{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5413463"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5413463","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Η ενσωμάτωση της τεχνητής νοημοσύνης στην περιεγχειρητική νοσηλευτική: προοπτικές και προκλήσεις","abstract":"Εισαγωγή: Η ενσωμάτωση της Τεχνητής Νοημοσύνης (ΤΝ) στην περιεγχειρητική νοσηλευτική εξελίσσεται ταχύτατα, κυρίως μέσω εφαρμογών πρόβλεψης κινδύνου, υποστήριξης κλινικής απόφασης, αυτοματοποίησης τεκμηρίωσης και ψηφιακής παρακολούθησης του ασθενούς. Η κλινική σημασία της ΤΝ προκύπτει από την ανάγκη έγκαιρης αναγνώρισης επιδείνωσης, βελτίωσης της συνέχειας φροντίδας στις μεταβάσεις (handoffs) και μείωσης του διοικητικού φόρτου, σε ένα περιβάλλον αυξημένης πολυπλοκότητας και περιορισμένων πόρων. Πρόσθετα, όμως, ανακύπτουν ζητήματα ασφάλειας, μεροληψίας, διαφάνειας και λογοδοσίας, που επηρεάζουν άμεσα τον νοσηλευτικό ρόλο και την εμπιστοσύνη των επαγγελματιών στη χρήση αλγοριθμικών συστημάτων. Μεθοδολογία: Πραγματοποιήθηκε ανασκόπηση της πρόσφατης βιβλιογραφίας με επίκεντρο σε εφαρμογές ΤΝ στο προεγχειρητικό, διεγχειρητικό και μετεγχειρητικό στάδιο, καθώς και σε θέματα εμπειρίας νοσηλευτών και ηθικο-νομικο-οργανωτικής διακυβέρνησης. Χρησιμοποιήθηκαν οι βάσεις MEDLINE μέσω PubMed, CINAHL, Scopus, Web of Science Core Collection, Embase, Cochrane Library και IEEE Xplore. Αποτελέσματα: Η βιβλιογραφία δείχνει ότι οι πιο ολοκληρωμένες εφαρμογές αφορούν την πρόβλεψη επιπλοκών και επιδείνωσης (risk stratification/early warning), την υποστήριξη αποφάσεων σε σημεία μετάβασης, την απομακρυσμένη μετεγχειρητική παρακολούθηση (τραύμα/λοιμώξεις) και την υποβοήθηση τεκμηρίωσης με εργαλεία επεξεργασίας φυσικής γλώσσας ή γενετικής ΤΝ. Υποστηρίζεται ότι η ΤΝ μπορεί να ενισχύσει την έγκαιρη αναγνώριση κινδύνου και να μειώσει συγκεκριμένες μορφές διοικητικού έργου, ωστόσο το κλινικό όφελος δεν προκύπτει από την ανασκόπηση. Συχνά αναδεικνύονται ζητήματα γενικευσιμότητας, ελλιπούς εξωτερικής επικύρωσης, απόδοσης σε υποομάδες ασθενών, καθώς και κίνδυνοι από υπερ-ειδοποιήσεις και αυτοματοποιημένη μεροληψία. Σε ότι αφορά την εμπειρία των νοσηλευτών αναγνωρίζονται πιθανά οφέλη σε αποτελεσματικότητα και συνέπεια φροντίδας, αλλά καταγράφονται ανησυχίες για ακρίβεια, ευθύνη, ιδιωτικότητα, επιτήρηση της εργασίας και ανάγκη εκπαίδευσης και συμμετοχής στον σχεδιασμό. Συμπεράσματα: Η ΤΝ μπορεί να συμβάλει στην περιεγχειρητική νοσηλευτική όταν εφαρμόζεται σε σαφώς ορισμένα κλινικά προβλήματα και συνοδεύεται από ανθρωποκεντρικό σχεδιασμό, πρωτόκολλα, συνεχή επιτήρηση απόδοσης και θεσμική διακυβέρνηση. Το κενό εντοπίζεται στη μετάβαση από την ανάπτυξη μοντέλων στην ασφαλή και δίκαιη υλοποίηση σε πραγματικές ροές εργασίας, με νοσηλευτικά ευαίσθητα αποτελέσματα και αξιολόγηση ανεπιθύμητων συνεπειών. Προτεραιότητες για την κλινική πράξη αποτελούν η μείωση του γνωστικού φόρτου, η βελτίωση των μεταβάσεων φροντίδας και η στοχευμένη επιτήρηση υψηλού κινδύνου.","abstract_html":"Εισαγωγή: Η ενσωμάτωση της Τεχνητής Νοημοσύνης (ΤΝ) στην περιεγχειρητική νοσηλευτική εξελίσσεται ταχύτατα, κυρίως μέσω εφαρμογών πρόβλεψης κινδύνου, υποστήριξης κλινικής απόφασης, αυτοματοποίησης τεκμηρίωσης και ψηφιακής παρακολούθησης του ασθενούς. Η κλινική σημασία της ΤΝ προκύπτει από την ανάγκη έγκαιρης αναγνώρισης επιδείνωσης, βελτίωσης της συνέχειας φροντίδας στις μεταβάσεις (handoffs) και μείωσης του διοικητικού φόρτου, σε ένα περιβάλλον αυξημένης πολυπλοκότητας και περιορισμένων πόρων. Πρόσθετα, όμως, ανακύπτουν ζητήματα ασφάλειας, μεροληψίας, διαφάνειας και λογοδοσίας, που επηρεάζουν άμεσα τον νοσηλευτικό ρόλο και την εμπιστοσύνη των επαγγελματιών στη χρήση αλγοριθμικών συστημάτων. Μεθοδολογία: Πραγματοποιήθηκε ανασκόπηση της πρόσφατης βιβλιογραφίας με επίκεντρο σε εφαρμογές ΤΝ στο προεγχειρητικό, διεγχειρητικό και μετεγχειρητικό στάδιο, καθώς και σε θέματα εμπειρίας νοσηλευτών και ηθικο-νομικο-οργανωτικής διακυβέρνησης. Χρησιμοποιήθηκαν οι βάσεις MEDLINE μέσω PubMed, CINAHL, Scopus, Web of Science Core Collection, Embase, Cochrane Library και IEEE Xplore. Αποτελέσματα: Η βιβλιογραφία δείχνει ότι οι πιο ολοκληρωμένες εφαρμογές αφορούν την πρόβλεψη επιπλοκών και επιδείνωσης (risk stratification/early warning), την υποστήριξη αποφάσεων σε σημεία μετάβασης, την απομακρυσμένη μετεγχειρητική παρακολούθηση (τραύμα/λοιμώξεις) και την υποβοήθηση τεκμηρίωσης με εργαλεία επεξεργασίας φυσικής γλώσσας ή γενετικής ΤΝ. Υποστηρίζεται ότι η ΤΝ μπορεί να ενισχύσει την έγκαιρη αναγνώριση κινδύνου και να μειώσει συγκεκριμένες μορφές διοικητικού έργου, ωστόσο το κλινικό όφελος δεν προκύπτει από την ανασκόπηση. Συχνά αναδεικνύονται ζητήματα γενικευσιμότητας, ελλιπούς εξωτερικής επικύρωσης, απόδοσης σε υποομάδες ασθενών, καθώς και κίνδυνοι από υπερ-ειδοποιήσεις και αυτοματοποιημένη μεροληψία. Σε ότι αφορά την εμπειρία των νοσηλευτών αναγνωρίζονται πιθανά οφέλη σε αποτελεσματικότητα και συνέπεια φροντίδας, αλλά καταγράφονται ανησυχίες για ακρίβεια, ευθύνη, ιδιωτικότητα, επιτήρηση της εργασίας και ανάγκη εκπαίδευσης και συμμετοχής στον σχεδιασμό. Συμπεράσματα: Η ΤΝ μπορεί να συμβάλει στην περιεγχειρητική νοσηλευτική όταν εφαρμόζεται σε σαφώς ορισμένα κλινικά προβλήματα και συνοδεύεται από ανθρωποκεντρικό σχεδιασμό, πρωτόκολλα, συνεχή επιτήρηση απόδοσης και θεσμική διακυβέρνηση. Το κενό εντοπίζεται στη μετάβαση από την ανάπτυξη μοντέλων στην ασφαλή και δίκαιη υλοποίηση σε πραγματικές ροές εργασίας, με νοσηλευτικά ευαίσθητα αποτελέσματα και αξιολόγηση ανεπιθύμητων συνεπειών. Προτεραιότητες για την κλινική πράξη αποτελούν η μείωση του γνωστικού φόρτου, η βελτίωση των μεταβάσεων φροντίδας και η στοχευμένη επιτήρηση υψηλού κινδύνου.","abstract_has_math":false,"creators":["Φωτόπουλος Λουδοβίκος","Fotopoulos Loudovikos"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2026,"date_issued":"2026","date_published":"2026","updated_at":"2026-11-19T05:19:57Z","subjects":["Επιστήμες Υγείας","Health Sciences"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5413463"],"render_values":[{"text":"uoadl:5413463","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5413463","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5413463","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A5413463","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Φωτόπουλος Λουδοβίκος","Fotopoulos Loudovikos"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2026"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Επιστήμες Υγείας","Health Sciences"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5413463","https://pergamos.lib.uoa.gr/uoa/dl/object/5413463"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Εισαγωγή: Η ενσωμάτωση της Τεχνητής Νοημοσύνης (ΤΝ) στην περιεγχειρητική νοσηλευτική εξελίσσεται ταχύτατα, κυρίως μέσω εφαρμογών πρόβλεψης κινδύνου, υποστήριξης κλινικής απόφασης, αυτοματοποίησης τεκμηρίωσης και ψηφιακής παρακολούθησης του ασθενούς. Η κλινική σημασία της ΤΝ προκύπτει από την ανάγκη έγκαιρης αναγνώρισης επιδείνωσης, βελτίωσης της συνέχειας φροντίδας στις μεταβάσεις (handoffs) και μείωσης του διοικητικού φόρτου, σε ένα περιβάλλον αυξημένης πολυπλοκότητας και περιορισμένων πόρων. Πρόσθετα, όμως, ανακύπτουν ζητήματα ασφάλειας, μεροληψίας, διαφάνειας και λογοδοσίας, που επηρεάζουν άμεσα τον νοσηλευτικό ρόλο και την εμπιστοσύνη των επαγγελματιών στη χρήση αλγοριθμικών συστημάτων. Μεθοδολογία: Πραγματοποιήθηκε ανασκόπηση της πρόσφατης βιβλιογραφίας με επίκεντρο σε εφαρμογές ΤΝ στο προεγχειρητικό, διεγχειρητικό και μετεγχειρητικό στάδιο, καθώς και σε θέματα εμπειρίας νοσηλευτών και ηθικο-νομικο-οργανωτικής διακυβέρνησης. Χρησιμοποιήθηκαν οι βάσεις MEDLINE μέσω PubMed, CINAHL, Scopus, Web of Science Core Collection, Embase, Cochrane Library και IEEE Xplore. Αποτελέσματα: Η βιβλιογραφία δείχνει ότι οι πιο ολοκληρωμένες εφαρμογές αφορούν την πρόβλεψη επιπλοκών και επιδείνωσης (risk stratification/early warning), την υποστήριξη αποφάσεων σε σημεία μετάβασης, την απομακρυσμένη μετεγχειρητική παρακολούθηση (τραύμα/λοιμώξεις) και την υποβοήθηση τεκμηρίωσης με εργαλεία επεξεργασίας φυσικής γλώσσας ή γενετικής ΤΝ. Υποστηρίζεται ότι η ΤΝ μπορεί να ενισχύσει την έγκαιρη αναγνώριση κινδύνου και να μειώσει συγκεκριμένες μορφές διοικητικού έργου, ωστόσο το κλινικό όφελος δεν προκύπτει από την ανασκόπηση. Συχνά αναδεικνύονται ζητήματα γενικευσιμότητας, ελλιπούς εξωτερικής επικύρωσης, απόδοσης σε υποομάδες ασθενών, καθώς και κίνδυνοι από υπερ-ειδοποιήσεις και αυτοματοποιημένη μεροληψία. Σε ότι αφορά την εμπειρία των νοσηλευτών αναγνωρίζονται πιθανά οφέλη σε αποτελεσματικότητα και συνέπεια φροντίδας, αλλά καταγράφονται ανησυχίες για ακρίβεια, ευθύνη, ιδιωτικότητα, επιτήρηση της εργασίας και ανάγκη εκπαίδευσης και συμμετοχής στον σχεδιασμό. Συμπεράσματα: Η ΤΝ μπορεί να συμβάλει στην περιεγχειρητική νοσηλευτική όταν εφαρμόζεται σε σαφώς ορισμένα κλινικά προβλήματα και συνοδεύεται από ανθρωποκεντρικό σχεδιασμό, πρωτόκολλα, συνεχή επιτήρηση απόδοσης και θεσμική διακυβέρνηση. Το κενό εντοπίζεται στη μετάβαση από την ανάπτυξη μοντέλων στην ασφαλή και δίκαιη υλοποίηση σε πραγματικές ροές εργασίας, με νοσηλευτικά ευαίσθητα αποτελέσματα και αξιολόγηση ανεπιθύμητων συνεπειών. Προτεραιότητες για την κλινική πράξη αποτελούν η μείωση του γνωστικού φόρτου, η βελτίωση των μεταβάσεων φροντίδας και η στοχευμένη επιτήρηση υψηλού κινδύνου.","Introduction: The integration of Artificial Intelligence (AI) in perioperative nursing is rapidly evolving, mainly through applications of risk prediction, clinical decision support, documentation automation and digital patient monitoring. The clinical importance of AI arises from the need for early recognition of deterioration, improvement of continuity of care at handoffs and reduction of administrative burden, in an environment of increased complexity and limited resources. However, additional issues of safety, bias, transparency and accountability arise, which directly affect the nursing role and the trust of professionals in the use of algorithmic systems. Methodology: A review of recent literature was conducted focusing on applications of AI in the preoperative, intraoperative and postoperative stages, as well as on issues of nurse experience and ethical-legal-organizational governance. MEDLINE databases were used via PubMed, CINAHL, Scopus, Web of Science Core Collection, Embase, Cochrane Library and IEEE Xplore Results: The literature shows that the most comprehensive applications concern the prediction of complications and deterioration (risk stratification/early warning), decision support at transition points, remote postoperative monitoring (trauma/infections) and documentation assistance with natural language processing or genetic AI tools. It is argued that AI can enhance early risk identification and reduce specific forms of administrative work, however, the clinical benefit does not emerge from the review. Issues of generalizability, lack of external validation, performance in patient subgroups, and risks of over-alerts and automated bias are often raised. Regarding the nurses’ experience, potential benefits in efficiency and consistency of care are recognized, but concerns about accuracy, accountability, privacy, supervision of work, and the need for training and participation in planning are recorded. Conclusions: AI can contribute to perioperative nursing when applied to clearly defined clinical problems and accompanied by human-centered design, protocols, continuous performance monitoring, and institutional governance. The gap is identified in the transition from model development to safe and equitable implementation in real workflows, with nursing-sensitive outcomes and assessment of adverse effects. Priorities for clinical practice include reducing cognitive burden, improving care transitions, and targeted high-risk surveillance."]},{"key":"dc:title","label":"Title","values":["Η ενσωμάτωση της τεχνητής νοημοσύνης στην περιεγχειρητική νοσηλευτική: προοπτικές και προκλήσεις"]}]}],"canonical_facts":{"dc:creator":["Φωτόπουλος Λουδοβίκος","Fotopoulos Loudovikos"],"dc:date":["2026"],"dc:description":["Εισαγωγή: Η ενσωμάτωση της Τεχνητής Νοημοσύνης (ΤΝ) στην περιεγχειρητική νοσηλευτική εξελίσσεται ταχύτατα, κυρίως μέσω εφαρμογών πρόβλεψης κινδύνου, υποστήριξης κλινικής απόφασης, αυτοματοποίησης τεκμηρίωσης και ψηφιακής παρακολούθησης του ασθενούς. Η κλινική σημασία της ΤΝ προκύπτει από την ανάγκη έγκαιρης αναγνώρισης επιδείνωσης, βελτίωσης της συνέχειας φροντίδας στις μεταβάσεις (handoffs) και μείωσης του διοικητικού φόρτου, σε ένα περιβάλλον αυξημένης πολυπλοκότητας και περιορισμένων πόρων. Πρόσθετα, όμως, ανακύπτουν ζητήματα ασφάλειας, μεροληψίας, διαφάνειας και λογοδοσίας, που επηρεάζουν άμεσα τον νοσηλευτικό ρόλο και την εμπιστοσύνη των επαγγελματιών στη χρήση αλγοριθμικών συστημάτων. Μεθοδολογία: Πραγματοποιήθηκε ανασκόπηση της πρόσφατης βιβλιογραφίας με επίκεντρο σε εφαρμογές ΤΝ στο προεγχειρητικό, διεγχειρητικό και μετεγχειρητικό στάδιο, καθώς και σε θέματα εμπειρίας νοσηλευτών και ηθικο-νομικο-οργανωτικής διακυβέρνησης. Χρησιμοποιήθηκαν οι βάσεις MEDLINE μέσω PubMed, CINAHL, Scopus, Web of Science Core Collection, Embase, Cochrane Library και IEEE Xplore. Αποτελέσματα: Η βιβλιογραφία δείχνει ότι οι πιο ολοκληρωμένες εφαρμογές αφορούν την πρόβλεψη επιπλοκών και επιδείνωσης (risk stratification/early warning), την υποστήριξη αποφάσεων σε σημεία μετάβασης, την απομακρυσμένη μετεγχειρητική παρακολούθηση (τραύμα/λοιμώξεις) και την υποβοήθηση τεκμηρίωσης με εργαλεία επεξεργασίας φυσικής γλώσσας ή γενετικής ΤΝ. Υποστηρίζεται ότι η ΤΝ μπορεί να ενισχύσει την έγκαιρη αναγνώριση κινδύνου και να μειώσει συγκεκριμένες μορφές διοικητικού έργου, ωστόσο το κλινικό όφελος δεν προκύπτει από την ανασκόπηση. Συχνά αναδεικνύονται ζητήματα γενικευσιμότητας, ελλιπούς εξωτερικής επικύρωσης, απόδοσης σε υποομάδες ασθενών, καθώς και κίνδυνοι από υπερ-ειδοποιήσεις και αυτοματοποιημένη μεροληψία. Σε ότι αφορά την εμπειρία των νοσηλευτών αναγνωρίζονται πιθανά οφέλη σε αποτελεσματικότητα και συνέπεια φροντίδας, αλλά καταγράφονται ανησυχίες για ακρίβεια, ευθύνη, ιδιωτικότητα, επιτήρηση της εργασίας και ανάγκη εκπαίδευσης και συμμετοχής στον σχεδιασμό. Συμπεράσματα: Η ΤΝ μπορεί να συμβάλει στην περιεγχειρητική νοσηλευτική όταν εφαρμόζεται σε σαφώς ορισμένα κλινικά προβλήματα και συνοδεύεται από ανθρωποκεντρικό σχεδιασμό, πρωτόκολλα, συνεχή επιτήρηση απόδοσης και θεσμική διακυβέρνηση. Το κενό εντοπίζεται στη μετάβαση από την ανάπτυξη μοντέλων στην ασφαλή και δίκαιη υλοποίηση σε πραγματικές ροές εργασίας, με νοσηλευτικά ευαίσθητα αποτελέσματα και αξιολόγηση ανεπιθύμητων συνεπειών. Προτεραιότητες για την κλινική πράξη αποτελούν η μείωση του γνωστικού φόρτου, η βελτίωση των μεταβάσεων φροντίδας και η στοχευμένη επιτήρηση υψηλού κινδύνου.","Introduction: The integration of Artificial Intelligence (AI) in perioperative nursing is rapidly evolving, mainly through applications of risk prediction, clinical decision support, documentation automation and digital patient monitoring. The clinical importance of AI arises from the need for early recognition of deterioration, improvement of continuity of care at handoffs and reduction of administrative burden, in an environment of increased complexity and limited resources. However, additional issues of safety, bias, transparency and accountability arise, which directly affect the nursing role and the trust of professionals in the use of algorithmic systems. Methodology: A review of recent literature was conducted focusing on applications of AI in the preoperative, intraoperative and postoperative stages, as well as on issues of nurse experience and ethical-legal-organizational governance. MEDLINE databases were used via PubMed, CINAHL, Scopus, Web of Science Core Collection, Embase, Cochrane Library and IEEE Xplore Results: The literature shows that the most comprehensive applications concern the prediction of complications and deterioration (risk stratification/early warning), decision support at transition points, remote postoperative monitoring (trauma/infections) and documentation assistance with natural language processing or genetic AI tools. It is argued that AI can enhance early risk identification and reduce specific forms of administrative work, however, the clinical benefit does not emerge from the review. Issues of generalizability, lack of external validation, performance in patient subgroups, and risks of over-alerts and automated bias are often raised. Regarding the nurses’ experience, potential benefits in efficiency and consistency of care are recognized, but concerns about accuracy, accountability, privacy, supervision of work, and the need for training and participation in planning are recorded. Conclusions: AI can contribute to perioperative nursing when applied to clearly defined clinical problems and accompanied by human-centered design, protocols, continuous performance monitoring, and institutional governance. The gap is identified in the transition from model development to safe and equitable implementation in real workflows, with nursing-sensitive outcomes and assessment of adverse effects. Priorities for clinical practice include reducing cognitive burden, improving care transitions, and targeted high-risk surveillance."],"dc:identifier":["uoadl:5413463","https://pergamos.lib.uoa.gr/uoa/dl/object/5413463"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Επιστήμες Υγείας","Health Sciences"],"dc:title":["Η ενσωμάτωση της τεχνητής νοημοσύνης στην περιεγχειρητική νοσηλευτική: προοπτικές και προκλήσεις"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:19:57Z"}