این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
فصلنامه علوم پزشکی دانشگاه آزاد اسلامی واحد پزشکی تهران، جلد ۳۴، شماره ۳، صفحات ۲۰۷-۲۲۶
عنوان فارسی کاربرد هوش مصنوعی و یادگیری ماشین در گرایش های پزشکی،کشف دارو، ژنومیک و زیست حسگرها
چکیده فارسی مقاله ""چکیده
سابقه و هدف: در عصر جدید، پیچیدگی و افزایش داده­ها در مراقبت­های بهداشتی، ما را به سمت و سوی استفاده فزاینده از هوش مصنوعی سوق خواهد داد. برای انتخاب بهترین مسیر به سمت پزشکی دقیق، بررسی دقیق داده‌های کلی بیماران در کنار عوامل متعدد و گسترده، برای تمایز بین افراد بیمار و نسبتاً سالم ضروری است. هوش مصنوعی می­تواند پتانسیل مراقبت­های بهداشتی از بیماران را بهبود بخشد و از طریق محاسبات و استنتاج پیشرفته، سیستم را قادر می‌سازد تا استدلال کند و یاد بگیرد و در عین حال منجر به تصمیم‌گیری آسان­تر پزشک خواهد شد. هوش مصنوعی در حال حاضر در حوزه­های مختلفی توسط ارائه دهندگان مراقبت­های بهداشتی و شرکت­های علوم زیستی به کار گرفته شده است. در این مقاله، مروری بر پیشرفت های اخیر در حوزه کاربرد هوش مصنوعی در علوم پزشکی، داروسازی و ژنومیک انجام خواهیم داشت. همچنین در مورد نقش یادگیری ماشین در تصویربرداری پزشکی، پزشکی دقیق و حسگرهای زیستی بحث می‌­شود و برخی از پیشرفت‌ها در فناوری‌های حسگرهای زیستی را که از هوش مصنوعی برای کمک به نظارت بر سیگنال‌های الکتروفیزیولوژیکی و الکتروشیمیایی بدن و تشخیص بیماری استفاده می‌کنند. بررسی خواهیم کرد که این پیشرفت­ها، گرایش به سمت پزشکی شخصی‌سازی شده را، با درمان بسیار مؤثر، ارزان و دقیق در نقطه مراقبت نشان می‌دهد. محققان می‌توانند با در دسترس بودن طیف وسیعی از مجموعه داده‌ها و تکنیک‌های رایانه‌ای مدرن مانند یادگیری ماشین (ML: machine learning) و یادگیری عمیق  (DL: deep learning) عصر جدیدی از پزشکی ژنومیک و کشف و طراحی داروهای مؤثر را ایجاد کنند.

 
کلیدواژه‌های فارسی مقاله هوش مصنوعی، پزشکی دقیق، حسگر زیستی، کشف دارو، ژنومیک.
عنوان انگلیسی Application of artificial intelligence and machine learning in medicine, drug discovery, genomics and biosensors
چکیده انگلیسی مقاله Background: In the modern era, the complexity and increase in healthcare data will drive us towards the growing use of artificial intelligence. For optimal progress in precision medicine, a thorough examination of comprehensive patient data alongside various and extensive factors is essential to differentiate between sick and relatively healthy individuals. Artificial intelligence has the potential to enhance patient care and facilitate easier decision-making for healthcare professionals through advanced computations and inferences, enabling the system to reason, learn, and ultimately streamline medical decision-making. Artificial intelligence is currently being employed by healthcare providers and life sciences companies in various domains. In this article, we will review recent advancements in the application of artificial intelligence in the fields of medicine, pharmaceuticals, and genomics. Additionally, we will discuss the role of machine learning in medical imaging, precision medicine, and biosensors. The article will also explore some advances in biosensor technologies that utilize artificial intelligence to assist in monitoring electro-physiological and electrochemical signals of the body and diagnosing diseases. These advancements indicate a trend towards personalized medicine, which is both highly effective, cost-effective, and precise in the point of care. Researchers, with access to a wide range of datasets and modern computational techniques such as machine learning (ML) and deep learning (DL), can usher in a new era of genomics and effective drug discovery. Deep learning, using algorithms to create an artificial neural network (ANN), can autonomously learn and make decisions, mimicking the human brain.
 
کلیدواژه‌های انگلیسی مقاله Artificial intelligence, Precision medicine, Biosensor, Drug discovery, Genomics
نویسندگان مقاله سیده ندا جلالی | Seyedeh Neda Jalali
Department of Biology, Faculty of Basic Science, Ale Taha Institute of Higher Education, Tehran, Iran
گروه زیست شناسی، دانشکده علوم پایه، موسسه آموزش عالی آل طه، تهران، ایران

سهامه محبی | Sohameh Mohebbi
Department of Biology, Faculty of Basic Science, Ale Taha Institute of Higher Education, Tehran, Iran
گروه زیست شناسی، دانشکده علوم پایه، موسسه آموزش عالی آل طه، تهران، ایران

مریم قنبری | Maryam Ghanbari
Department of Microbial Biotechnology, Faculty of Biological Science, Tehran North Branch, Islamic Azad University, Tehran, Iran
گروه بیوتکنولوژی میکروبی، دانشکده علوم زیستی، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران

نشانی اینترنتی http://tmuj.iautmu.ac.ir/browse.php?a_code=A-10-877-3&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده زیست شناسی
نوع مقاله منتشر شده مروری
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات