جامعة الامام جعفر الصادق (ع)

LabShield AI نقدم لكم مشروع "LabShield AI"، وهو منصة ويب متطورة تعتمد على الذكاء الاصطناعي لأتمتة ومراقبة بروتوكولات النظافة والسلامة البيولوجية داخل المختبرات الطبية والبحثية. يهدف المشروع إلى القضاء على الأخطاء البشرية في عمليات التعقيم وحماية المرضى الجدد من خطر العدوى المكتسبة من المستشفيات (HAIs) عبر فرض نظام رقابة صارم يعتمد على الرؤية الحاسوبية والتحليل التنبؤي. الخصائص التقنية والابتكار: تعتمد بنية النظام على واجهة مستخدم (React) تتصل بخلفية (FastAPI) لمعالجة البيانات اللحظية. يبرز الابتكار في محورين رئيسيين للذكاء الاصطناعي: 1. محرك التحقق البصري المباشر (Deep Learning): يعتمد على شبكات الكشف عن الكائنات (مثل YOLOv8) لتحليل صور كاميرات العمل، والتحقق تلقائياً من ارتداء الفنيين لمعدات الوقاية الشخصية (PPE)، وجودة تنظيف الأسطح، والترتيب السليم لأدوات التعقيم، مما يمنع تجاوز خطوات بروتوكول التنظيف. 2. نموذج التنبؤ بخطر تلوث المرضى (Machine Learning): خوارزمية ذكية تحلل عوامل الخطر اللحظية (مثل الوقت المنقضي منذ آخر تعقيم كيميائي، ومعدل دوران هواء التهوية ACH، وعدد العينات عالية الخطورة). عند تسجيل مريض جديد، يقوم النظام بحساب "درجة خطر التلوث المتبادل"؛ وإذا تجاوزت الحد الآمن، يتم إيقاف العمل آلياً لحين توثيق عملية تعقيم جديدة. الخلاصة: يضم النظام أيضاً "مساعد سلامة" تفاعلي مدعوم بتقنية (Gemini/Claude) لتقديم إرشادات فورية حول التعامل مع الانسكابات البيولوجية. يمثل "LabShield AI" درعاً رقمياً متكاملاً يرفع من مستوى الامتثال المؤسسي، ويضمن بيئة آمنة تماماً للمرضى والكوادر الطبية على حد سواء. LabShield AI We present "LabShield AI," an advanced web-based platform leveraging Artificial Intelligence to automate, monitor, and rigorously enforce biohazard safety and hygiene protocols within clinical and research laboratories. The project aims to eliminate human error in sterilization workflows and protect newly admitted patients from Hospital-Acquired Infections (HAIs) through a strict oversight system powered by Computer Vision and predictive analytics. Technical Features & Innovation: The system architecture integrates a React frontend with a high-performance FastAPI backend for real-time data processing. The core innovation lies in two primary AI engines: 1. Live Visual Verification Engine (Deep Learning): Utilizes object detection networks (e.g., YOLOv8) to analyze workstation camera feeds. It autonomously verifies technician compliance with Personal Protective Equipment (PPE) standards, evaluates surface cleaning quality, and confirms the proper arrangement of sterilization tools, ensuring no protocol step is bypassed. 2. Patient Contamination Risk Model (Machine Learning): A dynamic algorithm that evaluates real-time risk factors, including hours since the last deep chemical clean, active ventilation turnover rates (ACH), and the daily volume of high-risk bio-samples processed. Upon registering a new patient, the AI computes a "Cross-Contamination Risk Score." If the threshold is breached, the system halts testing until a newly verified sterilization routine is logged. Conclusion: Additionally featuring a conversational "Safety Assistant" (powered by LLMs like Gemini/Claude) for immediate biohazard spill protocols, LabShield AI acts as a comprehensive digital shield. It significantly elevates institutional compliance and guarantees an uncompromisingly safe environment for both patients and healthcare personnel.