دانش اساتید دانشگاهی درحوزه هوش مصنوعی در دندانپزشکی ضعیف است
به گزارش پایگاه خبری پزشکان و قانون (پالنا)، علیرضا کشواد اظهار کرد: تعداد معدودی پایان‌نامه در دانشکده دندانپزشکی پیدا می‌شود که مربوط به هوش مصنوعی باشد، اکثراً دانشجوها تمایل دارند موضوعاتی را برای پایان‌نامه انتخاب کنند که استادان زیادی در آن رشته متبحر باشند، وقتی هوش مصنوعی و دندانپزشکی دیجیتالی گسترش پیدا نکرده و آموزش داده نشده، قطعاً دانشجو هم برای انجام پروژه به سمت آن حرکت نمی‌کند، لذا برای کمک کردن به دانشجوها ابتدا باید اساتید آموزش ببینند.

عضو هیات علمی دانشگاه شاهد ادامه داد: در دانشکده‌های دندانپزشکی اقبالی نیست که دانشجوها برای پژوهش هوش مصنوعی را انتخاب کنند. دانشجویان چون می‌دانند به مشکل بر می‌خورند، معمولاً سعی می‌کنند رساله‌های دکتری خود را طوری تعیین کنند که ابزار و وسایل آن در دانشگاه خودشان وجود داشته باشد.

وی افزود: در دانشکده‌های دندانپزشکی برتر دنیا، از نرم‌افزارهای تشخیصی و هوش مصنوعی به وفور استفاده می‌شود، گفت: ساختار دانشکده‌های دندانپزشکی ایران به جای آنکه به صورت نرم‌افزاری اداره شود، بیشتر به صورت درمانگاهی و درمانی است، هدف اصلی دانشکده‌ها درمان بیمار است و چون تا حدی گرفتار مسائل حقوقی و اقتصادی درمان بیمار هستند، به مسائل آموزشی کمتر می‌پردازند.

کشواد در رابطه با مزایای استفاده از هوش مصنوعی در آموزش دندانپزشکی گفت: یکی از بارزترین استفاده‌های هوش مصنوعی در کشورهای پیشرفته کار کردن با مانکن‌های هوشمند قبل از کار کردن با بیمار در بخش پیش کلینیک (pre clinic) است.

عضو هیات علمی دانشگاه شاهد تصریح کرد: این مانکن‌ها برای دانشجو شرایط واقعی دهان را ایجاد می‌کنند، زمانی که دندانپزشک توربین را وارد دهان این مانکن‌های هوشمند می‌کند، تصویر دندانی که تراشیده می‌شود و اشکالاتی که ممکن است به وجود آید را روی مانیتور می‌بیند، در اروپا دانشجویان با واقعیت مجازی (Virtual reality) کار می‌کنند. وقتی کیفیت آموزش این‌قدر بالا باشد و آزمون و خطا روی مانکن انجام شود، طبیعتاً آسیب رساندن به بیمار در کلینیک‌ها به شدت کاهش می‌یابد، این درحالیست که دانشجویان ما با ماکت دستی کار می‌کنند، دوربین و مانیتور و شرایط دیجیتالی در کار نیست.

وی اظهار کرد: حتی در کنگره‌های دندانپزشکی "پزشکی دیجیتال" (digital dentistry) بیشتر به بحث طراحی روکش‌ها به صورت دیجیتالی می‌پردازند و خیلی کم از هوش مصنوعی در دندانپزشکی استفاده می‌شود.

کشواد ادامه داد: برای بسط دادن هوش مصنوعی در دانشکده‌های دندانپزشکی، تعریف بودجه مشخصی برای گسترش "دندانپزشکی دیجیتال" (digital dentistry) حائز اهمیت است که هوش مصنوعی را نیز در بر می‌گیرد؛ زیرا این کار نیاز به کاربر و حقوق و همچنین نرم‌افزاهایی دارد تا در سیستم دانشکده نصب شوند و به هیات علمی دانشگاه‌ها آموزش داده شوند؛ در واقع همه اقدامات به مسائل اقتصادی بر می‌گردد، زمانی که بودجه نباشد، هر چه گفته شود، بی‌فایده خواهد بود.

عضو هیات علمی دانشگاه شاهد گفت: یکی از دلایلی که دندانپزشکی ایران از دنیا فاصله گرفته است ارتباط کم بین دانشکده‌های فنی و دندانپزشکی و همچنین وارد نشدن بحث‌های جدید دیجیتالی و هوش مصنوعی است.

به گزارش ایسنا وی در پایان اضافه کرد: به دلیل جدا شدن دانشکده‌های دندانپزشکی از دیگر دانشکده‌ها، همکاری روتین و ممتد بین دانشگاه‌ها وجود ندارد؛ اعضای هیات علمی‌ای هستند که در قالب طرح‌های پژوهشی با دانشکده‌های فنی کار کند، ولی باید طرح پژهشی ثبت شود و بودجه به آنها اختصاص بدهند؛ چرا که تا بودجه نباشد، ارتباط برقرار نمی‌شود.

پایان پیام/

مطالب مشابه