Ali Sanaeifar, Ahmad Faraahi, Mahmood Tara
Es sind Arztempfehlungssysteme entstanden, die darauf abzielen, den richtigen Arzt entsprechend den Präferenzen des Patienten zu empfehlen. Solche Systeme basierten jedoch nur auf Techniken wie Klassifizierung oder syntaktischer Wortsuche anhand früherer Patientenempfehlungen und -zustände mit begrenzten Möglichkeiten. In diesem Artikel schlagen wir ein neues Modell vor, das wir SEPHYRES (Semantic Physician Hybrid Recommender Expert System) nennen, mit dem wir uns auf den Gesundheitszustand und die Schmerzbeschreibungsmerkmale des Patienten konzentrieren und dabei eine zugrunde liegende beweisbasierte Ontologie verwenden. Die Ontologie umfasst nicht nur die semantischen Beschreibungen der Symptome, sondern auch die maschinenverständlichen Wahrnehmungen der Schmerzstelle und die Linkgewichte. Im vorgeschlagenen Modell haben wir eine Pseudo-Fuzzy-Methode mit Gewichtsverteilung zusammen mit den allgemeinen semantischen Reasonern mit Facettenverwaltungsmodul angewendet. Um den Bereich überschaubar zu halten, haben wir das Schema auf Krankheiten beschränkt, die Bauchschmerzen verursachen. Wir haben Harrisons Principles of Internal Medicine und Up-to-date online als unsere grundlegenden Beweisreferenzen zusammen mit den Meinungen unserer lokalen Experten verwendet. Wir verglichen die Ergebnisse unserer Pseudodiagnose-Engine mit zwanzig Fallstudien aus den Datenbanken MEDSCAPE und PubMed. Die Ergebnisse zeigten, dass unser Modell das Bewusstsein der Maschine für die Krankheit des Einzelnen verbessern und so die Genauigkeit der Empfehlungen verbessern kann.