سامانه هاي هوشمند پيش بيني خطرات احتمالي اقدامات پزشكي

Intelligent systems to predict the risks factores of medical procedures

مقدمه و هدف: امروزه در بخش مراقبت سلامت كه بسرعت در حال تغيير است تصميم گيرندگان با تقاضاي فزاينده اي در زمينه اطلاعات باليني و مديريتي روبرو هستند تا الزامات قانوني مشتريان را تحقق بخشند. بنابراين تصميم گيري در زمينه مراقبت سلامت به يك مسئله حياتي، پيچيده و غير ساخت يافته تبديل شده است. به لحاظ اهميت مساله در اين مقاله تمركز اصلي بر توصيف مزاياي سامانه هاي تشخيص احتمال خطر براي بهبود كارآيي تصميم گيري در زمينه اقدامات سلامت و بطور اختصاصي باليني مي باشد. متدولوژي و مروري بر مطالعات: پژوهش حاضر مطالعه مروري است كه از طريق جستجو در منابع علمي معتبر از جمله و ساير منابع اطلاعاتي انجام گرفته است. در اين مطالعه ضمن معرفي پايگاه داده اي كشف دانش، Scopus, OVID , Pubmed سيستم هاي تصميم يار باليني، الگوريتم ها و سيستم هاي كدينگ و مدل مفهومي هوشمند تشخيص خطر پرداخته مي شود. همچنين تكنيك ارزيابي احتمال خطر در انجام اقدامات پزشكي، فرايند تشخيص احتمال خطر با بهره گيري از تكنيك هاي مديريت دانش و مدل هاي هوشمند تشخيص خطر نيز در اين پژوهش مورد بررسي قرار مي گيرد. نتيجه گيري: مدل سازي سيستم هاي تصميم يار هوشمند و بكارگيري سيستم هاي كدينگ عوامل خطرات باليني در كنار براي اقدامات پزشكي امري ضروري real-time بكارگيري سيستم هاي پايش و كنترل، به منظور طراحي سيستم هاي اطلاعاتي است. از آنجايي كه فرايندهاي اقدامات پزشكي با تصميم گيري هايي پيچيده و با احتمال خطر بالا مواجه است بكارگيري عملياتي تكنيك هاي برگرفته از مدل هاي دانشي و الگوريتم هاي داده كاوي در افزايش احتمال موفقيت اقدامات پزشكي و ارتقاء ضريب ايمني بيماران تاثير بسزايي خواهد داشت.

Introduction and purpose: In today's rapidly changing health care, decision makers face with a growing demand in the field of clinical and management data to meet the customers legal requirements. So, decision making in the filed of health care has became as a critical, complex and non– structured issue. Due to the importance of this subject, the basic focus of this paper is to describe the advantages of Intelligent risk detection systems, in order to improve decision making in the field of health activities and especially in clinical area. Methodology and review: this study has reviewed the researches about credible scientific sources including, Pubmed, Scopus, OVID and other information sources. In this study, the knowledge detection, clinical decision systems, algoritms, coding systems and conceptual intelligent risk recognation model are introduced. Also, the possible risk assessment technique in medical procedures, the risk detection process have been investigated by using the knowledge management techniques and intelligent risk detection models. Conclusions: the modeling of intelligent decision -assistance systems and using coding systems of clinical risk factors with measurment and control systems are necessary to design real time information systems for medical procedures. since medical activities are faced with complex decisions and high risks, the operational utilization of knowledge models techniques and data mining algoritms influence signifiently on the success rate of medical procedures and improvement of patients safety rate.