Virtual Medical Assistant Model Using Natural Language Processing in Healthcare System

L'importance des soins de santé dans nos vies est indéniable, et les progrès rapides continuent de transformer ce domaine quotidiennement. Un domaine clé dans cette évolution est l'intégration de l'intelligence artificielle et de l'apprentissage automatique pour améliorer les services de santé. De nos jours, les systèmes de santé peuvent utiliser ces modèles basés sur l'intelligence artificielle pour répondre aux besoins des patients, améliorer l'accessibilité à l'information médicale et accroître l'efficacité opérationnelle des prestataires de soins de santé. Cependant, en parallèle de ces avancées, de nouveaux défis sont apparus, notamment en matière de confidentialité des données, de précision des modèles, d’évolutivité et d'adaptabilité aux scénarios du monde réel. Dans ce mémoire, nous nous concentrerons sur le développement d'un système en deux parties pour améliorer la prestation des services de santé. Nous mettrons en oeuvre un modèle de mémoire à long terme bidirectionnelle (BiLSTM) pour la détection des symptômes, en utilisant l'analyse de texte pour fournir des recommandations de services médicaux précises, et un modèle KNN pour localiser les centres médicaux les plus proches à l'aide de données géographiques telles que les codes postaux et les villes. La performance des deux modèles sera évaluée à l'aide des courbes caractéristiques de fonctionnement du récepteur (ROC) afin de garantir une précision de prédiction élevée. Les modèles seront implémentés sur un MacBook Pro fonctionnant sous macOS Monterey. Les résultats devraient montrer des améliorations prometteuses en termes d'efficacité et de précision. Les résultats de notre modèle proposé démontrent une grande précision et efficacité. En conclusion, la mise en oeuvre réussie de ces modèles améliore considérablement l'efficacité de notre système de soutien de santé, validant son potentiel à améliorer l'accès aux services médicaux et à fournir une assistance rapide basée sur l'identification des symptômes.