نام مسئول هسته: دکتر علیرضا کریمیان

دانشکده مرتبط: فنی مهندسی

مهندسی کامپیوتر

تیم راهبری هسته:

دانشجویان تحت راهنمایی تیم راهبری هسته (با موضوع پروپوزال مصوب در راستای برنامه پژوهشی هسته):

طرح برون‌دانشگاهی یا گرنت جذب شده جاری یا خاتمه یافته در ۵ سال گذشته توسط اعضای تیم راهبری هسته

برنامه پژوهشی هسته:

"سلامت دیجیتال" یا Digital Health

سلامت دیجیتال به عنوان کلان روند پژوهشی گروه مهندسی پزشکی تصویب شده‌است. در همین راستا هسته پژوهشی با عنوان " پردازش تصاویر و داده‌‌های پزشکی در تشخیص و درمان بیماری‌های پرهزینه و شایع با استفاده از هوش مصنوعی" می‌تواند در راستای تحقق چندین اولویت پژوهشی دانشکده در زمینه سلامت دیجیتال قرار گیرد. این اولویت‌ها عبارتند از:

۱. بهبود دقت تشخیصی و درمانی:

هوش مصنوعی (AI) و یادگیری ماشین (ML) می‌توانند به پزشکان و متخصصان بهداشت و درمان کمک کنند تا با دقت بیشتری بیماری‌ها را تشخیص دهند و درمان‌های موثرتری را ارائه دهند. برای مثال، استفاده از الگوریتم‌های یادگیری عمیق برای تجزیه و تحلیل تصاویر پزشکی می‌تواند در تشخیص دقیق‌تر بیماری‌هایی نظیر سرطان کمک کننده باشد.

۲. پیش‌بینی شیوع بیماری‌های مزمن و شایع

الگوریتم‌های یادگیری ماشین قادر به تجزیه و تحلیل داده‌های بزرگ و پیچیده هستند که می‌توانند در پیش‌بینی شیوع بیماری‌ها در جوامع مختلف مفید باشند. این امر به متخصصان اجازه می‌دهد تا استراتژی‌های پیشگیرانه را پیش از بروز بحران‌های بهداشتی اتخاذ کنند.

۳. مدیریت و پیگیری بهداشت فردی:

سیستم‌های مبتنی بر هوش مصنوعی می‌توانند به افراد کمک کنند تا داده‌های بهداشتی خود را بهتر مدیریت کنند، بهبود دهند و با استفاده از برنامه‌ها و دستگاه‌های پوشیدنی، سلامت خود را دقیق‌تر پیگیری نمایند.

۴. دسترسی به خدمات بهداشتی:

هوش مصنوعی می‌تواند به ارائه خدمات پزشکی در مناطق دورافتاده یا کمتر توسعه یافته کمک کند، به خصوص از طریق تله‌مدیسین و برنامه‌های موبایلی که مشاوره و راهنمایی‌های پزشکی را فراهم می‌آورند.

۵. ارتقاء کیفیت زندگی بیماران مبتلا به بیماری های مزمن

AI و ML می‌توانند در توسعه تکنولوژی‌های پشتیبانی از زندگی مانند ربات‌های کمکی برای افراد مسن یا معلول مفید باشند، به این ترتیب کیفیت زندگی آنها را بهبود بخشند.

بنابراین، تشکیل یک هسته پژوهشی در این زمینه می‌تواند به پیشبرد این اولویت‌ها کمک کند و نوآوری‌های مهمی را در حوزه سلامت دیجیتال به ارمغان آورد.

هسته پژوهشی " پردازش تصاویر و داده‌‌های پزشکی در تشخیص و درمان بیماری‌های پرهزینه و شایع با استفاده از هوش مصنوعی" با هدف پرداختن به چالش‌های کلیدی حوزه سلامت در جامعه ایرانی، نوآوری‌های مهمی را در راستای بهبود دسترسی به خدمات درمانی و پزشکی، افزایش دقت و سرعت تشخیص بیماری‌های پرهزینه و شایع، مدیریت موثر بیماری‌های مزمن، و همچنین تسریع در فرآیندهای کشف و توسعه داروها ارائه می‌دهد. این گروه تحقیقاتی با به کارگیری فناوری‌های پیشرفته هوش مصنوعی و یادگیری ماشین، به دنبال راه‌حل‌هایی برای پیش‌بینی و مدیریت بهتر شیوع بیماری‌ها، به خصوص در مواقع بحرانی مانند همه‌گیری‌ها است. علاوه بر این، توجه ویژه‌ای به بهبود کیفیت زندگی افراد معلول و سالمندان از طریق توسعه تکنولوژی‌های پشتیبانی زندگی و دستیارهای هوشمند دارد، که همه این تلاش‌ها در نهایت به ارتقای سطح سلامت و کیفیت زندگی در جامعه ایرانی منجر می‌شود.

بر اساس آمارها و مقالات موجود، جامعه ایرانی با چالش‌های متعدد سلامتی مواجه است که مهم‌ترین آن‌ها شامل بیماری‌های قلبی و عروقی، دیابت، فشار خون بالا، چاقی، و مشکلات تنفسی مانند آسم و بیماری‌های ناشی از آلودگی هوا است. این بیماری‌ها، که بخش قابل توجهی از بار بیماری‌ها و مرگ و میر در ایران را تشکیل می‌دهند، تأثیر عمیقی بر سیستم بهداشت و درمان کشور دارند. علاوه بر این، افزایش روند سالمندی جمعیت و بیماری‌های مرتبط با سن، نظیر آلزایمر و سایر اختلالات شناختی، چالش‌های جدیدی را پیش روی سیستم سلامت ایران قرار داده است. مسائل بهداشتی ناشی از سبک زندگی، مانند مصرف دخانیات و کم‌تحرکی، نیز به عنوان عوامل خطرزا برای این بیماری‌ها شناسایی شده‌اند. در نتیجه، این بیماری‌ها و مسائل سلامتی نیازمند توجه و اقدامات فوری از سوی سیستم بهداشت و درمان کشور هستند تا از طریق پیشگیری، تشخیص زودهنگام، و مدیریت موثر بیماری‌ها، بتوان به بهبود کیفیت زندگی و کاهش مرگ و میر در جامعه کمک کرد.

برنامه پژوهشی هسته به شرح زیر است.

برنامه سال اول:

شناسایی فرصت‌ها و نیازهای حوزه سلامت:

· انجام بررسی‌های بازار و نیازسنجی از موسسات پزشکی برای شناسایی چالش‌های پرهزینه و شایع که می‌توان با استفاده از هوش مصنوعی حل کرد.

· تحلیل داده‌های موجود برای شناسایی اولویت‌های تحقیقاتی در حوزه بیماری‌های پرهزینه و شایع.

آغاز تحقیقات اولیه:

· انتخاب چند پروژه تحقیقاتی کلیدی بر اساس نیازسنجی‌ها و شروع به کار بر روی آن‌ها.

تشکیل تیم‌های تحقیقاتی تخصصی در زمینه پردازش تصاویر پزشکی و داده‌کاوی برای آغاز پروژه‌های منتخب.

برنامه سال دوم:

گسترش تحقیقات و توسعه نرم‌افزار:

پیشرفت در پروژه‌های تحقیقاتی انتخاب شده و توسعه اولیه نرم‌افزارها / الگوریتم‌های مرتبط با هوش مصنوعی برای حل مشکلات مشخص در حوزه بیماری‌های پرهزینه و شایع.

انجام آزمایشات و ارزیابی‌های میدانی برای بهبود کارایی و دقت الگوریتم‌ها.

جذب گرنت و تامین مالی:

نوشتن و ارسال پروپوزال‌ها برای جذب گرنت‌های داخلی و بین‌المللی به منظور تامین مالی پروژه‌ها.

برقراری ارتباط با صنعت و جذب حمایت‌های مالی از شرکت‌های فعال در حوزه پزشکی و فناوری.

ارائه نتایج اولیه و بازخورد:

ارائه یافته‌ها در کنفرانس‌ها و نشست‌های علمی برای دریافت بازخورد و ایجاد شبکه‌ای از همکاری‌های علمی.

انتشار مقالات در مجلات علمی معتبر برای معرفی دستاوردهای پژوهشی.

برنامه سال سوم:

تکمیل توسعه محصول:

بر اساس بازخوردهای دریافتی و نتایج تحقیقات، تکمیل توسعه محصولات فناورانه و اطمینان از کارایی آن‌ها در محیط‌های واقعی.

انجام آزمون‌های گسترده برای تأیید نهایی کارایی و دقت محصولات.

ثبت اختراع و مالکیت فکری:

انجام اقدامات لازم برای ثبت اختراعات و حفاظت از مالکیت فکری نرم‌افزارها و الگوریتم‌های توسعه یافته.

بررسی قوانین و مقررات مرتبط با ثبت اختراعات در سطح ملی و بین‌المللی.

بازاریابی و تجاری‌سازی:

برنامه‌ریزی برای بازاریابی و فروش محصول به بیمارستان‌ها، کلینیک‌ها و سایر موسسات مرتبط با سلامت.