دوره 23، شماره 3 - ( 9-1404 )
جلد 23 شماره 3 صفحات 293-277 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Shafaati M, Hassanpour G. Artificial Intelligence in the Control and Management of Human Pathogenic Parasites: A Mini- Review of Current Advances and Future Directions. J Sch Public Health Inst Public Health Res. 2025; 23 (3) :277-293
URL: http://sjsph.tums.ac.ir/article-1-6447-fa.html
URL: http://sjsph.tums.ac.ir/article-1-6447-fa.html
شفاعتی مریم، حسن پور غلامرضا. کاربرد هوش مصنوعی در کنترل و مدیریت انگلهای بیماریزای انسانی: مرور کوتاه بر وضعیت فعلی و چشمانداز آینده. مجله دانشکده بهداشت و انستیتو تحقیقات بهداشتی. 1404; 23 (3) :277-293
1- ، hassanpour@tums.ac.ir
چکیده: (32 مشاهده)
زمینه و هدف: بیماریهای انگلی انسانی ـ شامل تکیاختهها، کرمها و بندپایان ـ همچنان یکی از تهدیدهای جدی برای سلامت عمومی به شمار میروند و تشخیص سریع و دقیق آنها از اهمیت حیاتی برخوردار است. روشهای تشخیصی مرسوم، مانند میکروسکوپی، آزمونهای سرولوژیک و روشهای مولکولی، با محدودیتهایی نظیر خطای انسانی، هزینههای بالا و نیاز به تجهیزات پیشرفته مواجهاند. در سالهای اخیر، ظهور فناوریهای هوش مصنوعی و یادگیری عمیق فرصتهای نوینی را برای ارتقای دقت، سرعت و کارآمدی در کنترل و مدیریت بیماریهای انگلی فراهم کرده است.
روش کار: این مطالعه بهصورت مروری کوتاه انجام شد و مقالات مرتبط با کاربرد هوش مصنوعی و یادگیری عمیق در انگلشناسی بالینی مورد بررسی و تحلیل قرار گرفت.
نتایج: یافته ها نشان داد که این فناوریها در سه حوزه اصلی کاربرد دارند: پیشبینی شیوع بیماریهای انگلی، کشف داروهای ضد انگلی و تشخیص بیماریهای انگلی. الگوریتمهای شبکه عصبی کانولوشنی و مدلهای یادگیری فعال امکان تحلیل تصاویر میکروسکوپی، پیشبینی اپیدمیها، شناسایی اهداف دارویی و بهینهسازی درمانها را با دقت بالا فراهم میکنند. با این حال، چالشهایی مانند محدودیت دادهها، سوگیری الگوریتمها، ملاحظات اخلاقی و کمبود زیرساخت فنی هنوز باقی است.
نتیجه گیری: ادغام هوش مصنوعی با سیستمهای بالینی، ایجاد پایگاه دادههای جامع و استفاده از یادگیری انتقالی، میتواند دقت، سرعت و تعمیمپذیری الگوریتمها را بهبود بخشد. این مقاله مروری کوتاه، وضعیت فعلی، چالشها و چشمانداز آینده کاربرد هوش مصنوعی در انگلشناسی بالینی را بررسی میکند و راهکارهایی برای توسعه ابزارهای نوین و مقرونبهصرفه ارائه میدهد.
روش کار: این مطالعه بهصورت مروری کوتاه انجام شد و مقالات مرتبط با کاربرد هوش مصنوعی و یادگیری عمیق در انگلشناسی بالینی مورد بررسی و تحلیل قرار گرفت.
نتایج: یافته ها نشان داد که این فناوریها در سه حوزه اصلی کاربرد دارند: پیشبینی شیوع بیماریهای انگلی، کشف داروهای ضد انگلی و تشخیص بیماریهای انگلی. الگوریتمهای شبکه عصبی کانولوشنی و مدلهای یادگیری فعال امکان تحلیل تصاویر میکروسکوپی، پیشبینی اپیدمیها، شناسایی اهداف دارویی و بهینهسازی درمانها را با دقت بالا فراهم میکنند. با این حال، چالشهایی مانند محدودیت دادهها، سوگیری الگوریتمها، ملاحظات اخلاقی و کمبود زیرساخت فنی هنوز باقی است.
نتیجه گیری: ادغام هوش مصنوعی با سیستمهای بالینی، ایجاد پایگاه دادههای جامع و استفاده از یادگیری انتقالی، میتواند دقت، سرعت و تعمیمپذیری الگوریتمها را بهبود بخشد. این مقاله مروری کوتاه، وضعیت فعلی، چالشها و چشمانداز آینده کاربرد هوش مصنوعی در انگلشناسی بالینی را بررسی میکند و راهکارهایی برای توسعه ابزارهای نوین و مقرونبهصرفه ارائه میدهد.
نوع مطالعه: پژوهشي |
موضوع مقاله:
بهداشت عمومی
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
