آکادمی Med-AI


Channel's geo and language: Iran, Persian
Category: Technologies


🔺مرجع فعالیت‌های آموزشی و پژوهشی هوش مصنوعی و علوم پزشکی در کشور
🔻زیر نظر اعضای برجسته هیئت علمی دانشگاه‌های علوم پزشکی و اساتید معتبر هوش مصنوعی کشور
👤ارتباط با ادمین:
@Med_admin_1
وابسته به شبکه نخبگان ایران
| @IranElitesNet |

Related channels  |  Similar channels

Channel's geo and language
Iran, Persian
Statistics
Posts filter


McKinsey Persian Summary (1).pdf
803.0Kb
McKinsey Original (1).pdf
923.6Kb
🧠 وقتی جوان‌تر‌ها جایگزین شوند، بزرگتر بعدی چه کسی خواهد بود؟

🤩مقالهٔ تازهٔ مجله McKinsey با همین سؤال سراغ یکی از جدی‌ترین دغدغه‌های سازمان‌ها می‌رود.

"اگر پژوهش، مستندسازی و تحلیل‌های اولیه را هوش مصنوعی انجام دهد، تازه‌کارها مهارت و قضاوت حرفه‌ای را از کجا یاد بگیرند؟"

📉 آمار نگران‌کننده است: بدبینی دانشجویان سال آخر به شروع مسیر شغلی در دو سال حدودا 1.5 برابر شده و بیکاری فارغ‌التحصیلان تازه در آمریکا حدود ۵٫۷ درصد است.

💡 اما راهکار چیست ؟ مدلی که این
مقاله به آن می گوید : Answer Key
1-اول خودت تلاش کن
2-قضاوت اولیه را بر عهده AI بگذار
3-سپس با مدیر تفاوت ها را مرور کنید...

📚 در این مقاله می‌خوانیم:
🔹 چرا مدیریت دانش، پایهٔ ساختن متخصص در عصر AI است
🔹 چطور نقش‌های ابتدایی را برای کار کردن با AI بازطراحی کنیم
🔹 چرا استخدام باید بر «قضاوت» تمرکز کند
🔹 چرا کوچینگ مدیران، به یک توانمندی کلیدی تبدیل می‌شود

🏛 این شماره از مجله معتبر McKinsey با ترجمه کامل و تخصصی آکادمی MedAI در دسترس شماست.

در آکادمی Med-AI شبکه نخبگان ایران با ما همراه باشید🎓
🌐@MedAI_academy


Forward from: شبکه نخبگان ایران
🔺 "در عصر هوش مصنوعی، چه چیزی شما را متمایز می‌کند؟"، گزارش خواندنی لینکدین، در آژانس الیت منتشر شد:

| @EliteAgency_Official |


Forward from: انجمن نوروساینس و علوم شناختی
🧠مدرسه جامع افسردگی

🔬با رویکرد علوم اعصاب، روان‌شناسی و روان‌پزشکی

❗️فرصت ویژه جهت ورود به دنیای پژوهش با اساتید به نام این حوزه 🔎

💠اساتید:
👤دکتر امیرحسین جعفری
⏺متخصص اعصاب و روان
⏺ریاست بیمارستان اعصاب و روان روزبه

👤دکتر عبدالرحمن نجل‌رحیم
⏺نورولوژیست
⏺دکتری نوروساینس دانشگاه شفیلد انگلستان
⏺عضو سابق هیئت علمی دانشگاه علوم پزشکی شهید بهشتی

👤دکتر غلامرضا حسن‌زاده
⏺استاد دانشگاه علوم پزشکی تهران
⏺دبیر شورای عالی برنامه‌ریزی علوم پزشکی
⏺رئیس سابق پردیس بین‌الملل دانشگاه علوم پزشکی تهران

👤دکتر امیرسام کیانی مقدم
⏺دکتری تخصصی روانشناسی بالینی
⏺عضو هیئت علمی دانشگاه علوم پزشکی شهید بهشتی

👤دکتر همایون امینی
⏺روانپزشک
⏺استاد تمام دانشگاه علوم پزشکی تهران

👤دکتر افسانه آخانی
⏺روانپزشک
⏺عضو هیئت علمی روانشناسی بالینی دانشگاه علوم پزشکی تهران

👤دکتر هادی احمدزاده
⏺دکترای علوم اعصاب از دانشگاه علوم پزشکی تهران
⏺مدیر بخش Neuro-Imaging مرکز تحقیقات سلولی-مولکولی دانشگاه علوم پزشکی تهران

📚محورها:
🔹نوروبیولوژی، اتیولوژی و نقشه‌های مغزی افسردگی از دیدگاه علوم اعصاب، روان‌پزشکی و روان‌شناسی
🔹دارودرمانی و فارماکودینامیک افسردگی
🔹رویکردهای کنترل و درمان افسردگی
🔹نقش Neuro-inflammation و Omics در افسردگی
🔹جدیدترین پژوهش‌ها و Hot Topics حوزه افسردگی

👥مخاطبین: تمامی علاقه‌مندان به حوزه علوم اعصاب و روان

💻 ۱۴ ساعت آموزش مجازی در بستر اسکای‌روم ➕ غنی‌ترین منابع مکمل دانشگاه استنفورد

📆زمان شروع جلسات: از پنجشنبه ۲۱ آبان ماه

🎖همراه با ارائه سرتیفیکیت انگلیسی از شبکه نخبگان ایران

🔗لینک ثبت‌نام

ارتباط با ادمین جهت اطلاع از شرایط ثبت نام گروهی :👇
🆔 @neuro_sc

🧠 در کانال و پیج اینستاگرام انجمن نوروساینس و علوم شناختی با ما همراه باشید🌱
| @Neuro_Association |


Harvard Business Review.pdf
46.2Mb
🧠 اگر هوش مصنوعی تصمیم بگیرد، چه کسی باید تاوان اشتباهش را بپردازد؟

😳 شمارهٔ نوامبر–دسامبر ۲۰۲۶ هاروارد بیزنس ریویو (HBR) با همین سؤال سراغ یک رفتار جالب می‌رود.

"چرا حتی بهترین کارکنان گاهی تصمیم یک سیستم هوش مصنوعی را عوض می‌کنند، با اینکه سیستم خوب کار می‌کند؟"


💰فرض کنید سیستم درخواست وام یک مشتری را تأیید می‌کند، اما اگر وام به مشکل بخورد، مدیر شعبه باید جواب بدهد. در چنین شرایطی، عجیب نیست که مدیر بخواهد تصمیم آخر را خودش بگیرد. مقالهٔ روی جلد بررسی می‌کند که شرکت‌ها چطور می‌توانند اختیار تصمیم‌گیری و مسئولیت نتیجه را با هم هماهنگ کنند.

📚در همین شماره می‌خوانیم که چرا رشد سریع می‌تواند به استارتاپ ضربه بزند، چطور یک چت‌بات روی تصور مشتری از برند اثر می‌گذارد و مدیرعامل از کجا می‌فهمد وقت سرعت گرفتن است یا مکث کردن...

🏛 این شماره از مجله معتبر Harvard Business Review با ترجمه کامل و تخصصی آکادمی MedAI در دسترس شماست.

در آکادمی Med-AI شبکه نخبگان ایران با ما همراه باشید🎓
🌐@MedAI_academy
📱 Med-AI Academy


Forward from: شبکه نخبگان ایران
🔹کتابخوانی با دکتر آذرخش مکری؛ خلاصه صوتی بهترین کتاب‌های جهان با ارائه دکتر آذرخش مکری، در کانال الیت آکادمی منتشر شد:

| @EliteAcademy_Official |


🏥 پنل سلامت؛ هوش مصنوعی از داده تا تصمیم

هوش مصنوعی در سلامت فقط برای تشخیص و تحلیل نیست؛
ایجنت می‌توانند بخشی از فرایندهای درمانی، اداری و عملیاتی سازمان‌های سلامت را هوشمند و خودکار کنند.

🎯 اما این مسیر فقط تئوری نیست!

پروژه، تمرین و کوییز بخش مهمی از تجربه یادگیری شماست تا مفاهیم را صرفاً نخوانید، بلکه آن‌ها را در سناریوهای واقعی سلامت به کار بگیرید.

🏆 پروژه Capstone:
در پایان، یک سناریوی عملی برای یک Agent در حوزه سلامت طراحی و ارائه می‌کنید.

⏱️در ۲۶ ساعت
🔹 بدون نیاز به کدنویسی

اگر در حوزه پزشکی، پرستاری، مدیریت سلامت، کسب‌وکار سلامت، استارتاپ یا فناوری فعالیت می‌کنید، این پنل می‌تواند نقطه شروع شما برای ورود به دنیای Agentic AI در سلامت باشد.

📩 برای اطلاعات بیشتر، ثبت‌نام گروهی و شرکت در پنل سلامت:
🆔 @Med_Admin_1

در آکادمی Med-AI شبکه نخبگان ایران با ما همراه باشید 🎓
🌐 @MedAI_academy


🚀 دسترسی به دنیای هوش مصنوعی، ساده‌تر از همیشه در دوره از ایده تا ایجنت

جدیدترین مدل‌های هوش مصنوعی جهان:
✅بدون فیلترشکن
✅در یک پلتفرم
✅با یک کلیک
برای یادگیری، تجربه و ساخت.

🔹 پلتفرم AvalAI چیست؟
پلتفرمی برای دسترسی ساده و سریع به مدل‌ها و ابزارهای هوش مصنوعی؛ از تولید محتوا و تصویر تا کدنویسی، تحلیل و ساخت Agent

بدون پیچیدگی‌های فنی، بدون نیاز به فیلترشکن.

با AvalAI می‌توانی:
✨ مسیر ساخت Agent را شروع کنی
⚙️ با ابزارهای مختلف AI کار کنی
💡 ایده‌هایت را به خروجی تبدیل کنی
🧠 مدل‌های AI را تجربه کنی

🎁 هدیه ویژه شرکت‌کنندگان بوت‌کمپ «از ایده تا ایجنت»:
۱,۰۰۰,۰۰۰ تومان اعتبار AvalAI
(با ظرفیت محدود)

فقط درباره هوش مصنوعی یاد نمی‌گیری؛ با ابزارهای واقعی، تجربه‌اش می‌کنی.

جهت کسب اطلاعات در مورد بوت کمپ و دریافت اعتبار یک میلیون تومانی :👇
🆔 @Med_Admin_1

در آکادمی Med-AI شبکه نخبگان ایران با ما همراه باشید 🎓
🌐@MedAI_academy


🤖 ایجنت چیست؟ و چگونه می‌تواند دستیار شما باشد؟

ایجنت، یک دستیار هوشمند و خودکار است که می‌تواند مانند یک انسان فکر کند، برنامه‌ریزی کند و کارها را به‌طور مستقل انجام دهد.

🔹 ایجنت به چه دردی می‌خورد؟
صرفه‌جویی در زمان
افزایش بهره‌وری
تصمیم‌گیری هوشمند
اتوماسیون واقعی
و دسترسی به تخصص
"درست مثل داشتن یک همکار متخصص
در هر حوزه
."
🔹 ایجنت‌ها کجا به کار می‌آیند؟
آموزش و پژوهش
مدیریت و برنامه‌ریزی
توسعه نرم‌افزار
سلامت و پزشکی
کسب‌وکار و تولید محتوا


در یک جمله: ایجنت، از یک چت ساده فراتر می‌رود؛ آینده‌ای که در آن هوش مصنوعی خودش کار می‌کند، تا شما بیشتر زندگی کنید.

👇 اکنون نوبت شماست:
تخصص یا شغل خود را بفرمایید، تا شما را راهنمایی کنیم که دقیقاً ایجنت‌ها چگونه می‌توانند به کارتان بیایند و کدام مسیر (سلامت، مدیریت ، کارآفرینی و یا فنی) برای شما مناسب‌تر است 👇
🆔
@Med_Admin_1

در آکادمی Med-AI شبکه نخبگان ایران با ما همراه باشید 🎓
🌐
@MedAI_academy


🤖از ایده تا ایجنت

🎓بوت‌کمپ جامع و مهارت‌محور هوش مصنوعی؛ اولین Agent خود را بسازید!

💠مدرسین:
👤احسان عزیزی
⏺هم‌بنیان‌گذار پلتفرم هوش مصنوعی AvalAI

👤امید رزاقی
⏺مدیر ارشد فناوری راهکارهای ارتباطی حیات

👤دکتر سهیل تهرانی‌پور
⏺دکتری هوش مصنوعی
⏺مدیرعامل شرکت دانش‌بنیان ساعیان ارتباط

👤مهدی چراخلو
⏺هم‌بنیان‌گذار شرکت پیندو
⏺دکتری مهندسی برق از دانشگاه صنعتی شریف

📝مسیر یادگیری (یک مسیر مشترک، سه مسیر تخصصی):
🔹پنل عمومی: ورود به دنیای Agentها (۱۲ ساعت)
🔹پنل سلامت: Agentic AI در Healthcare (۱۴ ساعت)
🔹پنل مدیریت، کارآفرینی و طراحی محصول: Agentها در کسب‌وکار (۱۸ ساعت)
🔹پنل فنی: ساخت AI Agent (۱۲ ساعت)

🗺هر شرکت‌کننده: پنل عمومی + یک مسیر تخصصی (امکان شرکت در چند مسیر تخصصی نیز وجود دارد.)

👥مخاطبین:
پزشکان، پرستاران، مهندسان، مدیران، کارآفرینان، مدیران محصول، متخصصان فناوری و‌ تمامی علاقه‌مندان

🎁 ۱،۰۰۰،۰۰۰ تومان اعتبار هوش مصنوعی با حمایت AvalAI (ویژه ۳۰۰ نفر اول)

🎖همراه با اعطای سرتیفیکیت انگلیسی از شبکه نخبگان ایران

📆زمان شروع جلسات: از پنجشنبه، ۱۶ مهر ماه

🔗لینک ثبت‌نام

کسب اطلاعات، ثبت‌نام گروهی و شرکت در بیش از یک پنل:👇
🆔 @Med_Admin_1

در آکادمی Med-AI شبکه نخبگان ایران با ما همراه باشید🎓
🌐@MedAI_academy
📱 Med-AI Academy


Video is unavailable for watching
Show in Telegram
🖥 آموزش ساخت RAG:
چگونه به هوش مصنوعی یاد بدهیم فقط بر اساس اسناد و منابع معتبر ما پاسخ بدهد


🏛 برگزار شده توسط OpenAI Academy

🎙مدرسین:
👤Lakshya Dhar
💠Builder AI Deployment Manager @ OpenAI

👤Catherine LaChapelle
💠Builder ADM @ OpenAI

👤Sean Lubbers
💠Technical Success @ OpenAI

📚محورها:
🔹ساخت پایپ‌لاین RAG با استفاده از File Search، Responses و Evals API

🔹ساختاردهی به محتوای منبع و ایجاد Vector Store برای بازیابی اطلاعات

🔹بازیابی محتوای مرتبط (Retrieval) و تولید پاسخ‌های مبتنی بر منبع (Grounded Answers)

🔹تنظیم رفتار بازیابی (Retrieval Tuning)، رتبه‌بندی نتایج و به‌روز نگه‌داشتن دانش (Knowledge Freshness)

🔹ارزیابی کیفیت پاسخ‌ها با Evals و سنجش دقت و کاربردی‌بودن خروجی سیستم برای کاربردهایی مثل دستیارهای دانش سازمانی، پشتیبانی مشتری و ابزارهای بالینی مبتنی بر منابع معتبر


✅✅✅ویژه توسعه‌دهندگان و کسب‌وکارهایی که می‌خواهند دستیار هوشمند مبتنی بر اسناد خودشان بسازند

🎞 این وبینار با زیرنویس فارسی اختصاصی آکادمی MedAI در دسترس شماست.

در آکادمی Med-AI شبکه نخبگان ایران با ما همراه باشید🎓
🌐
@MedAI_academy


Irene_Bratsis_The_AI_Product_Manager's_Handbook_Develop_a_product.pdf
7.3Mb
📘چگونه ایده‌های AI را به محصولی واقعی تبدیل کنیم؟

🧠 کتاب The AI Product Manager’s Handbook نشان می‌دهد که فاصله‌ی میان یک مدل هوش مصنوعی و یک محصول موفق، فاصله‌ای فنی نیست؛ بلکه فاصله‌ای مدیریتی است.

📖 نویسنده با تکیه بر تجربه‌ی عملی خود در داده و محصول، چرخه‌ی کامل عمر یک محصول هوش مصنوعی را ترسیم می‌کند؛ از شکل‌گیری تیم و نقش‌ها و همکاری با دانشمندان داده تا مسائل اخلاق، سوگیری، حاکمیت داده و ریسک‌هایی که اگر دیر دیده شوند، محصول را زمین می‌زنند. پرسش محوری کتاب این است: مدیر محصول چگونه باید تصمیم بگیرد وقتی خروجی سیستم قطعی و مشخص نیست؟

🎯 این کتاب برای مدیران محصول، بنیان‌گذاران، دانشمندان داده‌ای که به سمت محصول حرکت می‌کنند و متخصصان حوزه‌های تخصصی مانند سلامت، یک چارچوب اجرایی برای تبدیل قابلیت‌های AI به ارزش واقعی فراهم می‌کند؛ کتابی درباره‌ی عبور از «ساختن مدل» به سمت ساختن محصولی که واقعا در دنیای واقعی کار می‌کند...

در آکادمی Med-AI شبکه نخبگان ایران با ما همراه باشید 🎓
🌐
@MedAI_academy


🪜 نردبانی که اولین پله‌اش را برداشتند!

تصور کنید فارغ‌التحصیل امسال هستید، رزومه‌تان آماده است؛ اما آگهی‌های «جونیور» که قبلاً صدها مورد بودند حالا انگار آب شده‌اند رفته‌اند زیر زمین! در همان حال، آگهی‌های «سنیور» بیشتر هم شده‌اند!!!
سؤال ما این است:
در آینده ای نزدیک این افراد سنیور را از کجا قرار است پیدا کنند، وقتی کسی دیگر جونیورها را استخدام نمی‌کند؟

🔎 این الگو تکراری است. هر بار فناوری جدیدی وارد یک صنعت شده، اول سراغ ساده‌ترین و تکراری‌ترین وظایف رفته ؛ همان وظایفی که کار روز اول کارمندهای تازه‌کار بوده. تفاوت این‌بار این است که یادگیری از طریق انجام کارهای پایه («learning by doing») خودش دارد هدف حذف قرار می‌گیرد. در ساختارهای سنتی، یک کارمند جدید با غربال کردن داده‌ها، نوشتن پیش‌نویس اول یا رفع اشکال‌های ساده، به‌مرور شمّ حرفه‌ای (professional intuition) پیدا می‌کند؛ همان چیزی که بعداً در تصمیم‌های پیچیده‌ی سطح سنیور به کار می‌آید. وقتی هوش مصنوعی این لایه از کار را جذب می‌کند، سؤال باز این است: آن شمّ حرفه‌ای از کجا شکل می‌گیرد؟

📊 طبق داده‌های Indeed، آگهی‌های شغلی سطح جونیور در سال ۲۰۲۵ نسبت به سال قبل ۷٪ کاهش یافته، در حالی که آگهی‌های سطح سنیور ۴٪ رشد داشته‌اند. در همین بازه، نرخ بیکاری فارغ‌التحصیلان تازه در سه‌ماهه‌ی چهارم ۲۰۲۵ به ۵.۷٪ رسیده که بالاترین رقم سه سال اخیر است؛ و در ایالات متحده، مشاغل سطح ورودی طی ۱۸ ماه اخیر تا ۳۵٪ کاهش داشته‌اند. در سوی دیگر ماجرا، وقتی از توسعه‌دهندگان جونیور پرسیده شده آموزش‌شان باید بیشتر روی چه تمرکز کند، ۴۹٪ «تجربه پروژه واقعی» را انتخاب کرده‌اند .(با فاصله زیاد پرتکرارترین پاسخ.) [۱][۳]

▫️ این الگو برای پزشکی هم آشناست: ساختار اینترن ----> رزیدنت ----> فوق‌تخصص/attending دقیقاً بر همین مبنا بنا شده که وظایف پایه (گرفتن شرح‌حال، نوشتن نوت، پیگیری روتین) بستر یادگیری بالینی می‌سازند. اگر روزی هریک از سطوح پایه‌‌ای ، بخش زیادی از این کارهای پایه را به AI بسپارند، آیا هنوز همان مسیر شکل‌گیری قضاوت بالینی (clinical judgment) را طی می‌کنند؟ یا لازم است این مسیر آموزشی از نو طراحی شود؟

🔚 آیا راه‌حل، بازتعریف نقش‌های ورودی است (مثلاً نیروی تازه‌کار را زودتر وارد کارهای مبتنی بر قضاوت کنیم) یا این‌که واقعا باید دست نگه‌‌داریم و کمی بیشتر نتایج این وضعیت را بررسی کنیم؟
در نظام آموزش پزشکی ایران، چه بخش‌هایی از کار «پایه‌ای» دانشجویان واقعاً قابل واگذاری به AI هستند بی‌آنکه به شکل‌گیری تجربه بالینی آسیب بزند؟

منابع:
۱. https://www.weforum.org/stories/2026/06/ai-decimate-entry-level-jobs-expert-insights/
۲. https://weforum.org/stories/2026/03/how-ai-is-changing-the-nature-of-entry-level-work
۳. https://www.weforum.org/stories/artificial-intelligence/as-ai-reshapes-entry-level-software-jobs-where-will-senior-developers-come-from/

در آکادمی Med-AI شبکه نخبگان ایران با ما همراه باشید 🎓
🌐
@MedAI_academy


Forward from: شبکه نخبگان ایران
🔹کلاس درس "برنامه‌نویسی به زبان ساده با هوش‌مصنوعی کِلاد" به همراه زیرنویس فارسی، در انجمن علمی برنامه‌نویسی:

| @Programming_Association |


Hacking_Healthcare.pdf
8.8Mb
📘 هک‌کردن سلامت: چگونه هوش مصنوعی نظام سلامت را بازآفرینی می‌کند؟

🧠 کتاب Hacking Healthcare تصویری از آینده‌ی سلامت ارائه می‌دهد؛ آینده‌ای که در آن هوش مصنوعی صرفاً یک ابزار تکنولوژیک نیست، بلکه می‌تواند ساختارهای سنتی مراقبت سلامت را از نو طراحی کند. تام لاوری در این کتاب به بررسی نقش هوش مصنوعی در حل چالش‌های پیچیده‌ی نظام سلامت و حرکت از مدل‌های قدیمی به سیستم‌هایی هوشمندتر و کارآمدتر می‌پردازد.

📖 نویسنده‌ی کتاب، تام لاوری، با تکیه بر تجربه‌ی خود در حوزه‌ی هوش مصنوعی و تحول دیجیتال سلامت، تلاش می‌کند فاصله‌ی میان فناوری و اجرای واقعی را کاهش دهد. تمرکز اصلی کتاب بر این پرسش است: رهبران حوزه سلامت چگونه می‌توانند از هوش مصنوعی برای ایجاد تغییر واقعی استفاده کنند؟

🎯 کتاب Hacking Healthcare برای مدیران، سیاست‌گذاران، متخصصان سلامت و تمام کسانی که به آینده‌ی هوش مصنوعی در پزشکی علاقه‌مندند یک چارچوب فکری و اجرایی برای بازاندیشی در نظام سلامت فراهم می‌کند؛ کتابی درباره‌ی عبور از «استفاده از AI» به سمت بازآفرینی سیستم سیستم با AI...

در آکادمی Med-AI شبکه نخبگان ایران با ما همراه باشید 🎓
🌐
@MedAI_academy


Video is unavailable for watching
Show in Telegram
🖥چطور برای کسب و کار خود ایجنت هوش مصنوعی حرفه‌ای بسازیم؟

🏛 برگزار شده توسط OpenAI Academy

🎙مدرسین:
👤Teodora Musatoiu
💠Builder Deployment Manager @ OpenAI

👤Patrick Hundal
💠AI Deployment Engineer @ OpenAI

📚محورها:
🔹طراحی ابزار (Tools) برای جست‌وجوی سفارش، پاسخ به سوالات متداول، لغو سفارش و ثبت شکایت

🔹نوشتن دستورالعمل‌ها (Instructions)، هندآف (Handoffs) و مسیریابی درخواست‌ها (Routing) بین ایجنت‌ها

🔹اعمال گاردریل (Guardrails) و ترسینگ (Tracing) برای اجرای ایمن‌تر ایجنت‌ها

🔹ارزیابی خروجی ایجنت‌ها (Evals) و مدل‌های ارزیاب (Model-graded Evaluation)

🔹گذار از یک ایجنت ساده به الگوهای پیشرفته‌تر مثل Agent-as-tool و Triage Routing

🎞 این وبینار با زیرنویس فارسی اختصاصی آکادمی MedAI در دسترس شماست.

در آکادمی Med-AI شبکه نخبگان ایران با ما همراه باشید🎓
🌐
@MedAI_academy


🥼👨‍⚕انسان هنوز تصمیم گیرنده نهایی است!
وقتی هوش مصنوعی وارد اتاق عمل شد، اما کنترل در دست جراح ماند


امروز خبری منتشر شد که یک تمایز مفهومی مهم را به‌روشنی نشان می‌دهد. جراحان لندن، برای اولین بار در جهان، یک تومور مغزی را با کمک زندهٔ هوش مصنوعی خارج کردند. اما نکتهٔ اصلی خبر، خودِ عمل نیست. نکتهٔ اصلی، نوع مشارکت هوش مصنوعی در آن است.

🔎 چه شد؟
بیمار، رایس هیبرت، مرد ۴۸ سالهٔ اهل بدفوردشر، در دسامبر ۲۰۲۴ در وسط خیابان دچار تشنج شد. اسکن، توموری خوش‌خیم و ۱۱ میلی‌متری روی غدهٔ هیپوفیز او نشان داد. این غده، هرچند به‌اندازهٔ یک نخود کوچک است، اما هورمون‌های حیاتی بدن را تنظیم می‌کند و در همسایگی مستقیم اعصاب بینایی و عروق حیاتی قرار دارد. یک میلی‌متر خطا در این ناحیه می‌تواند به نابینایی یا خونریزی منجر شود.

جراحان بیمارستان National Hospital for Neurology and Neurosurgery، بخشی از UCLH، عمل را در مه ۲۰۲۶ انجام دادند. جزئیات تا امروز منتشر نشد تا بیمار فرصت بهبودی کامل داشته باشد.

⚙️ هوش مصنوعی دقیقاً چه‌کار کرد؟
سیستم مورد استفاده تصویر زندهٔ دوربین جراحی را در همان لحظهٔ عمل تحلیل می‌کرد؛ نه اسکن‌های از پیش گرفته‌شده. این سیستم روی صدها ویدیوی جراحی‌های قبلی هیپوفیز آموزش دیده بود و ساختارهای حساس را با رنگ‌آمیزی (color-coding) مشخص می‌کرد.

اینجاست که باید بین دو مفهوم فرق گذاشت: اتوماسیون (automation) در برابر تقویت (augmentation)


۱. در اتوماسیون، ماشین تصمیم می‌گیرد و نقش انسان کم‌رنگ می‌شود.
۲. در تقویت، ماشین فقط دید انسان را وسیع‌تر می‌کند. تصمیم نهایی همچنان با اوست.

در این عمل، تیم جراحی در تمام لحظات، کنترل کامل را در دست داشت. هوش مصنوعی فقط هشدار می‌داد کجا نباید دست برد.

🧩 چرا این تفاوت مهم است؟
در گفتمان عمومی دربارهٔ هوش مصنوعی پزشکی، این دو مفهوم اغلب قاطی می‌شوند. وقتی کسی از «جراحی رباتیک» یا «جراح هوش مصنوعی» حرف می‌زند، ذهن شنونده معمولاً به سمت تصویر اتوماسیون کامل می‌رود. اما آنچه در این مورد رخ داد، دقیقاً برعکس بود. ابزار، دستیار جراح (و نه جایگزین او) بود .

حال اینجا سوال بسیار ارزشمندی مطرح می‌شود :
آیا جراحی که به AI عادت می‌کند، مهارت تشخیص بصری خودش را در طول زمان حفظ می‌کند؟

پاسخ به این سؤال به طراحی ابزار بستگی دارد، نه فقط به دقتش.
ابزاری که فقط هشدار می‌دهد و تصمیم را به جراح می‌سپارد، رفتار متفاوتی نسبت به ابزاری ایجاد می‌کند که مسیر برش را از پیش تعیین می‌کند. طبیعتاً شرکت‌هایی که روی خودکارسازی کامل جراحی سرمایه‌گذاری کرده‌اند، ممکن است این‌طور فکر نکنند.

🔚 یک سؤال باز
اگر رزیدنت‌های جراحی مغز و اعصاب، از روز اول آموزش با این سیستم‌ها کار کنند، معیار سنجش «مهارت جراحی» در آینده چه خواهد بود؟ توانایی عمل بدون کمک هوش مصنوعی و یا توانایی همکاری هوشمندانه با آن؟

در آکادمی Med-AI شبکه نخبگان ایران با ما همراه باشید 🎓
🌐
@MedAI_academy


🧠هوش مصنوعی در اتاق عمل : برای اولین بار در جهان

👨‍⚕️ جراحان بیمارستان National Hospital for Neurology and Neurosurgery در لندن(بخشی از UCLH) برای اولین بار در جهان یک تومور مغزی را با کمک هوش مصنوعی زنده (live AI) از بدن بیمار خارج کردند. بیمار، رایس هیبرت ۴۸ ساله، تومور خوش‌خیم ۱۱ میلی‌متری روی غدهٔ هیپوفیز داشت که بدون عمل، ممکن بود بینایی‌اش را از دست بدهد .

💡 این سیستم برخلاف ابزارهای رایج، اسکن پیش از عمل را تحلیل نمی‌کرد. تصویر زندهٔ دوربین جراحی را در همان لحظه بررسی می‌کرد و ساختارهای حیاتی مثل اعصاب بینایی و عروق اطراف را با رنگ‌آمیزی مشخص می‌کرد تا جراح از آسیب به آن‌ها پرهیز کند.

📌 این پروژه با بودجهٔ NIHR انجام شد و تیم جراحی در تمام مراحل، کنترل کامل عمل را در دست داشت.

منبع خبر

در آکادمی Med-AI شبکه نخبگان ایران با ما همراه باشید 🎓
🌐
@MedAI_academy


AI in Health.pdf
9.0Mb
📘از رویا تا اجرا: نقشه‌ی راه رهبران سلامت در عصر هوش مصنوعی

🧠 کتاب AI in Health در شانزده فصل، مسیری مشخص را طی می‌کند: از تاریخچه‌ی هوش مصنوعی و چرایی مصرف‌گرایی در سلامت آغاز می‌شود، به فصل‌های عملی‌تری چون نقش هوش مصنوعی در رادیولوژی و مدیریت اخلاق هوش مصنوعی می‌رسد و سرانجام به چارچوبی اجرایی برای رهبران ختم می‌شود.

📖 نویسنده‌ی این کتاب، تام لاوری، مدیر سابق هوش مصنوعی سلامت در مایکروسافت است. او تجربه‌ی چندین‌ساله‌اش را در قالب راهنمایی عملی و نه صرفاً نظری برای مدیران و رهبران سازمان‌های سلامت تدوین کرده است.

🎯 مطالعه‌ی این کتاب برای تمامی علاقه‌مندان به پیاده‌سازی هوش مصنوعی در یک سازمان بهداشتی، چارچوبی فصل‌بندی‌شده برای عبور از حرف به عمل فراهم می‌آورد.

در آکادمی Med-AI شبکه نخبگان ایران با ما همراه باشید 🎓
🌐
@MedAI_academy


🔹 تنها ۱ روز جهت ثبت‌نام در "از تصویر تا تشخیص: آموزش پروژه محور پردازش تصاویر پزشکی با MATLAB" توسط سازندگان نرم‌افزار Matlab و متخصصان خبره این حوزه به همراه منتورینگ فرصت باقی‌ست…

🔗لینک ثبت‌نام

کسب اطلاعات بیشتر و ثبت‌نام گروهی:👇
🆔 @Med_Admin_1

| @MedAI_academy |


Forward from: شبکه نخبگان ایران
🔹سخنرانی دکتر گیو شریفی، جراح مغز و اعصاب، در پیج الیت‌تاک منتشر شد:

| Instagram |

20 last posts shown.