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.
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.
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.