M2T1 Doctor_Appointment
1.0.0
Este proyecto de prueba de concepto (POC) tiene como objetivo demostrar cómo la tecnología digital avanzada y la integración de IA pueden optimizar el proceso de programación de citas en los hospitales. Al automatizar la identificación de la disponibilidad del médico y la optimización de la asignación de ranuras de citas, nuestro objetivo es mejorar la experiencia general del paciente y reducir los tiempos de espera.
En la atención médica, la programación eficiente de las citas es crucial para garantizar que los pacientes reciban atención oportuna mientras maximizan la utilización de los recursos médicos. Este proyecto propone una solución digital que aprovecha las tecnologías avanzadas para automatizar el proceso de identificación de la disponibilidad del médico y asignar espacios de citas en consecuencia. El objetivo principal es reducir los tiempos de espera del paciente y mejorar la eficiencia general del proceso de programación de citas en los hospitales.
Selección de enfermedades : los usuarios pueden seleccionar enfermedades específicas (por ejemplo, fiebre, piel, ojo) para encontrar médicos relevantes.
Disponibilidad del médico : se muestra una lista de médicos especializados en la enfermedad seleccionada, marcada en verde (disponible) o rojo (no disponible) en función de su estado actual.
Descripción de la ranura : los usuarios pueden ver información de ranura detallada para cada médico, incluida la disponibilidad y la descripción de las ranuras disponibles.
Opciones de clasificación : los médicos se pueden ordenar en función de la hora o las tarifas de la cita, lo que permite a los pacientes elegir la opción más conveniente.
Reserva y registro : cuando un paciente selecciona un médico y hora de la cita, aparece una ventana emergente de inicio de sesión/registro para la autenticación del usuario.
Ajustes de tiempo y tarifas : los intervalos de tiempo de reserva son personalizables (por ejemplo, 5 o 10 minutos), con tarifas ajustadas en consecuencia.
Asistencia manual : los médicos tienen la opción de marcar manualmente su asistencia utilizando un tablero separado.
Detección facial : alternativamente, un sistema de detección de caras en la entrada puede automatizar el seguimiento de la entrada y salida, asegurando las actualizaciones de disponibilidad de doctores en tiempo real.
Amazon Rekognition : utilizado para la detección y reconocimiento de la cara.
Instancia EC2 : proporciona alojamiento escalable y seguro.
S3 Bucket : utilizado para el almacenamiento y recuperación de datos.
HTML, CSS (Tailwind CSS), JavaScript : Desarrollo frontend para la interfaz de usuario.
Django, SQL : desarrollo de back -end para administrar datos de usuarios, citas y asistencia al médico.
Visite el sitio web y use el tablero de usuarios para encontrar médicos según la enfermedad, la disponibilidad y las tarifas.
Los médicos pueden iniciar sesión para marcar su asistencia manualmente o usar el sistema de detección de faciales para el seguimiento de la asistencia automática.
La IA juega un papel crucial en la predicción de la disponibilidad del médico. Al analizar los datos históricos y las entradas en tiempo real, el sistema puede asignar las ranuras de citas de manera eficiente, considerando factores como la disponibilidad del médico y las preferencias del paciente.
El modelo AI se refina continuamente en función de la retroalimentación y el análisis de datos, lo que garantiza una mayor precisión de programación con el tiempo.
Las contribuciones a este proyecto son.
Mentor: Snahal Kumar: 20bec081
Abra un problema o cree una solicitud de extracción para discutir y contribuir.
