آموزش یکپارچه‌سازی هوش مصنوعی در داده‌های بیماران مراقبت‌های بهداشتی - آخرین آپدیت

کاربردهای هوش مصنوعی، NLP و سیستم‌های عامل (Agent) AI Applications, NLP and Agent Systems

• درباره این تخصص About the Specialization

• خوش‌آمدگویی و مرور کلی دوره Welcome and Course Overview

• معرفی مدرس Instructor Introduction

• مرور کلی درس و مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین در بهداشت و درمان C3M1L1.1 Lecture Overview and Introduction to AI & ML in Healthcare

• کاربردهای بالینی هوش مصنوعی و یادگیری ماشین در بهداشت و درمان C3M1L1.2 Clinical Applications of AI & ML in Healthcare

• هوش مصنوعی و یادگیری ماشین در پژوهش و پزشکی دقیق C3M1L1.3 AI & ML in Research & Precision Medicine

• هوش مصنوعی مولد در مراقبت‌های بهداشتی C3M1L1.4 Generative AI in Healthcare

• تأثیرات عملیاتی و سلامت عمومی C3M1L1.5 Operational & Public Health Impact

• مرور کلی درس و پردازش زبان طبیعی (NLP) در بهداشت و درمان C3M1L2.1 Lecture Overview and Natural Language Processing in Healthcare

• مطالعه موردی CareScore AI – مستندسازی NLP برای آموزش پزشکی C3M1L2.2 Case Study - CareScore AI – NLP Documentation for Medical Training

• هوش مصنوعی مولد برای تعامل با بیمار و تله‌مدیسین (پزشکی از راه دور) C3M1L2.3 Generative AI for Patient Engagement & Telehealth

• مطالعه موردی – تله‌مدیسین مبتنی بر AI برای مدیریت نارسایی قلبی C3M1L2.4 Case Study – AI-Enabled Telehealth for Heart Failure Management

• تولید پویا-ی کیس‌های پزشکی برای آموزش C3M1L2.5 Dynamic Case Generation for Medical Training​

• مطالعه موردی – تولیدکننده کیس‌های AI برای آموزش پزشکی C3M1L2.6 Case Study – AI Case Generator for Medical Education

• یکپارچه‌سازی با پرونده‌های الکترونیک سلامت (EHR) و پشتیبانی تصمیمات بالینی C3M1L2.7 Integration with EHRs & Clinical Decision Support

• مرور کلی درس و مقدمه‌ای بر عامل‌های هوش مصنوعی (AI Agents) C3M1L3.1 Lecture Overview and Introduction to AI Agents

• چرا مراقبت‌های بهداشتی به عامل‌های هوش مصنوعی نیاز دارد C3M1L3.2 Why Healthcare Needs AI Agents

• گردش‌کارهای تک‌عاملی در مقابل چندعاملی C3M1L3.3 Single Agent vs Multi-Agent Workflows

• مکانیزم‌های اصلی هماهنگی C3M1L3.4 Core Coordination Mechanisms

• استانداردهای FIPA و مکانیزم‌های توانمندسازی C3M1L3.5 FIPA Standards and Enabling Mechanisms

• مثال اول MedAgentSim: شبیه‌سازی بیمار مجازی چندعاملی C3M1L3.6 Example 1 - MedAgentSim: Multi-Agent Virtual Patient Simulation

• مثال دوم: هماهنگی EHR مبتنی بر AI با الهام از طراحی چندعاملی C3M1L3.7 Example 2 - AI-Driven EHR Coordination Inspired by Multi-Agent Design

اخلاق هوش مصنوعی، سوگیری و استقرار مسئولانه AI Ethics, Bias and Responsible Deployment

• مرور کلی درس و چارچوب‌بندی اخلاق هوش مصنوعی در بهداشت و درمان C3M2L1.1 Lecture Overview and Framing AI Ethics in Healthcare

• بردارهای اخلاقی و سیاستی اثرگذار بر مقررات C3M2L1.2 Ethical & Policy Vectors Driving Regulation

• FDA و پیامدهای آن برای هوش مصنوعی بالینی C3M2L1.3 FDA - Implications for Clinical AI

• HIPAA و تعهدات حریم خصوصی در هوش مصنوعی اخلاقی C3M2L1.4 HIPAA & Privacy Obligations in Ethical AI

• استفاده پژوهشی در مقابل استفاده بالینی: IRB و IDE C3M2L1.5 Research vs Clinical Use - IRB & IDE

• رویکردهای نظارتی ایالات متحده در مقابل رویکردهای بین‌المللی C3M2L1.6 U.S. vs International Regulatory Approaches

• حکمرانی هوش مصنوعی در دنیای واقعی: مدل مایو کلینیک C3M2L1.7 Real-World AI Governance- Mayo Clinic Model

• چرا رعایت مقررات ارزش‌افزا است C3M2L1.8 Why Compliance Adds Value

• مرور کلی درس و مقدمه‌ای بر سوگیری و عدالت در مجموعه‌داده‌ها C3M2L2.1 Lecture Overview and Introduction to Bias & Fairness in a Dataset

• معیارهای عدالت در مجموعه‌داده‌های پزشکی C3M2L2.2 Fairness Metrics in Medical Datasets

• انواع رایج سوگیری در مجموعه‌داده‌های بهداشتی C3M2L2.3 Common Types of Dataset Bias in Healthcare

• منابع ایجاد سوگیری در داده‌های بهداشتی C3M2L2.4 Sources of Healthcare Dataset Bias​

• سوگیری در مستندسازی و اثرات آن بر گردش‌کار C3M2L2.5 Documentation Bias and Workflow Effects

• مراقبت از بیمار و نتایج عدالت در درمان C3M2L2.6 Patient Care & Equity Outcomes

• اصول کیفیت داده‌ها برای قابلیت اطمینان هوش مصنوعی C3M2L2.7 Data Quality Fundamentals for AI Reliability

• چارچوب حاکمیت داده‌ها C3M2L2.8 Data Governance Framework

• روش‌های پاک‌سازی و اعتبارسنجی داده‌ها C3M2L2.9 Data Cleaning & Validation Methods

• سیستم‌های نظارتی و بررسی کیفیت C3M2L2.10 Quality Checks and Monitoring Systems

• استراتژی‌های کاهش سوگیری و بهترین روش‌ها C3M2L2.11 Mitigation Strategies and Best Practices

• مرور کلی درس و چرا هوش مصنوعی مسئولانه اهمیت دارد C3M2L3.1 Lecture Overview and Why Responsible AI Matters

• چارچوب حاکمیت سازمانی هوش مصنوعی C3M2L3.2 Institutional AI Governance Framework

• توضیح‌پذیری چیست و چرا اهمیت دارد C3M2L3.3 What is Explainability & Why It Matters

• چارچوب سلسله‌مراتبی برای شفافیت هوش مصنوعی C3M2L3.4 Hierarchical Framework for AI Transparency

• تکنیک‌های هوش مصنوعی توضیح‌پذیر (XAI) C3M2L3.5 Explainable AI Techniques

• رعایت مقررات در دنیای چند‌حوزه‌ای C3M2L3.6 Compliance in a Multi-Jurisdictional World

• پیاده‌سازی: از چارچوب تا عمل C3M2L3.7 Implementation - From Framework to Practice

• اندازه‌گیری پیاده‌سازی هوش مصنوعی مسئولانه C3M2L3.8 Measuring Responsible AI Implementation​

• روندهای نوظهور در هوش مصنوعی مسئولانه C3M2L3.9 Emerging Trends in Responsible AI

ارزیابی دوره Course Assessment