دکتر علی نوروزی

دکتر علی نوروزی مسیر دانشگاهی خود را در رشته پزشکی در دانشگاه علوم پزشکی تهران آغاز کرد و در سال ۲۰۲۴ مدرک MD خود را دریافت کرد. هم‌زمان با تحصیل پزشکی، دانش و مهارت قابل‌توجهی در زمینه برنامه‌نویسی، Biomedical Informatics و Artificial Intelligence کسب کرد و به سمت پژوهش در نقطه تلاقی پزشکی بالینی و علوم محاسباتی سوق یافت.

پژوهش‌های اولیه او بر انکولوژی بالینی و تصویربرداری پزشکی، به‌ویژه سرطان‌های پروستات و اوروتلیال، اپیدمیولوژی و پژوهش‌های بالینی مبتنی بر شواهد متمرکز بود. در پایان‌نامه MD خود، عوامل مرتبط با خطر سرطان در ضایعات PI-RADS 3 را در بیمارانی که تحت prostate MRI/ultrasound fusion biopsy قرار گرفته بودند بررسی کرد. فعالیت‌های پژوهشی گسترده‌تر او نیز شامل systematic review، meta-analysis و مطالعات ترجمانی در حوزه انکولوژی بوده است.

در سال ۲۰۲۴، دکتر نوروزی به University of California, San Francisco (UCSF) پیوست و به عنوان Postdoctoral Research Fellow در بخش Radiology and Biomedical Imaging فعالیت خود را آغاز کرد؛ جایی که پژوهش‌های او بر توسعه کاربردهای AI در رادیولوژی و تسهیل ادغام آن در practice بالینی متمرکز شد. حوزه فعالیت او موضوعاتی همچون Large Language Models (LLMs) و محدودیت‌های آن‌ها در وظایف رادیولوژیک، تفسیر کمک‌گرفته از AI در Chest X-ray، غربالگری سرطان ریه، Medical Foundation Models، بهینه‌سازی Clinical Workflow و تعامل انسان و AI را دربر می‌گیرد. پژوهش او به عنوان نویسنده اول درباره ارزیابی و تحلیل خطاهای LLMها در وظایف عددی رادیولوژی نیز در سال ۲۰۲۶ در Journal of Imaging Informatics in Medicine منتشر شد.

دکتر نوروزی نویسنده بیش از ۳۰ مقاله داوری‌شده است که بیش از ۱۰ مورد از آن‌ها را به عنوان نویسنده اول منتشر کرده است. از جمله دستاوردهای او می‌توان به دریافت RSNA Emerging Issues Grant به عنوان Principal Investigator و همچنین NIH T32 Fellowship در UCSF اشاره کرد. او در سال ۲۰۲۶ مرحله بعدی آموزش دانشگاهی خود را در Stanford University School of Medicine به عنوان دانشجوی تحصیلات تکمیلی در رشته Biomedical Data Science آغاز کرد و تحت حمایت برنامه آموزشی NIH T15 Biomedical Informatics قرار گرفت. فعالیت‌های او نشان‌دهنده تلاشی روزافزون برای ایجاد پیوند میان پزشکی بالینی، تصویربرداری پزشکی و AI پیشرفته با هدف توسعه فناوری‌های سلامت قابل‌اعتمادتر و دارای کاربرد بالینی است.