Manuell sortering av inscannade remisser tar tid och riskerar att bli fel. Därför har jag byggt Remissorterare, ett Python-verktyg som automatiskt klassificerar och sorterar remisser med hjälp av OCR och maskininlärning.

Hur fungerar det?

• OCR: Tesseract läser av PDF-remisser och omvandlar dem till text.
• Maskininlärning: En Random Forest-modell analyserar texten och fördelar remissen till rätt verksamhet.
• Fallback: Om modellen är osäker används nyckelord som reserv.
• Output: Remisserna sorteras i mappar och kompletteras med .dat-filer för vidare hantering.
• Webbgränssnitt: Ett drag-and-drop-interface visar status, loggar och statistik i realtid.

Fördelar

• Sparar tid och minskar manuellt arbete
• Hög precision genom kombination av ML och nyckelord
• Självhostat och integritetssäkert – inga känsliga data lämnar systemet
• Anpassningsbart för olika verksamheter

Framtiden

Målet är att utöka med mer avancerad språkbearbetning, smartare fallback-metoder och direktintegration mot journalsystem.

Projektet är open source och finns på GitHub:
github.com/MrJensK/remissorterare