عنوان انگلیسی مقاله
A Review of Machine Learning Integration for Physician Scheduling
معرفی مقاله
زمانبندی پزشکان یکی از مسائل مهم در مدیریت و برنامهریزی نظام سلامت است. تخصیص مناسب پزشکان به شیفتهای کاری باید همزمان نیاز بیماران، محدودیتهای قانونی، مهارتهای تخصصی و ترجیحات فردی کارکنان را در نظر بگیرد.
این مقاله مروری، کاربرد هوش مصنوعی (AI) و یادگیری ماشین (ML) را در کنار روشهای تحقیق در عملیات (OR) برای بهبود و هوشمندسازی زمانبندی پزشکان بررسی میکند. نویسندگان با مرور پژوهشهای پیشین، رویکردهای مختلف مبتنی بر یادگیری ماشین را دستهبندی کرده و ظرفیت آنها را برای مدیریت پویای برنامههای کاری پزشکان تحلیل کردهاند.
یافتهها و محورهای کلیدی پژوهش
- بررسی روشهای ترکیبی مبتنی بر یادگیری ماشین برای بهینهسازی برنامه شیفت پزشکان
- معرفی یادگیری تقویتی عمیق و کاربرد آن در تصمیمگیری پویا
- بررسی استفاده از الگوریتمهای یادگیری ماشین برای تسریع فراابتکاریها
- کاربرد پیشبینی تقاضای بیماران برای برنامهریزی نیروی انسانی
- استفاده از یادگیری ترجیحات برای درنظرگرفتن خواستههای پزشکان
- بررسی نقش مدلهای زبانی بزرگ در استخراج و تبدیل محدودیتهای زمانبندی به قیود قابل استفاده در بهینهسازی
- مرور بیش از ۷۲ منبع علمی، با تأکید بر پیشرفتهای پنج سال اخیر در حوزه هوش مصنوعی و یادگیری ماشین
این مقاله میتواند برای پژوهشگران مدیریت خدمات سلامت، مهندسی صنایع، تحقیق در عملیات و هوش مصنوعی در حوزه بهینهسازی منابع انسانی بیمارستانها مفید باشد.
مشخصات مقاله
- نویسندگان: Latifa Dekhici و Jihen Jlassi
- محل انتشار: مجموعه مقالات کنفرانس TFC 2026
- ناشر: Springer Nature Switzerland AG
- مجموعه: IFIP Advances in Information and Communication Technology (IFIP AICT 806)
- صفحات: ۲۷۱ تا ۲۸۳
- سال انتشار: ۲۰۲۷
- DOI: https://doi.org/10.1007/978-3-032-43200-1_21
📥 دانلود رایگان مقاله
برای دریافت فایل PDF مقاله از لینک مستقیم زیر استفاده کنید:
معرفی اردبیل ساینس
وبسایت اردبیل ساینس با هدف معرفی و انتشار مطالب علمی و پژوهشی فعالیت میکند.
🌐 وبسایت: https://ardabil-sci.ir
📱 تلگرام، ایتا و روبیکا: @ardabil_sci
☎️ شماره تماس: ۰۹۱۴۸۶۳۳۳۱۴






























