رویکردی برای مدیریت سلامت و تشخیص پزشکی با استفاده از یک سیستم بیماری تشخیص ترکیبی

در این مقاله، به منظور ساده سازی تبادل اطلاعات در فرایند تشخیص پزشکی و بدون نیاز به حضور فیزیکی متخصصان پزشکی، از عامل های نرم افزاری استفاده شده است. هدف از استفاده از عامل ها، اجازه برقراری تبادل اطلاعات بطورخودکار میان متخصصین پزشکی در حوزه های متفاوت می باشد.
این مقاله یک ساختار ترکیبی برای تشخیص بیماری ارائه داده و از یک روش رایانش نرم، جهت ایجاد یک پایگاه اطلاعات پزشکی استفاده می کند. این سیستم بر پایه توانایی های شبکه های عصبی مصنوعی، منطق فازی و الگوریتم ژنتیک ارائه شده، که برای پوشش ضعف های یکدیگر با هم ترکیب می شوند. برای تمام عامل ها در یک سیستم، ورودی علائم بیماری و خروجی، تشخیص بیماری می باشد.
نتایج آزمایشات بر روی پایگاه داده سرطان سینه نشان داده شده است. برای بررسی الگوریتم یادگیری ترکیبی و مقایسه آن با دیگر روش ها، 699 نمونه در هر آزمایش بررسی شدند که در آن 60٪ برای آموزش ، 20٪ برای ارزیابی متقابل و 20٪ برای تست (139 نمونه). نتایج نشان می دهندکه عملکرد روش ارائه شده از روش ترکیب شبکه عصبی با منطق فازی بهتر است ، اما روش شبکه عصبی با الگوریتم ژنتیک از روش ترکیبی نتایج بهتری بدست می دهد.
ساده سازی فرایند تشخیص بیماری با تفکیک مفاهیم حوزه ی پزشکی (مانند: علل، تاثیرات، علائم، آزمایش ها) در سیستم های مختلف بدن انسان مانند تنفسی، قلبی- عروقی از طریق ارتباط دهی بین علائم مشترک بیماری ها امکان پذیر می شود. بنابراین، تشخیص متخصصین مختلف بطور موازی رخ می دهد و مشاهدات آنلاین بر روی مفاهیم مشترک بین این سیستم ها بطور خودکار در پایگاه داده به اشتراک گذاشته می شود. این مسئله در سطح مفاهیم تشخیص، یک پایداری مشترک از عامل های را در سیستم ایجاد می کند.