<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>سازمان پژوهش‌های علمی و صنعتی ایران با همکاری انجمن مدیریت فناوری ایران</PublisherName>
				<JournalTitle>مدیریت توسعه فناوری</JournalTitle>
				<Issn>2008-5060</Issn>
				<Volume>13</Volume>
				<Issue>3</Issue>
				<PubDate PubStatus="epublish">
					<Year>2026</Year>
					<Month>07</Month>
					<Day>23</Day>
				</PubDate>
			</Journal>
<ArticleTitle>A Method for Identifying and Classifying Artificial Intelligence Technology Opportunities in the Healthcare Sector Based on Scientific Publications and Patent Data</ArticleTitle>
<VernacularTitle>ارائه روشی برای شناسایی و طبقه‌بندی فرصت‌های فناوری هوش مصنوعی در حوزه سلامت مبتنی بر داده‌های مقالات و ثبت اختراعات</VernacularTitle>
			<FirstPage></FirstPage>
			<LastPage></LastPage>
			<ELocationID EIdType="pii">1726</ELocationID>
			
<ELocationID EIdType="doi">10.22104/jtdm.2026.8063.3483</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>پیمان</FirstName>
					<LastName>آقاسی لو</LastName>
<Affiliation>دانشجوی دکتری دانشکده مدیریت صنعتی و فناوری دانشگاه تهران</Affiliation>

</Author>
<Author>
					<FirstName>جلیل</FirstName>
					<LastName>حیدری دهوئی</LastName>
<Affiliation>عضو هیأت علمی دانشکده مدیریت صنعتی و فناوری دانشگاه تهران</Affiliation>

</Author>
<Author>
					<FirstName>مهدی</FirstName>
					<LastName>محمدی</LastName>
<Affiliation>عضو هیأت علمی دانشکده مدیریت صنعتی و فناوری دانشگاه تهران</Affiliation>

</Author>
<Author>
					<FirstName>احمد</FirstName>
					<LastName>جعفرنژاد چقوشی</LastName>
<Affiliation>عضو هیأت علمی دانشکده مدیریت صنعتی و فناوری دانشگاه تهران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2025</Year>
					<Month>12</Month>
					<Day>20</Day>
				</PubDate>
			</History>
		<Abstract>The world around us is rapidly changing due to the emergence of novel disruptive technologies like Artificial Intelligence (AI). These technologies have profoundly altered the structure of various industries and the competitive landscape among companies, making them impossible for firms, businesses, and policymakers to ignore. Consequently, numerous studies in recent years have introduced new approaches for identifying emerging technologies and the resulting developmental opportunities. However, this field of study still faces challenges, such as reliance on expert knowledge, focus on a single data source, and the lack of a comprehensive evaluation and prioritization of technological opportunities. Addressing these gaps, the present research employs a data-driven approach to identify and evaluate AI technology opportunities in the healthcare sector. For this purpose, article and patent data were collected from two credible databases, and key topics were extracted using BERT-based Topic Modeling. These topics were then evaluated using metrics such as growth rate, frequency, citations, and network analysis indicators, and subsequently ranked using the TOPSIS method. Finally, the identified opportunities were mapped onto a two-dimensional space and classified into four categories: Core and Proven Opportunities, Knowledge-Based and Emerging Opportunities, Engineering Innovations, and Low-Priority Opportunities.</Abstract>
			<OtherAbstract Language="FA">دنیای پیرامون ما با سرعتی فزاینده تحت تأثیر ظهور فناوری‌های تحول‌آفرین نوین نظیر هوش مصنوعی در حال تغییر است. این فناوری‌ها ساختار صنایع مختلف و فضای رقابت میان شرکت‌ها را دستخوش دگرگونی‌های عمیق کرده‌اند، به‌گونه‌ای که نادیده گرفتن آن‌ها برای شرکت‌ها، کسب‌وکارها و سیاست‌گذاران ممکن نیست. از این رو، طی سال‌های گذشته مطالعات متعددی به معرفی رویکردهای نوین برای شناسایی فناوری‌های نوظهور و فرصت‌های توسعه‌ای ناشی از آن‌ها پرداخته‌اند. با این حال، این حوزه مطالعاتی همچنان با چالش‌هایی نظیر تکیه بر دانش خبرگان، تمرکز بر یک منبع داده و نبود ارزیابی و اولویت‌بندی جامع فرصت‌های فناوری مواجه است. مبتنی بر این خلأها، پژوهش حاضر با رویکردی داده‌محور به شناسایی و ارزیابی فرصت‌های فناوری هوش مصنوعی در حوزه سلامت می‌پردازد. بدین منظور، داده‌های مقالات و ثبت اختراعات از دو پایگاه معتبر گردآوری و با استفاده از مدل‌سازی موضوعی به روش برتاپیک، موضوعات کلیدی استخراج شد. سپس این موضوعات با شاخص‌هایی نظیر نرخ رشد، فراوانی، استنادات و شاخص‌های تحلیل شبکه ارزیابی و به روش تاپسیس رتبه‌بندی شدند. در نهایت، فرصت‌های شناسایی‌شده در یک نقشه دوبعدی جانمایی و در چهار دسته فرصت‌های محوری و اثبات‌شده، دانش‌بنیان و نوظهور، نوآوری‌های مهندسی و فرصت‌های کم‌اولویت طبقه‌بندی گردیدند.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">شناسایی فرصت‌های فناوری</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">ارزیابی فرصت‌های فناوری</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مدل‌سازی موضوعی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">هوش مصنوعی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">سلامت</Param>
			</Object>
		</ObjectList>
</Article>
</ArticleSet>
