ویژه اعضای هیات علمی دانشگاهها

اعطای گرنت تا سقف یک میلیارد تومان

امکان ثبت شرکت و استقرار در پارک علم و فناوری سلامت دانشگاه

فرایند حداکثر 18 ماهه از مرحله تصویب، عقد قرارداد، واریز مبلغ تا ارائه گزارش نهایی

پرداخت 70 درصد بودجه در ابتدای عقد قرارداد (با فاصله زمانی حداکثر 3 ماهه)

زمانبندی فراخوان

موضوعات فراخوان:

دستیار پزشک، پرستار یا بیمار:

 تبدیل گفتار پرستاران به مستندات ساختاریافته پرونده الکترونیک سلامت (EHR) و کاهش بار اداری

ایجاد گزارش پزشکی در تصویربرداری با استفاده از گزارش صوتی پزشک و داده های متنی مرتبط

توسعه سیستم‌های هوشمند برای پیش‌بینی و هشدار زودهنگام  در بخش‌های ICU یا پرستاری در منزل، با تحلیل پیوسته داده‌های حیاتی

طراحی سیستم‌های تصمیم‌یار برای برنامه‌ریزی بهینه موقعیت ایمپلنت و هدایت در حین جراحی با استفاده از ادغام داده‌های تصویربرداری و بینایی ماشین.

ادغام مدل‌های زبانی بزرگ (LLMs) در سیستم‌های سلامت برای خلاصه‌سازی پرونده بیمار، تولید گزارش و کمک به تصمیم‌گیری بالینی (مانند تفسیر نوار قلب و تصاویر یا سیگنالهای دریافت شده)

طراحی و پیاده سازی اپلیکیشن هوشمند پذیرش و ترخیص بیمار (مخصوص مراجعات اورژانس و بیماران سرپایی)

طراحی و پیاده سازی سامانه هوشمند پیگیری پس از ترخیص بیمار

بازی‌های هوشمند توانبخشی مانند طراحی سیستم‌های مبتنی بر بینایی کامپیوتر و سنسور برای ایجاد محیط‌های تعاملی و بازی‌وار (Gamified) که پروتکل‌های فیزیوتراپی و کاردرمانی را در خانه نظارت و هدایت می‌کنند.

ارزیابی عینی پیشرفت با حسگرهای پوشیدنی در بیماران توانبخشی به صورت عینی و خارج از کلینیک.

تغذیه شخصی‌شده با ارایه پلیکیشن‌های هوشمند که با استفاده از داده‌های فنوتیپیک فرد (مانند میکروبیوم، پروفایل متابولیک، داده‌های پوشیدنی) و ترجیحات غذایی، توصیه‌های غذایی و رژیم‌های درمانی کاملاً شخصی‌سازی‌شده ارائه می‌دهند.

تشخیص بیماریها: هرگونه تشخیص و آنالیز بیماری با استفاده از الگوریتم­های هوش مصنوعی روی انواع داده­های پزشکی (سیگنال، تصویر و ...) مانند:

توسعه مدل‌های هوش مصنوعی برای پیش‌بینی شخصی شده (Personalized) عوارض جانبی داروها

غربالگری و تشخیص خودکار پاتولوژی‌های دندانی

تشخیص شدت یک بیماری برای پیشنهاد روش درمانی مناسب (در بیماریهایی مانند صرع، دیابت، روماتوییدی و یا  ...)

بکارگیری هوش مصنوعی در تشخیص، طبقه بندی، و بخش بندی ضایعاتی مانند تومورهای سرطانی در تصاویر مختلف پزشکی

پیش‌بینی زودهنگام بیماری‌های عصبی-مغزی (مثل آلزایمر، پارکینسون) با تلفیق داده‌های تصویربرداری MRI/fMRI، تصاویر چشم و داده‌های کلینیکی

پیش‌بینی همه‌گیری‌ها:  توسعه مدل‌های هوش مصنوعی برای پیش‌بینی بروز و شیوع بیماری‌های عفونی با ادغام داده‌های مختلف (داده‌های بالینی، جستجوی آنلاین، شبکه‌های اجتماعی و ..)

تشخیص زودهنگام پوسیدگی، بیماری پریودنتال، و ضایعات پاتولوژیک دندانی.

تحلیل داده‌های عظیم پزشکی و دارویی  برای شناسایی الگوهای تداخلات دارویی نادر و عوارض جانبی که در کارآزمایی‌های بالینی شناسایی نشده‌اند.

پیش بینی بیماری­ها: 

استفاده از روشهای مختلف هوش مصنوعی در پیش بینی و تشخیص زودهنگام بیماریها (مانند ابتلا به دیابت، سرطان، آسم  و ...) و یا پیش بینی پاسخ به درمان مانند:

توسعه مدل‌های هوش مصنوعی برای پیش‌بینی شخصی شده (Personalized) عوارض جانبی داروها

پیش‌بینی زودهنگام بیماری‌های عصبی-مغزی (مثل آلزایمر، پارکینسون) با تلفیق داده‌های تصویربرداری MRI/fMRI، تصاویر چشم و داده‌های کلینیکی

پیش‌بینی همه‌گیری‌ها:  توسعه مدل‌های هوش مصنوعی برای پیش‌بینی بروز و شیوع بیماری‌های عفونی با ادغام داده‌های مختلف (داده‌های بالینی، جستجوی آنلاین، شبکه‌های اجتماعی و ..)

تشخیص زودهنگام پوسیدگی، بیماری پریودنتال، و ضایعات پاتولوژیک دندانی.

تحلیل داده‌های عظیم پزشکی و دارویی  برای شناسایی الگوهای تداخلات دارویی نادر و عوارض جانبی که در کارآزمایی‌های بالینی شناسایی نشده‌اند.

زیرساخت، داده و آموزش پزشکی 

طراحی پلتفرم­های آموزش در حوزه های مختلف مرتبط با کادر درمان استفاده از هوش مصنوعی. 

حکمرانی داده های پزشکی

شبیه‌ساز هوشمند آموزش جراحی:  ایجاد محیط‌های شبیه‌سازی واقعیت مجازی/افزوده (VR/AR) که با استفاده از هوش مصنوعی عملکرد یادگیرنده را تحلیل کرده و بازخورد ارائه می‌دهند.

آموزش شخصی‌سازی‌شده با هوش مصنوعی: توسعه پلتفرم‌هایی که با تحلیل نقاط قوت و ضعف دانشجویان پزشکی (بر اساس عملکرد در آزمون‌ها، شبیه‌سازهاو ..) مسیرهای یادگیری و محتوای آموزشی اختصاصی برای هر فرد ایجاد می‌کنند.

سایر: بکارگیری روشهای مبتنی بر هوش مصنوعی در حوزه سلامت و پزشکی 

کنترل مبتنی بر بینایی ماشین خط تولید دارو

افزایش کیفیت تصاویر و نویزدایی سی تی اسکن به دست آمده در شرایط  کاهش توان اشعه 

پیش‌بینی برهمکنش‌های دارو-هدف، طراحی مولکول‌های نوین، و شناسایی کاربردهای جدید برای داروهای موجود.

پایش و ایمنی غذا با استفاده از بینایی کامپیوتر و سنسورهای هوشمند برای شناسایی آلودگی‌های میکروبی، تقلبات غذایی، و بررسی کیفیت و تازگی مواد غذایی در طول زنجیره تأمین

بهینه‌سازی نظام مراقبت بهداشت با استفاده از هوش مصنوعی برای مدل‌سازی و بهینه‌سازی تخصیص منابع (تخت‌ها، نیروی انسانی، واکسن، دارو) در سطح ملی یا استانی برای افزایش کارایی و عدالت در دسترسی.

طرحهای هوش مصنوعی می بایست از طریق سامانه پژوهشیار دانشگاه علوم پزشکی اصفهان به عنوان طرح آزاد (با قید گرنت ویژه هوش مصنوعی در انتهای عنوان طرح) ارسال گردند.

اعضای محترم هیات علمی دانشگاهها (به غیر از دانشگاه علوم پزشکی) می توانند با همکاری با یکی از اعضای هیات علمی دانشگاه علوم پزشکی اصفهان طرح های خود را ارائه دهند.