مقالات

هوش مصنوعی برای مطب؛ پذیرش، نه تشخیص

نویسنده: · ۲۱ سپتامبر ۲۰۲۶ · به‌روزرسانی ۲۱ سپتامبر ۲۰۲۶ · زمان تخمینی مطالعه: ۸ دقیقه

هوش مصنوعی برای مطب پزشکی در فارسی یعنی تشخیص و تصویربرداری. این نوشته دربارهٔ بخشی است که واقعاً وقت مطب را می‌گیرد.

پاسخ کوتاه

هوش مصنوعی برای مطب، در معنایی که به کار یک مطب معمولی می‌آید، دربارهٔ تشخیص نیست؛ دربارهٔ پذیرش است. چیزی که وقت منشی را می‌برد نوبت‌دهی، پاسخ به پرسش‌های تکراری و یادآوری نوبت است — و همین سه، بیشترین ریزش بیمار را هم می‌سازند. هر چیزی که به توصیهٔ درمانی نزدیک شود، باید بیرون از دسترس سیستم بماند.

اگر «هوش مصنوعی در پزشکی» را جستجو کنید، آنچه پیدا می‌کنید دربارهٔ تشخیص است: تصویربرداری، الگوریتم‌های تشخیصی، ابزارهای تخصصی.

این حوزهٔ مهمی است و این نوشته دربارهٔ آن نیست.

چیزی که وقتِ یک مطب معمولی را می‌گیرد، تشخیص نیست. پذیرش است: تلفنی که مدام زنگ می‌خورد، پیام‌هایی که بعد از ساعت کاری می‌آیند، نوبت‌هایی که جابه‌جا می‌شوند، و بیمارانی که نمی‌آیند و خبر هم نمی‌دهند.

هوش مصنوعی برای مطب، در معنایی که به کار یک مطب واقعی می‌آید، دربارهٔ همین است.

سه کاری که بیشترین وقت را می‌برند

یک: نوبت‌دهی و جابه‌جایی

بخش بزرگی از تماس‌های هر مطب فقط یک کار است: گرفتن، جابه‌جا کردن یا لغو نوبت.

این کار قاعده‌مند است — تقویم مشخص، ساعت‌های مشخص، مدت ویزیت مشخص — و برای همین از هر کار دیگری در مطب بیشتر قابل خودکار شدن است.

نکتهٔ مهم این است که لغو به‌اندازهٔ گرفتن اهمیت دارد و معمولاً نادیده گرفته می‌شود. بیماری که نمی‌تواند بیاید و راه ساده‌ای برای گفتنش ندارد، فقط نمی‌آید. آن ساعت خالی می‌ماند، در حالی که کس دیگری منتظر بوده. سیستمی که لغو را آسان کند، همان ساعت را به بیمار بعدی می‌دهد.

دو: پرسش‌های تکراری

آدرس، ساعت کاری، اینکه چه مدارکی لازم است، اینکه ناشتا بودن لازم است یا نه، اینکه پارکینگ هست یا نه.

جواب همه ثابت است و منشی روزی چند بار همان‌ها را می‌گوید. این جواب‌ها باید از یک منبع نوشته‌شده خوانده شوند تا سیستم بتواند بگویدشان — و همان نوشتن، حتی بدون هیچ سیستمی، خودش کار مفیدی است.

سه: یادآوری نوبت

از میان این سه، یادآوری کمترین کار را می‌برد و بیشترین اثر را دارد.

بیمارِ نیامده در بیشتر مطب‌ها بزرگ‌ترین منبع هدررفت است: ساعت رزرو شده، کسی نیامده، و آن ساعت دیگر برنمی‌گردد. یادآوری یک روز قبل و چند ساعت قبل، بخش قابل‌توجهی از این را برمی‌گرداند — و اگر یادآوری راه آسانی برای لغو داشته باشد، حتی بیمارانی که نمی‌آیند هم به کار مطب کمک می‌کنند.

خطی که نباید رد شود

حالا بخشی که مهم‌تر از همهٔ بالاست.

هیچ‌چیز که رنگ توصیهٔ درمانی داشته باشد نباید خودکار شود. نه پاسخ به پرسش دربارهٔ علائم، نه نظر دربارهٔ اینکه چه دارویی مناسب است، نه گفتن اینکه این وضعیت فوری است یا نه.

دلیلش این نیست که سیستم بد جواب می‌دهد. دلیلش این است که بیمار جواب را جدی می‌گیرد، و در این حرفه یک تصمیم اشتباه بیمار می‌تواند برگشت‌ناپذیر باشد.

سه حالت هست که مرز را مبهم می‌کنند و باید از قبل تکلیفشان روشن باشد:

بیمار علائمش را می‌نویسد و می‌پرسد باید بیاید یا نه. پاسخ درست خودکار این است که نوبت پیشنهاد شود و گفته شود که پزشک تصمیم می‌گیرد. تعیین فوریت — که این وضعیت اورژانسی است یا می‌تواند صبر کند — قضاوت پزشکی است.

بیمار عکس می‌فرستد. دریافت شود، گفته شود که پزشک می‌بیند، و هیچ نظری داده نشود. حتی جملهٔ ظاهراً بی‌خطر «به نظر خوب می‌آید» در این زمینه خطرناک است.

بیمار دربارهٔ دارویش می‌پرسد. فقط اطلاعات اداری — که نسخه‌اش ثبت شده یا نه. هر چیز دیگری به پزشک.

و مهم‌ترین نکته: این حدود باید در سازوکار نوشته شوند. سیستمی که به اطلاعات درمانی دسترسی دارد و فقط به آن دستور داده شده که استفاده نکند، حد ندارد؛ درخواست دارد. حد واقعی یعنی سیستم اصلاً آن اطلاعات را در دسترس ندارد.

چهار متنی که ارزش دارد خودتان بنویسید

اگر تصمیم گرفتید جلو بروید، چهار متن هست که از هر تنظیمات فنی مهم‌ترند. اینها را نباید به قالب آمادهٔ هیچ فروشنده‌ای سپرد.

۱. پیام اول. بگویید این پاسخگوی خودکار مطب است، بگویید همین حالا چه کاری می‌تواند بکند (نوبت، آدرس، ساعت)، و بگویید منشی از چه ساعتی جواب می‌دهد. سه جمله.

۲. پیامی که در برابر پرسش پزشکی گفته می‌شود. این مهم‌ترین متن کل سیستم است. باید محترم باشد، نباید بی‌اعتنا به نظر برسد، و باید مسیر بعدی را نشان بدهد. چیزی در این مایه: «این را باید پزشک ببیند. نزدیک‌ترین نوبت خالی فلان روز است — رزرو کنم؟»

۳. پیام یادآوری. کوتاه، با ساعت و آدرس، و با یک راه ساده برای لغو. اگر لغو سخت باشد، بیمار لغو نمی‌کند؛ فقط نمی‌آید.

۴. پیام تحویل به آدم. لحظه‌ای که گفتگو از سیستم به منشی می‌رسد باید برای بیمار روشن باشد.

وقتی سیستم اشتباه می‌کند

این را جدا می‌نویسم چون در این حرفه پیامدش با جاهای دیگر فرق دارد.

مدل زبانی گاهی چیزی می‌گوید که درست نیست، و با اطمینان می‌گوید. در فروش پوشاک نتیجه‌اش یک مرجوعی است؛ در مطب می‌تواند به تأخیر در مراجعهٔ کسی منجر شود.

پس دو قاعده، هر دو در سازوکار:

هر عددی از منبع خوانده شود. ساعت نوبت، تاریخ، شمارهٔ نوبت — هیچ‌کدام نباید از حافظهٔ مدل بیاید. اگر منبع در دسترس نبود، پاسخ درست «الان نمی‌توانم ببینم، منشی تماس می‌گیرد» است.

نمی‌دانستن باید یک پاسخ مجاز باشد. سیستمی که مجبور است همیشه جواب بدهد، وقتی نداند هم جواب می‌دهد. در این حرفه، سکوتِ صادقانه از پاسخ مطمئنِ نادرست بی‌نهایت بهتر است.

و یک نکتهٔ عملی: خرابی معمولاً شب اتفاق می‌افتد، وقتی کسی نگاه نمی‌کند. هر گفتگویی که به نتیجه نرسیده باید صبح روی میز کسی باشد — نه در یک گزارش پیچیده، در یک فهرست ساده.

این برای کسب‌وکار ایرانی یعنی چه

اول، بخش بزرگی از تماس‌ها بیرون ساعت کاری است. بیماران معمولاً شب و آخر هفته فرصت می‌کنند به سلامتی‌شان فکر کنند و پیام بدهند. مطبی که فقط در ساعت کاری جواب می‌دهد، این‌ها را از دست می‌دهد — و این تنها و کافی‌ترین دلیل خودکار کردن پاسخ اولیه است.

دوم، گفتگو در پیام‌رسان انجام می‌شود. بیمار در واتساپ پیام می‌دهد، نه در فرم سایت. هر سیستمی که فرم‌محور باشد، بخش عمدهٔ ورودی را نمی‌بیند.

سوم، محرمانگی در این حرفه از هر جای دیگری جدی‌تر است. اطلاعات سلامت آدم‌ها از حساس‌ترین داده‌هایی است که یک کسب‌وکار نگه می‌دارد. پیش از هر ابزاری، این سه را بدانید: چه چیزی ذخیره می‌شود، کجا ذخیره می‌شود، و چه کسی می‌بیندش. اگر سرویس واسطه‌ای در میان است، آن سرویس هم می‌بیند.

چهارم، صادق بودن دربارهٔ خودکار بودن. بیمار باید بداند دارد با سیستم حرف می‌زند. در این حرفه، سیستمی که وانمود کند آدم است و بعد لو برود، اعتماد را طوری خراب می‌کند که برنمی‌گردد.

پنجم، مسیر آدم باید همیشه باز باشد. هر گفتگویی باید بتواند در یک قدم به آدم برسد. بیماری که در حلقهٔ پاسخ خودکار گیر کند، دفعهٔ بعد اصلاً پیام نمی‌دهد.

منشی چه می‌شود؟

پرسشی که در هر مطبی پرسیده می‌شود و جوابش را باید صادقانه داد.

اگر کسی وعده بدهد که این کار جای منشی را می‌گیرد، باور نکنید. آنچه واقعاً اتفاق می‌افتد این است که ترکیب کار منشی عوض می‌شود.

کاری که کم می‌شود: گفتن آدرس برای بیستمین بار، ثبت نوبتی که می‌شد خودکار باشد، و تلفنی که وسط پذیرش یک بیمار زنگ می‌خورد.

کاری که می‌ماند و بیشتر می‌شود: بیماری که پشت باجه ایستاده و حالش خوب نیست، تماسی که پیچیده است، و هماهنگی‌هایی که استثنا دارند. اینها دقیقاً همان کارهایی‌اند که آدم در آنها از هر سیستمی بهتر است.

یک نکتهٔ عملی هم هست که معمولاً از قلم می‌افتد: منشی باید بداند سیستم چه گفته. اگر بیمار در پیام چیزی شنیده باشد و منشی از آن بی‌خبر باشد، بیمار همان حرف را دوباره می‌زند و اعتماد کم می‌شود. یعنی هر گفتگویی که به آدم می‌رسد، باید با سابقه‌اش برسد.

عددی که ارزش شمردن دارد

پیش از هر تصمیمی، دو هفته سه چیز بشمارید:

۱. چند تماس یا پیام فقط دربارهٔ نوبت بود؟

۲. چند نوبت رزرو شد و بیمار نیامد؟

۳. چند پیام بیرون ساعت کاری آمد و بی‌پاسخ ماند؟

عدد اول می‌گوید چقدر از وقت منشی آزاد می‌شود. عدد دوم می‌گوید یادآوری چقدر می‌ارزد. عدد سوم می‌گوید چند بیمار را دارید از دست می‌دهید بدون اینکه بدانید.

هر سه با یک دفترچه شمرده می‌شوند، و بعد از آن دیگر دربارهٔ «هوش مصنوعی» تصمیم نمی‌گیرید — دربارهٔ یک مسئلهٔ مشخص با یک عدد مشخص تصمیم می‌گیرید.

ترتیبی که ریسک را پایین نگه می‌دارد

قدم اول: پرسش‌های تکراری را بنویسید. بیست پرسش، با جواب‌های دقیق. این فایل، نه سیستم، دارایی شماست.

قدم دوم: پاسخ خودکار فقط به همان‌ها. برای هر چیز دیگری، از جمله هر چیزی که رنگ پزشکی دارد، بگوید نمی‌داند و به آدم بسپارد.

قدم سوم: یادآوری نوبت. ساده‌ترین قدم با بیشترین اثر.

قدم چهارم: نوبت‌دهی خودکار. فقط بعد از اینکه سه قدم قبل جا افتاده باشند.

قدم پنجم: هیچ. قدم پنجمی در کار نیست. هر چیزی بعد از این، به مرز درمان نزدیک می‌شود.

این پنج قدم را می‌شود در چند هفته برداشت و در هر نقطه‌ای ایستاد. اگر بعد از قدم سوم دیدید که عددهایتان بهتر شده، لازم نیست جلوتر بروید — و این یکی از معدود جاهایی است که «کمتر» واقعاً بهتر است.

جمع‌بندی

هوش مصنوعی برای مطب، اگر درست تعریف شود، مسئلهٔ پذیرش است نه پزشکی. سه کار اداری که وقت می‌برند، قضاوت نمی‌خواهند، و بیشترین ریزش بیمار را می‌سازند.

و مهم‌تر از هر قابلیتی، یک خط: هر چیزی که به توصیهٔ درمانی نزدیک شود، بیرون از دسترس سیستم می‌ماند — نه با دستور، با نداشتن.

هوش مصنوعی در کلینیک زیبایی همین بحث را در صنفی نزدیک دنبال می‌کند، و هوش مصنوعی عاملی و جایی که نباید اختیار داد دربارهٔ همان مرزی است که در کار درمانی از همه‌جا مهم‌تر است. و هوش مصنوعی در املاک همین تفکیک — کارِ تکراری در برابر کارِ قضاوتی — را در صنفی دیگر انجام می‌دهد.

پزشکی · مطب · نوبت-دهی · پذیرش · کسب-وکار-ایرانی

پرسش‌های پرتکرار

هوش مصنوعی برای مطب چه کاری انجام می‌دهد؟
در عمل سه کار: نوبت‌دهی و جابه‌جایی نوبت، پاسخ به پرسش‌های تکراری دربارهٔ آدرس و ساعت و مدارک لازم، و یادآوری نوبت. هر سه اداری‌اند و هیچ‌کدام قضاوت پزشکی نمی‌خواهند.
آیا می‌تواند به بیمار مشاوره بدهد؟
نه. این خط قرمز است. حتی پاسخ‌های ظاهراً بی‌خطر دربارهٔ علائم می‌توانند به تصمیم اشتباه بیمار منجر شوند. سیستم باید طوری ساخته شود که اصلاً توانایی این کار را نداشته باشد، نه اینکه به آن دستور داده شده باشد نکند.
بیمار عکس می‌فرستد؛ سیستم چه باید بکند؟
دریافتش کند، بگوید که پزشک آن را می‌بیند، و هیچ نظری ندهد. تفسیر تصویر پزشکی کار پزشک است، و پاسخ خودکار به آن، چه درست چه غلط، ریسکی است که هیچ مطبی نباید بپذیرد.
اطلاعات بیمار کجا می‌ماند؟
این را باید پیش از راه‌اندازی بدانید، نه بعدش. اگر سرویس واسطه‌ای در میان است، آن سرویس هم اطلاعات را می‌بیند. در این حرفه، پرسش «چه کسی این داده را می‌بیند» از هر قابلیتی مهم‌تر است.

In English

Persian material on AI in medicine is dominated by diagnosis and imaging, which is not what a working practice spends its hours on. Written by Hadi Bakhtzadeh, AI systems architect at Vandidad Group in İzmir, Türkiye, this article treats it as a reception problem: appointments, repeated questions, and reminders — the three things that consume a receptionist's day and cause most of the patient loss. It is explicit about the line. Anything resembling clinical advice, triage by severity, or interpreting a photograph a patient sends must be outside the system's reach, and enforced by the system not having the capability rather than by an instruction telling it to refrain.

Türkçe özet

Tıpta yapay zekâ üzerine Farsça içerik teşhis ve görüntülemeye odaklanıyor; oysa bir muayenehanenin saatleri oraya gitmiyor. İzmir'de Vandidad Group'un yapay zekâ sistem mimarı Hadi Bahtzade tarafından yazılan bu metin konuyu bir kabul sorunu olarak ele alır ve aşılmaması gereken sınırı açıkça çizer.

این را برای کسی بفرستید:تلگرامواتساپ

می‌خواهید ببینید این برای کارِ خودتان چه شکلی می‌شود؟

همین‌جا با دستیار حرف بزنید — یک جمله درباره‌ی کارتان کافی است.