زمینه و هدف: امروزه با گسترش دانش بشری، استفاده از ابزارهای هوش مصنوعی، یادگیری ماشین و یادگیری عمیق در علم پزشکی نیز کاربرد یافته است. در مقوله عفونت بعد از آرتروپلاستی هیپ و زانو در ارتوپدی، از یادگیری ماشین و یادگیری عمیق در زمینه‌ ارزیابی اهمیت ریسک‌فاکتورها، ارزیابی اهمیت معیارهای تشخیصی و پروگنوز و نیز ارزیابی حساسیت پاتوژن‌ها به آنتی‌بیوتیک‌ها استفاده شده است. هم‌چنین از ابزارهای هوش مصنوعی می‌توان در زمینه آموزش بیماران و پاسخ به پرسش‌های شایع بیماران درباره‌ عفونت پری‌پروستتیک (PJI) نیز استفاده نمود.
 مواد و روش‌ها: در این مطالعه‌ی روایی، 22 عدد از مقالات ده سال گذشته استخراج شده از پایگاه اطلاعاتی PubMed را که مربوط به استفاده از هوش مصنوعی و یادگیری ماشین و یادگیری عمیق در PJI بود، بررسی کرده و علاوه بر ذکر موارد بررسی شده توسط هوش مصنوعی (شامل ریسک‌فاکتورها و معیارهای تشخیص و پروگنوز و آنتی‌بیوتیک‌های موثر بر باکتری‌ها)، مدل‌های شایع یادگیری ماشین را نیز با حساسیت و ویژگی و دقت مربوطه یادآوری نموده‌ایم. هم‌چنین به مطالعه‌ای درباره استفاده از ChatGPT4 جهت آموزش و پاسخ‌دهی به بیماران PJI نیز پرداخته‌ایم.
 یافته‌ها: با توجه به آن که داده‌های پیچیده و غیرخطی توسط یادگیری ماشین به خوبی و سریع آنالیز می‌شوند، بهبود قابل توجه در دقت و سرعت مدیریت PJI با یادگیری ماشین حاصل شده است. همچنین استفاده از یادگیری عمیق دقت را به نسبت یادگیری ماشین بیش‌تر افزایش داده است. محدودیت‌های شایع و مشترک مطالعات بیشتر بر گذشته‌نگر بودن آن‌ها و همچنین جمعیت کم مورد مطالعه متمرکز بود.
 نتیجه‌گیـری: با توجه به قدرت هوش مصنوعی، یادگیری ماشین و یادگیری عمیق در آنالیز هرچه سریعتر و دقیق‌تر نسبت به روش‌های سنتی، استفاده از آن در ابعاد مختلف پزشکی ازجمله مدیریت PJI منطقی است.