Ali Sanaeifar, Ahmad Faraahi, Mahmood Tara
Han surgido sistemas de recomendación de médicos con el objetivo de recomendar a los médicos adecuados de acuerdo con las preferencias de los pacientes. Sin embargo, estos sistemas solo se han basado en técnicas como la clasificación o la búsqueda basada en palabras de sintaxis a partir de recomendaciones de pacientes anteriores y condiciones con capacidades limitadas. En este artículo, proponemos un nuevo modelo, que llamamos SEPHYRES (sistema experto de recomendación híbrida de médicos semánticos), a través del cual nos centramos en las condiciones médicas del paciente y las características de descripción del dolor utilizando una ontología subyacente basada en evidencia. La ontología incluye no solo las descripciones semánticas de los síntomas, sino también las percepciones comprensibles por máquina de la ubicación del dolor y los pesos de los enlaces. En el modelo propuesto, aplicamos un método pseudodifuso de distribución de pesos junto con los razonadores semánticos generales con el módulo de gestión de facetas. Para mantener el dominio manejable, limitamos el esquema a las enfermedades que causan dolor abdominal. Usamos los Principios de Medicina Interna de Harrison y Up-to-date online como nuestras referencias de evidencia base junto con las opiniones de nuestros expertos locales. Comparamos los resultados de nuestro motor de pseudodiagnóstico con veinte estudios de casos de las bases de datos MEDSCAPE y PubMed. Los resultados mostraron que nuestro modelo puede mejorar el conocimiento de la máquina sobre la enfermedad del individuo y, por lo tanto, mejorar la precisión de las recomendaciones.