DOI: https://doi.org/10.3205/zma001636
Naik, N., Hameed, B. M. Z., Shetty, D. K., Swain, D., Shah, M., Paul, R., Aggarwal, K., Ibrahim, S., Patil, V., Smriti, K., Shetty, S., Rai, B. P., Chlosta, P., & Somani, B. K. (2022). Legal and Ethical Consideration in Artificial Intelligence in Healthcare: Who Takes Responsibility? Frontiers in Surgery, (9(862322)), 1–6. Frontiers. DOI: https://doi.org/10.3389/fsurg.2022.862322
Nino Fijačko, Prosen, G., Abella, B. S., Špela Metličar, & Gregor Štiglic. (2023). Can novel multimodal chatbots such as Bing Chat Enterprise, ChatGPT-4 Pro, and Google Bard correctly interpret electrocardiogram images? Resuscitation, (193), 110009–110009. DOI: https://doi.org/10.1016/j.resuscitation.2023.110009
Niszczota, P., & Rybicka, I. (2023). The credibility of dietary advice formulated by ChatGPT: robo-diets for people with
food allergies. Nutrition, (112), 112076. DOI: https://doi.org/10.1016/j.nut.2023.112076
Sallam, M. (2023). ChatGPT Utility in Healthcare Education, Research, and Practice: Systematic Review on the Promising Perspectives and Valid Concerns. Healthcare, (11(6)), 887. DOI: https://doi.org/10.3390/healthcare11060887
Shaderkin I.A. (2021). Weaknesses of artificial intelligence in medicine. Russian Journal of Telemedicine and E-Health, (7(2)), 50–52. DOI: https://doi.org/10.29188/2712-9217-2021-7-2-50-52
Шадеркина, В. А. (2024). ChatGPT в медицине: возможности и ограничения. Российский журнал телемедицины
и электронного здравоохранения. Jtelemed.ru. [Электронный ресурс]. URL:
https://jtelemed.ru/article/chatgpt-v-medicine-vozmozhnosti-i-ogranichenija
Skryd, A. & Lawrence, K. (2024). ChatGPT as a Tool for Medical Education and Clinical Decision-Making on the Wards: Case Study. JMIR Formative Research, (8), e51346–e51346. DOI: https://doi.org/10.2196/51346
Sng, G. G. R., Tung, J. Y. M., Lim, D. Y. Z. & Bee, Y. M. (2023). Potential and Pitfalls of ChatGPT and Natural-Language Artificial Intelligence Models for Diabetes Education. Diabetes Care, (46). DOI: https://doi.org/10.2337/dc23-0197
Tanaka, Y., Nakata, T., Ko Aiga, Takahide Etani, Muramatsu, R., Katagiri, S., Kawai, H., Fumiya Higashino, Enomoto, M., Noda, M., Mitsuhiro Kometani, Takamura, M., Yoneda, T., Hiroaki Kakizaki, & Nomura, A. (2024). Performance of Generative Pretrained Transformer on the National Medical Licensing Examination in Japan. PLOS Digital Health, (3(1)), e0000433–e0000433. DOI: https://doi.org/10.1371/journal.pdig.0000433
Wang, L.-C., Zhang, H., Ginsberg, N., Ban, A. N., Kooman, J. P., & Kotanko, P. (2024). Application of ChatGPT to Support Nutritional Recommendations for Dialysis Patients – A Qualitative and Quantitative Evaluation. Journal of Renal Nutrition, (34(6)). DOI: https://doi.org/10.1053/j.jrn.2024.09.001
