🌏 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

#معرفی_سخنران

⭐️ Dr. Zeynab Barzegar
💠 AI/ML Expert – Assistant Professor | IUMS

🗣 Presentation Title:

"Intelligent Medicine, And The Coming future"

📚 Educational Background :
🔵 Ph.D. in Artificial Intelligence, Sharif University of Technology
🔵 M.Sc. in Artificial Intelligence, Sharif University of Technology
🔵 B.Sc. in Computer Software Engineering, Sharif University of Technology

🔬 Professional Experience :
➡️ Faculty Member, Iran University of Medical Sciences (IUMS)
➡️ Co-Founder & Chief Scientist, DECRISK
➡️ AIOps Manager, Hamrahe Aval (MCI)
➡️ Member of ICT Policy Making Council, Technical and Vocational University
➡️ Senior ICT Consultant, I.R. Iran Port and Maritime Organization

🔗لینک ثبت‌نام در رویداد

🌐MedAISummit
🌐LinkedIn 💠🔗Twitter 💠🌐Instagram

💡هوش مصنوعی چگونه می‌تواند ارتوپدی اطفال را دگرگون کند؟

🔍 در ارتوپدی اطفال، تشخیص و درمان بیماری‌هایی مانند ناهنجاری‌های اسکلتی، اغلب به مشاهده بالینی، تصویربرداری و تجربه پزشک وابسته است. اما این روش‌ها، ماهیتی «واکنشی» دارند، یعنی پزشک معمولاً زمانی مداخله می‌کند که تغییرات ساختاری یا عملکردی کودک، قابل رؤیت یا علامت‌دار شده باشد! حال پرسش اینجاست که «آیا می‌توان قبل از بروز این تغییرات واضح، مسیر رشد استخوان و مفصل را پیش‌بینی و اصلاح کرد؟»

✅ در این نقطه از ارتوپدی اطفال، هوش مصنوعی وارد صحنه می‌شود! فناوری‌ای که با تحلیل داده‌های تصویربرداری (مانند X-ray، MRI، و گیت آنالیز) و اطلاعات بالینی رشد، می‌تواند «الگویی دقیق از آینده اسکلتی هر کودک» را ترسیم کند.

✅ اما این مدل‌های مبتنی بر یادگیری ماشین، تنها تفسیرکننده‌ی تصاویر نیستند! بلکه می‌توانند:

1⃣ روند رشد اندام را پیش‌بینی کرده و احتمال بروز ناهنجاری‌های رشدی را پیش از ظهور بالینی مشخص می‌کنند.
2⃣ می‌توانند تأثیر مداخلات درمانی مانند ارتوز یا جراحی را در قالب شبیه‌سازی پیش‌بینی کنند.
3⃣ با ادغام داده‌های چندوجهی، درمان را شخصی‌سازی کرده و بهترین مسیر اصلاحی را برای هر بیمار پیشنهاد دهند.
4⃣ به عنوان یک دستیار تصمیم‌یار بالینی (AI clinical assistant) در کنار پزشک، برنامه‌ی درمانی را هوشمند و مبتنی بر داده می‌سازند.

◀️ چنین سامانه‌هایی می‌توانند تحولی جدی در رویکرد به ارتوپدی اطفال ایجاد کنند و ما را از درمان واکنشی به مدیریت پیش‌نگر و پیشگیرانه برسانند. با این حال، مسیر ادغام هوش مصنوعی در ارتوپدی با چالش‌هایی هم همراه بوده است که می‌توان به بررسی دقت و عملکرد مدل‌ها، تفسیرپذیری الگوریتم‌ها و حتی حفظ حریم داده‌های بیماران خردسال اشاره کرد که موضوعات بسیار مهمی می‌باشند.

🟡 در ارائه‌ای در رویداد MedAI Summit، در خدمت یکی از فلوشیپ‌های ارتوپدی اطفال هستیم که در زمینهٔ پژوهش‌های بین‌رشته‌ای این موضوع فعالیت می‌کنند و قرار است از ایشان درمورد چشم‌انداز نوین و آینده‌ی ترکیب علم رشد استخوان با «یادگیری ماشین» یاد بگیریم!

🌐MedAISummit
🌐LinkedIn 💠🔗Twitter 💠🌐Instagram

#معرفی_سخنران

⭐️ Dr. Mohammad-Hossein Nabian
💠 Expert in Pediatric Orthopaedics, AI applications in Orthopaedic Surgery

🗣 Presentation Title :

"AI-Driven Prediction and Treatment Planning in Pediatric Orthopaedic Deformities"

📚 Educational Background :
🔵 Doctor of Medicine (MD), Tehran University of Medical Sciences (TUMS)
🔵 Orthopaedic Surgery Residency, Shariati Hospital — Tehran University of Medical Sciences
🔵 Advanced Training in Pediatric Orthopaedics, Foot & Ankle, and Neuro-Orthopaedics (France)

🔬 Professional Appointments & Leadership Roles :
➡️ Associate Professor of Orthopaedics, School of Medicine — Tehran University of Medical Sciences
➡️ Pediatric Orthopaedic Surgeon, Shariati Hospital — TUMS
➡️ Member, Center for Orthopaedic Trans-Disciplinary Applied Research (COTAR), TUMS
➡️ Deputy Editor, Journal of Orthopedic and Spine Trauma (JOST)

👤 Editorial & medicine Contributions :
📌 Faculty Member, Department of Orthopaedics — TUMS
📌 Deputy Editor, Journal of Orthopedic and Spine Trauma (JOST)
📌 Reviewer & Author in international orthopaedic journals
📌 Researcher in applied orthopaedic innovation and translational medicine

📝 Research & Professional Interests :
✅ Pediatric Orthopaedic Surgery (Congenital & Neuromuscular Deformities)
✅ Foot & Ankle Surgery in Children and Adolescents
✅ Neuro-Orthopaedics and Translational Musculoskeletal Research
✅ Artificial Intelligence and Predictive Modeling in Orthopaedics
✅ Clinical Education & Interdisciplinary Innovation

🔗لینک ثبت‌نام در رویداد

🌐MedAISummit
🌐LinkedIn 💠🔗Twitter 💠🌐Instagram

🌐 آیا حفظ امنیت داده‌های پزشکی در عصر هوش مصنوعی ممکن است؟

🎖 بر همهٔ ما واضح است که شبکه‌های عصبی (NNs) می‌توانند انقلابی در پزشکی ایجاد کنند، اما این قدرت بزرگ، مسئولیتی بزرگی هم به همراه دارد! وقتی پای حساس‌ترین اطلاعات ما، یعنی داده‌های پزشکی، به میان می‌آید، سوال مهم این است که «چگونه می‌توانیم از آن‌ها محافظت کنیم؟»

📌 می‌دانیم که مدل‌های هوش مصنوعی با استفاده از داده‌ها آموزش می‌بیند. در حوزه سلامت، این داده‌ها شامل سوابق بیمار، تصاویر پزشکی، اطلاعات ژنتیکی و... است و استفاده هرچه بیشتر از این داده‌ها، برای آموزش شبکه‌های عصبی، می‌تواند به تشخیص‌های دقیق‌تر و درمان‌های شخصی‌سازی‌شده منجر شود.

🔸اما امنیت این داده‌ها چه می‌شود؟ در دنیای پزشکی مبتنی بر هوش مصنوعی، ملاحظات زیر نقش حیاتی خواهند داشت:

🔒 حریم خصوصی و امنیت داده‌ها: در پاسخ به این سوال که «چگونه اطمینان حاصل کنیم که اطلاعات پزشکی بیماران محرمانه باقی می‌ماند و از دسترسی‌های غیرمجاز محافظت می‌شود؟» چرا که نشت این داده‌ها می‌تواند به تبعیض و سوءاستفاده منجر شود.
💠 رضایت آگاهانه: در پاسخ به این سوال که «آیا بیماران به درستی می‌دانند داده‌هایشان چگونه و برای چه هدفی استفاده می‌شود؟» زیرا کسب رضایت شفاف و آگاهانه، یک اصل بنیادین اخلاقی است که نباید نادیده گرفته شود.
🎯 سوگیری الگوریتم‌ها: اگر شبکه‌های عصبی با داده‌های جمع‌آوری‌شده از یک گروه خاص جمعیتی آموزش ببینند، ممکن است برای سایر گروه‌ها عملکرد دقیقی نداشته باشند. این سوگیری می‌تواند نابرابری‌های موجود در سیستم سلامت را حتی تشدید هم کند که مطلوب ما نیست.
💠 مسئولیت‌پذیری: یک سوال مهم وجود دارد و آن، این است که «وقتی یک مدل هوش مصنوعی در تشخیص یا درمان دچار خطا می‌شود، چه کسی مسئول است؟» پزشک، توسعه‌دهنده الگوریتم یا بیمارستان؟ بنابراین تعیین چارچوب‌های مشخص برای مسئولیت‌پذیری ضروری است.

◀️ما معتقدیم که تنها زمانی می‌توانیم از مزایای فوق‌العاده هوش مصنوعی در سلامت بهره‌مند شویم که به چالش‌های اخلاقی و ایمنی آن با جدیت بپردازیم.

🔹این گفت‌وگو باید با حضور متخصصان هوش مصنوعی در علوم پزشکی شکل بگیرد تا اطمینان حاصل شود که نوآوری در مسیر درست حرکت می‌کند و ما هم در رویداد MedAI Summit، میزبان رادیوانکولوژیستی هستیم که در توسعهٔ مدل‌های هوش مصنوعی نیز فعالیت می‌کند و قرار است برای‌مان از امنیت داده‌ها بگوید تا دید بهتری به این مسئله مهم داشته باشیم. 🔹

🌐MedAISummit
🌐LinkedIn 💠🔗Twitter 💠🌐Instagram

#معرفی_سخنران

⭐️ Dr. Ehsan Saraee
💠 MD | Radiation Oncologist & Full-Stack Developer

🗣 Presentation Title :

"Ethical and Safety Considerations for Medical Data in Neural Networks"

📚 Educational Background :
🔵 Doctor of Medicine (MD), Tehran University of Medical Sciences (TUMS)
🔵 Student of Electrical Engineering, Amirkabir University of Technology

🔬 Scientific & Research Background :
➡️ Faculty Member, Department of Radiation Oncology, Tehran University of Medical Sciences
➡️ Specialized in Radiation Oncology at Imam Khomeini Hospital, Tehran
➡️ Launched the first academic Gamma Knife Center in Iran, at Tehran University of Medical Sciences/Yas Hospital Complex
➡️ Experienced in designing, programming, and implementing medical research databases
➡️ Responsible for interdepartmental coordination and Technical Officer of the Gamma Knife Center

📝 Research Interests :
✅ AI in Medical Imaging & Oncology
✅ Ethical and Safety Aspects of Medical Data in Neural Networks
✅ Radiomics and Imaging Biomarkers
✅ Database Design for Clinical Research

🔗لینک ثبت‌نام در رویداد

🌐MedAISummit
🌐LinkedIn 💠🔗Twitter 💠🌐Instagram

⚪️ سخنران های اولین رویداد MedAI Summit

👤 دکتر شهریار فغانی | Mayo Clinic
⏪ عدم قطعیت مدل‌های هوش‌مصنوعی در رادیولوژی

👤 دکتر زینب برزگر | IUMS
⏪ پزشکی هوشمند و آینده‌ی پیش‌رو

👤 دکتر محمدحسین نبیان | TUMS
⏪ هوش‌مصنوعی در پیش‌بینی ناهنجاری‌های ارتوپدی اطفال

👤 دکتر پریسا سلطانی | UNIN
⏪ هوش مصنوعی در کاهش آرتیفکت فلزی در تصاویر CBCT

👤 دکتر علی بزرگی | TUMS
⏪ هوش‌مصنوعی در تشخیص و پیش‌بینی زودهنگام بیماری‌های قلبی‌عروقی

👤 دکتر ساحل حسن‌زاده | SBMU
⏪ هوش‌مصنوعی در دندان‌پزشکی؛ از گذشته تا امروز

👤 دکتر پوریا روزرخ | Mayo Clinic
⏪ هوش‌مصنوعی Agentic در رادیولوژی

👤 دکتر رضا شاه‌نظر | Digikala
⏪ ساختن اپلیکیشن‌های مبتنی بر Generative AI

👤 دکتر احسان سرائی | TUMS
⏪ ملاحظات اخلاقی و ایمنی داده‌های پزشکی در عصر هوش مصنوعی

👤 دکتر امیراحمد صفوی | ISMMS
⏪ توسعه‌ی خط داده چندمرکزی کنسر پانکراس در ایران

👤 دکتر ریحانه شورگشتی | WHO
⏪ کاربرد هوش‌مصنوعی در تشخیص ضایعات دهانی

👤 دکتر اکبر شفیعی | TUMS
⏪ هوش‌مصنوعی در نظارت از راه دور و شخصی‌سازی‌ مراقبت‌های قلبی‌عروقی

👤 مهندس علی جعفرآبادی | SATRAP INC
⏪ هوش‌مصنوعی؛ از هیاهو تا بهره‌وری

👤 دکتر حمیدرضا سلیقه‌راد | TUMS
⏪ هوش‌مصنوعی در خدمت تشخیص بیماری آلزایمر

👤 دکتر سروش نعمت‌الهی | TUMS
⏪ دیدن درون جعبه‌سیاه هوش‌مصنوعی

🔹 فرصت ثبت‌نام در حال اتمام است، و در صورت علاقه به حضور در رویداد، هرچه زودتر ثبت‌نام‌تان را نهایی کنید!

🔗 لینک ثبت‌نام در رویداد

✍️ جهت بررسی پاسخ سوالات متداول به این پست مراجعه فرمایید و در صورت وجود هرگونه مسئله، با ادمین در ارتباط باشید:
🆔@MedAISummit_Admin

🌐MedAISummit
🌐LinkedIn 💠🔗Twitter 💠🌐Instagram

⭐بخش ویژه رویداد MedAI Summit

🎆 Hactivity Time 🎆

✅ بسیاری از ما هوش مصنوعی را با ظهور و گسترش مدل‌های زبانی (LLMs) می‌شناسیم. از دستیارهای مجازی و چت‌بات‌ها گرفته تا ابزارهای تولید محتوا و تحلیل داده، این مدل‌ها به عضوی فعال در زندگی روزمره و صنایع مختلف تبدیل شده‌اند.

❓ آیا تا به حال به این فکر کرده‌اید که این فناوری‌های به‌ظاهر هوشمند تا چه حد در برابر حملات متنی یا دستکاری‌های ورودی (Prompt Manipulation) مقاوم هستند؟ گاهی چند کلمه هوشمندانه کافی است تا مسیر تصمیم‌گیری این مدل‌ها به‌کلی تغییر کند!

💠 در مسابقه Hactivity Time، شما فرصتی خواهید داشت تا به‌صورت عملی با مفهوم حملات متنی تهاجمی (Adversarial Text Attacks) آشنا شوید.
⏪ این چالش جایی است که خلاقیت و دانش زبانی شما می‌تواند از الگوریتم‌ها پیشی بگیرد! هدف ما هم از این حملات، نه فریب دادن مدل‌ها، بلکه درک عمیق‌تر رفتار آن‌ها، بررسی الگوهای زبانی، ساختارهای امنیتی و محدودیت‌های هم‌راستایی (Alignment) در برابر ورودی‌های غیرمنتظره است.

🔷 بنابراین، اگر به امنیت مدل‌های زبانی، رفتارشناسی سیستم‌های generative یا کشف نقاط ضعف هوش مصنوعی - که از مباحث جدی و مهم در سیستم سلامت نیز هستند - علاقه‌مندید، این مسابقه برای شماست! در پایان رویداد نیز از برندگان مسابقه تقدیر به عمل خواهد آمد. 🔷

💠 توضیحات بیشتری از مسابقه در ابتدای رویداد ارائه خواهد شد تا با دید بهتری رقابت را آغاز کنید.

🔴 فرصت ثبت‌نام در رویداد رو به اتمام است. پس اگر علاقه‌مند به حضور در این برنامه هستید، هرچه سریع‌تر ثبت‌نام خود را نهایی کنید!

🔗 لینک ثبت‌نام در رویداد

🌐MedAISummit
🌐LinkedIn 💠🔗Twitter 💠🌐Instagram