دکتر کوپایلوت • دستیار هوشمند پزشکان و داروسازان

دکتر کوپایلوت (Dr.Copilot)

دستیار هوشمند بالینی برای پزشکان و داروسازان

دکتر کوپایلوت با تکیه بر مدل‌های زبانی بزرگ (LLM) و قابلیت‌های Agentic RAG، به شما کمک می‌کند پاسخ‌های کاربردی و مستند برای سوالات بالینی، تداخلات دارویی و دوزینگ دریافت کنید—در عین حال محدودیت‌ها و عدم قطعیت‌ها را شفاف بیان می‌کند.

این محصول جایگزین تصمیم‌گیری بالینی نیست. برای تأیید نهایی باید از منابع معتبر و قضاوت پزشک استفاده شود.

✨ ویژگی‌های کلیدی

🤖 مشاوره بالینی با هوش مصنوعی
ارائه تحلیل‌های دقیق و بینش‌های مبتنی بر رفرنس‌های معتبر پزشکی برای کمک به تشخیص و درمان بهتر.
📝 شرح‌حال‌گیری هوشمند
بهینه‌سازی فرآیند جمع‌آوری اطلاعات بیمار و سازمان‌دهی داده‌های پزشکی برای رسیدن به دقیق‌ترین تشخیص ممکن.
💊 مدیریت هوشمند دارویی
بررسی تداخلات دارویی پیچیده، دوزبندی دقیق و مدیریت رژیم‌های دارویی با تکیه بر پایگاه‌های داده معتبر.
🧮 ابزارها و ماشین‌حساب‌های تخصصی
استفاده از ابزارهای محاسباتی پزشکی بر اساس پرسش و اطلاعات ارائه شده برای ارائه نتایج دقیق و قابل استفاده در فرآیند درمان.

📚 منابع و رفرنس‌های به‌روز

📘 کتب مرجع اصلی
  • Harrison's Principles of Internal Medicineویرایش ۲۱ (۲۰۲۲)
  • Nelson Textbook of Pediatricsویرایش ۲۲ (۲۰۲۴)
  • Briggs Drugs in Pregnancy and Lactationویرایش ۱۲ (۲۰۲۱)
  • Stockley's Drug Interactionsویرایش ۹ (۲۰۱۰)
🗂️ پایگاه‌های داده و گایدلاین‌ها
  • UpToDateآخرین آپدیت‌ها تا ۲۳ دسامبر ۲۰۲۴
  • Lexi Interactبرای بررسی تخصصی تداخلات دارویی
  • گایدلاین‌های تخصصی گوارش (AGA/ACG)یبوست مزمن، GERD، IBS و کولیت اولسراتیو

🎓 درباره پروژه

معرفی پروژه و تیم توسعه

Hooger AI Studio logo
استودیو هوش مصنوعی هوگر
تیم توسعه و طراحی محصول
🏢
توسعه داده شده در
استودیو هوش مصنوعی هوگر
👨‍💼
‍💼 مدیر فنی
دکتر محمد حسن نژاد
⚙️
مدیر اجرایی
دکتر محمد حسین ایمانی
🎓
دستاورد
اولین پایان نامه محصول محور دانشگاه علوم پزشکی شیراز
🎯
استاد راهنما
دکتر مجتبی شفیعی خوانی (استادیار گروه داروسازی بالینی دانشکده داروسازی شیراز)

🛠 تکنولوژی‌ها

🧠
مدل‌های زبانی بزرگ (LLM)
پایهٔ اصلی سامانه برای درک پرسش‌های پیچیده، خلاصه‌سازی، و تولید پاسخ‌های ساخت‌یافتهٔ پزشکی در قالبی قابل استفاده برای تصمیم‌سازی بالینی.
🧭
توانمندی‌های Agentic RAG
ترکیب جستجو و بازیابی (Retrieval) با گام‌های چندمرحله‌ای برای یافتن منابع مرتبط، استخراج نکات کلیدی، و ارائه پاسخ مستند با ارجاع به رفرنس‌ها.
🩺
مدل‌های هوش مصنوعی پزشکی
بهینه‌سازی پاسخ‌ها برای سناریوهای بالینی (تشخیص افتراقی، دوزینگ، تداخلات دارویی) با تکیه بر رفرنس‌های معتبر و با تاکید بر ایمنی و محدودیت‌ها.