سال ۲۰۲۳، در طی بررسی انجمن پزشکان آمریکا از پزشکان، آن‌ها بیشترین استفاده‌های بالینی از هوش مصنوعی را در حوزه‌های زیر، ذکر کردند: به جز مواردی که نیازمند ادغام AI با سیستم الکترونیکی ثبت اطلاعات بیمار است، در کشور ما نیز از موارد فوق و دیگر موارد، می‌شود استفاده کرد و در حال حاضر نیز
پیش از آن‌که بحث‌های تئوری در مورد هوش مصنوعی را ادامه بدهیم، شاید بهتر باشد کمی در محیط این ابزارها غوطه‌ور شده و با آن‌ها آشنا بشویم و اخت بگیریم. به همین خاطر در ادامه ابزارهایی را که در حوزه مطالعه، تحقیق و بالین به دانشجوها و افراد شاغل در علوم پزشکی کمک می‌کنند، معرفی
اکنون که مدل‌های زبانی بزرگ (LLMs) را می‌شناسیم، بهتر می‌توانیم از چالش‌های کار کردن با آن‌ها – به خصوص مسائلی که در پزشکی با آن برخورد داریم – بگوییم. فراموش نکنیم که هستهٔ مرکزی یک مدل بزرگ زبانی، پیش‌بینی بهترین کلمهٔ بعدی است و دوباره تأکید می‌کنیم که مدل‌ها، برای یادگیری به داده نیاز داشته
روزهای نخست ورود به بالین را به خاطر دارید؟ انگار همه با یک زبان بیگانه سخن می‌گویند و ما در این سرزمین غریبیم؛ از مخفف‌هایی که برای زمان داروها می‌گویند تا بیماری‌ها، عمل‌ها و پروسیجرها. حتی کم پیش نمی‌آید که ما نیز شروع می‌کنیم از این زبان استفاده می‌کنیم بدون این‌که بدانیم دقیقاً چه کار
سناریوی نخست: پسر ۱۹ ساله‌ای را در اورژانس می‌بینید. درد شدید شکم دارد. تهوع او نسبتاً شدید است و یک بار استفراغ کرده است. آزمایشش، تعداد لکوسیت حدود یازده هزار عدد در میکرولیتر را نشان می‌دهد. سونوگرافی شکم درخواست می‌کنید که می‌گوید به علت درد بیمار، نمای خوبی برای بررسی از نظر سنگ و آپاندیسیت،
در فاصلهٔ عجیبِ سیزده ساله‌ای که بین ویرایش چهارم (سال ۱۹۶۲) و پنجم (سال ۱۹۷۵) کتاب اصول طب داخلی هاریسون (Harrison’s Principles of Internal Medicine) وجود داشت، اینترنیست-یک (INTERNIST-1) متولد شد. آن زمان که بزرگانی همچون تینسلی هاریسون، مکسول وینتروب و ریموند آدامز مشغول نوشتن پنجمین ویرایش کتاب بودند، در دانشگاه پیتسبورگ، جک مایرز و
