تحقیق کنونی برای ایجاد یک سیستم خبره با استفاده از مسئله ارجاع بیمارستانی به عنوان نمونه، شیوه جدیدی را ارائه می دهد. عوامل زیادی نظیر خصیصه های سازمانی، ریسک های بیمار، پیمودن مسافت و فرصت های ادامه حیات و عوارض، می بایست در تصمیم گیری انتخاب بیمارستان گنجانده شوند. مطلوب این است که هر بیمار به طور جداگانه به وسیله فرایند تصمیم نه تنها با در نظر گرفتن وضعیت شان بلکه باورهای آن ها در مورد ارزیابی مقایسه ای میان خصیصه های بیمارستانی مطلوب، درمان شود. یک سیستم خبره می تواند به این تصمیم گیری پیچیده کمک نماید. بالأخص زمانی که عوامل زیادی باید در نظر گرفته شوند، ما روشی را پیشنهاد داده ایم که الگوریتم سیستم پشتیبانی تصمیم گیری مبتنی بر بهینه سازی و پیش بینی خوانده می شود که بدون یک پایه دانش مشخص، سیستم خبره ای را به وجود می آورد. این الگوریتم دانش را خودش با ایجاد طبقه سازی های یادگیری ماشینی از طریق مجموعه ای از نمونه های برچسب زده شده، کسب می کند. در پاسخ به یک سؤال، الگوریتم با استفاده از یک مرحله بهینه سازی، پیشنهاد سفارشی می دهد تا به بیمار کمک می کند که احتمال دستیابی به یک نتیجه مطلوب را به حد اکثر برساند. در این حالت، بیمارستان پیشنهادی، راه حل بهینه ای است که احتمال نتیجه مطلوب را به حداکثر می کند. این سیستم خبره با طرح ریزی درست می تواند عوامل زیادی را ترکیب کند تا اینکه پشتیبانی تصمصم گیری انتخاب بیمارستان را در سطح فردی ارائه نماید.
This study presents a new method for constructing an expert system using a hospital referral problem as an example. Many factors, such as institutional characteristics, patient risks, traveling distance, and chances of survival and complications should be included in the hospital-selection decision. Ideally, each patient should be treated individually, with the decision process including not only their condition but also their beliefs about trade-offs among the desired hospital features. An expert system can help with this complex decision, especially when numerous factors are to be considered. We propose a new method, called the Prediction and Optimization-Based Decision Support System (PODSS) algorithm, which constructs an expert system without an explicit knowledge base. The algorithm obtains knowledge on its own by building machine learning classifiers from a collection of labeled cases. In response to a query, the algorithm gives a customized recommendation, using an optimization step to help the patient maximize the probability of achieving a desired outcome. In this case, the recommended hospital is the optimal solution that maximizes the probability of the desired outcome. With proper formulation, this expert system can combine multiple factors to give hospital-selection decision support at the individual level.
کیفیت مراقبت بهداشتی در ایالات متحده مسئله خیلی مهمی به شمار می آید. سالانه ده ها هزار نفر آمریکایی جان خود را از دست می دهند و خیلی ها از جراحات غیرکشنده ناشی از اشتباهات موجود در سیستم مراقبت بهداشتی رنج می برند. رهیافت های زیادی در جهت حل این مسئله هدایت گردیده اند. برای نمونه، چاچوب بهداشتی IT استراتژی های زیادی ارائه نموده است، نظیر ارتقاء گزینش IT، پرورش همکاری ها، و افزایش حق انتخاب مصرف کننده آگاه در مورد درمانگاه ها یا آسایشگاه ها. آخرین استراتژی اهمیت دارد زیرا گوناگونی کیفیت مراقبت در سراسر نهاد های مراقبت بهداشتی، زیاد است.