👾هوش مصنوعی Agentic: فصل جدیدی در رادیولوژی مبتنی بر AI!

❓تا به امروز، ما به هوش مصنوعی (Artificial Intelligence) در رادیولوژی به عنوان یک "ابزار" نگاه کرده‌ایم. ابزاری برای تشخیص ضایعات، دسته‌بندی تصاویر یا اندازه‌گیری تومورها. این ابزارها عمدتاً "منفعل" هستند. یعنی ما به آن‌ها یک وظیفه مشخص می‌دهیم و آن‌ها نتیجه را تحویل می‌دهند. اما چه اتفاقی می‌افتد اگر هوش مصنوعی از یک ابزار صرف، به یک "همکار فعال" و "عامل" (Agentic) تبدیل شود؟ اینجاست که مفهوم «هوش مصنوعی Agentic» وارد میدان می‌شود!

☯️هوش مصنوعی Agentic، تنها یک تحلیلگر تصویر نیست؛ بلکه یک سیستم هوشمند است که می‌تواند به طور مستقل، هدف‌گذاری و برنامه‌ریزی کند و وظایف پیچیده‌ای را در اکوسیستم رادیولوژی به سرانجام برساند. تصور کنید سیستمی را که نه تنها یک ندول ریوی مشکوک را در سی‌تی اسکن تشخیص می‌دهد، بلکه به صورت خودکار:

1⃣ نتایج را با سوابق پیشین بیمار مقایسه می‌کند.
2⃣ بر اساس گایدلاین‌های بالینی، میزان ریسک بدخیمی را ارزیابی می‌کند.
3⃣ یک گزارش اولیه استاندارد و ساختاریافته تهیه می‌کند.
4⃣ نوبت بیوپسی یا سی‌تی اسکن پیگیری (follow-up) را برای بیمار پیشنهاد یا حتی زمان‌بندی می‌کند.
5⃣ و در نهایت، تمام این اطلاعات را به شکلی خلاصه و اولویت‌بندی شده در اختیار رادیولوژیست قرار می‌دهد تا تصمیم نهایی را اتخاذ کند.


💡این هوش مصنوعی دیگر منتظر دستور نمی‌ماند، بلکه به صورت فعال (proactive) برای رسیدن به یک هدف بالینی (مثلاً "مدیریت جامع ندول ریوی بیمار") گام برمی‌دارد. این سیستم‌های Agentic می‌توانند وظایف تکراری و زمان‌بر را از دوش رادیولوژیست‌ها بردارند و به آن‌ها اجازه دهند تا بر روی پیچیده‌ترین و حیاتی‌ترین جنبه‌های کار خود، یعنی تفسیر نهایی، مشورت با پزشکان دیگر و ارتباط با بیمار، تمرکز کنند.

📌البته، حرکت به سوی Agentic AI چالش‌های جدیدی را نیز به همراه دارد. مهم‌ترین دغدغه، حفظ کنترل و نظارت انسانی است. این سیستم‌ها نباید به "جعبه‌های سیاه" خودکاری تبدیل شوند که بدون شفافیت تصمیم‌گیری می‌کنند. طراحی آن‌ها باید به گونه‌ای باشد که رادیولوژیست همیشه در رأس هرم تصمیم‌گیری و مسئولیت‌پذیری باقی بماند و بتواند در هر مرحله‌ای، اقدامات سیستم را تأیید، اصلاح یا متوقف کند. چرا که ایمنی بیمار و ملاحظات اخلاقی همیشه حرف اول را می‌زند!

🐦 هوش مصنوعی Agentic، یک رویا نیست، بلکه گامی بعدی در تکامل هوش مصنوعی در پزشکی است. این فناوری پتانسیل آن را دارد که رادیولوژی را از یک حوزه عمدتاً تشخیصی، به یک مرکز هوشمند برای مدیریت مسیر درمانی بیمار تبدیل کند.✨
✅ در این چشم‌انداز، رادیولوژیست نه تنها یک مفسر تصویر، بلکه یک مدیر اطلاعات بالینی است که با دستیاری یک هوش مصنوعی فعال و کارآمد، بهترین و سریع‌ترین خدمات را به بیمار ارائه می‌دهد.

💬دانشگاه‌ها، بیمارستان‌ها و شرکت‌های بسیاری نیز در این مسیر گام برداشته‌اند و برای مثال، می‌توان نام Mayo Clinic را به عنوان یکی از برترین مراکز علمی و تحقیقاتی در زمینهٔ هوش مصنوعی در پزشکی ذکر کرد.

🔷در ارائه‌ای در رویداد MedAI Summit به این موضوع بسیار مهم خواهیم پرداخت🔷

🌐MedAISummit
🌐LinkedIn 💠 🔗Twitter 💠
🌐Instagram

#معرفی_سخنران

⭐️ Dr. Pouria Rouzrokh
💠 Radiology Resident at Yale University | Assistant Professor of Radiology at Mayo Clinic

🗣 Presentation Title :

"Agentic AI in radiology : from generative AI to Agentic AI"

📚 Educational Background :
🔵 Doctor of Medicine (MD), Tehran University of Medical Sciences
🔵 Master of Public Health (MPH)
🔵 Master of Health Professions Education (MHPE)

🔬 Professional Appointments & Research Roles :
➡️ Assistant Professor of Radiology, Mayo Clinic
➡️ Research Associate, Radiology Informatics Lab, Mayo Clinic AI Lab
➡️ Postdoctoral Research Fellow, Radiology Informatics Lab, Mayo Clinic AI Lab
➡️ Radiology Resident, Yale University

👤 Memberships & Leadership Roles :
📌 Radiological Society of North America (RSNA)
🔘 Associate Director for Deep Learning Labs, Chicago, IL (Hybrid)
🔘 Member of the RadioGraphics Trainee Editorial Board (RG Team)
📌 Society for Imaging Informatics in Medicine (SIIM)
🔘 Member, Education Sub-Committee
📌 Mayo Clinic AI Lab (Radiology Informatics Lab), Active researcher in radiology AI

🏅 Selected Achievements :
💠 RSNA Honored Educator Award (2025)
💠 RSNA Trainee Research Prize (2022 & 2023)
💠 Recognized for contributions to AI education and medical imaging research

📝 Research Interests :
✅ Artificial Intelligence & Deep Learning in Radiology
✅ Imaging Informatics & Data Science
✅ Radiology Workflow Optimization
✅ Medical Education & Innovation

😀 لینک ثبت‌نام در رویداد

🌐 MedAISummit
🌐LinkedIn 💠🔗Twitter 💠🌐Instagram

⬅️ ساختن آیندهٔ صنعت سلامت با هوش مصنوعی مولد!

☑️ هوش مصنوعی مولد (Gen AI) فناوری‌ای است که می‌تواند با بهبود تشخیص‌های پزشکی، شخصی‌سازی درمان‌ها و افزایش کارایی مراقبت از بیماران، آینده صنعت سلامت را به شکل دیگری رقم بزند. برای دانشجویان پزشکی و متخصصان غیر فنی اما، آشنایی با Generative AI فرصتی است برای مشارکت در تحولی که پزشک و کار پزشکی را با هوش مصنوعی پیوند می‌دهد.

🔙 هوش مصنوعی مولد یا (Gen AI) از مدل‌های زبانی بزرگ (LLMs) و سایر مدل‌های پایه‌ای (Foundation models) استفاده می‌کند که توسط مهندسان هوش مصنوعی برای توسعه ابزارهایی مانند تحلیل داده‌های پزشکی، تهیه گزارش‌های بالینی یا پیش‌بینی بیماری‌ها به کار می‌روند. و این فناوری به افراد غیرمتخصص در برنامه‌نویسی هم این امکان می‌دهد تا برنامه‌های کاربردی‌ای بسازند که به پزشکان و سایر افراد مشغول در صنعت سلامت در تصمیم‌گیری‌های دقیق‌تر یا بهبود فرآیندهای درمانی (از کارهای تکراری گرفته تا پروسه‌های طاقت‌فرسا‌ و...) کمک کند.

در حوزه مراقبت‌های سلامت، Gen AI کاربردهای عملی و ملموسی دارد. این فناوری می‌تواند در

🩻‌ تحلیل تصاویر پزشکی برای تشخیص زودهنگام بیماری‌ها، 🧪 کمک به تحقیقات دارویی یا 📝 ساده‌سازی وظایف اداری مانند مدیریت اطلاعات بیماران و بسیاری از موارد دیگر نقش داشته باشد و صرفا برای مثال، ابزارهای مبتنی بر Gen AI می‌توانند به متخصصان قلب در شناسایی بیماران پرخطر یاری رسانند یا به پزشکان امکان دهند تمرکز بیشتری بر مراقبت مستقیم از بیماران داشته باشند. 🫀

🎆در یکی از جلسات رویداد که به کارگاه آموزشی اختصاص دارد، در خدمت متخصص قلبی هستیم که از دانشگاه علوم پزشکی تهران فارغ‌التحصیل شده است و در دیجی‌کالا مهندس نرم‌افزار است و در زمینه ساخت محصولات مبتنی بر Gen AI فعالیت می‌کند. این کارگاه برای افراد غیرفنی علاقه‌مند به «طراحی و ساخت محصولات دیجیتال مبتنی بر هوش مصنوعی مولد» طراحی شده است تا پس از آشنایی با مقدمات و اصول این زمینه، مسیر خود را برای ساختن آیندهٔ صنع سلامت آغاز کنند!🎆

🌐MedAISummit
🌐LinkedIn 💠 🔗Twitter 💠🌐Instagram

#معرفی_سخنران

⭐️ Dr. Reza Shahnazar
💠Cardiologist, Al Engineer & Entrepreneur

🗣 Workshop's Title :

"Introduction & Principles of Building GenAI-based applications in the Healthcare Industry."

📚 Educational Background :
🔵 Medical Doctor, TUMS
🔵 Cardiologist, TUMS

🔬 Scientific Background & published articles :
➡️ Machine learning applications in medical diagnostics
➡️ Clinical informatics and digital health innovation

👤 Industrial Background :
📌 Software Engineer at Digikala
📌 Product Marketing Manager at Digikala
📌 Co-founder & CPO at ZiDoctor
📌 Technical PM & Full-Stack Developer

🏅 Achievements :
💠 Gold Medalist, Iran Biology Olympiad

🔗لینک ثبت‌نام در رویداد

🌐MedAISummit
🌐LinkedIn 💠🔗Twitter 💠🌐Instagram

🔖 یک دهه از ورود «هوش مصنوعی به دندانپزشکی» گذشته، اما به کجا رسیده‌ایم؟

🗺️ یک نقشه راه علمی که بیش از هزار مقاله را تحلیل کرده است، حقایق جالبی را برای‌مان آشکار می‌کند که بیشترین تمرکز الگوریتم‌ها روی رادیولوژی دهان و دندان و تشخیص‌ها بوده، در حالی که حوزه‌هایی مانند «پروتز و دندانپزشکی کودکان» کمتر مورد توجه قرار گرفته‌اند!

🎯 همچنین، می‌بینیم که اکثر مدل‌های هوش مصنوعی توسعه داده‌شده، برای وظایف مشخصی مثل «طبقه‌بندی» تصاویر پانورامیک یا «جداسازی عصب در CBCT» توسعه یافته‌اند و سایر زمینه‌ها خالی از محصولات جدی هستند!

⌛ این پیشرفت‌ها خوب است، اما سوال اصلی اینجاست:

چگونه این ابزارهای تخصصی به یک دستیار بالینی جامع و قابل اعتماد تبدیل می‌شوند؟

↙️ برای بررسی این مسیر، از مبانی تئوریک تا چشم‌انداز آینده، میزبان یکی از پژوهشگران اصلی همین مقاله مروری جامع خواهیم بود و سخنرانی ایشان، با عنوان «هوش مصنوعی در دندانپزشکی؛ از گذشته تا امروز»، فرصتی برای درک عمیق‌تر این نقشه راه و ویژهٔ پژوهشگران، علاقه‌مندان و فعالان «هوش مصنوعی در دندان‌پزشکی» است.

🌐MedAISummit
🌐LinkedIn 💠 🔗Twitter 💠 🌐Instagram

#معرفی_سخنران

⭐️ Dr. Sahel Hassanzadeh Samani
💠 Dentist, AI in dentistry Researcher

🗣 Presentation's noscript :

"Artificial Intelligence in Dentistry, from Past to Present"

📚 Educational Background:
🔵 DDS, Shahid Beheshti University of Medical Sciences

🔬 Scientific Background & published articles :
➡️ Researcher, Shahid Beheshti University of Medical Sciences
➡️ Co-author of one of the most comprehensive "Mapping Reviews" of Deep Learning in Dentistry
➡️ Developer of a novel deep learning framework for facial analysis using the iris as a biometric ruler (Published in Scientific Reports)
➡️ Researcher on AI for skeletal maturation classification

📝 Research Interests:
✅ Deep Learning in Dentistry
✅ Facial Aesthetic Analysis & Computer Vision
✅ Cephalometric & Orthodontic AI
✅ Clinical Workflow Automation

🔗 لینک ثبت نام در رویداد

🌐MedAISummit
🌐 LinkedIn💠🔗Twitter💠🌐Instagram

💬 سوالات رایج | بخش اول

❓ آیا رویداد به‌صورت حضوری نیز برگزار می‌شود؟
✅ خیر، اولین دوره از رویداد سمینارهای سالانهٔ هوش مصنوعی در علوم پزشکی (MedAI Summit) به‌صورت کاملاً آنلاین در روزهای ۸ و ۹ آبان برگزار خواهد شد.

❓ در زمان برگزاری رویداد امکان شرکت به‌صورت آنلاین را نداریم، آیا جلسات ضبط می‌شوند؟
✅ بله، تمامی جلسات ضبط می‌شوند و پس از پایان رویداد، در اختیار تمام افرادی که ثبت‌نام کرده‌اند قرار خواهند گرفت.

❓ آیا به شرکت‌کنندگان رویداد سرتیفیکیت نیز اهدا خواهد شد؟
✅ بله، به تمامی شرکت‌کنندگان رویداد، سرتیفیکیت معتبر انگلیسی از سوی مجموعه‌های برگزارکنندهٔ این برنامه تقدیم خواهد شد.

❓ آیا رویداد فقط مختص دانشجویان علوم پزشکی است یا برای گروه‌های دیگری نیز مفید خواهد بود؟
✅ بله، این برنامه با هدف گردهم‌آوری افراد سرشناس در حوزهٔ هوش مصنوعی در علوم پزشکی راه‌اندازی شده است و ارائه‌ها و کارگاه‌ها برای تمامی علاقه‌مندان، از مبتدی تا پیشرفته، مناسب خواهد بود.

❓ سخنرانی‌ها و کارگاه‌ها به چه زبانی ارائه خواهند شد؟
✅ تمامی سخنرانی‌ها، کارگاه‌ها و بخش‌های برنامه به زبان فارسی ارائه خواهند شد، اما امکان ویژه‌ای نیز برای شرکت‌کنندگان خارجی در نظر گرفته شده است که به‌زودی اطلاع‌رسانی خواهد شد.

❓ آیا امکان ثبت‌نام از خارج از ایران نیز وجود دارد؟
✅ بله، تمامی علاقه‌مندان از سراسر دنیا می‌توانند در این برنامه ثبت‌نام کنند و توضیحات مربوط به ثبت‌نام شرکت‌کنندگان خارج از کشور به‌زودی به اطلاع‌تان خواهد رسید.

◀️ در صورت وجود هرگونه سؤال دیگر، با ما در ارتباط باشید.
🆔 @MedAISummit_Admin

🔹 فرصت ثبت‌نام زودهنگام در حال اتمام است و پیشنهاد می‌کنیم هرچه سریع‌تر ثبت‌نام‌تان را نهایی کنید.

🔗 لینک ثبت نام در رویداد

🌐MedAISummit
🌐 LinkedIn💠🔗Twitter💠🌐Instagram

🔖 کاربرد هوش مصنوعی در تشخیص زوال عقل به کجا رسیده است؟

🗺️ زوال عقل یک اختلال پیشرونده مغزی است که حافظه، تفکر و فعالیت‌های روزانه را مختل می‌کند و بیش از ۵۵ میلیون نفر را در سراسر جهان تحت تأثیر قرار داده است! همچنین پیش‌بینی می‌شود که این تعداد تا سال ۲۰۵۰ سه برابر هم شود! انواع مختلفی دارد که اغلب به دلیل علائم همپوشان و آزمایش‌های تهاجمی، دیر تشخیص داده می‌شود. اما هوش مصنوعی (AI) توانسته است که این حوزه را با تحلیل داده‌های عظیم از اسکن‌ها، آزمایش‌های خونی و دستگاه‌های پوشیدنی تغییر دهد تا «نشانه‌های اولیه را که انسان‌ها ممکن است از دست بدهند»، شناسایی کند.

✅ یکی از کاربردهای بسیار مهم، «تشخیص و پیش‌بینی» است. ابزارهای مبتنی بر هوش مصنوعی، اسکن‌های مغزی مانند پوزیترون امیشن توموگرافی فلورودئوکسی‌گلوکز (FDG-PET) را پردازش می‌کنند تا مصرف گلوکز را بررسی کنند تا به این صورت، الگوهای فعالیت مرتبط با انواع خاص زوال عقل را شناسایی نمایند! برای مثال، می‌توانیم آلزایمر -که مناطق حافظه را تحت تأثیر قرار می‌دهد- را از زوال عقل پیشانی‌گیجگاهی -که بر مناطق زبانی تأثیر می‌گذارد - افتراق دهیم! همچنین در هنگام ارائه پیش‌بینی، AI سوابق بالینی، ژنتیک و عوامل سبک زندگی را ادغام می‌کند تا پیشرفت بیماری را تا حتی هفت سال جلوتر پیش‌بینی کند.

🎯 تحقیقات اخیر زیادی هم بر روی این مسئله انجام شده و می‌شود و همه روزه شاهد پیشرفت‌های سریع AI هستیم:

◀️ برای مثال در ژوئن ۲۰۲۵، ابزار StateViewer که در Mayo Clinic توسعه داده شده بود، یک اسکن FDG-PET واحد را در مقابل پایگاه داده‌ای با بیش از ۳۶۰۰ مورد تحلیل کرد و ۹ نوع زوال عقل را با دقت ۸۸ درصد شناسایی نمود! که تقریباً دو برابر سریع‌تر از روش‌های سنتی است!

◀️ یک مطالعهٔ دیگری هم در سپتامبر ۲۰۲۵ انجام شد که از یادگیری ماشین برای طبقه‌بندی آلزایمر و مدل‌سازی پیشرفت از داده‌های چندوجهی (multi-modal) مانند EEG و ژنتیک استفاده می‌کند!

◀️ حتی در اکتبر ۲۰۲۵ که چند روز پیش محسوب می‌شود هم، مطالعه‌ای در بریتانیا AI را با نشانگرهای خونی ترکیب کرد تا دقت تشخیصی را از ۷۰ درصد به بیش از ۹۰ درصد افزایش دهد و زمان انتظار را از سال‌ها به ماه‌ها کاهش دهد!

✅ این تلاش‌ها دستاوردهای ملموسی به همراه دارند. تأیید FDA در سال ۲۰۲۴ برای BrainSee یک نقطه عطف بود که از AI روی تصاویر و سوابق برای پیش‌بینی پیشرفت آلزایمر در پنج سال استفاده می‌کند و متخصصان غیرحرفه‌ای را توانمند می‌سازد.

⬅️ در یکی از سخنرانی‌های رویداد نیز پای صحبت یکی از متخصصین این حوزه خواهیم نشست و از آخرین پیشرفت‌های هوش مصنوعی در تشخیص و طبقه‌بندی دمانس مطلع خواهیم شد.

🌐MedAISummit
🌐LinkedIn 💠 🔗Twitter 💠 🌐Instagram

#معرفی_سخنران

⭐️Dr. Hamidreza Saligheh Rad
💠MRI Physicist, Al Scientist

🗣 Presentation Title :

"Artificial Intelligence & Alzheimer's disease diagnosis"

📚 Educational Background :
🔵Postgraduate Degree, Biomedical & Medical Engineering, Harvard Medical School
🔵Ph.D.,Telecommunications, Queen's University
🔵 B.Sc. in Control Systems, Sharif University of Technology

🔬 Scientific Background :
➡️Assistant Professor of Medical Physics, Tehran University of Medical Sciences
➡️Postdoctoral Fellow, Harvard University and Hospital of the University of Pennsylvania
➡️Visiting Professor, University of Leeds

👤 Memberships & Leadership Roles :
📌 Director, Quantitative MR Imaging and Spectroscopy Group (QMISG)
📌Scientific Associate, National Brain Mapping Laboratory (NBML)
📌Chairman, Medical Imaging Physics Committee, Iranian Society of Radiology
📌President, KIO Medical

📝 Research Interests :
✅MR Image Quantification
✅Advanced MR Pulse Sequences
✅Computational Modeling
✅Neurodegenerative, Cancer and
Musculoskeletal Diseases

🔗 لینک ثبت نام در رویداد

🌐MedAISummit
🌐Linkedin 💠🔗Twitter💠🌐Instagram