💬 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 & 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

🏃‍♂️هوش مصنوعی و ECG: آغازگر دورانی نوین در سلامت قلب!

💠◀️تا به امروز، الکتروکاردیوگرام یا ECG (نوار قلب) به عنوان یک ابزار تشخیصی حیاتی اما عمدتاً واکنشی در پزشکی قلب و عروق مطرح بوده است. ابزاری برای شناسایی آریتمی‌های موجود، تشخیص سکته‌های قلبی حاد یا ارزیابی‌های پایه‌ای از عملکرد الکتریکی قلب. این ابزار به خودی خود منتظر وقوع یک رویداد قلبی است تا آن را ثبت کند. اما چه می‌شود اگر بتوانیم از این داده‌های الکتریکی برای پیش‌بینی آینده سلامت قلب یک بیمار استفاده کنیم؟⏪اینجا نقطه‌ای است که هوش مصنوعی مبتنی بر ECG از یک ابزار ثبت‌کننده، به یک "پیش‌بینی‌کننده فعال" و "طبقه‌بند ریسک هوشمند" تبدیل می‌شود!

❗️ هوش مصنوعی در تحلیل ECG، تنها یک مفسر الگوهای موجی نیست؛ بلکه یک سیستم تحلیلی عمیق است که می‌تواند به طور مستقل، ریسک‌های پنهان را شناسایی کرده، بیماران را اولویت‌بندی نماید و مسیر مراقبتی بیمار را بهینه کند. سیستمی را تصور کنید که نه تنها یک ضربان نامنظم را تشخیص می‌دهد، بلکه به صورت خودکار:

1⃣ ریسک فیبریلاسیون دهلیزی آینده را پیش‌بینی می‌کند، حتی زمانی که ECG فعلی بیمار ریتم طبیعی را نشان می‌دهد.
2⃣ علائم ظریف و پنهان اختلال عملکرد بطن چپ را شناسایی می‌کند که ممکن است برای چشم غیرمسلح یک پزشک قابل رؤیت نباشد و ریسک نارسایی قلبی را پیش‌بینی کند.
3⃣ بیماران در معرض خطر مرگ ناگهانی قلبی را با دقت بالا شناسایی کرده و هشدارهای لازم را هفته‌ها قبل از وقوع حادثه ارائه می‌دهد.
4⃣ یک گزارش ریسک ساختاریافته و قابل فهم تهیه می‌کند و بر اساس آن، اقدامات پیشگیرانه مانند تجویز دارو یا تغییر سبک زندگی را پیشنهاد می‌دهد.
5⃣ بیماران پرخطر را برای مداخلات درمانی سریع‌تر اولویت‌بندی می‌کند و به پزشک اجازه می‌دهد تا منابع محدود را به صورت کارآمدتری مدیریت کند.

🕯 این هوش مصنوعی دیگر تنها به تفسیر لحظه‌ای نمی‌پردازد، بلکه به صورت فعال (proactive) برای رسیدن به یک هدف بالینی بزرگ‌تر [مثلاً "پیشگیری از نارسایی قلبی در بیمار مستعد"] گام برمی‌دارد.
این سیستم‌های هوشمند می‌توانند حجم عظیمی از داده‌های ECG را با سرعتی فراتر از توان انسان تحلیل کرده و به متخصصان قلب اجازه دهند تا تمرکز خود را از درمان بیماری‌های پیشرفته به سمت پیشگیری زودهنگام و مدیریت شخصی‌سازی‌شده بیماران معطوف کنند.

🔍البته، ادغام این فناوری در عمل بالینی با چالش‌هایی نیز همراه است. مهم‌ترین دغدغه، شفافیت و قابل تفسیر بودن الگوریتم‌هاست. این سیستم‌ها نباید مانند "جعبه‌های سیاه" عمل کنند.طراحی آن‌ها باید به گونه‌ای باشد که پزشک همیشه درک روشنی از مبنای تصمیم‌گیری هوش مصنوعی داشته باشد و به عنوان تصمیم‌گیرنده نهایی، مسئولیت کامل درمان بیمار را بر عهده بگیرد. حفظ حریم خصوصی داده‌های بیماران و استانداردسازی مجموعه داده‌ها برای آموزش مدل‌های دقیق نیز از دیگر ملاحظات حیاتی است.

🪄 هوش مصنوعی مبتنی بر ECG یک داستان علمی-تخیلی نیست، بلکه واقعیت امروز و آینده‌ی انکارناپذیر پزشکی قلب است. این فناوری پتانسیل آن را دارد که کاردیولوژی را از یک رشته متمرکز بر درمان، به یک حوزه پیشگام در پیش‌بینی و پیشگیری از بیماری‌ها تبدیل کند.✨

😀 در این چشم‌انداز، متخصص قلب نه تنها یک درمانگر، بلکه یک مدیر ریسک بالینی است که با کمک یک دستیار هوشمند و خستگی‌ناپذیر، سلامت قلب بیماران خود را در افق زمانی بلندمدت تضمین می‌کند.

🔅مراکز تحقیقاتی پیشرو و شرکت‌های فناوری در سراسر جهان در حال توسعه و اعتبارسنجی این الگوریتم‌ها هستند و پیش‌بینی می‌شود که به زودی شاهد استفاده گسترده از این ابزارهای هوشمند در بیمارستان‌ها و کلینیک‌ها باشیم.

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

🌐MedAISummit
🌐LinkedIn 💠🔗Twitter 💠🌐Instagram

#معرفی_سخنران

⭐️ Dr. Ali Bozorgi
💠 Expert in Cardiac Electrophysiology, AI applications in Cardiology, and Digital Health Innovation

🗣 Presentation Title :

AI-ECG for Early Detection & Risk Stratification

📚 Educational Background :
🔵 Doctor of Medicine (MD), Tehran University of Medical Sciences
🔵 Cardiology Residency, Tehran Heart Center
🔵 Fellowship in Cardiac Electrophysiology, Tehran Heart Center

🔬 Professional Appointments & Leadership Roles :
➡️ Dean of Tehran Heart Center EP Ward, Tehran Heart Center)
➡️ Director of EP Fellowship Program, Tehran Heart Center
➡️ Cardiac Electrophysiologist, Tehran Heart Center / TUMS
➡️ Director of Cardiology Residency Program, Tehran University of Medical Sciences
➡️ Vice President of International Affairs, Tehran Heart Center

👤 Editorial & Academic Contributions :
📌 Cardiac Electrophysiologist, Tehran Heart Center
📌 Associate Professor of Cardiology, Tehran University of Medical Sciences
📌 Editor-in-Chief, CardioCase.com
📌 Associate Editor, Heart (BMJ)
📌 Senior Associate Editor, RHYTHM, Research in Heart Yield and Translational Medicine

📝 Research & Professional Interests :
✅ Clinical Electrophysiology &۶ Cardiac Devices
✅ Digital Health and Artificial Intelligence in Cardiology
✅ Medical Education & Critical Thinking
✅ Inno Cardiology Workflow and Data-Driven Medicine

🔗لینک ثبت‌نام در رویداد

🌐MedAISummit
🌐LinkedIn 💠🔗Twitter 💠🌐Instagram

🔹آخرین فرصت ثبت‌نام زودهنگام

💬 ضمن عرض تشکر از استقبال شما همراهان عزیز، لازم به ذکر است که «تنها تا پایان امشب» جهت ثبت‌نام زودهنگام فرصت باقی است. لذا در صورت تمایل به حضور در برنامه، پیشنهاد می‌کنیم که هرچه سریع‌تر ثبت‌نام‌تان را نهایی کنید.

🔗لینک ثبت‌نام در رویداد

🌐MedAISummit
🌐LinkedIn 💠🔗Twitter 💠🌐Instagram

🔖 نگاهی به درون جعبه سیاه: درک، تفسیر و اعتماد به هوش مصنوعی پیشگو در پزشکی!

🔄سوال اصلی این است که چرا در پزشکی نمی‌توان به سادگی به یک "جعبه سیاه" اعتماد کرد؟! در سال‌های اخیر، هوش مصنوعی (AI) با توانایی تحلیل حجم بالایی از داده‌ها، در حال متحول کردن حوزه پزشکی است. الگوریتم‌های هوش مصنوعی می‌توانند الگوهای پنهان در سوابق پزشکی را شناسایی کرده و به تشخیص و پیش‌بینی بیماری‌ها کمک کنند. با این حال، بسیاری از این سیستم‌های پیشرفته مانند یک "جعبه سیاه" عمل می‌کنند؛ به این معنی که فرآیند تصمیم‌گیری آن‌ها حتی «برای سازندگان‌شان» نیز به طور کامل شفاف نیست! این عدم شفافیت، یک چالش بزرگ در مسیر پذیرش و اعتماد به هوش مصنوعی در محیط‌های بالینی است، جایی که تصمیمات می‌توانند «تأثیر مستقیمی» بر سلامت و زندگی انسان‌ها داشته باشند.

📋 ممکن است بپرسید که اصلا چرا شفافیت ضرورت دارد؟ نکته این‌جاست که وقتی یک پزشک دارویی را تجویز می‌کند یا تشخیصی را ارائه می‌دهد، می‌تواند «منطق پشت تصمیم» خود را بر اساس دانش پزشکی و شواهد بالینی توضیح دهد. اما اگر یک سیستم هوش مصنوعی یک تومور را بدخیم تشخیص دهد، چگونه می‌توانیم بفهمیم که بر چه اساسی به این نتیجه رسیده است؟ آیا به ویژگی‌های صحیح تصویر توجه کرده یا بر اساس یک عامل نامرتبط و تصادفی تصمیم گرفته است؟

✅ اینجاست که مفهوم "هوش مصنوعی قابل توضیح" (Explainable AI یا XAI) اهمیت پیدا می‌کند.XAI مجموعه‌ای از تکنیک‌ها و روش‌هاست که به ما امکان می‌دهد تا فرآیندهای داخلی و منطق تصمیم‌گیری مدل‌های هوش مصنوعی را درک کنیم. هدف XAI، باز کردن این جعبه سیاه و ایجاد شفافیت است تا پزشکان، بیماران و نهادهای نظارتی بتوانند به نتایج این سیستم‌ها اعتماد کنند.

💡 حالا سوال این است که چگونه می‌توانیم به درون جعبه سیاه نگاه کنیم؟ در سال‌های اخیر، روش‌های مختلفی برای قابل‌درک کردن تصمیمات هوش مصنوعی توسعه داده شده است. برای مثال، در تحلیل تصاویر پزشکی، می‌توان از تکنیک‌هایی مانند "نقشه‌های حرارتی" (heatmaps) استفاده کرد. این نقشه‌ها به صورت بصری نشان می‌دهند که الگوریتم برای رسیدن به تشخیص خود، به کدام نواحی از تصویر (مثلاً یک سی‌تی اسکن) بیشترین توجه را داشته است. برخی دیگر از روش‌ها، ویژگی‌هایی را که بیشترین تأثیر را در تصمیم‌گیری مدل داشته‌اند، برجسته می‌کنند. این شفاف‌سازی به متخصصان اجازه می‌دهد تا:

1⃣ اعتبارسنجی کنند: آیا هوش مصنوعی بر اساس نشانه‌های بالینی معتبر تصمیم‌گیری می‌کند؟
2⃣ خطاها را شناسایی کنند: آیا سیستم به دلیل داده‌های نامناسب یا سوگیری‌های پنهان، دچار خطا شده است؟
3⃣ اعتماد ایجاد کنند: پزشکان زمانی به یک ابزار هوش مصنوعی اعتماد کامل خواهند کرد که بتوانند منطق آن را درک کرده و آن را با دانش خود تطبیق دهند.

💠 حرکت به سوی هوش مصنوعی قابل اعتماد در پزشکی، تنها یک چالش فنی نیست، بلکه ابعاد اخلاقی و قانونی مهمی نیز دارد. موضوعاتی مانند حریم خصوصی بیماران، امنیت داده‌های پزشکی و مسئولیت‌پذیری در صورت بروز خطا، باید به دقت مورد توجه قرار گیرند.هدف نهایی، ساختن سیستم‌هایی است که نه تنها دقیق هستند، بلکه عادلانه، شفاف و پاسخگو نیز عمل می‌کنند.

💬 در نهایت، هوش مصنوعی یک ابزار قدرتمند در دستان پزشک است، نه جایگزین او. شفافیت و قابلیت تفسیر این ابزارها، این اطمینان را ایجاد می‌کند که پزشک همواره در مرکز فرآیند تصمیم‌گیری باقی می‌ماند و می‌تواند با اطمینان از این فناوری برای بهبود سلامت بیماران بهره ببرد.

👨‍💼 در ارائه‌ای در رویداد MedAI Summit به این موضوع بسیار مهم خواهیم پرداخت.

🌐MedAISummit
🌐LinkedIn 💠🔗Twitter 💠🌐Instagram

#معرفی_سخنران

⭐️ Dr. Soroush Nematollahi
💠 MD | Postdoctoral Research Fellow at Tehran Heart Center

🗣 Presentation Title :

"Seeing Inside the Black Box: Understanding, Interpreting, and Trusting Predictive AI in Medicine"

📚 Educational Background :
🔵 Doctor of Medicine (MD), Iran University of Medical Sciences (IUMS)

🔬 Scientific & Research Background :
➡️ Postdoctoral Research Fellow, Tehran Heart Center
➡️ Clinical Research Physician, Razi Vaccine & Serum Research Institute
➡️ Published multiple peer-reviewed papers in cardiovascular and endocrine research, including:
💠Evaluation of the Electrocardiography Changes in Patients with Perforated Peptic Ulcer
💠Early Scintigraphic Detection of COVID-19-associated Subacute Thyroiditis
💠Platelet Indices in Acute Coronary Syndrome Patients
💠Understanding the Role of Galectin-1 in Heart Failure: A Comprehensive Narrative Review

📝 Research Interests :
✅ AI-based Cardiac Diagnosis and Prediction
✅ Radiomics and Imaging Biomarkers
✅ Arrhythmia and ECG Signal Analysis
✅ Clinical Decision Support Systems

🔗لینک ثبت‌نام در رویداد

🌐MedAISummit
🌐LinkedIn 💠🔗Twitter 💠🌐Instagram

⏺ تمدید فرصت ثبت‌نام زودهنگام

🔺 همراهان عزیز توجه کنید که به دلیل اختلال ثبت‌نام به‌وجود آمده در ساعات پایانی دیشب، فرصت ثبت‌نام زودهنگام رویداد به مدت «یک روز دیگر» تمدید شد و همین حالا می‌توانید ثبت‌نام‌تان را نهایی کنید.

🔗 لینک ثبت‌نام در رویداد

🌐MedAISummit
🌐LinkedIn 💠🔗Twitter 💠🌐Instagram

🌏 Registration is NOW OPEN to international attendees!

💻 Join us virtually from anywhere in the world! Our summit is designed for everyone passionate about the intersection of AI and medical science, regardless of your background or familiarity with Persian. Enjoy live English transcription for all sessions and a key takeaways file summarizing the speeches.

➡️ To register, please message your full-name and nationality to the admin to begin the process. Upon registration, you will receive all necessary details, including the schedule, access links, and event instructions.

🌐MedAISummit
🌐LinkedIn 💠🔗Twitter 💠🌐Instagram

💠 توسعهٔ خط داده چند مرکزی کنسر پانکراس در ایران (پروژه PanCanAid)

☯️ سرطان پانکراس یکی از پیچیده‌ترین و چالش‌برانگیزترین سرطان‌هاست، جایی که تشخیص زودهنگام می‌تواند تفاوت میان زندگی و مرگ را رقم بزند. اما پیشرفت در این مسیر بدون دسترسی به داده‌های معتبر، استاندارد و گسترده، تقریباً غیرممکن است.
سؤال اساسی اینجاست: چگونه می‌توان تصاویر پزشکی و اطلاعات بالینی بیماران را به شکلی یکپارچه، قابل اعتماد و قابل استفاده برای پژوهش‌های پیشرفته جمع‌آوری و نگهداری کرد؟

🎯 پروژه ParsCT–PanCanAID پاسخی به این چالش است: ایجاد و نگهداری بزرگ‌ترین پایپ‌لاین داده‌های سرطان پانکراس در ایران! این ابتکار علمی با همکاری میان‌رشته‌ای رادیولوژیست‌ها، انکولوژیست‌ها، متخصصان علوم داده و تحلیل‌گران اطلاعات پزشکی، بستری فراهم می‌کند تا پژوهشگران بتوانند از تصاویر CT و داده‌های بالینی بیماران برای توسعه روش‌های تشخیص زودهنگام و بهبود مراقبت بالینی بهره ببرند.

📌اما مسیر ایجاد چنین زیرساختی با پرسش‌ها و چالش‌های مهمی همراه است:

👨‍💼چگونه می‌توان حریم خصوصی بیماران را همزمان با ایجاد یک مجموعه داده استاندارد حفظ کرد؟

🧍چه پروتکل‌ها و استانداردهایی لازم است تا داده‌ها بین مراکز مختلف قابل مقایسه و تحلیل باشند؟

🙍‍♀و چگونه این زیرساخت می‌تواند سکویی برای نوآوری‌های پزشکی و همکاری‌های بین‌المللی باشد؟

📡 در یکی از ارائه‌های MedAI Summit، این پرسش‌ها و چالش‌ها بررسی خواهند شد تا نشان داده شود که جمع‌آوری و نگهداری داده‌ها، نه تنها یک فعالیت فنی، بلکه یک گام بنیادین در مسیر تحول در تشخیص و درمان سرطان پانکراس است.

🌐MedAISummit
🌐LinkedIn 💠🔗Twitter 💠🌐Instagram

#معرفی_سخنران

⭐️ Dr. Seyed Amir Ahmad Safavi-Naini
💠 MD–MBA–MME | Physician–Scientist in AI & Digestive Health

🗣 Presentation Title :

"Development of a Multi-Center Pancreatic Cancer Pipeline in Iran (The PanCanAid Project)"

📚 Educational Background :
🔵 Doctor of Medicine (MD), Shahid Beheshti University of Medical Sciences
🔵 Master of Business Administration (MBA) – Healthcare Management, Shahid Beheshti University of Medical Sciences
🔵 Master of Medical Education (MME), Shahid Beheshti University of Medical Sciences
🔵 Postdoctoral Fellowship in Precision & Digital Medicine

🏛 Institutional Affiliations :
✔️Division of Data-Driven and Digital Medicine (D3M), Icahn School of Medicine at Mount Sinai, New York, United States
✔️ Research Institute for Gastroenterology and Liver Diseases (RIGLD), Shahid Beheshti University of Medical Sciences, Tehran, Iran

👤 Professional & Industrial Background :
📌 Researcher, The Charles Bronfman Institute for Personalized Medicine (D3M) – AI explainability, LLM benchmarking, and health data analytics
📌 Researcher, RIGLD – gastroenterology, precision diagnostics, and medical AI applications
📌 Founder, PanCanAID – collaborative AI project for early pancreatic cancer detection (multi-institutional initiative)
📌 Chief Strategy Officer (CSO), MedicAI – strategy and ML model implementation for medical imaging solutions
📌 Co-founder, Phili.ai – AI-powered clinical information optimization platform
📌 Curator, MLinMed – Machine Learning in Medicine education network
📌 Mentor, supervising >20 medical students in AI research

🔬 Scientific Background :
➡️ +50 peer-reviewed publications and preprints on AI, precision medicine, and clinical modeling
➡️ Focus areas: LLM explainability, AI-driven gastroenterology diagnostics, and digital health innovation
➡️ Led projects on early pancreatic cancer detection, 3D modeling of perianal fistulae, and AI integration in clinical workflows
➡️ Active collaborations across +10 research institutions in Iran, the US, and Europe

🏅 Honors & Awards :
💠 Silver Medal, National Olympiad of Medical Sciences, Ministry of Health (2020)
💠 Peer Mentoring Award, RIGLD (2023)
💠 DDW Distinguished Poster Award, Digestive Disease Week (2024)
💠 Top Rank (34/165), National Pre-Internship Exam (2019)
💠 Mofid Hospital Externship Curriculum Contributor, Letter of Appreciation from Dr. Saiary, Head of Pediatrics, SBMU (2018)
💠 Invited Speaker at international and national AI & Medicine conferences

🔗لینک ثبت‌نام در رویداد

🌐MedAISummit
🌐LinkedIn💠🔗Twitter 💠🌐Instagram

🔄 آیا یک عکس ساده از دهان می‌تواند جان انسان را نجات دهد؟

💠 پاسخ در توانایی هوش مصنوعی برای دیدن چیزهایی است که چشم انسان از دیدنشان عاجز است.

🔍 ضایعات دهانی بسیار شایع هستند. اکثر آن‌ها بی‌خطرند، اما تعداد کمی می‌توانند اولین نشانه یک ضایعه پیش‌سرطانی یا حتی سرطان دهان باشند. مشکل اینجاست که در مراحل اولیه، این ضایعات خطرناک از نظر ظاهری شباهت زیادی به ضایعات خوش‌خیم دارند❗️

این موضوع یک چالش بزرگ برای دندانپزشکان عمومی ایجاد می‌کند:

👥 کدام ضایعه نیاز به ارجاع فوری برای نمونه‌برداری (بیوپسی) دارد و کدام را می‌توان با خیال راحت تحت نظر گرفت؟

⏪ اینجا جایی است که هوش مصنوعی وارد میدان می‌شود. تصور کنید یک الگوریتم با ده‌ها هزار عکس از ضایعات دهانی که تشخیص آن‌ها با بیوپسی تأیید شده، آموزش داده شود. این الگوریتم یاد می‌گیرد الگوهای بسیار ظریف در بافت، رنگ و شکل ضایعه را تشخیص دهد؛ الگوهایی که ممکن است حتی از دید یک متخصص باتجربه هم پنهان بمانند.

🔥 قدرت واقعی این فناوری، نه جایگزینی متخصص، بلکه تبدیل شدن به یک ابزار غربالگری هوشمند و در دسترس است. هوش مصنوعی می‌تواند به دندانپزشک عمومی کمک کند تا با اطمینان بیشتری تصمیم بگیرد. این فناوری می‌تواند مانند یک "چشم دوم" عمل کرده و به تشخیص زودهنگام کمک می‌کند، زمانی که شانس درمان موفقیت‌آمیز بسیار بالاتر است. ✨

🎙 در رویداد MedAI Summit، از محققان اصلی در یکی از جامع‌ترین مرورهای سیستماتیک و متاآنالیزها در این زمینه، تمام شواهد موجود را بررسی کرده است. ایشان به معرفی و بررسی الگوریتم‌های موجود می‌پردازد و به این سؤال اساسی پاسخ می‌دهد که مدل‌های هوش مصنوعی در تشخیص ضایعات دهانی تا چه حد دقیق هستند و پتانسیل واقعی آن‌ها برای متحول کردن فرآیند غربالگری سرطان دهان چیست.

🌐MedAISummit
🌐LinkedIn 💠🔗Twitter 💠🌐Instagram

#معرفی_سخنران

⭐️ Dr. Reyhaneh Shoorgashti
💠 Researcher, ITU-WHO Focus Group on AI for Health

🗣 Presentation Title :

"Application of AI in oral lesion detection"

📚 Educational Background :
🔵 Doctor of Dental Surgery (DDS), Tehran Dental Branch, Islamic Azad University

🔬 Professional Appointments & Research Roles :
➡️ Researcher, ITU-WHO Focus Group on AI for Health
➡️ Senior Researcher, DeepBites Organization
➡️ Clinician & Dental Surgeon with a focus on improving patient care through technology

👤 Memberships & Leadership Roles :
📌 Active Member & Collaborator, ITU-WHO Focus Group on AI for Health

🏅 Selected Achievements :
💠 Published author with +17 peer-reviewed articles in prestigious international journals
💠 Lead author of multiple systematic reviews and meta-analyses on AI in dental diagnostics
💠 Creator of a scientific YouTube channel dedicated to communicating advances in AI in dentistry

📝 Research Interests :
✅ AI in Oral Lesion Detection & Diagnostics
✅ Deep Learning for Radiographic Analysis
✅ Systematic Reviews & Meta-Analyses in Digital Health
✅ Advanced Biomaterials & Nanomedicine
✅ Cold Plasma Therapy

🔗لینک ثبت‌نام در رویداد

🌐MedAISummit
🌐LinkedIn 💠🔗Twitter 💠🌐Instagram

❤ مراقبت قلبی، فراتر از دیوارهای بیمارستان است!

🧠 تصور کنید پزشک شما پیش از آنکه علائم حیاتی‌تان به مرحله خطر برسد، از وضعیت قلبتان باخبر شود. این، آینده‌ای نیست که انتظارش را بکشیم. بلکه واقعیتی است که با کمک هوش مصنوعی در «پایش از راه دور» در حال وقوع است. حالا بهتر است که با مراجعات غیرضروری خداحافظی کنید!

🔎 فناوری‌های پوشیدنی و سنسورهای هوشمند، می‌توانند اطلاعات حیاتی قلب شما را به طور مداوم ثبت کنند و پس از تحلیل توسط الگوریتم‌های هوش مصنوعی، کوچک‌ترین ناهنجاری‌ها را، حتی قبل از بروز علائم، شناسایی می‌کنند! این رویکرد پیشگیرانه، مدیریت بیماری‌های قلبی را متحول کرده است.

✅در حوزه مراقبت‌های قلبی-عروقی، هوش مصنوعی کاربردهای ملموس و متفاوتی دارد:

⏰ پایش ۲۴ ساعته در منزل: دستگاه‌های پوشیدنی مانند ساعت‌های هوشمند می‌توانند به طور مداوم نوار قلب (ECG)، ضربان قلب و فشار خون را ثبت کنند.هوش مصنوعی این داده‌ها را تحلیل کرده و در صورت مشاهده الگوهای غیرطبیعی یا آریتمی، به تیم پزشکی هشدار می‌دهد.

🔍 تشخیص زودهنگام و دقیق: هوش مصنوعی با تحلیل داده‌های گسترده، الگوهایی را کشف می‌کند که ممکن است از چشم انسان پنهان بماند. این قابلیت به تشخیص زودهنگام بیماری‌هایی مانند فیبریلاسیون دهلیزی کمک کرده و از عوارض جدی مانند سکته مغزی پیشگیری می‌کند.

👨‍💼 مدیریت شخصی‌سازی‌شده درمان: هوش مصنوعی با در نظر گرفتن داده‌های ژنتیکی، سبک زندگی و سوابق پزشکی هر فرد، به پزشکان کمک می‌کند تا مؤثرترین برنامه‌های درمانی را طراحی کنند. این رویکرد شخصی‌سازی‌شده، اثربخشی درمان را افزایش و عوارض جانبی را کاهش می‌دهد.

✔️ کاهش نیاز به بستری مجدد: پایش مداوم بیماران پس از ترخیص، به شناسایی سریع علائم هشداردهنده کمک می‌کند. مطالعات نشان داده است که این روش می‌تواند نرخ بستری مجدد بیماران قلبی را تا ۳۸ درصد کاهش دهد.


⭐️ حالا داریم وارد آینده‌ای می‌شویم که در آن، مراقبت قلبی همیشه همراه شماست! ادغام هوش مصنوعی با پایش از راه دور، نه تنها کیفیت زندگی بیماران را بهبود می‌بخشد، بلکه به پزشکان امکان می‌دهد تا تمرکز خود را از درمان بیماری به پیشگیری و مدیریت سلامت معطوف کنند. این تحول، دسترسی به مراقبت‌های تخصصی را برای همه، به‌ویژه در مناطق دورافتاده، آسان‌تر می‌کند.
✨ برای کسب آخرین اطلاعات و آگاهی از آنچه در این حوزه در جریان است، با ما در رویداد MedAI Summit همراه باشید 💫

🌐MedAISummit
🌐LinkedIn💠🔗Twitter💠🌐Instagram

💻هوش مصنوعی؛ از هیجان تا بهره‌وری!

💠در دنیای پر هیجان فناوری امروز، جایی که هوش مصنوعی (AI) به عنوان ستاره‌ای درخشان در آسمان ترندهای پزشکی می‌درخشد، اغلب فراموش می‌کنیم که به فناوری در صنعت درمان، باید فراتر از هیاهوی بازار و رصد اخبار پرداخت، چرا که توسعه متوازن در حوزه فناوری‌های صنعت درمان، نه تنها به دنبال نوآوری‌های زودگذر، بلکه بر پایه بهره‌وری پایدار و بهبود مراقبت‌های بهداشتی و تجربه بیماران بنا شده است.

☑️ بیایید یک تمایز کلیدی را روشن کنیم:

هوشمندسازی با هوش مصنوعی متفاوت است!

💠هوشمندسازی، مسیری جامع و هدفمند برای دستیابی به بهره‌وری بالاتر و درمان بهتر است – جایی که فناوری‌هایی نظیر هوش‌مصنوعی به عنوان ابزاری برای حل مسائل واقعی مانند تشخیص دقیق بیماری‌ها، پیشگیری از بیماری‌ها، مدیریت منابع درمانی و مراقبت‌های شخصی‌سازی‌شده عمل می‌کند، بدون اینکه ما را به دام هیجان‌های کاذب بیندازد.

⏪در نتیجه، آنچه واقعاً اهمیت دارد، دستیابی به بهره‌وری پایدار و تجربه مراقبتی غنی‌تر برای بیماران، خانواده و کادر درمان است. اینجاست که هوشمندسازی به عنوان یک رویکرد جامع وارد میدان می‌شود؛ رویکردی که با بهره‌گیری از داده‌های پزشکی، دانش متخصصان انسانی، فرآیندهای بهینه‌سازی‌شده و ابزارهایی قدرتمند نظیر هوش مصنوعی، مسیر را برای حل چالش‌های واقعی مانند کاهش خطاهای تشخیصی، پیشگیری از بیماری‌ها و بهبود دسترسی به خدمات درمانی هموار می‌کند.

🔶در یکی از ارائه‌های رویداد MedAI Summit با بررسی یک مصداق واقعی، به مبانی هوشمندسازی در صنعت درمان، هوشمندسازی در بعد فردی (مانند بیماران و پزشکان) و سازمانی (مانند بیمارستان‌ها و سیستم‌های بهداشتی) خواهیم پرداخت.🔶

🌐MedAISummit
🌐LinkedIn 💠🔗Twitter 💠🌐Instagram

#معرفی_سخنران

⭐️ Dr. Akbar Shafiee
💠 MD, MSc | Preventive & Community Medicine Specialist

🗣 Presentation Title :

“AI-Powered Remote Monitoring and Personalized Management in Cardiovascular Care"

📚 Educational Background :
🔵Preventive & Community Medicine Specialty, Shahid Beheshti University of Medical Science
🔵 Doctor of Medicine (MD), Shahid Beheshti University of Medical Science
🔵 Master of Science (MSc) in Vitality & Ageing, Leiden University

🔬 Scientific & Research Background :
➡️ Preventive & Community Medicine Specialist at Tehran Heart Center – Hypertension Clinic
➡️ Director of International Affairs, Cardiovascular Diseases Research Institute, TUMS
➡️ Leads global engagement and collaborative initiatives in cardiovascular research
➡️ Medical Researcher specializing in preventive cardiology, hypertension, survival analysis, and non-communicable diseases
➡️ Director of AI-driven projects in cardiovascular medicine, focusing on bridging clinical insight with computational innovation

📝 Research Interests :
✅ AI Applications in Preventive Cardiology
✅ Global Health Collaboration & Data Ethics
✅ Longevity and Non-Communicable Diseases
✅ Precision Medicine and Public Health Innovation

🔗لینک ثبت‌نام در رویداد

🌐MedAISummit
🌐LinkedIn 💠🔗Twitter 💠🌐Instagram

#معرفی_سخنران

⭐️ Eng. Ali Jafarabadi
💠Engineer and Entrepreneur

🗣 Presentation Title :

"Artificial Intelligence; From Hype to Productivity"

📚 Educational Background :
🔵 Master’s Candidate in Artificial Intelligence
🔵 Bachelor’s Degree in Software Engineering

📝 Industrial Background :
➡️ Project Manager for the Smart Transformation, Tehran Heart Center
➡️ Project Manager for the Smart Transformation, Iran’s Aviation Industry
➡️ Consultant for the Smart Transformation, Securities and Exchange Organization of Iran
➡️ Consultant for the Smart Transformation, Geographical Organization of Iran
➡️ CTO, Satrap Inc.

👤 Memberships :
📌 AI and Data Science Committee of NSR Organization
📌 Libre/Free Knowledge Foundation

🔗لینک ثبت‌نام در رویداد

🌐MedAISummit
🌐LinkedIn 💠🔗Twitter 💠🌐Instagram

💻آیا الگوریتم‌های هوش مصنوعی همیشه به تشخیص بهتر کمک می‌کنند؟

📌 در تصوبربرداری CBCT، وقتی بیمار ایمپلنت، روکش فلزی یا براکت ارتودنسی دارد، این فلزات مثل یک آینه شکسته در تصویر عمل کرده و خطوط و سایه‌های مزاحمی به نام «آرتیفکت» ایجاد می‌کنند. این نویزهای تصویری می‌توانند جزئیات حیاتی مثل موقعیت یک عصب یا وضعیت استخوان را کاملاً بپوشانند.

🪄 الگوریتم‌های کاهش آرتیفکت فلزی (MAR) در واقع نوعی هوش مصنوعی کاربردی هستند که مثل یک فیلتر هوشمند عمل می‌کنند. وظیفه آن‌ها این است که الگوهای تکراری این نویزها را شناسایی کرده و تلاش کنند آن‌ها را از داده‌های اصلی تصویر حذف کنند تا یک نمای واضح‌تر و قابل اعتمادتر به دست آید.

❓ اما آیا این فیلتر هوشمند همیشه درست کار می‌کند؟ آیا ممکن است در حین پاک کردن نویز، جزئیات مهمی را هم ناخواسته حذف کند؟

🌠 در رویداد MedAI Summit، یکی از پژوهشگران برجستۀ این حوزه به معرفی و بررسی الگوریتم‌های MARمی‌پردازد؛ در این ارائه نشان داده می‌شود که این روش‌ها در شرایط مختلف تا چه میزان قابل اعتمادند و آیا واقعاً به بهبود دقت تشخیص کمک می‌کنند یا خیر✨

🌐MedAISummit
🌐LinkedIn 💠🔗Twitter 💠🌐Instagram

#معرفی_سخنران

⭐️ Dr. Parisa Soltani
💠 Dentist, PhD Candidate, University of Naples Federico II

🗣 Presentation Title :

“Metal Artifact Reduction in CBCT Images Using AI”

📚 Educational Background :
🔵 PhD Candidate, University of Naples Federico II, Italy
🔵 Master’s Degree (MS, Hons), Oral and Maxillofacial Radiology, Isfahan University of Medical Sciences
🔵 Doctor of Dental Surgery (DDS, Hons), Isfahan University of Medical Sciences

🔬 Professional Appointments & Research Roles :
➡️ Assistant Professor, Dept. of Oral and Maxillofacial Radiology, Isfahan University of Medical Sciences
➡️ Visiting Researcher, University of Naples Federico II, Italy

👤 Memberships & Leadership Roles :
📌 Editorial Board Member, European Endodontic Journal
📌 Section Editor, Dental Research Journal
📌 Editorial Board Member, BMC Oral Health

🏅 Selected Achievements :
💠 Prolific researcher with over 100 academic publications and an h-index of 17
💠 Recent Award Winner, International Congress of DentoMaxilloFacial Radiology (IADMFR)
💠 Leading researcher on AI for opportunistic screening of systemic diseases (e.g., Carotid Artery Calcifications) using dental imaging

📝 Research Interests :
✅ AI in Oral & Maxillofacial Radiology
✅ CBCT Image Enhancement & Metal Artifact Reduction
✅ Imaging Informatics & Radiomics
✅ Advanced Dental Imaging
✅ Implant Dentistry

🔗 لینک ثبت‌نام در رویداد

🌐MedAISummit
🌐LinkedIn 💠🔗Twitter 💠🌐Instagram

👉 آیا پزشکی امروز، همان پزشکی فرداست؟

🔍در دنیایی که داده‌ها با سرعتی بی‌سابقه تولید می‌شوند و تصمیم‌گیری‌های بالینی بیش از هر زمان دیگری به تحلیل‌های پیچیده نیاز دارند، مفهوم «پزشکی هوشمند» دیگر یک چشم‌انداز دور نیست — بلکه واقعیتی در حال شکل‌گیری است.

➕ پزشکی هوشمند (Intelligent Medicine) یعنی بهره‌گیری از سیستم‌های داده‌محور، الگوریتم‌های یادگیری ماشین، و مدل‌های پیش‌بینی‌کننده برای پشتیبانی از پزشک در هر مرحله از مسیر مراقبت: از پیش‌بینی بیماری تا انتخاب درمان شخصی‌سازی‌شده.

🔴اما پرسش کلیدی این است:

💠آیا سیستم‌های هوشمند می‌توانند به‌درستی منطق بالینی و پیچیدگی انسان را درک کنند؟
💠آیا می‌توان به الگوریتمی اعتماد کرد که در مورد زندگی تصمیم می‌گیرد؟

✅ پزشکی هوشمند، فقط درباره‌ی ابزارها نیست؛ بلکه درباره‌ی تغییر نقش انسان در پزشکی است. در این مسیر، پزشک نه تنها درمانگر، بلکه مدیر داده، تحلیل‌گر تصمیم و ناظر اخلاقی فناوری می‌شود. آینده‌ای در حال شکل‌گیری است که در آن هوش مصنوعی و هوش انسانی در کنار هم، نه در برابر هم، عمل می‌کنند.

⏪ در یکی از ارائه‌های رویداد MedAI Summit به بررسی این پرسش‌ها خواهیم پرداخت:
چگونه پزشکی می‌تواند «هوشمند» باشد بدون آنکه «غیرانسانی» شود؟
و چه مسیرهایی پیش‌رو داریم تا از پزشکی داده‌محور به پزشکی واقعاً هوشمند و اخلاق‌محور برسیم؟

🌐MedAISummit
🌐LinkedIn 💠🔗Twitter 💠🌐Instagram