📍محل برگزاری: تهران، بلوار کشاورز- خیابان وصال شیرازی- نبش خیابان ایتالیا- پلاک ۵۶، مرکز پژوهش های علمی و فناوری دانشجویان دانشگاه علوم پزشکی تهران

🔍سر فصل های کارگاه:
🔻اصول مکاتبه با اساتید و پژوهشگران داخلی و خارجی
🔻اصول نگارش ایمیل برای همکاری های علمی و پژوهشی
🔻اصول نگارش ایمیل برای پذیرش جایگاه های علمی و پژوهشی
🔻اصول نگارش دعوت نامه به جهت مشارکت علمی

📍در زمان مقرر، با ورود به پنل شخصی‌در سایت رویدادستان، از طریق بخش «رویدادهای من» وارد کارگاه شوید.

✉️

📷

🌐

📢 انجمن علمی دانشجویی بیوشیمی بالینی دانشگاه علوم پزشکی تهران برگزار می کند:

🫠همه چیز از سال ۱۹۷۱ شروع شد، زمانی که اولین دستگاه سی.تی.اسکن توسط "گادفری هانزفیلد" اختراع شد. پزشکان با اشتیاق تصاویر سیاه وسفید قلب را مثل نقشه های گنج می خواندند، اما رمزگشایی این نقشه ها گاهی به اندازهٔ پیدا کردن سوزن در انبار کاه سخت بود! دهه ها گذشت و تکنولوژی MRI و اکوکاردیوگرافی سه بعدی آمد، اما حجم دادهها آنقدر زیاد شد که حتی متخصصان مجرب هم گاهی در دریای اطلاعات غرق میشدند.

🫥سال ۲۰۱۶ نقطهٔ عطف بود: تیمی در MIT نشان دادند یک شبکهٔ عصبی کانولوشنی (CNN) میتواند ناهنجاریهای اکوکاردیوگرام را با دقت ۸۷% تشخیص دهد - رقمی که تا آن زمان غیرقابل تصور بود. اینجا بود که جرقهٔ انفجار هوش مصنوعی در قلب شناسی زده شد!

⚪️۲۰۲۰-۲۰۲۳: عصر طلایی ادغام داده‌ها
شرکت هایی مثل Siemens Healthineers شروع به آموزش مدل‌های Transformers روی میلیون‌ها تصویر MRI قلبی کردند. این مدلها نه تنها تصاویر را می دیدند، بلکه گزارش های پزشکی، داده های آزمایشگاهی و حتی الگوهای تنفسی بیماران را هم تحلیل میکردند. نتیجه؟ سیستمی به نام CardioAI که میتواند یک آنژیوگرافی CT را در ۱۲ ثانیه تحلیل کند - کاری که برای یک رادیولوژیست ۴۵ دقیقه طول میکشد!

⚡️ژانویهٔ ۲۰۲۴: معجزهٔ تشخیص زودهنگام
یک بیمار ۳۸ ساله در کلینیک مایو، با درد خفیف قفسهٔ سینه مراجعه کرد. سیستم هوش مصنوعی با ترکیب تصاویر اکوی او و داده های wearable devices، پلاک آترواسکلروتیک در شریان LAD را شناسایی کرد که حتی در آنژیوگرافی اولیه واضح نبود. دو روز بعد، استنتگذاری پیشگیرانه جان او را نجات داد!

🌀آینده (۲۰۲۶ به بعد): پیشبینیها از فیلمهای علمی-تخیلی هم فراتر میرود
- نسخهٔ بتای EchoVision-9 شرکت Medtronic که قادر است فیبروز میوکارد را ۵ سال قبل از بروز علائم بالینی پیشبینی کند
- پروژهٔ Digital Twin Heart دانشگاه استنفورد: شبیه سازی دقیق قلب بیمار با ۵۰۰ لایهٔ شبکهٔ عصبی برای تست مجازی داروها
- رابطه ای کاربردی که تصاویر پیچیدهٔ قلبی را به توضیحات ساده («رگ شماره ۳ مثل خیابانی است که ۶۰% ترافیک دارد!») تبدیل میکنند