DOI: https://doi.org/10.7759/cureus.101412
PMID: https://pubmed.ncbi.nlm.nih.gov/41536626
تاريخ النشر: 2026-01-13
المؤلف: Corentin Biot وآخرون
الموضوع الرئيسي: حلول الجدولة وتحديد المواعيد
نظرة عامة
يتناول قسم ورقة البحث تعقيدات جدولة المستشفيات، لا سيما بالنسبة لورديات الاستدعاء والتعيينات اليومية، والتي يجب أن تأخذ في الاعتبار عوامل مختلفة مثل متطلبات الخدمة، وتفضيلات الموظفين، والغيابات غير المخطط لها. غالبًا ما تؤدي طرق الجدولة التقليدية إلى أعباء إدارية وعدم رضا الموظفين، مما قد يهدد جودة الرعاية. تبحث هذه الدراسة في تطبيق نماذج اللغة الكبيرة المعتمدة على الذكاء الاصطناعي (AI LLMs)، باستخدام ChatGPT® لأتمتة عمليات الجدولة. من خلال تحويل التعليمات باللغة الطبيعية إلى ماكرو Visual Basic for Applications (VBA)، يبسط النظام إنشاء الجداول مع الالتزام بالقيود مثل توزيع الورديات بشكل عادل وأولوية الأدوار.
أدى تنفيذ هذا النظام المدفوع بالذكاء الاصطناعي، الذي تم تطويره بواسطة محترف غير متخصص في تكنولوجيا المعلومات، إلى تقليل الوقت الإداري بشكل كبير وزيادة العدالة في قرارات الجدولة. لقد قلل من النزاعات بين الفرق وحسن الكفاءة التنظيمية ورضا الموظفين. على الرغم من التحديات في صياغة القواعد وإشارات خلايا Excel، فإن دمج Microsoft Excel® مع AI LLMs يقدم حلاً بسيطًا وقابلًا للتكرار لجدولة المستشفيات، يمكن تكييفه مع قطاعات أخرى تواجه مشكلات مماثلة. تشير النتائج إلى أن هذا النهج لا يوفر الوقت فحسب، بل يعزز أيضًا العدالة والشفافية والاستقلالية بين الفرق الطبية، مما يسمح للموظفين غير المتخصصين في تكنولوجيا المعلومات بإدارة أدوات الجدولة الخاصة بهم بفعالية وتخصيصها.
مقدمة
في مقدمة هذه الورقة البحثية، يبرز المؤلفون التعقيدات المتعلقة بإنشاء جداول الاستدعاء للأطباء في المستشفيات، لا سيما في الأقسام التي لديها التزامات رعاية مستمرة. يجب أن تتنقل هذه الجداول عبر قيود مختلفة، بما في ذلك تنظيم الخدمة والظروف الفردية، مما يمكن أن يؤدي إلى أعباء إدارية كبيرة على الأطباء وإحباط محتمل داخل الفرق. يقترح المؤلفون أن نماذج اللغة الكبيرة المعتمدة على الذكاء الاصطناعي (AI LLMs)، مع الاستفادة بشكل خاص من ChatGPT لتوليد التعليمات البرمجية وMicrosoft Excel لإدارة الجداول، يمكن أن تؤتمت هذه العملية بطريقة عادلة دون الحاجة إلى مهارات برمجة متقدمة.
تهدف الورقة إلى توضيح تنفيذ نظام جدولة مستشفى شبه مؤتمت يستخدم ChatGPT لتحويل التعليمات باللغة الطبيعية إلى تعليمات برمجية قابلة للتنفيذ بلغة Visual Basic for Applications (VBA). لا تعمل هذه الطريقة على تبسيط عملية الجدولة فحسب، بل تعالج أيضًا قيود الطرق التقليدية، التي غالبًا ما تتطلب تعديلات يدوية واسعة من قبل الأطباء أو الموظفين الإداريين. يعتزم المؤلفون تقييم الفوائد والقيود لهذا الحل المدفوع بالذكاء الاصطناعي، مع التأكيد على إمكانيته في تعزيز الكفاءة والعدالة في الجدولة في بيئات الرعاية الصحية.
مناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على دمج Microsoft Excel وChatGPT لأتمتة جدولة المستشفيات، مع التأكيد على الحاجة إلى أدوات إدارة فعالة في بيئات الرعاية الصحية. بينما تركز تطبيقات الذكاء الاصطناعي في الطب بشكل أساسي على الجوانب السريرية، توضح هذه الدراسة إمكانيات الذكاء الاصطناعي في تخفيف الأعباء الإدارية. من خلال استخدام برامج مألوفة، يهدف المؤلفون إلى تبسيط عملية الجدولة، مما يسمح بأتمتة المهام المعقدة دون الحاجة إلى معرفة برمجية واسعة. تعزز قدرة ChatGPT على توليد وتنقيح تعليمات VBA من التعليمات باللغة الطبيعية بشكل كبير من إمكانية الوصول إلى وظائف Excel المتقدمة، مما يمكّن المهنيين في الرعاية الصحية من إنشاء حلول جدولة مخصصة.
أدى تنفيذ هذا النظام الآلي للجدولة إلى تقليل ملحوظ في وقت الجدولة – حوالي 50% – وعزز توزيعًا أكثر عدلاً لمسؤوليات الاستدعاء بين الأطباء. لم يحسن هذا النهج الكفاءة التشغيلية فحسب، بل عزز أيضًا الشفافية والعدالة في ممارسات الجدولة، مما قلل من النزاعات الشخصية. يجادل المؤلفون بأن طريقتهم، التي تسمح للموظفين غير المتخصصين في تكنولوجيا المعلومات بتطوير وصيانة أدوات الجدولة بشكل مستقل، تمثل تقدمًا كبيرًا في إدارة المستشفيات. كما أن قابلية تكرار هذا النموذج وتكييفه عبر أقسام مختلفة تعزز من قيمته، مما يشير إلى أن استراتيجيات مماثلة قد تكون مفيدة في سياقات الرعاية الصحية المختلفة التي تواجه تحديات الجدولة.
القيود
يسلط قسم القيود الضوء على عدة عوامل حاسمة تؤثر على جودة الأتمتة عند استخدام ChatGPT للمهام القائمة على القواعد. تعتمد فعالية الأتمتة على وضوح واكتمال القواعد الأولية المقدمة. يمكن أن تؤدي القيود غير الكافية أو الصياغة غير الدقيقة إلى أخطاء تنفيذ كبيرة ومخرجات غير متسقة. لاحظ المؤلفون أن تحقيق نظام مستقر وعملي يتطلب عدة تكرارات، ويرجع ذلك أساسًا إلى الغموض في صياغة القواعد والمراجع غير المكتملة لهياكل خلايا Excel. وهذا يبرز ضرورة الإشراف البشري خلال مراحل الإعداد والتحقق.
علاوة على ذلك، يختلف أداء ChatGPT بشكل ملحوظ عبر الإصدارات المختلفة. أظهر النموذج المجاني، القائم على GPT-3.5، تحديات في فهم الاعتمادات المنطقية المعقدة والتعامل مع التعليمات السياقية الطويلة. بالمقابل، أظهرت الإصدارات المدفوعة (GPT-4 وGPT-5) موثوقية محسنة، حيث حافظت على استمرارية الحوار وولدت تعليمات VBA أكثر فعالية. هذه التباينات مهمة للمستخدمين المستقبليين للنظر فيها، حيث يمكن أن تؤثر بشكل كبير على وقت التطوير وجودة المخرجات. أخيرًا، بينما تخفف الأتمتة الأعباء الإدارية، إلا أنها لا يمكن أن تحل محل الحكم البشري، خاصةً استجابةً للظروف غير المتوقعة أو التغييرات داخل المنظمة، مما يتطلب مراجعة يدوية مستمرة وتعديلات.
DOI: https://doi.org/10.7759/cureus.101412
PMID: https://pubmed.ncbi.nlm.nih.gov/41536626
Publication Date: 2026-01-13
Author(s): Corentin Biot et al.
Primary Topic: Scheduling and Timetabling Solutions
Overview
The research paper section discusses the complexities of hospital scheduling, particularly for on-call shifts and daily assignments, which must consider various factors such as service requirements, staff preferences, and unplanned absences. Traditional scheduling methods often lead to administrative burdens and staff dissatisfaction, potentially compromising care quality. This study investigates the application of artificial intelligence-based large language models (AI LLMs), specifically utilizing ChatGPT® to automate scheduling processes. By translating natural language instructions into Visual Basic for Applications (VBA) macros, the system simplifies the creation of schedules while adhering to constraints like equitable shift distribution and role prioritization.
The implementation of this AI-driven scheduling system, developed by a non-IT professional, significantly reduced administrative time and enhanced fairness in scheduling decisions. It minimized team conflicts and improved organizational efficiency and staff satisfaction. Despite challenges in rule formulation and Excel cell references, the integration of Microsoft Excel® with AI LLMs presents a straightforward and reproducible solution for hospital scheduling, which can be adapted to other sectors facing similar issues. The findings suggest that this approach not only saves time but also fosters fairness, transparency, and autonomy among medical teams, allowing non-IT staff to effectively manage and customize their scheduling tools.
Introduction
In the introduction of this research paper, the authors highlight the complexities involved in creating on-call schedules for physicians in hospitals, particularly in departments with continuous care obligations. These schedules must navigate various constraints, including service organization and individual circumstances, which can lead to significant administrative burdens for physicians and potential frustrations within teams. The authors propose that artificial intelligence-based large language models (AI LLMs), specifically leveraging ChatGPT for code generation and Microsoft Excel for schedule management, can automate this scheduling process in a fair manner without requiring advanced programming skills.
The paper aims to demonstrate the implementation of a semi-automated hospital scheduling system that utilizes ChatGPT to convert natural language instructions into executable Visual Basic for Applications (VBA) code. This approach not only streamlines the scheduling process but also addresses the limitations of traditional methods, which often involve extensive manual adjustments by either physicians or administrative staff. The authors intend to evaluate the benefits and limitations of this AI-driven solution, emphasizing its potential to enhance the efficiency and fairness of scheduling in healthcare settings.
Discussion
The discussion section of the research paper highlights the integration of Microsoft Excel and ChatGPT for automating hospital scheduling, emphasizing the need for efficient management tools in healthcare settings. While AI applications in medicine have predominantly focused on clinical aspects, this study illustrates the potential of AI to alleviate administrative burdens. By utilizing familiar software, the authors aimed to streamline the scheduling process, allowing for the automation of complex tasks without requiring extensive programming knowledge. ChatGPT’s ability to generate and refine VBA code from natural language instructions significantly enhances the accessibility of advanced Excel functionalities, enabling healthcare professionals to create tailored scheduling solutions.
The implementation of this automated scheduling system resulted in a notable reduction in scheduling time—approximately 50%—and fostered a more equitable distribution of on-call responsibilities among physicians. The approach not only improved operational efficiency but also enhanced transparency and fairness in scheduling practices, thereby reducing interpersonal conflicts. The authors argue that their method, which allows non-IT staff to autonomously develop and maintain scheduling tools, represents a significant advancement in hospital management. This model’s reproducibility and adaptability across different departments further underscore its value, suggesting that similar strategies could be beneficial in various healthcare contexts facing scheduling challenges.
Limitations
The section on limitations highlights several critical factors affecting the automation quality when utilizing ChatGPT for rule-based tasks. The effectiveness of the automation is contingent upon the clarity and completeness of the initial rules provided. Inadequate or inaccurately formulated constraints can result in significant execution errors and inconsistent outputs. The authors noted that achieving a stable and functional system required multiple iterations, primarily due to ambiguities in rule formulation and incomplete references to Excel cell structures. This underscores the necessity for human oversight during the setup and validation phases.
Furthermore, the performance of ChatGPT varies notably across different versions. The free model, based on GPT-3.5, exhibited challenges in comprehending complex logical dependencies and handling lengthy contextual prompts. In contrast, the paid versions (GPT-4 and GPT-5) demonstrated enhanced reliability, maintaining dialogue continuity and generating more effective VBA code. This variability is crucial for future users to consider, as it can significantly impact development time and output quality. Lastly, while automation alleviates administrative burdens, it cannot replace human judgment, particularly in response to unforeseen circumstances or changes within the organization, necessitating ongoing manual review and adjustments.