مقاله سیستم پشتیبان تصمیم گیری هوشمند پزشکی جهت تشخیص بیماری زونا

بخشی از مقاله

سیستم پشتیبان تصمیم گیری هوشمند پزشکی جهت تشخیص بیماری زونا

چکیده:

مقدمه:تشخیص افتراقی بیماری زونا(هرپس زوستر) از بیماری های مشابه تاولی آن مسئله بسیار مهمی در درماتولوژی میباشد.بیماری هایی که در تشخیص افتراقی زونا قرارگرفته است شامل: تب خال ،آبله مرغان، حساسیت های تماسی ،گزش حشرات،زردزخم تاولی،بولوس پمفیگوئید میباشد.تشخیص افتراقی زونا نیاز به صرف هزینه و زمان زیادی دارد و تشخیص نادرست و یا با تاخیر پیامدهای مخاطره آمیزی برای بیمار به همراه خواهد داشت. بدین منظور از اطلاعات بالینی بیمار در جهت افزایش دقت و کارایی،از سیستم پشتیبان تصمیم گیری بهره گرفته شده است.

روش پژوهش:این پژوهش،یک سیستم خبره به منظور تشخیص بیماری زونا بر اساس منطق فازی و پایگاه دانش مبتنی بر قوانین با استفاده از نرم افزار متلب با کمک سیستم پشتیبان تصمیم گیری ایجاد شده است. همچنین برای تست سیستم از داده های 200 بیمار مبتلا به بیماری تاولی استفاده شد که از این بین 122 نفر مبتلا به بیماری زونا بودند.

یافته ها:صحت،حساسیت و دقت سیستم به ترتیب معادل %97، %97 و %96 بدست آمد. سطح زیر منحنی ROC معادل 0/97 و آزمون کاپا میزان ./936 بدست آمد.

بحث: با توجه به اهمیت تشخیص به موقع بیماری زونا ،بکارگیری سیستم پشتیبان تصمیم گیری و سیستم خبره مذکور میتواند در جلوگیری از پیشرفت بیماری ،کاهش دردهای شدید و کاهش هزینه ها نقش مهمی ایفا نماید.

واژه های کلیدی:سیستم خبره مبتنی بر دانش ، سیستم پشتیبان تصمیم گیری ، تشخیص بیماری زونا ،تشخیص بیماری های تاولی

-1مقدمه

زونا با نام علمی Herpes Zoster و نام عمومی Shingles شناخته می شود Shingle. به قطعات و تکه های کوچک چوبی، سرامیکی و یا سیمانی گفته می شود، که به صورت ردیف هایی پهلوی هم قرار گرفته و در ساختن بام و دیوار ساختمان از آنها استفاده می شود. بر خلاف بیماری آبله مرغان که نواحی بیشتری از بدن را می پوشاند، زونا که فعال شدن دوباره ویروس آبله مرغان در دوران بعد از میانسالی است تنها قسمت های کوچکی از پوست را در طول یک مسیر عصبی در یک طرف بدن مورد حمله قرار داده و تحت تاثیر قرار می دهد.

اطلاق نام علمی Zoster به معنی کمربند و نوار به این بیماری از آنجا نشات گرفته که پوست در طول یک مسیر عصبی روی یک نوار تحت تاثیر قرار گرفته و بشدت دردآور می شود. انتخاب نام Shingles به علت ظاهر شدن ردیف هایی از جوشها و تاولها در نواحی از یک طرف بدن می باشد(.(2 امروزه بیماری های پوستی به علت عواملی چون باکتریها،قارچها،شرایط بدآب وهوایی ودرمعرض شدید نورخورشید بودن شیوع فراوانی یافته است(.(1 نظریه رایج برای این بیماری به این صورت است که پس از ابتلا و بهبودی آبلهمرغان این ویروس به صورت نهفته در سلولهای عصبی واقع در شاخ قدامی نخاع باقی میماند. تا زمانی که به علت یک عامل تحریکی و یا نقص سیستم ایمنی دوباره فعال شود. در این حالت بیماری موضعی دردناکی ایجاد میشود که زونا نام دارد(.(2 فعال شدن مجدد ویروس آبله مرغان می تواند در اثر عوامل متعددی مانند استرس، تب، پرتودرمانی ، آسیب بافتی یا سرکوب سطح ایمنی به وجود آید(.(9 این بیماری میتواند با بیماری های ویروسی از جمله تبخال و بیماری های غیر ویروسی ازجمله زرد زخم، اگزمای حاد ،گزش حشرات ،بولوس پمفیگوئیدو..اشتباه شود(.(4 توزیع ضایعات معمولا درماتومال و یک طرفه است درمان سریع این بیماری در کاهش درد حین بیماری و درد پس از بیماری (که مهم ترین و شدیدترین عارضه ی آن میباشد) موثر است .تشخیص این بیماری بالینی بوده و توسط پزشک متخصص پوست انجام میشود(.(15

ابتلا به زونا میتواند در هر سنی رخ دهد، اما در افراد بالای 50 سال بیشتر شیوع دارد 2)بیماری). معمولاً افراد مسن را گرفتار میکند که میتواند ناشی از اختلال در ایمنیسلولی سیستم ایمنی به واسطه پیری ایجاد میشود(.(6 شدت درد از خفیف تا بسیار شدید متغیر است. تشخیص بالینی بیماری بعد از ظهور جوش ها و تاولها آسان می باشد ولی دردهای اولیه در یکطرف بدن از جلو تا عقب مخصوصاً در سینه و صورت قبل از اینکه جوش ها خودشان را نشان دهند، میتواند باعث اشتباه و سردرگمی بیمار و حتی پزشکان می شود. ونیز ممکن است با دردها و علایم ناشی از زخم ها مانند زخم معده، حمله قلبی، کمردرد، سردرد میگرنی، آپاندیسیت و بعضی ناهنجاریهای داخلی بدن اشتباه گرفته شود. در مواردی ممکن است بیمار با تشخیص اشتباه بستری شود،وحتی تحت عمل جراحی نابجا قرارگیرد(.(8

-2مبانی نظری

پوست با وسعتی بین 1/2 تا2/2 متر مربع وسیع ترین ارگان بدن را تشکیل می دهد و وظایف مهمی همچون حفاظت بدن ،تنظیم درجه ی حرارت بدن وحس لامسه را بر عهده دارد(.(1هرپس زوستر (زونا ) بیماری نسیتا شایع علی الخصوص در سنین بالا میباشد(.(7این بیماری می تواند %20 از بالغین سالم و%50 از افراد دچار نقص ایمنی را مبتلا سازد. خطر ابتلا به هرپس زوستر در طول عمرتقریباٌ %30 تخمین زده می شود، که این به معنای ابتلای یک نفر از هر سه نفر انسان بالغ به این بیماری در طول زندگی است .(3) این بیماری در کودکان علائم خفیف تری داشته (10) وعوارض کمتری دارد(.(15 نکته مهم در بیماری زونا ،این است که درمان آن باید حداکثر تا 72 ساعت پس از شروع علائم آغاز شود.هدف از درمان سه چیز است: -1تسریع بهبودی ضایعات ایجاد شده -2جلوگیری از پیشرفت ضایعات -3 جلوگیری از ایجاد درد پس از بهبودی ضایعات .تشخیص نادرست و یا با تاخیر، میتواند پیامدمخاطره آمیز برای بیمار به همراه داشته باشد(.(14 شناخت صحیح و دقیق پزشکان و متخصصین از چگونگی تشخیص ونحوه درمان به موقع این بیماری مهم ،میتواند در جلوگیری از پیشرفت بیماری و کاهش هزینه ها نقش اساسی ایفا نماید(13و 12 ).سیستم پشتیبان تصمیم گیری بالینی ،یک سیستم اطلاعاتی برای کمک به تشخیص های پزشکی و راهنمایی متخصصین سلامت در تصمیم گیری ها جهت مراقبت از بیمار است( .(19سیستم های خبره ،نوعی سیستم پشتیبان تصمیم گیری در حوزه هوش مصنوعی هستند و با هدف در دسترس قراردادن مهارت های افراد متخصص برای افراد غیر متخصص در اواسط

1960 توسعه پیدا کردند(.( 20 با استفاده از سیستم های هوشمندی مانند سیستم خبره فازی امکان تبدیل اطلاعات جمع آوری شده از افراد خبره به دانش و استفاده از این اطلاعات در زمان میسر میشود(.(18

با توجه به اهمیت تشخیص به موقع و درست بیماری زونا جهت ارتقاء کیفیت زندگی مبتلایان و کاهش هزینه های عمومی ،نیاز به دسترسی مداوم به دانش و تجربیات پزشکان از ضروریات است ( .(11

چون امکان دسترسی به فرد خبره و متخصص در هر زمان ومکان وجود ندارد،پژوهشگر درصدد برآمده تا یک سیستم پشتیبان تصمیم هوشمند پزشکی را برای تشخیص بیماری زونا ایجاد کند. این سیستم نیاز به سخت افزار خاصی ندارد و بر روی کامپیوتر های شخصی قابل اجرا است(.(5 تاریخچه سیستم های پشتیبان تصمیم گیری در پزشکی درحقیقت تاریخچه همکاری های متقابل پزشکان و ریاضیدانان میباشد(.(21 به مجرد پیدایش کامپیوترهای الکترونیکی درسالهای1960-1950 میلادی، نخستین سیستمهای پشتیبان تصمیم گیری درپزشکی با اهداف گوناگون بهداشتی پابه عرصه وجود نهادند(.(32 لازم به ذکراست درآن زمان کلیه سیستم های تصمیم گیری درپزشکی تنها میتوانستند درحوزه های کاملا محدود وبه ویژه درمواردی که یقینا فقط یک بیماری باعث بروز نشانه ها می شد، به کاربپردازند؛ درحالی که درعمل معمولا چندین بیماری درآن واحد با یکدیگر تداخل دارند(.(33 درسال 1961میلادی نیز وارنر 1 همکارانش یکی ازنخستین سیستمهای پشتیبان تصمیم گیری درپزشکی را که براساس قوانین بیز به کار می پرداخت، طراحی وراه اندازی نمودند؛البته نخستین سیستم واقعی پشتیبان تصمیم گیری درپزشکی که براساس قوانین بیز طراحی شده بود و درعمل نیز دربسیاری ازپایگاه های بهداشتی به کارگرفته شد،سیستمی بود که توسط دامبل 2 برای تشخیص دردهای حاد شکمی ارایه شد(.(34

-1-2 مفهوم سیستم های پشتیبان تصمیم

اوایل 1970 اسکات- مورتون برای اولین بار مفهوم مهم سیستم پشتیبان تصمیم گیری رابررسی کرد. اوسیستم پشتیبان تصمیم گیری رابه عنوان یک سیستم مبتنی برکامپیوتر محاورهای برای کمک به تصمیم گیرنده درتجزیه وتحلیل داده ها و استفاده ازمدل ها،برای حل مسائل غیر ساخت یافته، تعریف کرد. بنابه تعریف دیگری از اسکات -مورتون وکین (1978) سیستم پشتیبان تصمیم گیری برای بهترکردن کیفیت تصمیم،منابع عقلانی شخص را با تواناییهای کامپیوتر،پیوند می دهد(.(35

کلمه سیستم پشتیبان تصمیم گیری معمولا برای توصیف هرسیستم کامپیوتری که تصمیم گیری رادریک سازمان پشتیبانی کند، استفاده میشود. یک سازمان ممکن است برای حل مسائل، یک سیستم مدیریت دانش برای همه کارمندان خود، داشته باشد . یک سیستم پشتیبان تصمیم گیری که به گونه ای صحیح طراحی شده باشد، میتواند یک نقش مهم رادر گردآوری اطلاعات مفید از داده های اولیه،سندها، دانش شخصی و مدل های تجاری،برای حل مسئله ،ایفاکند(.(36 این سیستم به تصمیم گیرنده هااجازه میدهد که تعدادزیادی ازمحاسبات رابه سرعت انجام دهد بنابراین مدل های پیشرفته میتوانند برای حل مسائل پیچیده، وضیعت های اضطراری که اغلب نیاز به پاسخ های سریع دارند،توسط سیستم پشتیبان تصمیم گیری پشتیبانی میشود(.(37 بسیاری ازمسائل تجاری،شامل مجموعه داده های بزرگی هستند که درپایگاه داده های مختلف انبارهای داده ویاحتی در وب سایت های خارج از سازمان ذخیره شده اند.سیستم پشتیبان تصمیم گیری میتواند برای کمک به تصمیم گیری به طور مؤثری داده ها رابازیابی، پردازش،تجزیه وتحلیل کند(.(37 یک سیستم پشتیبان تصمیم گیری برای پشتیبانی تصمیم گیرنده درحل یک مسئله طراحی میشود نه برای جایگزینی بنابراین ممکن است هدف تصمیم گیری ،به جای راه حل بهینه، یک راه حل مطلوب وراضی کننده باشد.

-2-2 خصوصیات سیستم های پشتیبان تصمیم گیری

ده خصوصیت معمول سیستم پشتیبان تصمیم گیری که توسط توربن و آرالسون بیان شده اندبه شرح زیرمیباشند(.(37

.1سروکارداشتن با مسائل بدون ساختار یانیمه ساختار یافته سیستم پشتیبان تصمیم گیری این امکان رافراهم میکند تابا کنارهم برقرار دادن درک وقضاوت انسان و سیستم های کامپیوتری، به تصمیم گیرنده ها درحل مسائل نیمه ساخت یافته و غیرساخت یافته ای، که برای دیگر ابزارهای استاندارد به راحتی قابل حل نیستند،کمک کنند.

.2پشتیبانی از مدیران درسطوح مختلف عملیاتی تا استراتژیک

.3پشتیبانی ازگروه های تصمیم گیری و تصمیم گیران فردی

.4پشتیبانی از شیوه های متنوع تصمیم گیری و پردازش

.5سازگاری و انعطاف پذیری دراجزای یک عمل پشتیبان تصمیم با دیدگاه کاربران،کاربران این امکان رادارند که سیستم راباتوجه به نیازهای خود شکل دهند به این معنی که میتوانند عناصراصلی راحذف، اضافه، ترکیب ویا سازماندهی دوباره کنند.

.6یکپارچه سازی و اتصالات تحت وب

.7ترکیب و استفاده از مدلها و روش های تجزیه وتحلیل سیستم پشتیبان تصمیم گیری،ازمدل ها برای ارزیابی موقعیت های تصمیم گیری استفاده میکند. توانایی مدل کردن باعث میشودکه استراتژیهای مختلف رادرترکیب ورابط مختلف بتوانیم بررسی کنیم.

.8ترکیب استفاده از هوش مصنوعی وپایگاه دانش

.9دسترسی به صنایع داده متنوع وگسترده

برخی دلایل استفاده از سیستم های تصمیم یاردر پزشکی عبارتند از(:(34

.1پزشکان ممکن است برخی اوقات دچارخطاواشتباه شوند.

.2 پزشکان قادرنیستند که همیشه خودرا باآخرین یافته های اطلاعات پزشکان تطبیق دهند.

.3سازمانهای مراقبت بهداشتی مایل به افزایش کیفیت مراقبت وکاهش هزینه های آن هستند.

هم چنین درزیر به برخی از زمینه های مورد استفاده سیستم های پشتیبان تصمیم گیری بالینی اشاره شده است(32و.(35

.1تولیدهشدارها ویادآوری کننده ها برای پزشک

.2کمک درتشخیص بیماری به پزشک

.3برنامه ریزی درمان

.4تشخیص وتفسیر تصاویرپزشکی

-3 -2انواع مدل های پشتیبانی تصمیم گیری

انواع مدل های شتیبان تصمیم درمراقبت های بهداشتی شامل مدل های کمی (آماری) و کیفی (اکتشافی) است(.(38

مدل های کمی : اساس این مدل ها بر مبنای روشهای آماری موجود است و از داده های آموزشی استفاده میکند.مثل شبکه های عصبی ،فازی واحتمالی.روشهای آماری در پشتیبانی به کار میرود تا احتمال وقوع یک بیماری را تعیین کند. در تصمیم گیری آماری همه ویژگی ها معمولا با هم بکار برده میشوند.

مدل کیفی:این مدل ها از ویژگیهای پیشنهاد شده متخصصین استفاده میکند و از استدلالهای سمبولیک بهره میبرد. از این نوع مدل میتوان به بولین ، سیستم های خبره و درخت تصمیم ، اشاره کرد.این روش ها ریاضی نیستند.روشهای کیفی بر اساس الهام و درک واستدلال توسط انسان ،بنا شده اند.این روش ارتباط یک ویژگی اندازه گیری شده را با مقدار آستانه می سنجد(.(35

-4-2 دسته بندی سیستم های پشتیبان از دید پزشکان

سیستم های پشتیبانی از تصمیم بالینی را میتوان به صورت زیر طبقه بندی نمود(:(36

-1پیشنهاد درخواستی: به شرایطی اطلاق میشود که در آن پزشک از سیستم مشورت می طلبد. این سیستم ها در حالت عادی غیرفعالند و با درخواست کاربر فعال میشوند. امکان کنترل استدلال های انجام شده را فراهم میکنند.در این شرایط پزشک میتواند سیستم را در مسیر خاصی هدایت کند و صحت تشخیص خود را بررسی نماید.مرجع پزشکی 1(RMQ) نمونه ای از این مورد است.

-2پیشنهاد غیردرخواستی :این نوع سیستمها نیازمند درخواست پزشک برای ارائه پیشنهاد نیستند و بر داده های در دسترس بیمار (مانند داده های آزمایشگاه تشخیص طبی) تکیه دارند و مستقل از درخواست پزشک پیشنهاد خود را ارائه میدهند. در این سیستم ها ارائه پیشنهاد جزئی از فعالیت مدیریت داده است. سیستم نمیتواند اهداف درمان و تشخیص را به درستی تشخیص دهد که این امر منجر به تولید پیشنهاد مثبت نادرست و هشدار اشتباه میشود.

– 3 سیستم خودکار : سیستمهای که در آنها پیشنهاد بطور مستقیم بر روی بیمار اعمال می شود سیستم خودکار نامیده می شوند. این سیستم ها چندین داده را در زمانهای مشخصی اندازه می گیرند و متناسب با آن رفتار خود را تطبیق می دهند . به عنوان مثال می توان به سیستمهای کنترل بیهوشی یا تنفس مصنوعی ،اشاره کرد . در این شرایط خرابی سیستم می تواند خسارت جبران ناپذیری ایجاد نماید . سیستم های پشتیبان تصمیم بالینی به طور عمده به دو گروه تقسیم می شوند (شکل (1 که عبارتند از :

· سیستم های پشتیبان تصمیم مبتنی بر دانش

· سیستم های پشتیبان تصمیم غیر مبتنی بر دانش

با توجه به این که زونا بیماری نسبتا شایعی است و درد پس از زونا ممکن است تا سالها بعد از بیماری فرد را آزار دهد ،ومافقط 72 ساعت جهت تشخیص سریع ودرمان وقت داریم((7، برآن شدیم تا با طراحی یک سیستم پشتیبان تصمیم هوشمند پزشکی جهت تشخیص بیماری زونا علی الخصوص در مناطقی که دسترسی به متخصص پوست وجود ندارد،باعث تشخیص زود هنگام بیماری گشته و در نتیجه از ایجاد عوارض بسیار ناتوان کننده آن و هزینه های سنگین درمان کم کرده و از بار مالی ای که بر عهده سیستم بهداشتی –درمانی میباشد بکاهیم.

-3 اهمیت و ضرورت اجرای پژوهش

امروزه به دلیل گسترش دانش و پیچیده تر شدن تصمیم گیری،استفاده از سیستم های اطلاعاتی به خصوص سیستم های هوش مصنوعی در حمایت از تصمیم گیری اهمیت بیشتری یافته است(.( 22 سیستم های هوش مصنوعی به سیستم هایی اطلاق میشود که میتوانند رفتارهایی مشابه رفتارهای هوشمند انسانی از جمله درک شرایط پیچیده،شبیه سازی فرایندهای تفکری و شیوه های استدلالی انسان وپاسخ موفق به آن،یادگیری وتوانایی کسب دانش و استدلال برای حل مسایل داشته باشند(23،( 22 .گسترش دانش در حوزه ی پزشکی و پیچیدگی تصمیمات مرتبط با تشخیص و درمان(به عبارتی حیات انسان) توجه متخصصین را به استفاده از سیستم های پشتیبان تصمیم گیری در امور پزشکی جلب نموده است. در این بین،استفاده از انواع مختلف سیستم های هوشمند در پزشکی رو به افزایش است 25)،.(24 به طوری که امروزه تاثیر انواع سیستم های هوشمند در پزشکی مورد مطالعه قرار گرفته است .(26) سیستم های خبره دسته ای از سیستم های هوشمند هستند که در پزشکی برای کمک به تشخیص های بالینی طراحی وساخته شده اند.این سیستم ها با استفاده از اطلاعات و دانش پزشکی به تشخیص بیماری های گوناگون و تجویز توصیه های پزشکی برای بیماران اقدام مینمایند .(27)

استفاده از منطق خبرگان و کنترل دانش ،از دیگر مزایای این سیستم ها است.در زمان طراحی سیستم های هوشمند پزشکی،دانش تخصصی در زمینه ی مورد نظر از خبرگان آن موضوع (یا راهنماهای بالینی ) استخراج و وارد پایگاه دانش میشود.این موضوع به این معنی است که دانش و تجربه ی متخصصین در زمینه های مختلف مانند بیماری های نادر را میتوان در تصمیم گیری افراد مختلف وارد نمود که این موضوع میتواند منجر به کاهش ترس (ناشی از فقدان دانش و مهارت یا تنها بودن) وافزایش اعتماد به نفس شود(.(16 با توجه به وفور و تداخل متغیرها در تصمیمات پزشکی،پزشکان میتوانند با به کارگیری سیستم های هوش مصنوعی ،سریع تر و یکدست تر تصمیم گیری نمایند و وقت بیشتری را صرف ارزیابی تصمیم نمایند(22،.(17در نهایت ،با این سیستم ها،سرعت تحلیل و دسترسی به توصیه ها در هر زمان و مکان افزایش می یابد(.(23

که در خصوص تصمیمات پزشکی از اهمیت زیادی برخوردار است.برای نمونه ،پیش بینی خوش خیم یا بدخیم بودن ضایعه بدون انجام بیوپسی ، یا پیش بینی درست عود یا متاستاز سرطان باعث میشودتا پزشکان بتوانند سریع تر به درمان یا پیشگیری اقدام کنند(.(26 در سال های اخیر برای حل بسیاری از مسائل پیچیده از سیستم های هوشمند استفاده شده است و جدول تصمیم گیری پشتیبان یک ابزار قدرتمند برای سیستم های تصمیم گیری هوشمند و سیستم های طبقه بندی است. مجموعه های فازی امروزه در زمینه های متعددی چون تکنولوژی مدرن اطلاعات، تصمیم گیری ها، تشخیص الگو،تشخیص های پزشکی و تحلیل داده کاربرد فراوان دارد(.(10
تشخیص و تصمیم گیری در مورد برخی از بیماری ها می تواند برای پزشکان در موارد خاصی حساس وچالش زاباشد(.(9 تشخیص افتراقی زونا و درمان اولیه جهت کاهش پیشرفت بیماری و کاهش هزینه ها بسیارمهم است(.(14 با استفاده ازاین سیستم پشتیبان هوشمند علاوه بر اشتراک گذاری دانش، ارتقاء دانش، توانایی انجام فعالیت در شرایط مخاطره آمیز، عملکردبالا، زمان پاسخگویی سریع، قابلیت اطمینان، قابل فهم بودن، کاهش خطر، دوام وبقاء،پزشک قادر خواهدبود با انجام تصمیم گیری های سریع تر و یک دست تر، زمان بیشتری راصرف ارزیابی تصمیم نماید.همچنین سرعت تحلیل ودسترسی به توصیه ها درهر زمان ومکان افزایش می یابد(28،. (6 طراحی وتوسعه سیستم پشتیبان تصمیم گیر هوشمندی که از منطق فازی استفاده کند و قادر به استفاده از دانش پزشکی پزشک متحصص باشد و در دسترس افرد غیر متخصص قرار گیرد، برای جامعه و به ویژه بیماران مفید می باشد(.(4

-4پیشینه پژوهش
مقاله ای تحت عنوان دس – درما: یک سیستم هوشمند جهت تشخیص بیماریهای پوست ، توسط معالی و همکاران ارائه و در بخش پوست بیمارستان رازی اعتبار سنجی شده است . این سیستم ، اطلاعات بیماران را دریافت می کند و لیستی از تشخیص های افتراقی ممکن را با توجه به علائم بالینی داده شده توسط پزشک به عنوان خروجی بر می گرداند . در تشخیص پزشکی ، بعضی از علائم ارزش های تشخیصی بالاتری نسبت به سایر علائم دارند. از بین بیماران مراجعه کننده به این بخش تعدادی به صورت کاملاً تصادفی انتخاب شدند و اطلاعات آنان وارد سیستم شد. نتایج حاصل از ارزیابی سیستم نشان می دهد در 63 درصد موارد تشخیص صحیح اولین تشخیص لیست بوده ، در 73 درصد موارد ، تشخیص صحیح جز دو تشخیص اولیه لیست بوده و در 82 درصد موارد ، تشخیص صحیح جز سه تشخیص اولیه لیست تشخیص های افتراقی بوده است .(65) در پژوهشی دیگر زرندی و همکارانش با هدف تشخیص آسم اقدام به طراحی سیستم خبره مبتنی بر قوانین فازی نمودند تا بتوان تشخیص این بیماری را در مراحل اولیه افزایش داد .(65) درمقاله ای تحت عنوان تشخیص بیماری های پوستی با استفاده از شبکه عصبی ، بکپو1 و کاباری 2به وسیله الگوریتم پس انتشار3 به تشخیص 17 بیماری پوستی پرداختند. آنها در

طراحی سیستم از یک جدول همراه با نام بیماری و علائم بالینی استفاده کرده اند. داده هایی که برای این سیستم استفاده میشوند: علائم حیاتی بیمار، داده های دموگرافیک بیمار، مواردی که بیمار از آنها شکایت دارد و علائم و نشانه های خاص، سیستم باید قادر با پردازش خودکار داده ها ، ارتباط بین این علائم و بیماری مورد نظر را تشخیص دهد. این سیستم بر مبنای متد شیءگرایی و با استفاده از زبان برنامه نویسی سی-پلاس-پلاس 4 پیاده سازی شد. داده هایی که برای تست این سیستم مورد استفاده قرارگرفته،از کلینیک اولیوت و همچنین مرکز تخصصی پوست تهیه شده است.تحلیل کارآیی این سیستم با نرم افزار متلب5 صورت گرفت و نتایج حاصل از ارزیابی سیستم دارای میزان موفقیت 90 درصد است(.(67

شبکه های عصبی مانند جعبه سیاه عمل کرده وکاربر نمیتواند شیوه استدلال ونتیجه گیری سیستم را درک کند.بعلاوه یادگیری سیستم بسیار وابسته به مجموعه داده های آموزش سیستم و مقدار دهی آموزش و نعداددورهای آموزش است.اگر داده های آموزش ناقص باشند ویا مقدار آنها کافی نباشد ویا حتی تعداد دوره های آموزش زیاد و یا کم باشد،سیستم نمیتواند تصمیم گیری خوب داشته باشد .(65 ) بنابراین در طراحی شبکه عصبی باید بسیار دقیق بود و مجموعه داده آموزشی مناسب انتخاب کرد. پژوهشی با عنوان تشخیص بیماری ها پوستی با استفاده از یک سیستم فازی – عصبی توسط کاستلانو6 ، کستیلو 7، فانلی8 و لئون9 در ایتالیا انجام شده است . در این پژوهش یک سیستم خبره به نام کرنل10 برای تشخیص افتراقی بیماری های گروه اریتما اسکواموس شامل پسوریازیس، درماتیت سبوره ، لیکن پلان ، پیتیریازیس روزه آ ، التهاب پوستی مزمن و پیتیریازیس روبرا پیلاریس و به صورت چند مرحله ای ، با تلفیق شبکه عصبی و منطق فازی طراحی شده است . این سیستم تنها بر مبنای داده های ورودی و بدون تجارب خبرگان ، شبکه را آموزش داده و قوانین را پالایش نموده و بهبود می بخشد . این سیستم در گام اول دانش را از داده های ورودی به صورت مجموعه قوانین فازی استخراج می کند . و در گام بعد این قوانین را پالایش نموده ، بهبود می بخشد . متغیر خروجی این سیستم نوع بیماری پوستی است . این سیستم از 366 نمونه داده استفاده می کند . داده ها بر مبنای 34 علامت بالینی و آسیب شناسی به 10 قسمت تقسیم می شوند .