مایکروسافت دوره‌ی ۲۱ جلسه‌ای هوش مصنوعی را همراه با پروژه‌های عملی و نمونه‌کدها به‌صورت رایگان و با ترجمه‌ی فارسی در گیت‌هاب منتشر کرد. مایکروسافت دوره‌ای رایگان برای یادگیری هوش مصنوعی ارائه کرده است که از مفاهیم اولیه تا ساخت چت‌بات، تولید تصویر و توسعه‌ی عامل‌های هوشمند را آموزش می‌دهد. این دوره در گیت‌هاب منتشر شده، ۲۱ درس اصلی دارد و نسخه‌ی فارسی آن نیز در دسترس است. یادگیری هوش مصنوعی دیگر به شناخت ابزارهایی مانند چت‌جی‌پی‌تی و نوشتن چند دستور متنی محدود نمی‌شود. بسیاری از کاربران به‌دنبال یادگیری روش ساخت برنامه‌هایی هستند که بتوانند با مدل‌های زبانی ارتباط برقرار کنند، به پرسش‌ها پاسخ دهند یا اطلاعات موردنیاز را از اسناد و پایگاه‌های داده استخراج کنند. مایکروسافت برای آموزش این مهارت‌ها، دوره‌ای با عنوان Generative AI for Beginners را در گیت‌هاب ارائه کرده است. این مجموعه به دست تیم Microsoft Cloud Advocates تهیه شده و نسخه‌ی سوم آن شامل ۲۱ درس اصلی و یک بخش مقدماتی برای آماده‌سازی محیط توسعه است. مخزن دوره تا زمان نگارش این مقاله، بیش از ۱۲۲ هزار ستاره در گیت‌هاب دریافت کرده است؛ آماری که نشان‌دهنده‌ی توجه گسترده‌ی کاربران و توسعه‌دهندگان به این پروژه است. https://github.com/microsoft/generative-ai-for-beginners/blob/main/translations/fa/README.md 🆔 @AiGovernance

🇮🇷 پژوهش ایرانی | هوش مصنوعی در سلامت هوش مصنوعی در تصویربرداری دندان و فک چقدر دقیق است؟ بررسی ۷۴ پژوهش توسط محققان ایرانی پژوهشگران دانشگاه علوم پزشکی شهید بهشتی، دانشگاه علوم پزشکی ارومیه، دانشگاه صنعتی امیرکبیر و چند مرکز دانشگاهی دیگر در ایران، در یک پژوهش مشترک عملکرد هوش مصنوعی را در تحلیل تصاویر سه‌بعدی دندان، فک و صورت بررسی کردند. 🔍 سؤال اصلی پژوهش چه بود؟ آیا هوش مصنوعی می‌تواند در شناسایی ضایعات، تشخیص ساختارهای آناتومیکی و تحلیل تصاویر سی‌بی‌سی‌تی (CBCT) به دندان‌پزشکان کمک کند؟CBCT نوعی تصویربرداری سه‌بعدی است که برای بررسی دقیق دندان‌ها، استخوان فک و ساختارهای اطراف آن‌ها استفاده می‌شود. 🔬 پژوهشگران چه کردند؟ پژوهشگران نتایج ۷۴ مطالعه منتشرشده درباره کاربرد یادگیری ماشین در تصاویر CBCT را گردآوری و با روش مرور نظام‌مند و فراتحلیل بررسی کردند. 📊 نتایج چه بود؟ ▪️ میانگین تجمیعی دقت مدل‌ها در مطالعات قابل ترکیب، ۸۸ درصد گزارش شد. ▪️ حساسیت تجمیعی ۹۵ درصد بود؛ یعنی مدل‌ها در شرایط مطالعات بررسی‌شده، توانایی بالایی در شناسایی موارد مثبت داشتند. ▪️ شاخص AUC نیز به ۰٫۹۳ رسید که نشان‌دهنده توانایی مناسب مدل‌ها در تفکیک گروه‌های مورد بررسی است. 💡 چرا این پژوهش مهم است؟ این مطالعه نشان می‌دهد هوش مصنوعی ظرفیت کمک به دندان‌پزشکان در تحلیل تصاویر سه‌بعدی را دارد، اما عملکرد خوب در پژوهش‌های آزمایشگاهی لزوماً به معنای آمادگی برای استفاده روزمره نیست. مشارکت دانشگاه‌های ایرانی در این فراتحلیل نیز به شناخت دقیق‌تر فرصت‌ها و محدودیت‌های هوش مصنوعی در دندان‌پزشکی کمک می‌کند. 📚 شناسنامه پژوهش پژوهشگران: عارف زارعی، حدیث ملک‌پور، مهیا نقی‌پور علمداری و همکاران مراکز همکار: دانشگاه‌های علوم پزشکی شهید بهشتی، ارومیه، اردبیل و تهران، دانشگاه صنعتی امیرکبیر و سایر مراکز دانشگاهی همکار نشریه: BMC Oral Health نوع پژوهش: مرور نظام‌مند و فراتحلیل وضعیت انتشار: داوری‌شده؛ نسخه پذیرفته‌شده با انتشار زودهنگام 🔗 مقاله اصلی: https://doi.org/10.1186/s12903-026-10316-3 #پژوهش_ایرانی #هوش_مصنوعی_در_سلامت #دندانپزشکی_دیجیتال #تصویربرداری_پزشکی #نورون نورون | هوش مصنوعی در سلامت رصد تحولات، فهم آینده سلامت 🍂@NeuronRC

🔬 پژوهش جدید | هوش مصنوعی در سلامت چرا اضافه‌کردن یک درس هوش مصنوعی به آموزش پزشکان کافی نیست؟ پژوهشگران دانشگاه مک‌مستر کانادا در مطالعه‌ای تازه نشان داده‌اند که آموزش هوش مصنوعی به پزشکان متخصص آینده، فقط به تدوین سرفصل‌های درسی جدید محدود نمی‌شود. این پژوهش که در نشریه BMC Medical Education منتشر شده، به موانعی پرداخته است که دانشگاه‌ها هنگام واردکردن هوش مصنوعی به دوره‌های دستیاری تخصصی پزشکی با آن روبه‌رو هستند. 🔍 پژوهشگران چه کردند؟ آن‌ها با ۱۲ پزشک فعال در حوزه هوش مصنوعی و آموزش پزشکی در آمریکای شمالی مصاحبه کردند تا مشکلات و نیازهای آموزشی را از نگاه متخصصان شناسایی کنند. 📊 چه نتایجی به دست آمد؟ پژوهشگران پنج چالش اصلی را شناسایی کردند: ▪️ تغییر سریع فناوری و نیاز به بازنگری مداوم محتوای آموزشی ▪️ آشنایی ناکافی برخی استادان با کاربردهای هوش مصنوعی ▪️ آماده‌نبودن زیرساخت‌ها و مقررات دانشگاهی ▪️ نبود استانداردهای آموزشی روشن و مورد توافق ▪️ نگرانی درباره تغییر نقش و مسئولیت حرفه‌ای پزشکان 💡 چرا این پژوهش مهم است؟ یافته‌ها نشان می‌دهد اضافه‌کردن یک واحد درسی هوش مصنوعی، بدون آموزش اعضای هیئت علمی و آماده‌سازی دانشگاه، کافی نیست. پژوهشگران پیشنهاد می‌کنند برنامه‌های آموزشی انعطاف‌پذیر باشند و استادان و دستیاران بتوانند بخشی از مهارت‌های جدید را در کنار یکدیگر یاد بگیرند. 🔗 مقاله اصلی: https://doi.org/10.1186/s12909-026-10684-y #هوش_مصنوعی_در_سلامت #آموزش_پزشکی #آموزش_هوش_مصنوعی #سلامت_دیجیتال #نورون نورون | هوش مصنوعی در سلامت رصد تحولات، فهم آینده سلامت 🍂@NeuronRC

🔬 پژوهش جدید | هوش مصنوعی در سلامت آیا استفاده طولانی از هوش مصنوعی با اضطراب و مشکلات خواب ارتباط دارد؟ پژوهشگران چینی در مطالعه‌ای روی ۱۸۸۲ دانشجوی پزشکی بررسی کردند که مدت استفاده از ابزارهای هوش مصنوعی مولد، مانند چت‌بات‌ها، چه ارتباطی با وضعیت روانی و کیفیت خواب دانشجویان دارد. 🔍 پژوهشگران به چه نتایجی رسیدند؟ ▪️ دانشجویانی که مدت بیشتری از هوش مصنوعی استفاده می‌کردند، در مقایسه با افراد کم‌مصرف یا غیرمصرف‌کننده، حدود دو برابر شانس بیشتری برای گزارش نشانه‌های اضطراب داشتند. ▪️ در این گروه، شانس گزارش دشواری در به‌خواب‌رفتن نیز حدود ۱٫۷ برابر بود. ▪️ استفاده طولانی‌تر با افزایش امتیاز نشانه‌های افسردگی ارتباط داشت، اما ارتباط معناداری با طبقه‌بندی نشانه‌های افسردگی مشاهده نشد. 🔗 مقاله اصلی: https://doi.org/10.1186/s12909-026-10747-0 #هوش_مصنوعی_در_سلامت #سلامت_روان #آموزش_پزشکی #هوش_مصنوعی_مولد #نورون نورون | هوش مصنوعی در سلامت رصد تحولات، فهم آینده سلامت 🍂@NeuronRC