نموذج إرشادي — مستشفى محلي: نظام ذكي لتبسيط فرز المرضى وتوجيه الاستشارات الطبية الأولية بالعربية
كيف يمكن لمستشفى محلي تقليل فترات الانتظار وتخفيف الضغط على قسم الطوارئ ببناء بوت ذكي للفرز الأولي باستخدام Coze Studio و Ollama و WhatsApp.
Time Efficiency Metric
The Problem
أوقات انتظار طويلة في قسم الاستقبال والطوارئ لمرضى يعانون من أعراض بسيطة لا تتطلب تدخلاً عاجلاً، مما ينهك الكوادر الطبية ويعوق الحالات الطارئة الحقيقية.
The Solution & Implementation
المريض يشرح أعراضه على WhatsApp → n8n تستقبل الرسالة → Ollama يحلل مستوى خطورة الأعراض → Coze Studio يوجه المريض للقسم المناسب ويحجز موعداً
Scenario details
مقدمة عن السيناريو
كيف يمكن لمستشفى محلي تقليل فترات الانتظار وتخفيف الضغط على قسم الطوارئ ببناء بوت ذكي للفرز الأولي باستخدام Coze Studio و Ollama و WhatsApp.
توصيف المشكلة
أوقات انتظار طويلة في قسم الاستقبال والطوارئ لمرضى يعانون من أعراض بسيطة لا تتطلب تدخلاً عاجلاً، مما ينهك الكوادر الطبية ويعوق الحالات الطارئة الحقيقية.
الأدوات المستخدمة
- Coze Studio: أداة مستخدمة في سير العمل.
- Ollama: أداة مستخدمة في سير العمل.
- WhatsApp Business API: أداة مستخدمة في سير العمل.
- n8n: أداة مستخدمة في سير العمل.
مسار العمل (Workflow)
المريض يشرح أعراضه على WhatsApp → n8n تستقبل الرسالة → Ollama يحلل مستوى خطورة الأعراض → Coze Studio يوجه المريض للقسم المناسب ويحجز موعداً
النتائج والفرق في الأداء
- قبل التطبيق: ساعتان إلى 3 ساعات فترة انتظار متوسطة في الطوارئ والاستقبال للاستشارات البسيطة
- بعد التطبيق: رد فوري وتحديد موعد خلال دقائق مع حصر زيارات الطوارئ للحالات الحرجة فقط
التكلفة التقديرية
أدوات مفتوحة المصدر مجانية؛ التكاليف تقتصر على رسوم WhatsApp Business API وخادم الاستضافة المحلي
الدروس المستفادة
- الذكاء الاصطناعي لا يحل محل التشخيص الطبي الفعلي؛ صياغة التنبيهات القانونية وتوضيح حدود الخدمة أمر حيوي؛ دمج البحث الدلالي مع دليل التخصصات يمنع التوجيه الخاطئ
Lessons Learned
الذكاء الاصطناعي لا يحل محل التشخيص الطبي الفعلي؛ صياغة التنبيهات القانونية وتوضيح حدود الخدمة أمر حيوي؛ دمج البحث الدلالي مع دليل التخصصات يمنع التوجيه الخاطئ.
Coze Studio
Ollama
n8n