fa دوقلوی دیجیتال در سلامت: ملزومات، مزایا، چالش‌ها و آینده هوش مصنوعی در حوزه سلامت Artificial Intelligence in Healthcare مقاله مروری تشریحی Narrative review articles <div style="text-align: justify;"><span style="line-height:2;"><span style="font-family:Tahoma;"><span style="font-size:12px;"><span style="color:#000000;"><span style="direction:rtl"><span style="unicode-bidi:embed"><b><span lang="AR-SA">مقدمه: </span></b><span lang="FA">دوقلوی دیجیتال (</span><span dir="LTR">Digital Twins</span><span lang="FA">) یک مدل دیجیتالی از یک محصول، سیستم یا فرآیند فیزیکی است که برای شبیه‌سازی، نظارت و بهینه‌سازی استفاده می‌شود. در حوزه سلامت، این فناوری با ایجاد مدل‌های مجازی از بیماران، تحولی در مراقبت‌های درمانی ایجاد کرده و امکان پیش‌بینی و بهینه‌سازی نتایج سلامتی را فراهم می‌کند. در این مطالعه، ما به بررسی مزایا، چالش‌ها، الزامات پیاده سازی وجهت گیری‌های آینده این تکنولوژی در سلامت می‌پردازیم و هدف این مطالعه مرور و جمع‌</span><span lang="FA">‌</span><span lang="FA">بندی مقالات پیشین و جلوگیری از تکرار مطالعات است.</span><span dir="LTR"><span style="color:#0d0d0d"></span></span></span></span><br> <span style="direction:rtl"><span style="unicode-bidi:embed"><b><span lang="AR-SA">روش</span></b><span lang="AR-SA">: </span><span lang="AR-SA">این مطالعه به شکل روایتی (</span><span dir="LTR">Narrative</span><span lang="AR-SA">) در زمینه دوقلوی دیجیتالی در حوزه سلامت نوشته شده به طوری که در این مطالعه از روش نظام‌مندی استفاده نشد و تنها با استفاده از تجریبات خود و مدل‌ها و فرضیه‌های موجود، نتیجه‌گیری کلی را ارائه شده است. </span></span></span><br> <span style="direction:rtl"><span style="unicode-bidi:embed"><b><span lang="AR-SA">نتایج</span></b><span lang="AR-SA">: </span><span lang="AR-SA">در این مطالعه بیان شد که چگونه </span><span lang="AR-SA">دوقلوی</span><span lang="AR-SA"> دیجیتالی توانسته پزشکی شخصی‌سازی شده، نتایج جراحی، بیماری‌های مزمن، آزمایشات بالینی، و عملیات بیمارستان‌ها را ساده‌سازی، مدیریت و بهینه کند. علاوه بر این، چالش‌های این تکنولوژی از جمله پیامدهای اخلاقی، حریم خصوصی و نظارتی این فناوری را بیان کرد و بر نیاز به حاکمیت قوی داده‌ها و همکاری میان رشته‌ای برای تحقق کامل قابلیت های این تکنولوژی تأکید کرد. در آخر، این مطالعه به بحث در مورد</span><span lang="AR-SA"> برخی از زمینه‌های بالقوه و کلیدی توسعه آینده</span><span lang="AR-SA"> این تکنولوژی پرداخت.<span style="font-family:"B Mitra""></span></span></span></span><br> <span style="direction:rtl"><span style="unicode-bidi:embed"><b><span lang="AR-SA">نتیجه‌گیری: &nbsp;ا</span></b><span lang="AR-SA">لزامات، چالش‌ها، مزایا و سوگیری‌های آینده ارائه شده در این مطال</span><span lang="AR-SA">عه می‌تواند به طراحی و پیاده سازی یک دوقلوی دیجیتال دقیق و هوشمند در حوزه سلامت کمک کند</span><span dir="LTR" lang="PT">.</span><span lang="AR-SA"><span style="font-family:"B Mitra""></span></span></span></span></span></span></span></span><br> &nbsp;</div> <div style="text-align: justify;"><span style="color:#000000;"><span style="font-size:12px;"><span style="font-family:Tahoma;"><span style="line-height:2;"><b>Introduction:</b> Digital Twin (DT) refers to a digital model of a physical product, system, or process used for simulation, monitoring, and optimization. In healthcare, this technology has transformed patient care by generating virtual models of patients, enabling the prediction and optimization of health outcomes. This study examines the benefits, challenges, implementation requirements, and future directions of this technology in healthcare, aiming to review and summarize prior studies while avoiding duplication of research.<br> <b>Method:</b> This study employs a narrative approach in the context of digital twins in healthcare. It does not follow a systematic methodology but rather relies on existing models, hypotheses, and personal expertise to derive general conclusions.<b><span style="color:#2f5496"></span></b><br> <b>Results:</b> This study describes how DT has facilitated personalized medicine, improved surgical outcomes, managed chronic diseases, streamlined clinical trials, and optimized hospital operations. Additionally, it highlights challenges associated with DT in healthcare, such as ethical implications, privacy concerns, and regulatory issues. It emphasizes the need for strong data governance and interdisciplinary collaboration to fully leverage the potential of DT. Finally, this research explores key areas for the future development of this technology.<br> <b>Conclusion:</b> The requirements, challenges, benefits, and future directions presented in this study can guide the design and implementation of accurate and intelligent DT in the healthcare domain</span></span></span></span><span style="font-size:10pt"><span style="line-height:107%"><span new="" roman="" style="font-family:" times=""><span style="font-size:11.0pt"><span style="line-height:107%"><span style="color:#0d0d0d"></span></span></span></span></span></span></div> دوقلوی دیجیتال, همزاد دیجیتال, سلامت, هوش مصنوعی Digital Twins, Healthcare, Artificial Intelligence 203 213 http://jhbmi.ir/browse.php?a_code=A-10-875-3&slc_lang=fa&sid=1 Amir Hossein Nabizadeh امیرحسین نبی زاده hossein.nabizadeh.r@gmail.com 100319475328460010345 100319475328460010345 No Assistant Professor of Artificial Intelligence, Medical Informatics Research Center, Institute for Futures Studies in Health, Kerman University of Medical Sciences, Kerman, Iran / INESC-ID, Lisbon, Portugal استادیار هوش مصنوعی، مرکز تحقیقات انفورماتیک پزشکی، پژوهشکده آینده‌پژوهی در سلامت، دانشگاه علوم پزشکی کرمان، کرمان، ایران / مؤسسه تحقیقاتی سیستم‌ها و کامپیوتر – تحقیق و توسعه، لیسبون، پرتغال Mohammad Mehdi Ghaemi محمدمهدی قائمی 100319475328460010346 100319475328460010346 Yes Assistant Professor of Medical Informatics, Medical Informatics Research Center, Institute for Futures Studies in Health, Kerman University of Medical Sciences, Kerman, Iran استادیار انفورماتیک پزشکی، مرکز تحقیقات انفورماتیک پزشکی، پژوهشکده آینده‌پژوهی در سلامت، دانشگاه علوم پزشکی کرمان، کرمان، ایران