رفتن به محتوای اصلی
x

 

  • 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

  • اعلام فراخوان

    31 شهریور 1404

    مهلت ارسال پروپوزال

    1 آبان 1404

    اعلام نتایج داوری

    1 آذر 1404

    عقد قرارداد

    1 دی 1404

    پایان قرارداد و ارسال گزارش نهایی

    1 دی 1405

  • 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.

 

توضیحات: