وتتغير الملفات الطبية في مجال الرعاية الصحية، ولكن بناء واحد يعمل في الإعدادات السريرية يتطلب أكثر من الترجمة الأساسية. تحتاج إلى تسجيل الترجمة الطبية دقيقة، وتحديد المؤلف الموثوق به، وحماية الخصوصية التي تحمي بيانات المرضى. سوف تبدأ مع الترجمة الأساسية وتضيف تدريجياً تحديد الكاتب، وتصميم PII، وتوليد رسائل SOAP، وإزالة البيانات التلقائية تلقائيًا. في النهاية، سيكون لديك نموذجًا يعمل يعمل يتعامل مع السيناريوهات السريرية في العالم الحقيقي. What makes a production-ready medical scribe? ما الذي يجعل مكتبة طبية مستعدة للإنتاج؟ قبل التفكير في الكود ، فهم ما يفرض على ثقة الفكرة من حل صحي قابل للتطوير. Essential features checklist 
 
 
 
 
 
 
 
 
 
 
 
 Feature 
 Why it matters 
 Implementation Complexity 
 
 
 
 
 High accuracy on medical terms 
 Misheard drug names or dosages create clinical risks 
 Medium - requires domain-specific models 
 
 
 
 
 Speaker identification 
 Distinguishes doctor from patient for proper documentation 
 Low - handled by speech recognition API 
 
 
 
 
 PII redaction 
 Removes names, dates, and identifiers to protect privacy 
 Medium - needs careful configuration 
 
 
 
 
 SOAP note generation 
 Converts conversations into structured clinical documentation 
 Medium - requires LLM integration 
 
 
 
 
 Automatic data deletion 
 Ensures patient data doesn't persist on third-party servers 
 Low - straightforward API calls دقة عالية في العادات الطبية أسماء الأدوية أو الجرعات الخاطئة تخلق مخاطر طبية متوسط - يتطلب نموذجًا محددًا تحديد الكاتب تمييز الطبيب من المريض للتوثيق الصحيح الحد الأدنى - معالجة بواسطة API التعرف على الكلام PII ندوة إزالة الاسم والموضوعات والموضوعات لحماية الخصوصية متوسط - يحتاج إلى تكوين احترافي نموذج SOAP Note تحويل المحادثات إلى وثيقة طبية متكاملة متوسط - يتطلب التكامل LLM إزالة البيانات التلقائية تأكد من أن البيانات المرضية لا تستمر على خادمات طرف ثالث اتصال هائل - اتصال API بسيط Step 1: Basic transcription setup الخطوة 1: إعداد الترجمة الأساسية تبدأ مع طلب الترجمة البسيطة.هذا يضع الأساس قبل التخطيط على الخصائص الطبية المحددة. import requests
import time
import dotenv
import os

dotenv.load_dotenv()

base_url = "https://api.assemblyai.com"
headers = {"authorization": os.getenv("AAI_API_KEY")}
 Step 2: Adding speaker identification الخطوة 2: إضافة تحديد الكاتب هل هو الطبيب الذي يصف الدواء أو المريض الذي يطلب منه؟ تختلف الترجمة تلقائياً بين المتحدثين المختلفين في المحادثة. الجمعية يحدد عندما يتحدث الأشخاص المختلفون ويحددونهم ككتابة A، وكتابة B، وما إلى ذلك. في هذه الحالة، سنقوم بتصنيف هذه العلامات إلى الأدوار مثل "الدكتور" و "المريض". الكلمات الدلالية تحديد الكاتب data = {
    "audio_url":
"https://storage.googleapis.com/aai-web-samples/doctor-patient-co
nvo.mp4",
    "speaker_labels": True,
    "speech_understanding": {
        "request": {
        "speaker_identification": {
            "speaker_type": "role",
            "known_values": ["Doctor", "Patient"]
      }
 يعمل تقويم الكاتب بشكل أفضل عندما يتحدث كل الكاتب لمدة 30 ثانية على الأقل دون تكرار ، على الرغم من أن النماذج تتعامل مع المحادثات في العالم الحقيقي مع الكلام المباشر والتصريحات القصيرة. Step 3: Improving medical terminology accuracy with word boost and protecting patient privacy with PII redaction الخطوة 3: تحسين دقة الترجمة الطبية مع زيادة الكلمة وحماية خصوصية المريض مع كتابة PII مشكلة شائعة: يوصي الأطباء "ترامادول" ، لكن الترجمة تشير إلى "ترامادول" في الملفات الصغيرة. الجمعية تتيح لك إدخال النماذج إلى شروط معينة وتصميمها الصحيح. يمكنك تقديم قائمة من الشروط الطبية، أسماء الأدوية، أو الإجراءات، وتقديم النماذج كلمتي Boost يحتوي المحادثات الطبية أيضًا على معلومات صحية محمية (PHI): أسماء المرضى، تاريخ الولادة، أرقام التأمين الاجتماعي، عناوين.إذا تظهر هذه البيانات في الترجمة الخاصة بك وتخزينها على خادمات طرف ثالث، فإنك قد تتناقض مع قواعد الخصوصية. الجمعية يحدد تلقائيًا ويزيل المعلومات التي يتم تحديدها شخصيًا من الترجمة. يمكنك تخصيص ما يتم إعداده وكيفية ذلك. PII ندوة     }},
    "redact_pii": True,
    "redact_pii_policies": ["person_name", "organization",
"occupation"],
    "redact_pii_sub": "hash",
    "keyterms_prompt": ["Tramadol"]
    }
response = requests.post(base_url + "/v2/transcript",
headers=headers, json=data)
transcript_json = response.json()
transcript_id = transcript_json["id"]
polling_endpoint = f"{base_url}/v2/transcript/{transcript_id}"

while True:
    transcript = requests.get(polling_endpoint,
headers=headers).json()
    if transcript["status"] == "completed":
        for utterance in transcript["utterances"]:
            print(f"{utterance['speaker']}: {utterance['text']}")
        break
    else:
        time.sleep(3)
 ‍ Step 4: Generating SOAP notes with LLM Gateway الخطوة 4: إنشاء تعليقات SOAP مع LLM Gateway الترجمة الحمراء مفيدة ، ولكن الأطباء يحتاجون إلى توثيق تركيب. SOAP نصائح (الواقعية والواقعية والتقييم والتخطيط) هي المعايير السريرية لتنظيم اللقاءات المرضية. هذا هو المكان الذي يدخل فيه نموذج اللغة الكبيرة. assemblyAI يوفر رابطًا مشتركًا لعدد من LLMs. إرسالها مع مفتاح AssemblyAI API موجود. LLM Gateway prompt = "Create a SOAP note summary of the consultation."

llm_gateway_data = {
  "model": "gemini-3-pro-preview",
  "messages": [
    {"role": "user", "content": f"{prompt}\n\nTranscript:
{transcript['text']}"}
  ]
}
llm_gateway_response = requests.post(
  "https://llm-gateway.assemblyai.com/v1/chat/completions",
  headers=headers,
  json=llm_gateway_data
)
print(llm_gateway_response.json()["choices"][0]["message"]["conte
nt"])
 ‍ يقوم LLM بتنفيذ المحادثة وتخزين الملاحظات السريرية المختلطة. يحصل الطبيب على الوثائق جاهزة لـ EHR دون ترجمة دستورية. Step 5: Automatic data deletion الخطوة 5: إزالة البيانات تلقائيًا الطريقة الأكثر موثوقية لحماية بيانات المرضى هي التأكد من عدم وجودها على البنية التحتية من طرف ثالث.بعد إرسال الترجمة وتوليد رسائل SOAP، إزالة الترجمة من خادمات AssemblyAI. delete_request = requests.delete(polling_endpoint,
headers=headers).json()
delete_llm_gateway_response =
requests.delete(f"https://llm-gateway.assemblyai.com/v1/chat/comp
letions/{llm_gateway_response.json()['request_id']}",
headers=headers)

transcript = requests.get(polling_endpoint,
headers=headers).json()
print(transcript)
 ‍ Data retention for LLM Gateway عندما تستخدم LLM Gateway مع اتفاقية شركاء الأعمال (BAA) التي تم تنفيذها ومواصفات التفكير الإنجليزي أو Google ، توفر AssemblyAI احتواء البيانات على الأرقام والانتقالات. يعمل LLM Gateway على الطلبات بشكل مؤقت. لا يتم تخزين نص الترجمة الخاص بك والملاحظات SOAP التي تم إنشاؤها فوق الاتصال المباشر بالإنترنت. يتم تخزين ما لا يقل عن البيانات المباشرة لأغراض التسجيل والرقابة. Time-to-live for transcripts لمساعدة AssemblyAI على حماية بيانات الترجمة الإضافية، يقدم AssemblyAI إعدادات Time-to-Live (TTL). بدءاً من 26 نوفمبر 2024, سيكون لدى العملاء الذين حصلوا على اتفاقية شراكة الأعمال (BAA) الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الترجمة الت Putting it all together وضع كل شيء معا إليك التطبيق الكامل مع جميع الميزات المتوفرة: import requests
import time
import dotenv
import os

dotenv.load_dotenv()

base_url = "https://api.assemblyai.com"
headers = {"authorization": os.getenv("AAI_API_KEY")}

data = {
    "audio_url": "https://storage.googleapis.com/aai-web-samples/doctor-patient-co
nvo.mp4",
    "speaker_labels": True,
    "speech_understanding": {
        "request": {
        "speaker_identification": {
            "speaker_type": "role",
            "known_values": ["Doctor", "Patient"]
      }
    }},
    "redact_pii": True,
    "redact_pii_policies": ["person_name", "organization",
"occupation"],
    "redact_pii_sub": "hash",
    "keyterms_prompt": ["Tramadol"]
    }

response = requests.post(base_url + "/v2/transcript",
headers=headers, json=data)
transcript_json = response.json()
transcript_id = transcript_json["id"]
polling_endpoint = f"{base_url}/v2/transcript/{transcript_id}"

while True:
    transcript = requests.get(polling_endpoint,
headers=headers).json()
    if transcript["status"] == "completed":
        for utterance in transcript["utterances"]:
            print(f"{utterance['speaker']}: {utterance['text']}")
        break
    else:
        time.sleep(3)

prompt = "Create a SOAP note summary of the consultation."

llm_gateway_data = {
  "model": "gemini-3-pro-preview",
  "messages": [
    {"role": "user", "content": f"{prompt}\n\nTranscript:
{transcript['text']}"}
  ]
}
llm_gateway_response = requests.post(
  "https://llm-gateway.assemblyai.com/v1/chat/completions",
  headers=headers,
  json=llm_gateway_data
)
print(llm_gateway_response.json()["choices"][0]["message"]["conte
nt"])

delete_request = requests.delete(polling_endpoint,
headers=headers).json()
delete_llm_gateway_response =
requests.delete(f"https://llm-gateway.assemblyai.com/v1/chat/completions/{llm_gateway_response.json()['request_id']}", headers=headers)

transcript = requests.get(polling_endpoint,
headers=headers).json()
print(transcript)
 ‍ Why this approach works for medical AI لماذا يعمل هذا النهج للطب النفسي إن بناء كتابة طبية يتطلب أكثر من دقة الترجمة، وهو ما يتعلق بإنشاء نظام يتوافق مع تدفقات العمل السريرية مع احترام خصوصية المريض. هذه التطبيقية تتعامل مع التحديات في العالم الحقيقي: 
 
 
 
 
 
 الحد الأدنى من التوصيات الطبية من خلال Word Boost تخصيص الكاتب بصورة واضحة مع تخصيص الكاتب بصورة حماية الخصوصية من خلال كتابة PII وتخزين تلقائي النتائج الهيكلية من خلال تقديرات SOAP التي تم إنشاؤها من قبل LLM تقليل البيانات عن طريق إزالة جميع العلامات من خادمات الطرف الثالث النتيجة: نموذج فعال يمكنك اختباره باستخدام الصوت السريري. من هنا، أضف ميزات مثل الترجمة في الوقت الحقيقي للمشاورات الحية، والتكامل مع أنظمة EHR، أو نموذج SOAP الخاص بميزات للتخصصات المختلفة. يلجأ هذا التطبيق إلى التحديات الأساسية في الذكاء الاصطناعي الطبية: دقة الترجمة من خلال تعزيز الكلمة، وتخصيص الكاتب بصيغة واضح مع الترجمة، وحماية الخصوصية من خلال كتابة PII وتخزين تلقائي، وإصدارات هيكلية من خلال تقييمات SOAP التي تم إنشاؤها من قبل LLM. يخلق التكامل أساسًا للكتابة الطبية في المستوى السريرية التي تحترم خصوصية المرضى مع تقديم الوثائق التي تتوافق مع تدفقات عمل الرعاية الصحية الحقيقية. من هنا، أضف تعليق في الوقت الحقيقي، ودمج EHR، أو نموذجًا محددًا. Next steps الخطوات التالية هل تريد بناء على هذا الأساس؟ تحقق من هذه الموارد: 
 
 
 
 كتابات AssemblyAI Speech-to-text سياسات وتصنيف PII LLM Gateway لأوضاع الاستخدام الطبية إذا كنت تخطط لتطوير منتج الذكاء الاصطناعي في مجال الرعاية الصحية وكنت بحاجة إلى المساعدة مع الامتثال أو المعايير الدقيقة أو تطوير الإنتاج، فإن فريق AssemblyAI لديه الخبرة مع شركات الذكاء الاصطناعي الطبية ويمكنها أن تساعدك في التحكم في التحديات التقنية والتنظيمية.

2022 - HackerNoon Contributor of the Year - Deep Learning

2022 - HackerNoon Contributor of the Year - Machine Learning

Nominated for 2022 - HackerNoon Contributor of the Year - Deep Learning

Nominated for 2022 - HackerNoon Contributor of the Year - Machine Learning

تم إنتاج هذا الصوت باللغة الأصلية للقصة!

كيفية بناء كتاب طبي AI مع AssemblyAI

About Author

تعليقات

شنق العلامات

تم تقديم هذه المقالة في

Related Stories

I2ShowSpeed With My HackerNoon Articles on Bitcoin

30 Top Blockchain Development Companies in 2019

The shortage of women in tech

Top Ecommerce Development Companies

I2ShowSpeed With My HackerNoon Articles on Bitcoin

30 Top Blockchain Development Companies in 2019

The shortage of women in tech

Top Ecommerce Development Companies

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps