Η παρούσα μεταπτυχιακή διπλωματική εργασία εξετάζει την Τεχνητή Νοημοσύνη (ΤΝ) ως εργαλείο υποστήριξης κλινικών αποφάσεων στο σύγχρονο νοσοκομειακό σύστημα υγείας, με έμφαση στη διάγνωση, την πρόγνωση, τη διαλογή, την έγκαιρη αναγνώριση κλινικής επιδείνωσης, τη θεραπευτική υποστήριξη και την οργάνωση της ροής εργασίας. Η μελέτη υιοθετεί δομημένη συστηματική βιβλιογραφική προσέγγιση με αφηγηματική σύνθεση, σύμφωνα με τις αρχές του PRISMA 2020. Η αναζήτηση πραγματοποιήθηκε σε PubMed/MEDLINE, Europe PMC και Cochrane Library, για την περίοδο 27 Μαΐου 2021 έως 27 Μαΐου 2026.

Από 17.489 αρχικές εγγραφές, αφαιρέθηκαν 901 σαφώς επισημασμένες προδημοσιεύσεις και 606 διπλότυπα, με αποτέλεσμα 15.982 μοναδικές εγγραφές για έλεγχο τίτλου και περίληψης. Αναζητήθηκαν 301 πλήρη κείμενα. Ο τεχνικός έλεγχος ανέδειξε 300 PDF αρχεία, από τα οποία τρία ήταν πλεονάζουσες παραλλαγές ήδη ανακτημένων αναφορών· αξιολογήθηκαν επομένως 297 μοναδικά πλήρη κείμενα. Ο τελικός πυρήνας ποιοτικής σύνθεσης περιέλαβε 52 μελέτες με άμεση συνάφεια προς την ενδονοσοκομειακή κλινική απόφαση και επαρκή μεθοδολογική πληροφορία για εφαρμοσμένη κριτική αποτίμηση.

Ο πυρήνας τεκμηρίωσης περιλάμβανε 14 συστηματικές ανασκοπήσεις ή μετα-αναλύσεις, 17 μελέτες προγνωστικών μοντέλων, 10 μελέτες διαγνωστικής ακρίβειας, τρεις μη τυχαιοποιημένες μελέτες εφαρμογής και οκτώ τυχαιοποιημένες ή τυχαιοποιημένες κατά συστάδες μελέτες κλινικού αντικτύπου. Η ΤΝ εμφανίζει ουσιαστική δυναμική κυρίως σε ΜΕΘ, ΤΕΠ, σήψη, απεικόνιση, περιεγχειρητική φροντίδα και πρόληψη επιπλοκών. Η τεχνική επίδοση, όμως, δεν ισοδυναμεί αυτομάτως με κλινική ή διοικητική αξία. Απαιτούνται εξωτερική επικύρωση, βαθμονόμηση, τεκμηρίωση κλινικής χρησιμότητας, ασφαλής ένταξη στη ροή εργασίας, ανθρώπινη εποπτεία και συνεχής τοπικός έλεγχος. Για το ελληνικό νοσοκομείο, η ορθολογική πορεία είναι σταδιακή, προσανατολισμένη σε συγκεκριμένα σενάρια εργασίας και θεμελιωμένη σε κλινική διακυβέρνηση, αξιολόγηση τεχνολογιών υγείας και μετρήσιμα αποτελέσματα.

This postgraduate dissertation examines artificial intelligence (AI) as a tool for clinical decision support in contemporary hospital healthcare, focusing on diagnosis, prognosis, triage, early recognition of clinical deterioration, treatment support, and workflow organization. It uses a structured systematic literature review with narrative synthesis, following PRISMA 2020 principles. PubMed/MEDLINE, Europe PMC, and the Cochrane Library were searched for the period from 27 May 2021 to 27 May 2026.

Of 17,489 initial records, 901 explicitly labeled preprints and 606 duplicates were removed, leaving 15,982 unique records for title and abstract screening. Full texts were sought for 301 reports. A technical audit identified 300 PDF files, three of which were redundant variants of previously retrieved reports; 297 unique full texts were therefore assessed. The final qualitative synthesis comprised 52 studies directly relevant to hospital clinical decisions and with sufficient methodological detail for critical appraisal.

The evidence set included 14 systematic reviews or meta-analyses, 17 prediction model studies, 10 diagnostic accuracy studies, three non-randomized implementation studies, and eight randomized or cluster-randomized studies of clinical impact. AI shows particular potential in intensive care, emergency care, sepsis, imaging, perioperative care, and complication prevention. Technical performance alone does not establish clinical or managerial value. External validation, calibration, evidence of clinical utility, safe workflow integration, human oversight, and continuous local monitoring are required. For Greek hospitals, a gradual approach focused on specific use cases and grounded in clinical governance, health technology assessment, and measurable outcomes is warranted.