en هوش مصنوعی و درمان ناباروری: کاربردها، چالش ها و مسیرهای پیش رو: یک مقاله مروری Assisted Reproductive Technologies Review article Review Article <div style="text-align: justify;"><span dir="RTL" lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:">کاربرد هوش مصنوعی (</span></span><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times="">AI</span></span><span dir="RTL" lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:">) در تمامی حوزه‌های پزشکی، از جمله درمان ناباروری، در حال گسترش است. این مقاله به بررسی کاربردهای مختلف هوش مصنوعی در مراقبت‌های بهداشتی تولید</span></span><span dir="RTL" lang="FA" style="font-size:11.0pt"><span cambria="" style="font-family:">&shy;</span></span><span dir="RTL" lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:">مثل می‌پردازد. تمرکز اصلی این مقاله بر مدل‌های پیش‌بینی، پردازش تصاویر و استراتژی‌های درمانی شخصی‌سازی‌شده است. نرم‌افزارهای مبتنی بر هوش مصنوعی به‌طور فزاینده‌ای برای تشخیص بیماری و پیش‌آگاهی بیماران به‌کار گرفته می‌شوند و از داده‌های حجیم حاصل از اطلاعات بیماران و نتایج بالینی استفاده می‌کنند. بنابراین، قابلیت اطمینان پیش‌بینی موفقیت لانه‌گزینی جنین در فرآیندهای لقاح مصنوعی به‌طور قابل توجهی افزایش می‌یابد. علاوه بر این، هوش مصنوعی با استفاده از سیستم‌های پردازش تصویر کامپیوتری و تکنیک‌های تزریق اسپرم انتخاب‌شده به‌صورت مورفولوژیکی داخل سیتوپلاسم (</span></span><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times="">IMSI</span></span><span dir="RTL" lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:">)، در انتخاب جنین و ارزیابی کیفیت اسپرم تحولی ایجاد کرده و دقت و سازگاری را نسبت به روش‌های سنتی وابسته به مهارت جنین‌شناس بهبود می‌بخشد. این مقاله نشان می‌دهد که هوش مصنوعی عامل اصلی در تدوین برنامه‌های درمانی ویژه هر بیمار، کاهش ریسک و افزایش نرخ موفقیت بالینی است. با وجود پتانسیل عظیم، پیاده‌سازی هوش مصنوعی در درمان ناباروری با چالش‌های واقعی مواجه است که مسائل اخلاقی، حفظ حریم خصوصی، کیفیت و تنوع داده‌ها از مهم‌ترین آن‌ها هستند. این مقاله مطالعات فعلی را در زمینه موفقیت‌ها و شکست‌های واقعی و بالقوه استراتژی‌های مبتنی بر هوش مصنوعی مرور کرده و مسیرهای پژوهشی آینده در درمان ناباروری را بررسی می‌کند.</span></span></div> <div style="text-align: justify;"><span style="font-size:12.0pt"><span style="line-height:107%"><span new="" roman="" style="font-family:" times="">The application of artificial intelligence (AI) is expanding in all fields of medicine, including infertility treatment. </span></span></span><span style="font-size:12.0pt"><span style="line-height:107%"><span new="" roman="" style="font-family:" times="">This article examines the different uses of </span></span></span><span style="font-size:12.0pt"><span style="line-height:107%"><span new="" roman="" style="font-family:" times="">AI </span></span></span><span style="font-size:12.0pt"><span style="line-height:107%"><span new="" roman="" style="font-family:" times="">in reproductive healthcare.</span></span></span><span style="font-size:12.0pt"><span style="line-height:107%"><span new="" roman="" style="font-family:" times=""> This article focuses on predictive models, imaging processing, and personalized therapeutic strategies. AI-based software is increasingly being deployed for diagnosis and patient prognosis, utilizing big data derived from patient information and clinical outcomes. Thus, the prediction reliability of embryo implantation in in-vitro fertilization procedures notably increases. Furthermore, AI is revolutionizing embryo selection and sperm quality assessment through computer-based image processing systems and intracytoplasmic morphologically selected sperm injection techniques, thereby improving accuracy and consistency compared to traditional embryologist-dependent methods that heavily rely on the embryologists&#39; skills. The paper reflects AI as the main factor in the formation of patient-specific treatment plans, risk reduction, and increased clinical success rates. Notwithstanding the immense potential, the implementation of AI in infertility treatment faces tangible issues, among which issues around ethics, privacy, quality, and diversity of data are prominent. This paper reviews current studies on the state-of-the-art possible and real failures of AI-focused strategies, as well as future research directions in the treatment of infertility. </span></span></span></div> هوش مصنوعی, درمان ناباروری, انتقال جنین, تکنیک های کمک باروری. Artificial intelligence, Infertility treatment, Embryo transfer, Reproductive techniques, Assisted. 275 286 http://ijrm.ir/browse.php?a_code=A-10-3121-1&slc_lang=en&sid=1 Elham Ghadirkhomi ghadirkhomi@acecr.ac.ir 0000-0003-2312-9598 Yes Academic Center for Education, Culture, and Research (ACECR), Tabriz, Iran. Aliasghar Fatehifar aliasghar.fatehifar@gmail.com 0009-0007-6412-3332 No Academic Center for Education, Culture, and Research (ACECR), Tabriz, Iran.