آموزش هوش مصنوعی برای متخصصین مراقبت‌های بهداشتی - آخرین آپدیت

ماژول ۱: مبانی هوش مصنوعی برای دستیاران پزشکی Module 1: Fundamentals of AI for Medical Assistants

• ویدیو راهنمای پیمایش Navigation Video

• کتاب صوتی: معرفی دوره Audiobook: Course Introduction

• معرفی دوره Course Introduction

• کتاب صوتی: ماژول ۱: مبانی هوش مصنوعی برای دستیاران پزشکی Audiobook: Module 1: Fundamentals of AI for Medical Assistants

• پادکست: ماژول ۱: مبانی هوش مصنوعی برای دستیاران پزشکی Podcast: Module 1: Fundamentals of AI for Medical Assistants

• ۱.۱ تعاریف هوش مصنوعی، یادگیری ماشین و مفاهیم مرتبط 1.1 Definitions of AI, Machine Learning, and Related Concepts

• ۱.۲ مثال‌های پایه بهداشتی برای تبیین مفاهیم AI 1.2 Basic Healthcare Examples Illustrating AI Concepts

• ۱.۳ تفاوت‌های بین هوش مصنوعی، اتوماسیون و نرم‌افزارهای سنتی 1.3 Differences Between AI, Automation, and Traditional Software

• ۱.۴ نحوه حمایت AI از زمان‌بندی نوبت‌ها، تریاژ بیماران و تشخیص‌ها 1.4 How AI Supports Appointment Scheduling, Patient Triage, and Diagnostics

• ۱.۵ مزایایی مانند دقت، بهره‌وری و تعامل با بیمار 1.5 Benefits Such as Accuracy, Efficiency, and Patient Engagement

• ۱.۶ بررسی باورهای غلط رایج درباره جایگزینی نقش‌های انسانی توسط AI 1.6 Addressing Common Myths and Misconceptions About AI Replacing Human Roles

• ۱.۷ مطالعه موردی: زمان‌بندی نوبت‌های مبتنی بر AI در کلینیک‌های Anglara و سیستم GuideMyTriage (GMT) برای هدایت بیماران سرطانی 1.7 Case Study AI-Powered Appointment Scheduling at Anglara Clinics & GuideMyTriage (GMT) for Cancer Patient Routing

ماژول ۲: سواد داده‌ای برای دستیاران پزشکی Module 2: Data Literacy for Medical Assistants

• کتاب صوتی: ماژول ۲: سواد داده‌ای برای دستیاران پزشکی Audiobook: Module 2: Data Literacy for Medical Assistants

• پادکست: ماژول ۲: سواد داده‌ای برای دستیاران پزشکی Podcast: Module 2: Data Literacy for Medical Assistants

• ۲.۱ داده‌های ساختاریافته در مقابل داده‌های بدون ساختار در بهداشت و درمان 2.1 Structured vs. Unstructured Data in Healthcare

• ۲.۲ منابع رایج داده در محیط‌های پزشکی 2.2 Data Sources Common in Medical Settings

• ۲.۳ تضمین کیفیت و یکپارچگی داده‌ها برای کاربردهای AI 2.3 Ensuring Data Quality and Integrity for AI Applications

• ۲.۴ اهمیت داده‌های دقیق برای تصمیمات مبتنی بر هوش مصنوعی 2.4 The Importance of Accurate Data for AI-Driven Decisions

• ۲.۵ تطبیق انواع مختلف داده‌ها با موارد استفاده مناسب از AI 2.5 Matching Different Data Types to Suitable AI Use Cases

• ۲.۶ تمرین‌های عملی در پیوند دادن منابع داده به سناریوهای واقعی 2.6 Practical Exercises in Linking Data Sources to Real-World Scenarios

• ۲.۷ مطالعه موردی: بهینه‌سازی بهداشت و درمان با داده‌های ساختاریافته و بدون ساختار و اهمیت دقت داده‌ها در تصمیمات درمانی AI 2.7 Case Study Optimizing Healthcare with Structured and Unstructured Data & The Importance of Accurate Data in AI-Driven Healthcare Decisions

ماژول ۳: هوش مصنوعی در بهینه‌سازی مراقبت از بیمار Module 3: AI in Patient Care Optimization

• کتاب صوتی: ماژول ۳: هوش مصنوعی در بهینه‌سازی مراقبت از بیمار Audiobook: Module 3: AI in Patient Care Optimization

• پادکست: ماژول ۳: هوش مصنوعی در بهینه‌سازی مراقبت از بیمار Podcast: Module 3: AI in Patient Care Optimization

• ۳.۱ معرفی داشبوردها و بصری‌سازی‌های ساده (نمودارها، گراف‌ها و روندها) 3.1 Introduction to Dashboards and Simple Visualizations Charts, Graphs, Trends

• ۳.۲ ابزارهای AI برای مدیریت نوبت‌ها، یادآوری‌ها و مراقبت‌های مجازی 3.2 AI Tools for Appointment Management, Reminders, and Virtual Care

• ۳.۳ بهبود تعامل با بیمار از طریق ارتباطات مبتنی بر هوش مصنوعی 3.3 Improving Patient Engagement Through AI-Powered Communications

• ۳.۴ استفاده از AI برای پیش‌بینی عدم حضور بیماران، هشدارهای نظارت بر سلامت و برنامه‌ریزی منابع 3.4 Using AI for No-show Prediction, Health Monitoring Alerts, and Resource Planning

• ۳.۵ ادغام بینش‌های AI در تصمیمات عملیاتی روزانه 3.5 Integrating AI Insights Into Daily Operational Decisions

• ۳.۶ تمرین‌های شبیه‌سازی برای پیش‌بینی حجم پذیرش بیمار 3.6 Simulation Exercises for Patient Load Forecasting

• ۳.۷ مطالعه موردی: چت‌بات AI برای ارتقای تعامل با بیمار در سیستم بهداشتی Mount Sinai و بهره‌گیری از تحلیل‌های پیش‌بینانه برای مدیریت جریان بیماران اورژانس در کلینیک کلیولند 3.7 Case Study AI Chatbot for Enhancing Patient Engagement at Mount Sinai Health System & Leveraging Predictive Analytics for ER Patient Flow Management at Cleveland Clinic

ماژول ۴: پردازش زبان طبیعی (NLP) و هوش مصنوعی مولد در مستندات پزشکی Module 4: NLP and Generative AI in Medical Documentation

• کتاب صوتی: ماژول ۴: پردازش زبان طبیعی (NLP) و هوش مصنوعی مولد در مستندات پزشکی Audiobook: Module 4: NLP and Generative AI in Medical Documentation

• پادکست: ماژول ۴: پردازش زبان طبیعی (NLP) و هوش مصنوعی مولد در مستندات پزشکی Podcast: Module 4: NLP and Generative AI in Medical Documentation

• ۴.۱ مفاهیم پایه NLP مرتبط با حوزه بهداشت و درمان 4.1 Basic NLP Concepts Relevant to Healthcare

• ۴.۲ موارد استفاده در پرس‌وجوهای بیماران و چت‌بات‌های اداری 4.2 Use Cases in Patient Queries and Administrative Chatbots

• ۴.۳ اتوماسیون یادداشت‌های مستندسازی، خلاصه‌ها و گردش کارهای ارتباطی 4.3 Automating Documentation Notes, Summaries, and Communication Workflows

• ۴.۴ شناسایی و مدیریت خطاهای AI، توهمات (Hallucinations) و سوگیری‌ها 4.4 Recognizing and Managing AI Errors, Hallucinations, and Biases

• ۴.۵ معرفی ابزارهای NLP در دسترس برای دستیاران پزشکی 4.5 Introduction to Accessible NLP Tools for Medical Assistants

• ۴.۶ مطالعه موردی: اتوماسیون مستندسازی در یک شبکه بیمارستانی بزرگ و مدیریت خطاها و سوگیری‌ها در ابزارهای تشخیصی AI 4.6 Case Study Automating Documentation in a Large Hospital Network & Managing AI Errors and Biases in AI-Powered Diagnostic Tools

ماژول ۵: هوش مصنوعی در تشخیص و غربالگری Module 5: AI in Diagnostics and Screening

• کتاب صوتی: ماژول ۵: هوش مصنوعی در تشخیص و غربالگری Audiobook: Module 5: AI in Diagnostics and Screening

• پادکست: ماژول ۵: هوش مصنوعی در تشخیص و غربالگری Podcast: Module 5: AI in Diagnostics and Screening

• ۵.۱ نحوه تحلیل تصاویر پزشکی و علائم توسط AI برای غربالگری اولیه 5.1 How AI Analyses Medical Images and Symptoms for Preliminary Screening

• ۵.۲ حمایت از تشخیص‌های بالینی با استفاده از بینش‌های AI 5.2 Supporting Clinical Diagnoses With AI Insights

• ۵.۳ مثال‌هایی از تشخیص بیماری‌های رایج توسط AI از روی داده‌های بیمار 5.3 Examples of AI Detecting Common Conditions From Patient Data

• ۵.۴ بررسی عملی بینش‌های تشخیصی پیشنهادی توسط AI 5.4 Hands-On Review of AI-Suggested Diagnostic Insights

• ۵.۵ مطالعات موردی در اثبات اثربخشی AI در تشخیص‌ها 5.5 Case Studies Demonstrating AI Effectiveness in Diagnostics

ماژول ۶: اخلاق، سوگیری و مقررات هوش مصنوعی در بهداشت و درمان Module 6: Ethics, Bias, and Regulation in AI for Healthcare

• کتاب صوتی: ماژول ۶: اخلاق، سوگیری و مقررات هوش مصنوعی در بهداشت و درمان Audiobook: Module 6: Ethics, Bias, and Regulation in AI for Healthcare

• پادکست: ماژول ۶: اخلاق، سوگیری و مقررات هوش مصنوعی در بهداشت و درمان Podcast: Module 6: Ethics, Bias, and Regulation in AI for Healthcare

• ۶.۱ انواع سوگیری در ابزارهای هوش مصنوعی 6.1 Types of Bias in AI Tools

• ۶.۲ تأثیر سوگیری بر نتایج بیمار و اعتماد 6.2 Impact of Bias on Patient Outcomes and Trust

• ۶.۳ بررسی کلی مقرراتی مانند HIPAA 6.3 Overview of Regulations Like HIPAA

• ۶.۴ ملاحظات اخلاقی و بهترین روش‌ها برای دستیاران پزشکی 6.4 Ethical Considerations and Best Practices for Medical Assistants

• ۶.۵ تحلیل مطالعه موردی در مورد سوگیری و عدالت در مراقبت‌های مبتنی بر AI 6.5 Case Study Analysis of Bias and Fairness in AI-Driven Care

ماژول ۷: ارزیابی و پیاده‌سازی ابزارهای هوش مصنوعی Module 7: Evaluating and Implementing AI Tools

• کتاب صوتی: ماژول ۷: ارزیابی و پیاده‌سازی ابزارهای هوش مصنوعی Audiobook: Module 7: Evaluating and Implementing AI Tools

• پادکست: ماژول ۷: ارزیابی و پیاده‌سازی ابزارهای هوش مصنوعی Podcast: Module 7: Evaluating and Implementing AI Tools

• ۷.۱ معیارهای ارزیابی مرتبط بودن و اثربخشی AI (دقت، نرخ بازگشت سرمایه) 7.1 Criteria for Evaluating AI Relevance and Effectiveness Accuracy, ROI

• ۷.۲ مراحل خرید، تست آزمایشی (Pilot) و یکپارچه‌سازی 7.2 Steps Involved in Procurement, Pilot Testing, and Integration

• ۷.۳ شناسایی نشانه‌های هشداردهنده (Red Flags) در راهکارهای تامین‌کنندگان 7.3 Recognizing Red Flags in Vendor Solutions

• ۷.۴ استراتژی‌های همکاری با تیم‌ها و پزشکان 7.4 Strategies for Collaboration With Teams and Clinicians

• ۷.۵ تضمین انتقال روان و پذیرش کاربر در گردش‌های کاری 7.5 Ensuring Smooth Transition and User Adoption in Workflows

• ۷.۶ مطالعه موردی: خرید و استقرار اولیه ابزارهای AI برای تشخیص‌های قفسه سینه در محیط سرویس بهداشت ملی 7.6 Case Study Procurement and Early Deployment of AI Tools for Chest Diagnostics in a National Health Service Setting

ماژول ۸: امنیت سایبری و روندهای نوظهور در هوش مصنوعی Module 8: Cybersecurity and Emerging Trends in AI

• کتاب صوتی: ماژول ۸: امنیت سایبری و روندهای نوظهور در هوش مصنوعی Audiobook: Module 8: Cybersecurity and Emerging Trends in AI

• پادکست: ماژول ۸: امنیت سایبری و روندهای نوظهور در هوش مصنوعی Podcast: Module 8: Cybersecurity and Emerging Trends in AI

• ۸.۱ تهدیدات رایج امنیت سایبری مختص AI در بهداشت و درمان 8.1 Common Cybersecurity Threats Specific to AI in Healthcare

• ۸.۲ بهترین روش‌ها: رمزنگاری داده‌ها، احراز هویت چندعاملی و کنترل‌های دسترسی 8.2 Best Practices Data Encryption, Multi-Factor Authentication, Access Controls

• ۸.۳ پیشرفت‌هایی مانند AI در پزشکی از راه دور، گجت‌های پوشیدنی و نظارت از راه دور 8.3 Advances Like AI in Telemedicine, Wearables, and Remote Monitoring

• ۸.۴ استراتژی‌های به‌روز ماندن و سازگاری با فناوری‌های نوظهور AI 8.4 Strategies for Staying Current and Adaptable to Emerging AI Technologies

• ۸.۵ همکاری با تیم‌های IT و توسعه برای امنیت و نوآوری مستمر 8.5 Collaboration With IT and Development Teams for Ongoing Security and Innovation

• ۸.۶ مطالعه موردی: تحول استراتژیک EY در سازگاری با فناوری‌های نوظهور AI 8.6 Case Study EY’s Strategic Transformation Adapting to Emerging AI Technologies

• خلاصه دوره Course Summary