روبوت محادثة ذكاء اصطناعي للرعاية الصحية
شبكة مستشفيات خاصة تعمل عبر ثلاث منشآت احتاجت تقليل أوقات انتظار قسم الطوارئ وتحسين دقة فرز المرضى. بنينا روبوت محادثة مدعوم بالذكاء الاصطناعي يجمع أعراض المرضى ويقيّم الاستعجال ويوجّه المرضى لمستوى الرعاية المناسب قبل وصولهم للمنشأة.
The Challenge
كانت شبكة المستشفيات تشهد أحجام مرضى متزايدة بدون زيادات متناسبة في طاقم تمريض الفرز. متوسط أوقات الانتظار في قسم الطوارئ تجاوز 45 دقيقة، وعملية الفرز اليدوية أدت لتصنيفات أولوية غير متسقة. مرضى بحالات عاجلة أحيانًا ينتظرون طويلاً، بينما حالات غير عاجلة تشغل موارد مطلوبة للرعاية الحرجة.
- متوسط وقت انتظار قسم الطوارئ 47 دقيقة قبل تقييم الفرز الأولي
- دقة الفرز تختلف بشكل كبير بين المناوبات والممرضات الفرديات، مما يؤدي لتصنيف أولوية غير متسق
- لا عملية تسجيل رقمي مسبق، مما يتطلب جمع جميع البيانات في الموقع
- درجات رضا المرضى لقسم الطوارئ كانت أقل من حد شبكة المستشفيات المستهدف
- النظام يحتاج دعم التفاعل بالعربية والإنجليزية
- متطلبات صارمة لخصوصية بيانات الرعاية الصحية حسب لوائح الهيئة الصحية الإقليمية
- التكامل مطلوب مع نظام السجلات الصحية الإلكترونية (EHR) الحالي للبحث في تاريخ المريض
Our Solution
طوّرنا نظام محادثة ذكاء اصطناعي يتفاعل معه المرضى عبر تطبيق ويب على أجهزتهم المحمولة. عندما يقرر المريض زيارة قسم الطوارئ، يصل لروبوت المحادثة عبر رابط يُرسل بـ SMS أو بمسح رمز QR عند مدخل المنشأة. يجري الروبوت تقييمًا منظمًا للأعراض من خلال محادثة طبيعية، متاح بالعربية والإنجليزية.
يستخدم محرك الذكاء الاصطناعي مزيجًا من نموذج لغة كبير مُضبط للمحادثة الطبيعية ونظام دعم قرار سريري مبني على قواعد لتصنيف الفرز. يتعامل النموذج اللغوي مع واجهة المحادثة، فاهمًا وصف المرضى للأعراض باللغة اليومية وطارحًا أسئلة توضيحية. المحرك السريري يربط الأعراض ببروتوكولات الفرز الموحدة (مؤشر شدة الطوارئ) لإنتاج تصنيف أولوية.
بنينا لوحة تحكم موجهة للأطباء بـ React تعرض تقييم الفرز بالذكاء الاصطناعي بجانب نص محادثة المريض والتاريخ الطبي ذي الصلة المستخرج من تكامل EHR. تستخدم ممرضات الفرز هذه اللوحة لمراجعة والتحقق من تقييم الذكاء الاصطناعي وتعديله إذا لزم الأمر. كل توصية ذكاء اصطناعي تتضمن شرحًا للأعراض المساهمة وعوامل الخطر.
نُشر النظام في حاويات Docker على البنية التحتية السحابية الخاصة بالمستشفى لتلبية متطلبات إقامة البيانات. جميع بيانات المرضى مشفرة أثناء التخزين والنقل، والنظام يحتفظ بسجل تدقيق كامل لكل تفاعل وقرار سريري للامتثال التنظيمي.
أجرينا طرحًا مرحليًا بدءًا بمنشأة واحدة، مستخدمين الأسابيع الأربعة الأولى كوضع ظل حيث عمل الذكاء الاصطناعي بجانب الفرز العادي دون التأثير على تدفق المرضى. سمح لنا هذا بالتحقق من الدقة مقابل تقييمات الممرضات وتنقيح النموذج قبل التشغيل الفعلي.
Results & Impact
- 60% — وقت فرز أسرع
- 94% — دقة الفرز مقابل الطبيب
- 32% — تخفيض في أوقات الانتظار
- 4.6/5 — درجة رضا المرضى
قلّل نظام فرز الذكاء الاصطناعي متوسط الوقت من وصول المريض إلى تصنيف الأولوية من 47 دقيقة إلى 18 دقيقة. للحالات عالية الحدة، كان التحسن أكثر دراماتيكية: المرضى الحرجون حُددوا وعُجّلوا خلال 3 دقائق من بدء محادثة الروبوت، مقارنة بمتوسط 25 دقيقة سابق لانتظار تقييم الممرضة الأولي.
بعد ثلاثة أشهر من التشغيل عبر جميع المنشآت الثلاث، تطابقت تصنيفات فرز الذكاء الاصطناعي مع تقييمات الأطباء بنسبة 94%. في الـ6% المتبقية، مال الذكاء الاصطناعي للفرز الزائد (تصنيف استعجال أعلى مما يبرره) بدلاً من الفرز الناقص، وهو اتجاه الخطأ المفضل سريريًا. أفادت ممرضات الفرز أن بيانات الأعراض المجمعة مسبقًا وتوصية الذكاء الاصطناعي سمحت لهن باتخاذ قرارات أسرع وأكثر استنارة.
ارتفعت درجات رضا المرضى لقسم الطوارئ من 3.8 إلى 4.6 من 5. أفاد المرضى بشعورهم بإطلاع أكبر على وقت انتظارهم وحالة أولويتهم. شبكة المستشفيات الآن توسّع النظام ليشمل جدولة المواعيد للحالات غير العاجلة ومحادثات المتابعة بعد الزيارة.
Tech Stack
“The AI triage system has fundamentally changed how our emergency departments operate. Our nurses now spend their time on clinical assessment rather than administrative data collection, and our patients receive faster, more consistent care.”