يُعد تقدير عدم اليقين (UQ) محورياً في تعزيز متانة وموثوقية وقابلية تفسير أنظمة تعلم الآلة (ML) في الرعاية الصحية، مما يساهم في تحسين إدارة الموارد وجودة رعاية المرضى. ورغم ظهور أدوات دعم القرار السريري المعتمدة على تعلم الآلة، لا يزال غياب التقدير المنهجي لعدم اليقين في النماذج يمثل تحدياً رئيسياً. تركز المراجعات الحالية غالباً على تحليل أحدث تقنيات تقدير عدم اليقين في مجالات صحية محددة دون تقييم منهجي لفعالية الأساليب عبر مراحل تطوير النماذج المختلفة، كما أن تطبيقها العملي في الرعاية الصحية لا يزال محدوداً رغم تزايد الأبحاث في هذا المجال. بناءً عليه، نقدم في هذه المراجعة تحليلاً شاملاً لأحدث تقنيات تقدير عدم اليقين في الرعاية الصحية، ونقترح إطاراً معرفياً يوضح كيفية دمج الأساليب المختلفة في كل مرحلة من مراحل سلسلة تعلم الآلة، بما يشمل معالجة البيانات، التدريب، والتقييم. كما نسلط الضوء على أكثر الأساليب شيوعاً في الرعاية الصحية، بالإضافة إلى مناهج مبتكرة من مجالات أخرى قد تكون واعدة للتطبيق الطبي مستقبلاً. نتوقع أن توفر هذه الدراسة رؤية واضحة للتحديات والفرص المرتبطة بتطبيق تقدير عدم اليقين في سلسلة تعلم الآلة للرعاية الصحية، بما يوجه الباحثين والممارسين لاختيار التقنيات المناسبة لتعزيز موثوقية وسلامة وثقة المرضى والأطباء في الحلول الصحية المعتمدة على تعلم الآلة.
لا تعتمد هذه المراجعة الأدبية على أي مجموعة بيانات محددة، إذ تستند إلى تجميع نتائج الأبحاث المنشورة حول تقدير عدم اليقين في الرعاية الصحية. لم يتم توليد بيانات جديدة أو تطوير شيفرة برمجية متاحة للمشاركة.
لا تتضمن هذه المراجعة الأدبية حول تقدير عدم اليقين في الرعاية الصحية أي تجارب على البشر، وبالتالي لم تكن هناك حاجة للحصول على موافقة لجنة الأخلاقيات المؤسسية.