| تعداد نشریات | 282 |
| تعداد نشریات سازمان | 80 |
| تعداد شمارهها | 3,212 |
| تعداد مقالات | 35,622 |
| تعداد مشاهده مقاله | 53,296,094 |
| تعداد دریافت فایل اصل مقاله | 92,491,507 |
A Prospective Review of the Artificial Intelligence Application in Diagnostic Pathology and Veterinary Clinical Sciences | ||
| Archives of Razi Institute | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 20 مرداد 1405 اصل مقاله (1.21 M) | ||
| نوع مقاله: Review Article | ||
| شناسه دیجیتال (DOI): 10.66224/ari.2026.372493.4084 | ||
| نویسندگان | ||
| Fatemeh Shahraki1؛ Sina Ghanbari2؛ Ali Heydari3؛ Mohammad Mehdi Ranjbar Kamrani4؛ Sirous Rafiei Asl* 5 | ||
| 1Clinician and Resident of Radiology, Department of Clinical Sciences, Islamic Azad University, Science and Research Branch, Tehran, Iran | ||
| 2Doctor of Veterinary Medicine Student, Razi University, Kermanshah, Iran. | ||
| 3Clinician and Resident of Large Animal Internal Medicine, Department of Clinical Sciences, Islamic Azad University, Science and Research Branch, Tehran, Iran | ||
| 4Department of Clinical Sciences, Islamic Azad University, Shabestar Branch, Iran. | ||
| 5Pathologist, Board-Certified Clinical Pathology,Oncopathology Researcher ; Cancer, Environmental and Petroleum Pollutants Research Center, Ahvaz Jundishapur University of Medical Sciences, Ahvaz, Iran., Pathologist, Board-Certified | ||
| چکیده | ||
| Artificial intelligence, as one of the most influential technologies of the present era, has significant potential to transform veterinary sciences, especially in pathology and clinical sciences. Despite rapid advances in machine learning and deep learning algorithms, their practical application in real clinical settings poses numerous complex challenges. This prospective review aims to comprehensively identify and analyze the challenges ahead and outline the prospects for the application of artificial intelligence in diagnostic pathology and veterinary clinical sciences. A comprehensive search of articles in the reputable databases PubMed, Scopus, Web of Science, and Google Scholar was conducted between January 2020 and December 2025 using combined keywords related to artificial intelligence and veterinary medicine. The identified challenges were categorized into three main areas: 1) technical and infrastructural challenges (including lack of standardized and labeled data, high species and breed diversity, hardware limitations, and the “black box” nature of algorithms), 2) clinical and professional challenges (including lack of independent clinical validation, difficulty in integrating with clinical workflow, professional resistance, and ambiguity in civil liability), and 3) ethical and legal challenges (including data privacy, inequality in access, data bias, and gaps in regulatory frameworks). In contrast, future perspectives included the move towards precision and predictive medicine through the integration of AI with new technologies (pathomics, IoT, augmented reality), the evolution of the veterinarian’s role as a smart health manager, and improvements to the veterinary health system through early diagnosis and evidence-based management. | ||
| کلیدواژهها | ||
| Artificial intelligence؛ clinical sciences؛ pathology؛ Prospective review؛ veterinary medicine | ||
| عنوان مقاله [English] | ||
| مروری آیندهنگر بر کاربرد هوش مصنوعی در آسیبشناسی تشخیصی و علوم بالینی دامپزشکی | ||
| چکیده [English] | ||
| هوش مصنوعی، به عنوان یکی از تأثیرگذارترین فناوریهای عصر حاضر، پتانسیل قابل توجهی برای متحول کردن علوم دامپزشکی، به ویژه در آسیبشناسی و علوم بالینی دارد. با وجود پیشرفتهای سریع در الگوریتمهای یادگیری ماشین و یادگیری عمیق، کاربرد عملی آنها در محیطهای بالینی واقعی چالشهای پیچیده متعددی را ایجاد میکند. این بررسی آیندهنگر با هدف شناسایی و تحلیل جامع چالشهای پیش رو و ترسیم چشماندازهای کاربرد هوش مصنوعی در آسیبشناسی تشخیصی و علوم بالینی دامپزشکی انجام شده است. جستجوی جامع مقالات در پایگاههای داده معتبر PubMed، Scopus، Web of Science و Google Scholar بین ژانویه 2020 و دسامبر 2025 با استفاده از کلمات کلیدی ترکیبی مرتبط با هوش مصنوعی و دامپزشکی انجام شد. چالشهای شناساییشده در سه حوزه اصلی طبقهبندی شدند: ۱) چالشهای فنی و زیرساختی (شامل فقدان دادههای استاندارد و برچسبگذاریشده، تنوع بالای گونهها و نژادها، محدودیتهای سختافزاری و ماهیت «جعبه سیاه» الگوریتمها)، ۲) چالشهای بالینی و حرفهای (شامل فقدان اعتبارسنجی بالینی مستقل، دشواری در ادغام با گردش کار بالینی، مقاومت حرفهای و ابهام در مسئولیت مدنی) و ۳) چالشهای اخلاقی و حقوقی (شامل حریم خصوصی دادهها، نابرابری در دسترسی، سوگیری دادهها و شکاف در چارچوبهای نظارتی). در مقابل، چشماندازهای آینده شامل حرکت به سمت پزشکی دقیق و پیشبینیکننده از طریق ادغام هوش مصنوعی با فناوریهای جدید (بیماریزایی، اینترنت اشیا، واقعیت افزوده)، تکامل نقش دامپزشک به عنوان یک مدیر سلامت هوشمند و بهبود سیستم سلامت دامپزشکی از طریق تشخیص زودهنگام و مدیریت مبتنی بر شواهد بود. | ||
| کلیدواژهها [English] | ||
| هوش مصنوعی, علوم بالینی, آسیبشناسی, مرور آینده نگر, دامپزشکی | ||
|
آمار تعداد مشاهده مقاله: 23 تعداد دریافت فایل اصل مقاله: 21 |
||