Thesis (M.Sc.)-Cairo University, 2023.

Bibliography: pages 61-72.

User preferences prediction is a crucial aspect of modern technology, enabling personalized rec- ommendations and content delivery across various domains such as e-commerce, social media, and healthcare. Predicting user preferences in the healthcare domain is essential for delivering personalized medical treatments, enhancing patient care, and improving health outcomes.
Intelligent healthcare systems have transformed how medical professionals offer healthcare services to their patients. By using advanced technologies such as artificial intelligence, ma- chine learning, and data analytics, healthcare providers can quickly and accurately access and analyze vast amounts of data. This enables them to make more informed decisions and im- prove patient outcomes. Moreover, intelligent healthcare has allowed healthcare professionals to manage their resources, resulting in more efficient and cost-effective services. It has also enabled them to better engage with and understand their patients, leading to enhanced patient satisfaction. As a result, intelligent healthcare has enabled healthcare providers to provide bet- ter, more personalized care to their patients. In recent years, the use of healthcare consultations that are remote and automated has increased exponentially, making it easier for patients to ac- cess medical advice, diagnosis, and treatment from the comfort of their own homes. This is particularly beneficial for those in rural areas with limited access to medical facilities or pa- tients with mobility issues. Additionally, it reduces the risk of exposure to contagious illnesses like COVID-19, providing a safer alternative to in-person visits. The convenience and safety of remote healthcare consultations have made them an increasingly popular choice over traditional medical services.
Medical bots are one type of artificial intelligence technology that helps medical profes- sionals provide healthcare services. They simulate conversations with patients, understand their medical needs, and provide accurate and timely responses. Medical bots can perform var- ious tasks, such as scheduling appointments, providing medical advice, and offering medical information. They can also provide reminders for medication and other medical procedures.

Medical bots are becoming increasingly popular in healthcare settings, as they can help improve patient experience and reduce the workload of medical professionals. However, the quality of medical bots’ outcomes depends on their learning quality, which, in turn, relies on appropriate corpora within the domain of interest.
The Arabic language is widely used for sharing users’ internet content, and developing a medical bot in Arabic poses several challenges, including the morphological composition of the language, the diversity of dialects, and the need for appropriate corpora in the domain. This thesis introduces the largest Arabic Healthcare Q&A dataset, called MAQA, consisting of over 430k questions distributed into 20 medical specializations. The thesis adopts three deep learning models, namely LSTM, Bi-LSTM, and transformers, to experiment and benchmark the proposed corpus MAQA. The experimental results indicate that the recent Transformer model, with an average cosine similarity of 69% and BLeU score of 58%, outperforms traditional deep learning models.

يعد التنبؤ بتفضيلات المستخدم جانبًا مهمًا للتكنولوجيا الحديثة، حيث يتيح التوصيات الشخصية وتقديم المحتوى عبر مختلف المجالات مثل التجارة الإلكترونية ووسائل التواصل الاجتماعي والرعاية الصحية. ويعد التنبؤ بتفضيلات المستخدم في مجال الرعاية الصحية أمرًا أساسيًا لتقديم العلاجات الطبية الشخصية، وتعزيز رعاية المرضى، وتحسين النتائج الصحية.
وفي السنوات الأخيرة، زاد استخدام استشارات الرعاية الصحية البعيدة والآلية بشكل كبير، مما يسهل على المرضى الوصول إلى المشورة الطبية والتشخيص والعلاج من منازلهم المريحة. وهذا مفيد بشكل خاص لأولئك في المناطق الريفية الذين لديهم وصول محدود إلى المرافق الطبية أو المرضى الذين يعانون من مشاكل التنقل. بالإضافة إلى ذلك، فإنه يقلل من خطر التعرض لأمراض معدية مثل كوفيد-19، مما يوفر بديلاً أكثر أمانًا للزيارات الشخصية. جعلتهم راحة وسلامة استشارات الرعاية الصحية عن بعد خيارًا شائعًا بشكل متزايد على الخدمات الطبية التقليدية.
وتعد الروبوتات الطبية هي أحد أنواع تكنولوجيا الذكاء الاصطناعي التي تساعد المهنيين الطبيين على تقديم خدمات الرعاية الصحية. حيث يقومون بمحاكاة المحادثات مع المرضى، وفهم احتياجاتهم الطبية، وتقديم استجابات دقيقة وفي الوقت المناسب. يمكن للروبوتات الطبية أداء مهام مختلفة، مثل تحديد المواعيد وتقديم المشورة الطبية وتقديم المعلومات الطبية. يمكنهم أيضًا تقديم تنبيهات للأدوية والإجراءات الطبية الأخرى. أصبحت الروبوتات الطبية شائعة بشكل متزايد في أماكن الرعاية الصحية، حيث يمكن أن تساعد في تحسين تجربة المرضى وتقليل عبء العمل على المهنيين الطبيين. ومع ذلك، فإن جودة نتائج الروبوتات الطبية تعتمد على جودة تعلمها، والتي بدورها تعتمد على توفر مجموعة البيانات المناسبة.
كذلك تستخدم اللغة العربية على نطاق واسع لمشاركة المحتوى على الإنترنت، تطرح هذه الدراسة التحديات التي تواجه تطوير الروبوت الطبي باللغة العربية، بما في ذلك التركيبات المورفولوجية للغة، وتنوع اللهجات، والحاجة إلى مجموعة بيانات مناسبة في هذا المجال. ولذا تقدم هذه الأطروحة أكبر مجموعة بيانات عربية للأسئلة والأجوبة في مجال الرعاية الصحية، تسمى MAQA، وتتكون من أكثر من 430 ألف سؤال موزعة على 20 تخصصًا طبيًا. ولقد اعتمدت الدراسة ثلاثة نماذج للتعلم العميق، وهي LSTM وBi-LSTM وTransformers، لتجربة وقياس مجموعة MAQA المقترحة. تشير النتائج التجريبية إلى أن نموذج Transformers الأخير، بمتوسط تشابه جيب التمام 69٪ وBLeU درجة 58٪، ليتفوق بذلك على نماذج التعلم العميق التقليدية.

Issues also as CD.

Text in English and abstract in Arabic & English.