در ۲۸ مه ۲۰۲۶ (۷ خرداد ۱۴۰۵)، سازمان فناوری اطلاعات ایران با همکاری وزارت بهداشت، درمان و آموزش پزشکی، از سامانهای به نام «دُرسا» (دستیار راهنمای سلامت) رونمایی کرد؛ یک دستیار هوشمند مبتنی بر هوش مصنوعی که با پردازش زبان فارسی و تحلیل علائم بالینی بیمار، در مناطق محروم و مراکز بهداشت روستایی تشخیص اولیه ارائه میدهد. این پروژه که بخشی از «برنامه ملی هوش مصنوعی» است، بر روی مدل زبانی بومی «آرمان» سوار شده و دقت آن در غربالگری بیماریهای شایع، بالای ۹۰٪ گزارش شده است. رونمایی از دُرسا، فراتر از یک دستاورد فنی، نماد یک «چرخش راهبردی» در حکمرانی سلامت ایران است: استفاده از هوش مصنوعی بومی برای پر کردن شکاف تاریخی دسترسی به خدمات تشخیصی باکیفیت در دورافتادهترین نقاط کشور، و همزمان، مصونسازی زیرساخت سلامت از وابستگی به پلتفرمهای خارجی.
۱. معماری فنی دُرسا: پزشک دیجیتال فارسیزبان
دُرسا بر پایه یک معماری لایهای طراحی شده که ترکیبی از پردازش زبان طبیعی (NLP)، سیستم خبره پزشکی، و رابط کاربری ساده برای بهورزان و بیماران است:
- لایه زبان و مکالمه: هسته اصلی دُرسا، مدل زبانی بومی «آرمان» است؛ یک مدل زبانی بزرگ (LLM) که به طور خاص برای درک و تولید زبان فارسی — با تمام ظرافتهای لهجهها، اصطلاحات عامیانه و گویشهای محلی — آموزش دیده است. این مدل که توسط پژوهشکده فناوری اطلاعات و ارتباطات توسعه یافته، میتواند مکالمهای طبیعی با بیمار برقرار کند، علائم را به زبان ساده بپرسد، و پاسخهای بیمار را — حتی اگر غیرتخصصی و آمیخته با باورهای عامیانه باشد — به زبان بالینی ترجمه کند. پشتیبانی از ۱۲ گویش اصلی فارسی (از جمله کردی، لری، بلوچی و ترکی) در دستور کار توسعه نسخه بعدی قرار دارد.
- لایه تشخیص و استدلال بالینی: پس از استخراج علائم، یک «موتور استنتاج بالینی» (Clinical Inference Engine) که ترکیبی از شبکههای بیزی (Bayesian Networks) و درختهای تصمیم پزشکی است، محتملترین تشخیصها را رتبهبندی میکند. این موتور بر روی مجموعهدادهای بالغ بر ۵ میلیون پرونده پزشکی ناشناسسازیشده از مراکز بهداشتی سراسر ایران آموزش دیده و میتواند طیف وسیعی از بیماریهای شایع (عفونتهای تنفسی، گوارشی، پوستی، فشار خون، دیابت، و بیماریهای بومی مانند تب مالت و سالک) را غربالگری کند.
- لایه یکپارچگی و عمل: دُرسا به سامانه «پرونده الکترونیک سلامت» (EHR) متصل است و میتواند نتایج غربالگری را مستقیماً در پرونده بیمار ثبت کند. همچنین، در مواردی که تشخیص نیاز به بررسی بیشتر دارد، بیمار را به نزدیکترین مرکز درمانی مجهز ارجاع میدهد و یک خلاصه بالینی ساختاریافته برای پزشک ارسال میکند. برای مناطق فاقد اینترنت پایدار، یک نسخه آفلاین (Offline) نیز طراحی شده که میتواند روی یک تبلت ساده اجرا شود و در زمان اتصال، دادهها را همگامسازی کند.
۲. عملکرد و دقت: غربالگری ۹۰٪ در میدان واقعی
بر اساس گزارش منتشرشده توسط وزارت بهداشت، دُرسا در یک آزمایش میدانی ۶ ماهه در ۲۰۰ خانه بهداشت روستایی در استانهای سیستان و بلوچستان، هرمزگان، و خراسان جنوبی — که از محرومترین مناطق کشور از نظر دسترسی به پزشک هستند — به کار گرفته شده و نتایج چشمگیری به دست آمده است:
- دقت غربالگری برای ۲۰ بیماری شایع: ۹۱.۷٪ (حساسیت ۹۳.۲٪، ویژگی ۸۹.۸٪).
- کاهش ارجاعات غیرضروری به مراکز شهری: ۴۷٪ کاهش. این یعنی تقریباً نیمی از بیمارانی که پیشتر برای یک سرفه ساده یا دلدرد به مرکز استان ارجاع میشدند، اکنون در همان روستا درمان شدهاند.
- میانگین زمان تشخیص اولیه: از ۳-۵ روز (در انتظار مراجعه پزشک دورهگرد) به زیر ۱۵ دقیقه کاهش یافته است.
- رضایت بهورزان: ۸۸٪ از بهورزان اعلام کردهاند که دُرسا «اعتماد به نفس تشخیصی» آنها را افزایش داده و به عنوان یک «همکار مجازی» عمل میکند.
| شاخص | پیش از دُرسا (روش سنتی) | با دُرسا |
|---|---|---|
| زمان انتظار برای تشخیص اولیه | ۳-۵ روز (ویزیت پزشک دورهگرد) | زیر ۱۵ دقیقه |
| دقت غربالگری بیماریهای شایع | ~۶۵٪ (تشخیص بهورز به تنهایی) | ۹۱.۷٪ |
| ارجاعات غیرضروری به مراکز شهری | بالا (بیش از ۶۰٪ موارد) | کاهش ۴۷٪ |
| دسترسی به تشخیص در مناطق فاقد اینترنت | ناممکن | ممکن (نسخه آفلاین) |
| هزینه هر تشخیص | ~۲۰۰,۰۰۰ تومان (هزینه اعزام پزشک) | ~۵,۰۰۰ تومان (هزینه پردازش ابری) |
۳. پیامدهای راهبردی: عدالت سلامت، خودکفایی و تابآوری
رونمایی از دُرسا، فراتر از یک پروژه فناورانه، چهار پیامد راهبردی برای نظام سلامت و اکوسیستم هوش مصنوعی ایران دارد:
- پر کردن شکاف عدالت سلامت: ایران با پراکندگی جغرافیایی وسیع، با کمبود پزشک در مناطق محروم روبروست. طبق آمار وزارت بهداشت، نسبت پزشک به جمعیت در استانهای مرزی و کویری، یکسوم میانگین کشوری است. دُرسا با ارائه تشخیص اولیه دقیق در همان روستا، عملاً «پزشک دیجیتال» را به مناطقی میبرد که شاید سالها یک پزشک عمومی به آنها مراجعه نکند. این یک «جهش عدالتمحور» (Equity Leapfrog) است: استفاده از فناوری برای پر کردن شکافی که با روشهای سنتی (ساخت بیمارستان و جذب پزشک) دههها زمان میبرد.
- کاهش بار از دوش نظام سلامت: با غربالگری دقیق و کاهش ۴۷٪ ارجاعات غیرضروری، فشار بر مراکز درمانی شهری که همواره با کمبود تخت و ازدحام بیماران مواجهاند، کاهش مییابد. این یعنی «بهرهوری کل نظام سلامت» (Total Health System Productivity) افزایش مییابد، بدون آنکه هزینه گزافی صرف زیرساخت فیزیکی جدید شود.
- خودکفایی در هوش مصنوعی سلامت و مصونیت از تحریم: استفاده از مدل بومی آرمان و زیرساخت ابری ملی (که با سکوی ققنوس بازسازی شده)، به معنای آن است که دادههای سلامت شهروندان ایران روی سرورهای خارجی (گوگل، AWS، Azure) پردازش نمیشود. در شرایطی که قوانین FISA آمریکا به دولت این کشور اجازه دسترسی به دادههای خارجی روی سرورهای آمریکایی را میدهد (تحلیلی که پیشتر در گزارش جاسوسی قانونی آمریکا به آن پرداخته شد)، این «حاکمیت داده سلامت» (Health Data Sovereignty) یک ضرورت امنیت ملی است، نه یک انتخاب فنی.
- ایجاد بازار برای استارتاپهای HealthTech: موفقیت دُرسا، یک «اثبات مفهوم» (Proof of Concept) برای کل اکوسیستم سلامت دیجیتال ایران است. این پروژه نشان میدهد که مدلهای بومی میتوانند در سختترین شرایط میدانی (روستاهای فاقد اینترنت پایدار، با بیماران کمسواد) کار کنند. این امر، راه را برای ورود استارتاپهای خصوصی به حوزه تشخیص هوشمند، پایش از راه دور بیماران مزمن، و پزشکی شخصیسازیشده هموار میکند.
۴. همافزایی با سایر گامهای ملی: تصویر یک زیستبوم منسجم
دُرسا را باید در کنار سایر گامهای اخیر ایران در عرصه هوش مصنوعی و فناوری دید:
- سکوی ملی ققنوس (که در ۲۸ اردیبهشت بازگشت) زیرساخت پردازش ابری امن و مقیاسپذیر را برای اجرای مدل آرمان فراهم میکند.
- سرمایهگذاری ۱۱۵ میلیون دلاری (تفاهمنامه ۲۹ اردیبهشت) بودجه لازم برای توسعه مدلهای تخصصی سلامت و تجاریسازی آنها را تأمین میکند.
- شیوهنامه جامع هوش مصنوعی در نظام سلامت (مصوب دانشگاه علوم پزشکی تهران در ۲۸ مه ۲۰۲۶) چارچوب حقوقی و اخلاقی برای استفاده از ابزارهایی مانند دُرسا را فراهم میآورد.
این همافزایی، یک «چرخه فضیلت» (Virtuous Cycle) ایجاد میکند: زیرساخت ابری (ققنوس) قدرت پردازش را تأمین میکند، بودجه دولتی (۱۱۵ میلیون دلار) هزینه توسعه را پوشش میدهد، چارچوب حقوقی (شیوهنامه) اعتماد عمومی را جلب میکند، و کاربرد میدانی (دُرسا) بازخورد واقعی برای بهبود مستمر مدلها فراهم مینماید.
۵. جمعبندی: دُرسا، طلایهدار «پزشکی مردمسالار» در عصر هوش مصنوعی
رونمایی از دُرسا، یک «لحظه نمادین» در تاریخ سلامت ایران است. این سامانه، تجسم این باور راهبردی است که «فناوری بومی» میتواند «عدالت اجتماعی» را — حتی در شرایط تحریم و محدودیت — پیش ببرد. دُرسا، پزشک دیجیتالی است که نه جای پزشکان انسانی، که در کنار آنها — و در غیاب آنها — به میدان آمده است: در دورافتادهترین خانه بهداشت سیستان، در شبانگاه یک روستای کوهستانی، یا در یک جزیره خلیج فارس.
این پروژه، همچنین یک «اعلام راهبردی» به جهان است: ایران نهتنها در حوزههای دفاعی و صنعتی (پهپاد، ماهواره، تراشه)، که در حوزههای نرم و انسانی (سلامت، آموزش، عدالت اجتماعی) نیز هوش مصنوعی را به خدمت گرفته است — و این خدمت، نه با مدلهای وارداتی و APIهای خارجی، که با مدل زبانی بومی آرمان، روی زیرساخت ابری ملی، و با دادههای سلامت مردم ایران انجام میشود. دُرسا، نخستین گام در مسیری است که به «پزشکی مردمسالار» (Democratized Medicine) ختم میشود: پزشکیای که در آن، «تشخیص باکیفیت» نه یک کالای لوکس در انحصار شهرنشینان، که یک «حق همگانی» — از تهران تا تفتان — خواهد بود.
۱۵ پاسخ به “رونمایی از «دستیار هوشمند ملی سلامت» دُرسا: هوش مصنوعی بومی در خدمت عدالت سلامت و جهش تشخیص در مناطق محروم”
بدک نبود در کل
مرسی بابت محتوای ناب
جالبه
عالی بود مرسی 🔥
جالبه
بدک نبود در کل
پشمام چقدر خوب بود
بدک نبود در کل
مرسی بابت محتوای ناب
خیلی خفن بود
ممنون داداش
خیلی خفن بود
خوب بود
ممنون داداش
خوب بود