تجهیزات پزشکی هسته‌ای در مسیر خودکفایی؛ رونمایی از چهار محصول جدید در آذرماه و تحول تشخیص سرطان با هوش مصنوعی

تهران، نمابشگاه ایران مد ۲۰۲۶ مرکز نمایشگاهی بین‌المللی شهر آفتاب— گزارش اختصاصی برگزاری سمینار تخصصی «هوش مصنوعی در تشخیص و درمان سرطان»: تلاقی فناوری‌های پیشرفته تصویربرداری و فناوری‌های شناختی، چشم‌انداز نوینی را پیش روی درمان بیماری‌های صعب‌العلاج گشوده است. در جریان برگزاری سمینار تخصصی «هوش مصنوعی در تشخیص و درمان سرطان» که در سومین روز از نمایشگاه ایران‌مد ۲۰۲۶ با مشارکت انجمن پزشکی هسته‌ای ایران و انجمن فیزیک پزشکی برگزار شد، متخصصان برجسته کشور ضمن تشریح آخرین دستاوردهای هوش مصنوعی در کاهش خطاهای تشخیصی و شخصی‌سازی دوزیمتری، از خودکفایی نسبی و رونمایی از چهار محصول جدید تجهیزات پزشکی هسته‌ای در آذر ماه امسال خبر دادند.

خودکفایی و رونمایی از چهار محصول جدید تجهیزات پزشکی هسته‌ای در آذر ماه

دکتر محمدرضا آی، استاد تمام گروه فیزیک پزشکی و مهندسی پزشکی دانشگاه علوم پزشکی تهران، در این سمینار با تأکید بر پیشرفت‌های چشمگیر کشور در حوزه فناوری‌های راهبردی سلامت اعلام کرد که ایران در مسیر خودکفایی ساخت تجهیزات پیشرفته گام‌های بلندی برداشته است.

«در حوزه تجهیزات پزشکی هسته‌ای، امروزه تقریباً به تمام پلتفرم‌های مورد نیاز این رشته دسترسی داریم و محصولات ساخت داخل با استانداردهای کیفی بالا تولید شده‌اند. در همین راستا، برنامه‌ریزی‌شده است تا چهار محصول جدید در حوزه تصویربرداری و پزشکی هسته‌ای، آذر ماه پیش رو در نمایشگاه “فر ایران” رونمایی شوند.»

دکتر آی با اشاره به سابقه ۱۷ ساله تیم‌های تحقیقاتی در رفع آرتیفکت‌های تصویربرداری، طراحی دستگاه‌های «گاما پروب» جهت شناسایی دقیق غدد لنفاوی نگهبان و سامانه‌های تزریق خودکار، تأکید کرد که پژوهش‌های دانشگاهی زمانی ارزش واقعی پیدا می‌کنند که به محصولات کاربردی و گره‌گشا در بالین بیمار تبدیل شوند.

هوش مصنوعی در تشخیص سرطان؛ از مدل‌های سه بعدی تا چالش اعتبارسنچی بالینی

کاربرد هوش مصنوعی و یادگیری عمیق در انکولوژی، محور سخنرانی اعضای هیئت علمی دانشگاه‌های علوم پزشکی بود که ابعاد گوناگون آن مورد نقد و بررسی قرار گرفت.

• دستیابی به دقت ۹۴ درصدی در تشخیص سرطان ریه: دکتر مهسا شاکری، استادیار فیزیک پزشکی دانشگاه علوم پزشکی تهران، با اشاره به گذار تصویربرداری پزشکی از داده‌های کیفی به داده‌های کمی پیشرفته، از توسعه یک مدل یادگیری عمیق سه‌بعدی خبر داد که با تحلیل ویژگی ندول‌های ریوی موفق به کسب امتیاز سطح زیر منحنی (AUC) حدود ۹۴ درصد شده است. وی تأکید کرد هدف هوش مصنوعی جایگزینی پزشک نیست، بلکه ارتقای کیفیت مراقبت و ارزش‌آفرینی در فرآیندهای بالینی است.
• حل مشکلات عینی بیماران و نوبت‌دهی هوشمند: دکتر پیمان شیخ‌زاده با اشاره به کاهش زمان اسکن‌های پت (PET) از ۲۰ دقیقه به ۲ دقیقه به کمک هوش مصنوعی، بر ضرورت حل دغدغه‌های روزمره بیماران شهرستانی تأکید کرد و از طراحی سامانه هوشمند نوبت‌دهی پزشکی هسته‌ای و بارگذاری مدارک برای کاهش آلام بیماران خبر داد.
• چالش توهم‌زایی و اعتبارسنجی مدل‌ها: دکتر ابراهیم نجف‌زاده، دانشیار دانشگاه علوم پزشکی تهران، ضمن بررسی مدل‌های مولد و چندوجهی در بازسازی تصاویر و تبدیل سی‌تی به MRI، نسبت به خطرات «توهم‌زایی مدل‌ها»، افت عملکرد در مراکز درمانی مختلف و ضرورت توسعه یادگیری فدرال و خودنظارتی هشدار داد.
• رادیوتراپی و دوزیمتری شخصی‌سازی‌شده: دکتر پویا سرائی بر لزوم اعتبارسنجی خارجی مدل‌های هوش مصنوعی در رادیوتراپی تأکید کرد و دکتر المیرا یزدانی از دانشگاه علوم پزشکی ایران نیز نقش یادگیری ماشین و «دوقلوهای دیجیتال» را در ساده‌سازی دوزیمتری رادیوداروها و پیش‌بینی دوز دریافتی اندام‌های حساسی مانند کلیه بسیار حیاتی برشمرد.

ضرورت پیوند میان پژوهش‌های دانشگاهی و نیازهای بالینی

دکتر سیدکاظم رضوی، رئیس انجمن علمی پزشکی هسته‌ای ایران، با اشاره به حضور بیش از ۲۰۰ نفر از متخصصان در این رویداد، بزرگ‌ترین چالش این حوزه را فاصله میان مقالات پژوهشی و کاربرد واقعی آن‌ها در بالین بیماران دانست. همچنین دکتر محسن بخشنده، رئیس انجمن فیزیک پزشکی ایران، بر لزوم همگامی نظام سلامت با قطار پرشتاب فناوری‌های هوش مصنوعی تأکید کرد.

دکتر مهکامه شربتدار، استاد بیومکانیک دانشگاه خواجه نصیر، نیز با تشریح دینامیک سیالات محاسباتی (CFD) در شبیه‌سازی جریان خون و تحلیل عملکرد استنت‌ها به کمک هوش مصنوعی، یادآور شد که نتایج این مدل‌ها همواره نیازمند تأیید و نظارت دقیق پزشکان متخصص است.

نتیجه‌گیری

توسعه بومی تجهیزات پزشکی هسته‌ای و تلفیق آن با الگوریتم‌های هوش مصنوعی، نویدبخش تحولی ژرف در تشخیص زودهنگام و درمان شخصی‌سازی‌شده سرطان در کشور است. رونمایی از محصولات جدید در آذر ماه، گواهی بر پویایی صنعت سلامت ایران است؛ مشروط بر آنکه زیرساخت‌های کلان‌داده، استانداردسازی بالینی و اعتبارسنچی مستقل مدل‌های هوش مصنوعی با شتابی همتراز تقویت شوند.