مدل سه‌ضلعی رویینو: چارچوب علمی انتخاب بهترین راهکار زیبایی

سیستم چگونه کار می‌کند؟ یک مثلث اعتماد

سیستم سه ضلعی رویینو روی یک مثلث بنا شده است؛ سه ضلع که هر کدام بخشی از واقعیت را به ما نشان می‌دهند:

1. توصیه متخصصان (Expert Recommendation)
2. رضایت کاربران (User Satisfaction)
3. امتیاز هوش مصنوعی رویینو (Rueino-Score)

خروجی نهایی، چیزی است که ما به آن می‌گوییم:
Rueino-Factor Match
یا همان «امتیاز نهایی تطبیق این راهکار با دغدغه شما».

شبیه یک بازیکن فوتبال که چند امتیاز جداگانه دارد (سرعت، قدرت بدنی، پاس و …) ولی در نهایت یک Overall Rating می‌گیرد؛ بازیِ زیبایی هم برای هر راهکار، چند امتیاز جداگانه دارد که در نهایت به یک «امتیاز کلی» تبدیل می‌شوند.

هر ضلع مثلث را جداگانه اینجا بررسی می‌کنیم.

ضلع اول: توصیه متخصصان (Expert Recommendation)

در رویینو فقط به نظر یک پزشک تکیه نکرده‌ایم. ما با شبکه‌ای از صدها پزشک و متخصص در حوزه‌های مختلف مثل: جراحی پلاستیک و ترمیمی، ENT (گوش، حلق، بینی)، پوست و مو و چند تخصص مرتبط دیگر کار می‌کنیم.

چطور امتیاز «توصیه متخصصان» ساخته می‌شود؟

برای هر راهکار درمانی (مثلا لیپوساکشن، جراحی بینی، فیلر بینی، بوتاکس، لیفت ابرو و …)، اول به‌طور کلی ارزیابی می‌شود: چقدر این روش به‌طور عمومی خوب است؟ بعد برای هر کانسرن (دغدغه) مشخص دوباره ارزیابی می‌شود: مثلا همان بوتاکس برای کانسرن‌هایی مثل خط اخم عمیق، خطوط پنجه‌کلاغی، چروک پیشانی و … ممکن است برای هر کدام درصد متفاوتی بگیرد.

وزن‌دهی به تجربه متخصصین

در سیستم نظرسنجی، همه پزشکان وزن مساوی ندارند. پزشکی که:

• سابقه‌ی بیشتری دارد
• تعداد جراحی/عمل بیشتری انجام داده
• تجربه عملی‌اش ثابت شده‌تر است
• و چند پارامتر دیگر

در امتیاز نهایی ضریب بالاتری می‌گیرد. خروجی این ضلع → یک عدد درصدی برای هر راهکار در هر دغدغه مشخص. مثلا:

• رینوپلاستی برای قوز بینی → 95٪
• فیلر بینی برای قوز بینی → 55٪

محتوای کامل درباره روش کار ضلع اول (توصیه پزشکان) و اهمیت داشتن نظر بیش از یک پزشک را اینجا بخوانید.

ضلع دوم: رضایت کاربران – User Satisfaction

ضلع دوم، صدای خود بیماران واقعی است. کسانی که واقعا: این راهکار را خودشان انجام داده‌اند، برای همان دغدغه، و در شرایط واقعی زندگی خودشان. یعنی دقیقا مشخص می‌شود یک بیمار برای یک ناحیه و یک دغدغهٔ مشخص، از یک راه‌حل درمانی چه میزان رضایت یا نارضایتی داشته است. مثلا در ناحیهٔ چشم و دغدغهٔ افتادگی پلک، کاربران به روش بلفاروپلاستی چه امتیازی داده‌اند.

چطور داده‌های رضایت جمع می‌شود؟

پس از انجام هر درمان، برای کاربران یک فرم رضایت‌سنجی ساختار یافته ارسال می‌شود. این فرم فقط یک سوال کلی ندارد، بلکه از چندین «ورودی درمان» یا همان Procedure Inputs تشکیل شده است؛ مثل:

• میزان رضایت از ظاهر نهایی
• ماندگاری نتیجه
• مدت نقاهت و برگشت به زندگی عادی
• نوع بیهوشی و سختی فرایند
• درد، کبودی و عوارض جانبی
• تطابق نتیجه با انتظارات
• محدودیت‌های بعد از درمان (خوابیدن، ورزش، دوش گرفتن و …)
• و در برخی موارد، هزینه و ارزش در برابر نتیجه
• و ده‌ها پارامتر دیگر که براساس درمان و دغدغه (کانسرن) متغیر هستند

با توجه به موارد بالا، هر ردیف یک Procedure Input است و هر کدام وزن مخصوص خودشان را دارند؛ آیتم‌های مهم‌تر (مثل زیبایی نتیجه، ماندگاری، ریسک‌ها) وزن بالاتری می‌گیرند و آیتم‌های فرعی‌تر (مثل محدودیت در دوش گرفتن یا نوع وضعیت خواب در چند روز اول) وزن کمتر. بیمار برای هر آیتم، تجربه‌اش را در مقیاس عددی انتخاب می‌کند. سپس سیستم این پاسخ‌ها را با وزن هر آیتم ترکیب می‌کند؛ مجموع امتیازهای وزن‌دار، به یک عدد نهایی تبدیل می‌شود که رضایت واقعی بیمار از آن درمان را نشان می‌دهد.

این عدد در نهایت به صورت یک درصد برای همان ناحیه + دغدغه + راه‌حل ذخیره می‌شود.
مثلا:

• در ناحیهٔ بینی و دغدغهٔ قوز بینی، برای درمان رینوپلاستی ممکن است میانگین رضایت بیماران به ۸۵٪ برسد.
• در ناحیهٔ بینی کج، برای درمان فیلر بینی (به‌خاطر موقتی‌بودن و محدودیت اصلاح در موارد شدید) میانگین رضایت مثلاً ۵۰٪ ثبت شود.

به این ترتیب، عدد «رضایت کاربران» صرفا یک نمره کلی احساسی نیست، بلکه حاصل جمع‌بندی چندین معیار جزئی و وزن‌دار است که خود بیماران آن‌ها را پر کرده‌اند.

ضلع سوم: امتیاز هوش مصنوعی رویینو (Rueino-Score)

ضلع سوم، جایی است که هوش مصنوعی وارد ماجرا می‌شود. در رویینو یک مدل اختصاصی یادگیری ماشین داریم به نام Rueino AI که روی شانه‌های دو چیز می‌ایستد:

• امتیازهایی که در دو ضلع قبلی به‌دست آمده‌اند (توصیه پزشکان و رضایت کاربران)
• کتابخانهٔ بزرگ و ساختاریافتهٔ همهٔ روش‌های زیبایی (Treatment Library)

در ضلع سوم، Rueino AI همین داده‌ها را به‌همراه اطلاعات فنی هر روش درمانی (تهاجمی بودن، مدت نقاهت، ماندگاری، ریسک‌ها، هزینه تقریبی، تعداد جلسات و…) به همراه بررسی عمیق هر دغدغه زیبایی می‌گیرد و سعی می‌کند یک سوال مشخص را جواب دهد:

اگر کاربری با این شرایط (سن، نوع پوست، دغدغه، بودجه، سابقه درمانی و …) این راه‌حل را انتخاب کند، احتمال این‌که نتیجه برای او «موفق و رضایت‌بخش» باشد چقدر است؟ برای رسیدن به این جواب، مدل:

• الگوهای مشترک بین هزاران کیس شبیه هم را پیدا می‌کند
• تعارض‌های بین نظر پزشک و تجربهٔ بیمار را شناسایی و متعادل می‌کند
• تاثیر عوامل مختلف (مثلاً سن، شدت مشکل، نوع روش) را به‌صورت جداگانه می‌سنجد

نقشه کلی انتخاب‌ها: از دغدغه تا درمان

خروجی Rueino AI یک امتیاز پیش‌بینی‌شده است (که در سیستم به‌صورت درصد هم نمایش داده می‌شود). این همان چیزی‌ست که در جداول رویینو به نام امتیاز هوش مصنوعی رویینو (Rueino-Score) می‌بینید؛ یعنی: «بر اساس داده‌ها، این روش برای کسی شبیه شما، چقدر شانس موفقیت دارد؟»

نظارت پزشکان بر Rueino AI

Rueino AI به‌تنهایی نسخه نمی‌نویسد. پزشکان همکار رویینو، خروجی‌های مدل را روی کیس‌های واقعی بازبینی می‌کنند:

• اگر مدلی در جایی با واقعیت بالینی فاصله داشته باشد، تنظیم می‌شود
• با اضافه شدن داده‌های جدید، وزن‌ها و الگوها به‌روزرسانی می‌شوند

مشاهده مقاله کامل آنالیز علمی زیبایی رویینو: از تحلیل کلی تا بررسی جزئیات

چطور سه ضلع به یک عدد ساده تبدیل می‌شوند؟

تا اینجا سه امتیاز جداگانه داریم:

1. امتیاز متخصصان
2. رضایت کاربران
3. امتیاز هوش مصنوعی رویینو

حالا برای اینکه کاربر سردرگم نشود، این سه عدد را با هم ترکیب می‌کنیم و یک امتیاز کلی می‌سازیم: امتیاز نهایی تطبیق (Rueino-Factor Match)، این امتیاز میانگین وزنی این سه ضلع است. مثال:

قوز بینی – راهکار: جراحی بینی (رینوپلاستی)

• توصیه متخصصان (Expert Recommendation) → %95
• رضایت کاربران (User Satisfaction) → %85
• امتیاز هوش مصنوعی رویینو (Rueino-Score) → %90

امتیاز نهایی تطبیق (Rueino-Factor Match) ≈ 90٪

یعنی برای یک کاربر با دغدغه قوز بینی، جراحی بینی به‌طور کلی، هم از نگاه پزشکان، هم بیماران، هم داده‌های هوش مصنوعی، گزینه‌ای بسیار قوی است. حالا همین را مقایسه کنیم با:

قوز بینی – راهکار: فیلر بینی

• توصیه متخصصان (Expert Recommendation) → %65
• رضایت کاربران (User Satisfaction) → %50
• امتیاز هوش مصنوعی رویینو (Rueino-Score) → %55

امتیاز نهایی تطبیق (Rueino-Factor Match) ≈ 57٪

این امتیاز می‌گوید: بله، این گزینه هم وجود دارد، اما برای همه و در همه‌ی شرایط، گزینهٔ ایده‌آل نیست؛ بیشتر مناسب کسانی است که به‌هیچ‌وجه حاضر به جراحی نیستند یا فقط یک اصلاح موقتی می‌خواهند.

وقتی دکتر نمره پایین می‌دهد ولی بیمار راضی است

در سیستم سه‌ضلعی رویینو، همیشه همه چیز هماهنگ و هم‌نظر نیست. گاهی پیش می‌آید که بیمار از نتیجه‌ی یک روش زیبایی راضی است و امتیاز بالایی می‌دهد، اما بیشتر پزشکان همان روش را برای آن دغدغهٔ خاص، گزینه‌ی ضعیف یا غیربهینه می‌دانند و امتیاز پایینی برایش ثبت می‌کنند. چرا چنین تضادی به‌وجود می‌آید؟

دو زاویه نگاه کاملا متفاوت

• پزشک قبل از درمان امتیاز می‌دهد؛ بر اساس علم، آناتومی، گزینه‌های موجود، ریسک‌ها و راه‌حل ایده‌آل برای آن شدت مشکل.
• بیمار بعد از درمان امتیاز می‌دهد؛ بر اساس تجربه‌ی شخصی خودش، احساسش جلوی آینه، و فاصله‌ای که از «قبل» تا «بعد» حس می‌کند.

برای همین، ممکن است یک روش از نگاه پزشک «بهترین انتخاب» نباشد، اما از نگاه بیمار «همان چیزی باشد که می‌خواسته».

مثال: بینی شدیدا کج و فرار از جراحی

فرض کنید فردی: بینی‌اش شدیدا کج است، از جراحی می‌ترسد یا به هر دلیل حاضر به عمل نیست یا بودجه کافی جراحی ندارد و در نهایت تصمیم می‌گیرد فقط با تزریق فیلر کمی ظاهر بینی‌اش را بهتر کند. از دید بسیاری از پزشکان، این سناریو چنین تحلیلی دارد: «برای این شدت انحراف، فیلر یک راه‌حل ایده‌آل نیست. اصلاح محدود است و راه اصلی و استاندارد، جراحی است.»

طبیعی است که در سیستم، امتیاز توصیهٔ متخصصان برای «فیلر در بینی شدیدا کج» پایین بماند. اما از نگاه خود بیمار، داستان متفاوت است: «من از اول هم جراحی نمی‌خواستم. همین‌که ظاهر کلی‌ام بهتر شده و اعتمادبه‌نفسم بالاتر رفته، برای من کاملاً رضایت‌بخش است.»

در نتیجه:

• امتیاز رضایت کاربر (User Satisfaction) برای این سناریو می‌تواند در برخی بیماران بالا باشد،
• امتیاز Expert Recommendation برای همان روش و همان دغدغه پایین است.

نقش Rueino AI و Rueino-Factor Match در این تضاد

اینجا ضلع سوم وارد می‌شود:

• Rueino-Score سعی می‌کند این دو واقعیت را همزمان ببیند؛ از یک طرف «استاندارد علمی و نظر پزشکان» و از طرف دیگر «تجربهٔ واقعی کسانی که این راه‌حل را انتخاب کرده‌اند».
• در نهایت، Rueino-Factor Match این تضاد را شفاف به کاربر نشان می‌دهد نه روش را بیش از حد ایده‌آل جلوه می‌دهد،  نه آن را کاملاً بی‌فایده نشان می‌دهد.

کاربر می‌بیند این روش از نظر پزشکان، گزینه‌ی اصلی و استاندارد نیست، اما برای بعضی افراد که حاضر به جراحی نیستند، می‌تواند تا حدی کمک‌کننده و رضایت‌بخش باشد. این شفافیت کمک می‌کند تصمیم نهایی آگاهانه‌تر، واقع‌بینانه‌تر و متناسب با اولویت‌های خود فرد گرفته شود.

از دو دنیا تا یک امتیاز قابل‌فهم

به صورت خلاصه ترکیب این دو جهان داده‌ای - رفتار واقعی پزشکان و بیماران از یک طرف، و دانش ساختاریافتهٔ روش‌های زیبایی از طرف دیگر - ورودی اصلی مدل Rueino AI است.

Rueino AI این داده‌ها را تحلیل می‌کند، آن‌ها را با امتیازهای دو ضلع قبلی (توصیهٔ متخصصان و رضایت کاربران) تلفیق می‌کند و در نهایت آن‌ها را به یک امتیاز تحلیلی به نام Rueino-Score تبدیل می‌کند و بعد، با ترکیب سه ضلع، امتیاز نهایی تطبیق (Rueino-Factor Match) را می‌سازد؛ همان عدد نهایی که کاربر به‌سادگی می‌بیند و بر اساس آن می‌تواند بین گزینه‌های مختلف، انتخاب آگاهانه‌تری داشته باشد.