واحد توسعه تحقیقات بالینی بیمارستان امام خمینی (ره)

برگزاری کارگاه نگارش متون علمی اکادمیک و چالش های مهم آن

به کارگیری صحیح واژگان مناسب ، اصطلاحات و گرامر و رعایت پیوستگی و یکپارچگی در نگارش متون علمی آکادمیک بسیار حایز اهمیت است . در این راستا کارگاه Academic Writing 3 توسط سرکار خانم دکتر نازیلا فرخ اسلاملو ویراستار زبان انگلیسی مرکز در مورخه4 بهمن ماه 1402 در بیمارستان امام خمینی ره با حضور علاقمندان از سطح دانشگاه برگزار گردید. جهت بهره مندی علاقمندانی که امکان حضور در کارگاه را بضورت حضورت نداشتند، با همکاری معاونت تحقیقات و فناوری امکان حضور مجازی نیز فراهم شده بود.

کارگاه تعیین حجم نمونه با استفاده از نرم افزار G*power

نرم افزار G*power یکی از نرم افزار های موجود برای تعیین حجم نمونه متناسب با اهداف پژوهش و در نظر گرفتن ماهیت متغیر های مورد بررسی می باشد . این کارگاه توسط جناب آقای دکتر محمد حیدری ، مشاور اپیدمیولوژی واحد توسعه تحقیقات بالینی 20 دیماه 1402 در بیمارستان امام خمینی ره با حضور علاقمندان به پژوهش بر گزار گردید.

کارگاە عملی (احیا قلبی ریوی پایه (CPR))

کارگاە عملی (احیا قلبی ریوی پایه (CPR)) توسط سرکار خانم دکتر نازلی کرمی فلوشیپ بیهوشی ناحیه ای به زبان انگلیسی برای دانشجویان بین الملل برگزار گردید.

چرا رادیولوژی یک زمینه‌ی اصلی برای اجرای اهداف هوش مصنوعی در پزشکی است؟

در زمان بررسی نتیجه‌ی یک تصویربرداری، هرچه متخصص اطلاعات مرتبط بیشتری در رابطه با بیمار داشته باشد، می‌تواند تفسیر بهتری ارائه کند. مثلا اگر هنگام بررسی یک رادیوگرافی قفسه‌ی سینه، به جای فقط دانستن نام و سن بیمار، اطلاعاتی در مورد وضعیت سرفه، گلودرد و یا سابقه‌ی پنومونی او داشته باشد، تفسیر تشخیصی متفاوتی خواهد داشت. با این حال پرونده‌های سوابق پزشکی حاوی اطلاعات پراکنده‌ی بسیاری هستند و یافتن اطلاعات مرتبط با دسترسی راحت، همیشه امکان‌پذیر نیست. نمونه‌ی عملی دیگر استفاده از هوش مصنوعی، شناسایی و هشدار وجود علائمی است که ممکن است از نظر رادیولوژیست پنهان بمانند. به عنوان مثال در انجام یک تست سی‌تی اسکن سر برای بیماری که خون‌ریزی مغزی فعال دارد، ممکن است نتایج اولیه‌ی اسکن سر یافته‌ی قابل‌توجهی را که نیازمند اقدام فوری باشد، نشان ندهند. در این موارد هوش مصنوعی می‌تواند هشداری برای تذکر به رادیولوژیست ایجاد کرده و کمک‌‌کننده باشد. در زمان‌هایی که به علت تعداد بالای بیمار و اسکن‌ها، پزشک توانایی رسیدگی فوری به تمام موارد را ندارد، این ویژگی هوش مصنوعی می‌تواند بسیار سودمند باشد.

کاربرد هوش مصنوعی در حوزه سلامت

هوش منصوعی می‌تواند به پردازش داده‌های پزشکی کمک کند و به متخصصان پزشکی بینش‌های مهمی بدهد، نتایج سلامتی و تجربیات بیمار را بهبود بخشد. هوش مصنوعی در پزشکی استفاده از مدل‌های یادگیری ماشینی برای جستجوی داده‌های پزشکی و کشف دیدگاها برای کمک به بهبود نتایج سلامت و تجربیات بیمار است. به لطف پیشرفت های اخیر در علوم کامپیوتر و انفورماتیک، هوش مصنوعی (AI) به سرعت به بخشی جدایی ناپذیر از مراقبت های بهداشتی مدرن تبدیل می شود. الگوریتم‌های هوش مصنوعی و سایر برنامه‌های کاربردی مجهز به هوش مصنوعی برای حمایت از متخصصان پزشکی در محیط‌های بالینی و تحقیقات در حال انجام،استفاده می‌شوند.

*۱۱ کارآزمایی بالینی تاثیرگذار در علوم پزشکی در ۲۰۲۴ کدامند؟*

کسب رتبه ششم ارزشیابی 1400 در بین رتبه بندی دانشگاه های تیپ 2